> Continu verbeteren van processen > Onboarding van medewerkers > BambooHR > Datatemplate

Datatemplate voor onboarding van medewerkers

BambooHR

Attributen voor onboarding van medewerkers(19) Onboardingactiviteiten voor medewerkers(15) Extractiegidsen(2)

Datatemplate voor onboarding van medewerkers

Deze template helpt je de data te verzamelen voor een gedetailleerde analyse van het onboardingproces. Je vindt erin welke datavelden je verzamelt, welke belangrijke activiteiten je bijhoudt en hoe je de data uit BambooHR haalt. Gebruik de template om een betrouwbaar event log op te stellen en het onboardingproces nauwkeurig te analyseren.

Aanbevolen attributen om te verzamelen
Belangrijke activiteiten voor procesontdekking
Stapsgewijze instructies voor data-extractie uit BambooHR

Nieuw met event logs? Lees hoe je een event log voor process mining maakt.

Template downloaden

Attributen voor onboarding van medewerkers

Neem deze belangrijke datavelden op in het event log om het onboardingproces goed te kunnen analyseren.

5 Verplicht 6 Aanbevolen 8 Optioneel

	Naam	Beschrijving
	Activiteitsnaam ActivityName	De naam van de specifieke taak of mijlpaal in het onboardingproces.
Beschrijving Dit attribuut bevat de naam van iedere afzonderlijke gebeurtenis of stap in het onboardingtraject van een medewerker. Voorbeelden zijn 'Aanbod geaccepteerd', 'Achtergrondcontrole afgerond' en 'Introductie op de eerste werkdag afgerond'. Bij analyses gebruik je de activiteitsnaam om de proceskaart op te bouwen. Die laat de volgorde van gebeurtenissen en het verloop van het werk zien. De naam is belangrijk om bottlenecks en de frequentie van activiteiten te herkennen en de verschillende routes of varianten van nieuwe medewerkers te begrijpen. Door de volgorde van activiteiten te bekijken, kunnen analisten afwijkingen van het standaardproces en mogelijkheden voor verbetering opsporen. Waarom dit belangrijk is Dit attribuut bepaalt de processtappen. Het vormt de basis van de proceskaart en maakt analyse van workflows, bottlenecks en varianten mogelijk. Waar vind je dit? Afgeleid van statuswijzigingen, afgeronde taken of specifieke datumvelden in de onboardingchecklists of wervingsworkflows van BambooHR. Voorbeelden Aanbod geaccepteerdDocumentenpakket verstuurdIT-inrichting aangevraagdVoortgangsgesprek na 30 dagen afgerond
	Gebeurtenistimestamp EventTimestamp	De exacte datum en tijd waarop een onboardingactiviteit is afgerond of heeft plaatsgevonden.
Beschrijving Het gebeurtenistimestamp geeft het exacte moment aan waarop een specifieke activiteit plaatsvond. Deze tijdsdata is nodig om gebeurtenissen chronologisch te ordenen en de tijd tussen processtappen te berekenen. Dit attribuut vormt de basis voor alle tijdsanalyses in process mining. Je gebruikt het om doorlooptijden, wachttijden en de totale procesduur te berekenen. Door timestamps te analyseren, zie je welke fasen het langst duren, kun je prestaties toetsen aan serviceafspraken en vertragingen opsporen die de ervaring van nieuwe medewerkers negatief beïnvloeden. Waarom dit belangrijk is Dit timestamp geeft de chronologische volgorde van gebeurtenissen aan en is nodig voor analyses van prestaties en doorlooptijden, bijvoorbeeld om doorlooptijden te berekenen en vertragingen op te sporen. Waar vind je dit? Gehaald uit verschillende datumvelden in BambooHR die horen bij afgeronde activiteiten, zoals 'Datum aanbod geaccepteerd' en 'Datum achtergrondcontrole afgerond', of uit systeemlogs met statuswijzigingen. Voorbeelden 2023-10-01T10:00:00Z2023-10-05T14:30:00Z2023-10-15T09:00:00Z
	Onboarding-case OnboardingCase	De unieke identificatiecode die alle onboardingactiviteiten voor één nieuwe medewerker groepeert.
Beschrijving De onboarding-case is de centrale identificatiecode voor het volledige onboardingproces van een medewerker. De code koppelt alle bijbehorende gebeurtenissen, van het accepteren van het aanbod tot het voortgangsgesprek na 30 dagen, aan één samenhangend traject. Bij process mining is dit attribuut essentieel om het volledige procesverloop voor iedere nieuwe medewerker te reconstrueren. Je kunt er proceskaarten mee maken, KPI’s per case berekenen, zoals de totale doorlooptijd, en verschillende procesvarianten analyseren. Zonder een consistente case-identificatiecode is het onmogelijk om te volgen hoe één medewerker de verschillende onboardingfasen doorloopt. Waarom dit belangrijk is Dit is de primaire sleutel die alle bijbehorende gebeurtenissen koppelt. Zo kun je het volledige onboardingtraject van iedere nieuwe medewerker analyseren. Waar vind je dit? Dit is een conceptuele identificatiecode. Vaak wordt deze samengesteld uit de Employee ID en de aanstellingsronde of -datum, omdat BambooHR mogelijk geen expliciet veld 'Onboarding Case ID' heeft. De code moet tijdens de datavoorbereiding worden aangemaakt. Voorbeelden ONB-00123ONB-00124ONB-00125
	Bronsysteem SourceSystem	Geeft aan uit welk registratiesysteem deze data is gehaald.
Beschrijving Dit attribuut geeft de herkomst van de data aan, in dit geval BambooHR. Het helpt bij datagovernance en geeft context, vooral wanneer data uit meerdere systemen wordt gecombineerd. Het bronsysteem expliciet vermelden is belangrijk voor de herkomst van data en het oplossen van problemen. In grotere analyseomgevingen weten gebruikers zo waar de data vandaan komt en kunnen ze de bron achterhalen bij vragen of inconsistenties. Waarom dit belangrijk is Geeft belangrijke context over de herkomst van data. Dat is van belang voor datagovernance, validatie en het combineren van data uit meerdere bronnen. Waar vind je dit? Dit is een vaste waarde, 'BambooHR', die tijdens de datatransformatie wordt toegevoegd. Voorbeelden BambooHR
	Laatste data-update LastDataUpdate	Het timestamp dat aangeeft wanneer de data voor het laatst uit het bronsysteem is vernieuwd.
Beschrijving Dit attribuut bevat de datum en tijd van de meest recente data-extractie of -update. Zo weten gebruikers hoe actueel en relevant de data is. Bij iedere analyse, en zeker bij het volgen van lopende processen, is het belangrijk om te weten hoe actueel de data is. Dit timestamp helpt gebruikers te bepalen of de data die ze bekijken de huidige stand van zaken in de bedrijfsvoering weergeeft of een eerder moment. Het is essentieel voor dashboards die actieve onboarding-cases volgen. Waarom dit belangrijk is Laat zien hoe actueel de data is, zodat gebruikers weten hoe recent de procesanalyse is. Waar vind je dit? Dit timestamp wordt tijdens het ophalen en laden van de data aangemaakt en aan de dataset toegevoegd. Voorbeelden 2024-05-21T08:00:00Z
	Afdeling Department	De afdeling waar de nieuwe medewerker komt te werken.
Beschrijving Dit attribuut geeft de afdeling aan waartoe de nieuwe medewerker behoort, bijvoorbeeld 'Engineering', 'Sales' of 'Marketing'. Het is een belangrijke dimensie om procesprestaties op te splitsen en te vergelijken. Door het onboardingproces per afdeling te analyseren, zie je hoe de prestaties binnen de organisatie verschillen. Zo kun je vragen beantwoorden als: 'Welke afdelingen hebben de langste onboardingdoorlooptijden?' en 'Worden verplichte trainingen in bepaalde afdelingen minder vaak afgerond?'. Met deze inzichten kun je gericht ingrijpen en goede werkwijzen tussen afdelingen delen. Waarom dit belangrijk is Maakt het mogelijk om de efficiëntie, doorlooptijden en compliancepercentages van onboarding tussen verschillende onderdelen van de organisatie te vergelijken. Waar vind je dit? Een standaardveld bij de functiegegevens van de medewerker in BambooHR. Voorbeelden EngineeringVerkoopMarketingPersoneelszaken
	Eindtijdstip EndTimestamp	Het timestamp waarop een activiteit is afgerond, als de duur ervan meetbaar is.
Beschrijving StartTime (EventTimestamp) geeft aan wanneer een activiteit plaatsvindt. EndTimestamp geeft aan wanneer die is afgerond. Dit is vooral relevant voor activiteiten die niet direct klaar zijn, zoals ‘Antecedentenonderzoek’, met een start- en een eindmoment. Met een start- en eindtijdstip bereken je de verwerkingstijd van afzonderlijke activiteiten nauwkeuriger. Zo maak je onderscheid tussen de tijd die iemand aan een taak werkt en de wachttijd tot de volgende stap begint. Dat detailniveau is belangrijk voor een grondige bottleneckanalyse. Waarom dit belangrijk is Maakt een nauwkeurige berekening van de verwerkingstijd mogelijk, met onderscheid tussen werktijd en wachttijd. Waar vind je dit? Afgeleid van de timestamps van opeenvolgende activiteiten. Het EndTimestamp van ‘Antecedentenonderzoek gestart’ is bijvoorbeeld het timestamp van ‘Antecedentenonderzoek afgerond’. Voorbeelden 2023-10-02T11:00:00Z2023-10-06T16:45:00Z2023-10-16T10:00:00Z
	Functietitel JobTitle	De specifieke functie van de nieuwe medewerker.
Beschrijving Dit attribuut bevat de officiële functietitel van de nieuwe medewerker, bijvoorbeeld 'Software-engineer', 'Accountmanager' of 'Productmanager'. Het is een belangrijke dimensie voor de analyse van het onboardingproces. Voor verschillende functies kunnen andere onboardingvereisten gelden, zoals specialistische trainingen of apparatuur. Door op functietitel te analyseren, zie je of bepaalde functies meer vertraging oplopen of een ander procesverloop volgen. Zo kun je de onboarding afstemmen op de specifieke eisen van de functie en verbeteren. Waarom dit belangrijk is Maakt analyse van het onboardingproces mogelijk op basis van de complexiteit en vereisten van functies. Zo kun je de ervaring afstemmen op verschillende posities. Waar vind je dit? Een standaardveld bij de functiegegevens van de medewerker in BambooHR. Voorbeelden Senior software-engineerMarketingcoördinatorRegionaal verkoopdirecteur
	Leidinggevende HiringManager	De naam van de leidinggevende aan wie de nieuwe medewerker rapporteert.
Beschrijving Dit attribuut geeft de directe leidinggevende van de nieuwe medewerker aan. De leidinggevende speelt vaak een belangrijke rol bij de onboarding, bijvoorbeeld door het team voor te stellen en de eerste doelen vast te stellen. Door de onboardingprestaties per leidinggevende te analyseren, zie je wie nieuwe teamleden goed begeleidt en wie extra ondersteuning of training kan gebruiken. Ook kun je goede werkwijzen van succesvolle leidinggevenden herkennen en binnen de organisatie delen. Zo wordt de onboardingervaring consistenter en beter. Waarom dit belangrijk is Maakt het mogelijk om prestaties per leidinggevende te analyseren. Zo zie je wie onboarding goed begeleidt en wie mogelijk extra ondersteuning nodig heeft. Waar vind je dit? Meestal te vinden bij de functiegegevens of rapportagestructuur van de medewerker in BambooHR. Voorbeelden Jane DoeJohn SmithEmily Jones
	Locatie Location	De belangrijkste werklocatie of het kantoor van de nieuwe medewerker.
Beschrijving Dit attribuut geeft het kantoor of de geografische locatie aan waar de nieuwe medewerker werkt. Dat kan een stad, kantoorgebouw of de aanduiding 'Op afstand' zijn. Door per locatie te analyseren, zie je regionale verschillen in het onboardingproces. De bezorgtijd van apparatuur kan bijvoorbeeld sterk verschillen per locatie, of kantoren kunnen eigen introductieprocedures hebben. Zo kun je het proces waar mogelijk standaardiseren en tegelijk rekening houden met noodzakelijke lokale verschillen. Waarom dit belangrijk is Helpt regionale verschillen in procesprestaties op te sporen, zoals vertragingen bij de levering van apparatuur of verschillen in lokale introductieprocedures. Waar vind je dit? Een standaardveld in het profiel van de medewerker in BambooHR, meestal bij de gegevens over dienstverband of locatie. Voorbeelden Kantoor in New YorkLonden, VKOp afstand (VS)Hoofdkantoor in San Francisco
	Medewerkers-ID EmployeeId	Een unieke identificatiecode die BambooHR aan iedere medewerker toekent.
Beschrijving De medewerkers-ID is de unieke sleutel waarmee een medewerker in het HR-systeem wordt herkend. Deze blijft gedurende het dienstverband gelijk. De onboarding-case is de primaire identificatiecode voor het proces. De medewerkers-ID is belangrijk om onboardingdata te koppelen aan het hoofdrecord van de medewerker. Zo kun je de data aanvullen met andere medewerkersattributen, zoals functietitel of afdeling, en uitgebreider analyseren hoe de onboardingervaring verschilt per type medewerker. Waarom dit belangrijk is Identificeert de nieuwe medewerker op unieke wijze. Zo kun je de data aanvullen met andere medewerkersgegevens en de volledige levenscyclus van de medewerker volgen, ook na de onboarding. Waar vind je dit? Beschikbaar als standaardveld in het medewerkersrecord in BambooHR. Voorbeelden 601856018660187
	Arbeidsstatus EmploymentStatus	De huidige status van de nieuwe medewerker in diens levenscyclus als werknemer.
Beschrijving Dit attribuut houdt de status van de nieuwe medewerker bij, bijvoorbeeld van ‘Aanbod geaccepteerd’ via ‘Voor indiensttreding’ naar ‘Actief’. Zo zie je in grote lijnen waar de medewerker zich in het proces bevindt. In process mining kun je dit gebruiken als case-attribuut om actieve onboardingcases te filteren of te analyseren hoelang cases een bepaalde status hebben. Het is vooral handig voor dashboards met een realtime overzicht van lopende onboardingprocessen. HR en leidinggevenden kunnen zo de voortgang volgen. Waarom dit belangrijk is Geeft de status van de onboardingcase op hoofdlijnen weer. Zo kun je actieve cases filteren en de voortgang volgen. Waar vind je dit? Dit is een standaardveld in het medewerkersdossier in BambooHR. Voorbeelden ActiefInactiefUit dienstMet verlof
	Is herstelwerk IsRework	Een markering die aangeeft of een activiteit een herhaling is van een eerdere stap.
Beschrijving Dit berekende booleaanse attribuut krijgt de waarde true als een activiteit, zoals ‘Documentenpakket verzonden’, meer dan één keer voorkomt in dezelfde onboardingcase. Dat betekent dat een processtap opnieuw moest worden uitgevoerd, meestal door een fout, ontbrekende informatie of inefficiëntie. Herstelwerk herkennen is een belangrijk onderdeel van process mining. Met deze markering kun je gevallen van herstelwerk eenvoudig filteren en tellen. Dashboards en KPI’s over herstelwerk maken zo frictie en verspilling in het proces zichtbaar. Minder herstelwerk verkort de doorlooptijd en verbetert de ervaring van zowel de nieuwe medewerker als het HR-team. Waarom dit belangrijk is Maakt inefficiënties, fouten en verspilde inspanningen zichtbaar door herhaalde activiteiten te markeren. Waar vind je dit? Dit is een berekend veld. De logica in de processminingtool herkent herhaalde reeksen activiteiten binnen een case. Voorbeelden truefalse
	Land Country	Het land waar de nieuwe medewerker werkt.
Beschrijving Dit attribuut geeft het land van tewerkstelling aan. Voor internationale organisaties is dit een belangrijk analysekenmerk. Onboardingprocessen en regelgeving kunnen per land sterk verschillen. Door het proces per land te analyseren, krijg je zicht op die verschillen, kun je lokale wetgeving naleven en zie je waar werkwijzen in verschillende regio’s te standaardiseren zijn. Verschillen in doorlooptijden kunnen ook samenhangen met lokale feestdagen of administratieve procedures. Waarom dit belangrijk is Helpt internationale organisaties procesverschillen te analyseren, lokale wetgeving na te leven en onboardingvereisten per regio te beheren. Waar vind je dit? Een standaardveld bij de locatie- of adresgegevens van een medewerker in BambooHR. Voorbeelden Verenigde StatenVerenigd KoninkrijkDuitslandCanada
	Naam nieuwe medewerker NewHireName	De volledige naam van de medewerker die onboarding krijgt.
Beschrijving Dit attribuut bevat de naam van de nieuwe medewerker. Je gebruikt die vooral voor praktische doeleinden, bijvoorbeeld in rapporten of dashboards waarin je specifieke personen wilt herkennen. Bij process mining worden namen vaak geanonimiseerd of vervangen door medewerkers-ID’s om aan de privacywetgeving te voldoen. In operationele dashboards voor HR of leidinggevenden kan een naam juist handig zijn om lopende cases snel te herkennen. Waarom dit belangrijk is Geeft specifieke cases een herkenbare context, vooral in operationele dashboards voor HR en leidinggevenden. Waar vind je dit? Een standaardveld in de persoonsgegevens van een medewerker in BambooHR. Voorbeelden Alice JohnsonRobert WilliamsMaria Garcia
	Onboarding-doorlooptijd OnboardingCycleTime	De totale duur van het onboardingproces voor één case.
Beschrijving Deze berekende metriek meet de totale doorlooptijd van elke onboardingcase, meestal van ‘Aanbod geaccepteerd’ tot ‘Check-in na 30 dagen afgerond’. De metriek geeft aan hoeveel tijd het volledige proces in beslag neemt. Dit is een belangrijke KPI om de efficiëntie van het proces te beoordelen. Dashboards gebruiken de metriek om gemiddelde onboardingtijden bij te houden, prestaties tussen afdelingen of rollen te vergelijken en het effect van verbeteringen te meten. Een kortere doorlooptijd hangt meestal samen met een betere ervaring voor nieuwe medewerkers en lagere administratieve kosten. Waarom dit belangrijk is Dit is een belangrijke KPI om de algehele procesefficiëntie te meten en verbeteringen in de tijd te volgen. Waar vind je dit? Berekend als het tijdsverschil tussen het timestamp van de eerste en de laatste activiteit in de case. Voorbeelden 35 dagen42 dagen28 dagen
	Startdatum StartDate	De officiële eerste werkdag van de nieuwe medewerker.
Beschrijving De startdatum is een belangrijk moment in het onboardingproces. Deze markeert de overgang van activiteiten vóór indiensttreding, zoals antecedentenonderzoek en papierwerk, naar activiteiten daarna, zoals introductie en training. De datum is een belangrijk referentiepunt voor analyses. Zo gebruik je die om de KPI ‘Klaar voor de eerste werkdag’ te berekenen. Die meet of alle benodigde taken vóór indiensttreding op tijd zijn afgerond. Ook kun je ermee analyseren of deze activiteiten op tijd worden uitgevoerd en wat het effect daarvan is op de productiviteit vanaf de eerste werkdag. Waarom dit belangrijk is Markeert de overgang van activiteiten vóór naar activiteiten na indiensttreding en laat zien of nieuwe medewerkers op hun eerste werkdag klaar zijn om te beginnen. Waar vind je dit? Dit komt overeen met het veld ‘Datum indiensttreding’, een standaardonderdeel van een medewerkersdossier in BambooHR. Voorbeelden 2023-11-012023-11-152023-12-01
	Team Team	Het specifieke team binnen een afdeling waaraan de nieuwe medewerker wordt toegewezen.
Beschrijving Dit attribuut geeft meer organisatorisch detail dan de afdeling. Het vermeldt het directe team, zoals ‘Frontendontwikkelaars’ of ‘Enterprise-verkoopteam’. Een analyse per afdeling is nuttig, maar op teamniveau zie je verschillen die anders verborgen blijven. Zo ontdek je prestatieverschillen tussen teams met vergelijkbare taken en zie je hoe lokale introducties of trainingen het onboardingproces beïnvloeden. Dit is vooral handig bij grote afdelingen waar een gedetailleerder beeld nodig is. Waarom dit belangrijk is Geeft meer detail dan de afdeling en maakt het mogelijk prestaties en procesverschillen tussen teams te analyseren. Waar vind je dit? Dit kan een standaardveld of een aangepast veld in BambooHR zijn, vaak onderdeel van de organisatorische toewijzing van de medewerker. Voorbeelden Platform EngineeringVerkoop middelgrote bedrijvenContentmarketing
	Uitvoerder van de activiteit EventPerformer	De gebruiker of het systeem dat de onboardingactiviteit heeft uitgevoerd.
Beschrijving Dit attribuut geeft aan welke persoon, welk team of welk geautomatiseerd systeem verantwoordelijk is voor een activiteit. Een HR-specialist kan bijvoorbeeld de activiteit ‘Documentenpakket verzonden’ uitvoeren, terwijl de leidinggevende de nieuwe medewerker aan het team voorstelt. Deze informatie is waardevol voor bronanalyse en inzicht in de verdeling van de werklast. Je ziet welke teams of rollen betrokken zijn bij activiteiten die veel tijd kosten of een bottleneck vormen. Ook kun je taken analyseren die door specifieke gebruikersgroepen worden uitgevoerd. Dat helpt bij beslissingen over de inzet van mensen en automatisering. Waarom dit belangrijk is Laat zien wie elke taak uitvoert. Dat is belangrijk voor werklastanalyses, een betere inzet van bronnen en inzicht in gedrag per gebruiker. Waar vind je dit? Deze informatie staat mogelijk in auditlogs of bij de taakgegevens in BambooHR, vaak gekoppeld aan de gebruiker die de wijziging heeft aangebracht. Voorbeelden HR-beheerderDavid Chen (leidinggevende)SysteemautomatiseringIT-ondersteuning

Verplicht Aanbevolen Optioneel

Onboardingactiviteiten voor medewerkers

Leg deze belangrijke processtappen en mijlpalen vast in het event log om het proces nauwkeurig te ontdekken en de prestaties te volgen.

7 Aanbevolen 8 Optioneel

	Activiteit	Beschrijving
	Aanbod geaccepteerd	Deze activiteit markeert de officiële start van het onboardingproces: de kandidaat accepteert het aanbod formeel. In BambooHR wordt dit meestal vastgelegd wanneer de status van de kandidaat in het Applicant Tracking System (ATS) verandert in 'Aangenomen'. Daardoor wordt het medewerkersprofiel aangemaakt en de onboardingchecklist gestart.
Waarom dit belangrijk is Dit is het startpunt van iedere onboarding-case. Door de tijd tussen deze gebeurtenis en andere gebeurtenissen te analyseren, meet je de efficiëntie en snelheid van het proces vóór de eerste werkdag. Waar vind je dit? Afgeleid van de datum waarop de status van de kandidaat in de BambooHR ATS-module wordt bijgewerkt naar 'Aangenomen', of waarop de datum in het veld voor de indiensttreding van de medewerker wordt ingevuld. Vastleggen Bepaal het timestamp waarop het veld 'status' van een sollicitant verandert in 'Aangenomen'. Gebeurtenistype inferred
	Achtergrondcontrole afgerond	Deze activiteit geeft aan dat de achtergrondcontrole van de nieuwe medewerker is afgerond en dat de resultaten beschikbaar zijn. In BambooHR wordt dit vastgelegd wanneer de taak 'Achtergrondcontrole' op de onboardingchecklist de status 'Afgerond' krijgt.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal voor compliance. Vertraging tussen de start en afronding kan een grote bottleneck vormen. Door dit te volgen, controleer je of aan de vereisten vóór indiensttreding is voldaan voordat de medewerker begint. Waar vind je dit? Afgeleid van het timestamp waarop de taak 'Achtergrondcontrole' in de onboardingtakenlijst van de nieuwe medewerker is afgerond. Vastleggen De gebeurtenis wordt vastgelegd wanneer de status van de taak voor de achtergrondcontrole wordt bijgewerkt naar 'Afgerond'. Gebeurtenistype explicit
	Documentenpakket afgerond	Deze gebeurtenis vindt plaats wanneer de nieuwe medewerker alle vereiste documenten in het onboardingpakket heeft ondertekend. BambooHR legt dit automatisch vast zodra de medewerker alle elektronische handtekeningen in een verstuurd pakket heeft gezet.
Waarom dit belangrijk is Het afronden van de documenten is een belangrijke voorwaarde voor de eerste werkdag. Door deze mijlpaal te analyseren, kun je compliance en de voorbereiding controleren en herstelwerk of vertraging van de startdatum voorkomen. Waar vind je dit? Afgeleid van het timestamp waarop de status van het verstuurde documentenpakket in BambooHR verandert in 'Afgerond'. Vastleggen Er wordt een afzonderlijke gebeurtenis vastgelegd wanneer de laatste vereiste elektronische handtekening in een documentenpakket voor een nieuwe medewerker is gezet. Gebeurtenistype explicit
	Introductie op de eerste werkdag afgerond	Dit markeert de afronding van de eerste introductiebijeenkomst voor de nieuwe medewerker. Daarin komen de bedrijfscultuur, het beleid en kennismakingen aan bod. Dit wordt vastgelegd wanneer HR of de leidinggevende de taak 'Introductie op de eerste werkdag' als afgerond markeert op de onboardingchecklist in BambooHR.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal voor de betrokkenheid en integratie van medewerkers. Door te controleren of de introductie steeds op tijd plaatsvindt, help je nieuwe medewerkers goed van start en zorg je voor een positieve ervaring. Waar vind je dit? Afgeleid van het timestamp waarop de taak 'Introductie op de eerste werkdag' in de onboardingtakenlijst wordt afgerond. Vastleggen De gebeurtenis wordt vastgelegd wanneer de introductietaak de status 'Afgerond' krijgt. Gebeurtenistype explicit
	Onboardingtaken afgerond	Deze activiteit markeert de afronding van alle toegewezen taken op de onboardingchecklist van de nieuwe medewerker. Je kunt dit afleiden wanneer het voltooiingspercentage van de takenlijst 100% bereikt of wanneer de laatste taak 'Onboarding afronden' wordt afgevinkt.
Waarom dit belangrijk is Dit is het definitieve eindpunt van het gestructureerde onboardingproces dat uit taken bestaat. Het bevestigt dat alle administratieve en voorbereidende stappen zijn uitgevoerd. Waar vind je dit? Afgeleid van het timestamp van de laatst afgeronde taak in de onboardingtakenlijst van een medewerker, of van het moment waarop de status van het volledige onboardingproces wordt ingesteld op 'Afgerond'. Vastleggen Bepaal het meest recente timestamp waarop een taak voor één onboarding-case is afgerond. Gebeurtenistype inferred
	Verplichte training afgerond	Dit markeert de succesvolle afronding van een verplichte training door de nieuwe medewerker. BambooHR legt deze gebeurtenis vast wanneer de status van een toegewezen training in de trainingsmodule wordt bijgewerkt naar 'Afgerond'.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal voor compliance. Door de afronding te volgen, controleer je of de organisatie voldoet aan wettelijke en interne beleidsvereisten en of medewerkers de kennis hebben die ze voor hun functie nodig hebben. Waar vind je dit? Afgeleid van het timestamp waarop de status van een trainingsrecord in de trainingsmodule van BambooHR verandert in 'Afgerond'. Vastleggen Er wordt een afzonderlijke gebeurtenis vastgelegd wanneer het statusveld van een trainingsrecord wordt bijgewerkt naar 'Afgerond'. Gebeurtenistype explicit
	Voortgangsgesprek na 30 dagen afgerond	Dit is de afronding van het eerste formele voortgangsgesprek tussen de nieuwe medewerker en de leidinggevende, meestal rond de 30e dag. Dit wordt vastgelegd wanneer een taak 'Voortgangsgesprek na 30 dagen' of een beoordelingsformulier in BambooHR als afgerond wordt gemarkeerd.
Waarom dit belangrijk is Deze mijlpaal is belangrijk om vroeg feedback te geven, zorgen te bespreken en medewerkers te behouden. Door de afronding te volgen, zorg je ervoor dat nieuwe medewerkers in deze belangrijke periode regelmatig contact hebben met hun leidinggevende. Waar vind je dit? Afgeleid van het timestamp waarop de taak 'Voortgangsgesprek na 30 dagen' of een beoordelingsformulier in BambooHR wordt afgerond. Vastleggen De gebeurtenis wordt vastgelegd wanneer een leidinggevende de gesprekstaak of het formulier de status 'Afgerond' geeft. Gebeurtenistype explicit
	Achtergrondcontrole gestart	Dit is het moment waarop via een gekoppelde dienst een achtergrondcontrole voor de nieuwe medewerker wordt aangevraagd. Meestal wordt dit vastgelegd wanneer een specifieke taak 'Achtergrondcontrole' wordt aangemaakt of gestart in de onboardingtakenlijst van de nieuwe medewerker in BambooHR.
Waarom dit belangrijk is Door bij te houden wanneer achtergrondcontroles starten, zie je vertragingen in de screening vóór indiensttreding. Dit is vaak een belangrijke stap voor compliance en een tijdige indiensttreding. Waar vind je dit? Afgeleid van de aanmaakdatum of startdatum van de taak 'Achtergrondcontrole' in een onboardingtakenlijst in BambooHR. Vastleggen De gebeurtenis wordt vastgelegd wanneer de taak voor de achtergrondcontrole wordt aangemaakt of de status verandert in 'Bezig'. Gebeurtenistype explicit
	Apparatuur besteld	Dit is het moment waarop de benodigde apparatuur, zoals een laptop of telefoon, voor de nieuwe medewerker wordt besteld. Meestal wordt dit vastgelegd wanneer de taak 'Apparatuur bestellen' op de onboardingchecklist in BambooHR als afgerond wordt gemarkeerd.
Waarom dit belangrijk is Deze activiteit is een belangrijke mijlpaal om te zorgen dat de nieuwe medewerker over de benodigde apparatuur beschikt. Vertraging heeft direct gevolgen voor de voorbereiding en productiviteit op de eerste werkdag. Waar vind je dit? Afgeleid van het timestamp waarop de taak 'Apparatuur bestellen' in de onboardingtakenlijst in BambooHR wordt afgerond. Vastleggen De gebeurtenis wordt vastgelegd wanneer de status van de taak 'Apparatuur bestellen' wordt bijgewerkt naar 'Afgerond'. Gebeurtenistype explicit
	Apparatuur geleverd	Deze activiteit geeft aan dat de bestelde apparatuur is bezorgd en klaarstaat voor de nieuwe medewerker. Vaak wordt dit bijgehouden door een aparte taak 'Apparatuur geleverd' of 'Werkplek ingericht' als afgerond te markeren op de onboardingchecklist in BambooHR.
Waarom dit belangrijk is Door de tijd tussen bestellen en bezorgen te volgen, zie je mogelijke bottlenecks in de toelevering of logistiek. Zo controleer je of alle fysieke middelen vóór de startdatum aanwezig zijn. Waar vind je dit? Afgeleid van het timestamp waarop de taak 'Apparatuur geleverd' of 'Werkplek ingericht' in de onboardingtakenlijst wordt afgerond. Vastleggen De gebeurtenis wordt vastgelegd wanneer de status van de bezorg- of inrichtings-taak wordt bijgewerkt naar 'Afgerond'. Gebeurtenistype explicit
	Documentenpakket verstuurd	Dit markeert het moment waarop het documentenpakket voor de nieuwe medewerker wordt verstuurd om te bekijken en te ondertekenen. Het pakket bevat bijvoorbeeld het I-9-formulier, het W-4-formulier en bedrijfsbeleid. BambooHR legt deze gebeurtenis vast wanneer een HR-beheerder het pakket verstuurt via de documentbeheerfuncties van het systeem.
Waarom dit belangrijk is Met deze activiteit begint een belangrijke administratieve workflow. Door de tijd tot het afronden van de documenten te meten, zie je hoe efficiënt het documentatieproces verloopt. Waar vind je dit? Afgeleid van het timestamp waarop het documentenpakket in BambooHR naar een nieuwe medewerker wordt verstuurd voor elektronische ondertekening. Vastleggen Het systeem legt een afzonderlijke gebeurtenis vast wanneer de actie 'Pakket versturen' wordt uitgevoerd. Gebeurtenistype explicit
	IT-inrichting aangevraagd	Deze activiteit markeert het formele verzoek aan de IT-afdeling om de benodigde accounts en toegangsrechten voor de nieuwe medewerker aan te maken. In BambooHR wordt dit meestal vastgelegd wanneer een vooraf gedefinieerde taak 'IT-inrichting' wordt aangemaakt en toegewezen op de onboardingchecklist.
Waarom dit belangrijk is Een tijdige IT-inrichting is belangrijk voor een productieve eerste werkdag. Door deze gebeurtenis te volgen, meet je hoe snel IT reageert en spoor je vertragingen op bij het geven van systeemtoegang aan nieuwe medewerkers. Waar vind je dit? Afgeleid van de datum en tijd waarop de taak 'IT-account inrichten' of een vergelijkbare taak wordt aangemaakt in de onboardingtakenlijst van de nieuwe medewerker. Vastleggen De gebeurtenis wordt vastgelegd wanneer de IT-inrichtingstaak wordt aangemaakt op een onboardingchecklist. Gebeurtenistype explicit
	Kennismaking met het team afgerond	Dit is de formele kennismaking van de nieuwe medewerker met directe teamleden. Meestal begeleidt de leidinggevende deze informele activiteit. De afronding van de bijbehorende taak op de onboardingchecklist in BambooHR legt dit vast.
Waarom dit belangrijk is Contact met collega’s is een belangrijk onderdeel van een geslaagde onboarding. Door deze activiteit te volgen, controleer je of leidinggevenden belangrijke stappen zetten om nieuwe medewerkers welkom te heten en de samenwerking in het team te bevorderen. Waar vind je dit? Afgeleid van het timestamp waarop de taak 'Kennismaking met het team' in de onboardingtakenlijst wordt afgerond. Deze taak is meestal toegewezen aan de leidinggevende. Vastleggen De gebeurtenis wordt vastgelegd wanneer de leidinggevende de taak 'Kennismaking met het team' de status 'Afgerond' geeft. Gebeurtenistype explicit
	Medewerkersprofiel aangemaakt	Dit is het officiële moment waarop de nieuwe medewerker als medewerker wordt geregistreerd in het HRIS, in plaats van als kandidaat. Dit wordt afgeleid van de aanmaakdatum van het medewerkersrecord in de hoofddatabase van BambooHR. Dat gebeurt meestal nadat het aanbod is geaccepteerd.
Waarom dit belangrijk is Deze activiteit vormt de basis voor alle volgende onboardingstappen, zoals het inrichten van IT-toegang en de salarisadministratie. Het timestamp geeft duidelijk aan wanneer de medewerker officieel in het systeem is opgenomen. Waar vind je dit? Afgeleid van het timestamp waarop het record van de nieuwe medewerker wordt aangemaakt in de centrale tabellen met medewerkersgegevens. Vastleggen Gebruik het timestamp van 'created_at' of vergelijkbare metadata uit het hoofdrecord van de medewerker. Gebeurtenistype inferred
	Verplichte training toegewezen	Deze gebeurtenis vindt plaats wanneer een verplichte compliance- of functiegerichte training aan de nieuwe medewerker wordt toegewezen. In BambooHR wordt dit vastgelegd in de trainingsmodule wanneer een nieuwe training aan het medewerkersrecord wordt toegevoegd.
Waarom dit belangrijk is Dit is het startpunt om de naleving van trainingsvereisten te meten. Door de tijd tussen toewijzing en afronding te analyseren, controleer je of medewerkers op tijd voldoen aan wettelijke en interne vereisten. Waar vind je dit? Afgeleid van de aanmaakdatum van een trainingsrecord dat in de trainingsmodule van BambooHR aan een specifieke medewerker is toegewezen. Vastleggen Er wordt een afzonderlijke gebeurtenis vastgelegd wanneer een nieuwe regel wordt toegevoegd aan de tabel voor het bijhouden van medewerkerstrainingen. Gebeurtenistype explicit

Aanbevolen Optioneel

Extractiegidsen

Zo haal je data uit BambooHR

Stappen

Log in bij BambooHR: Open je BambooHR-omgeving met een gebruikersaccount dat aangepaste rapporten mag maken en uitvoeren.
Ga naar aangepaste rapporten: Open in het hoofdmenu Reports. Klik onder ‘Manage Reports’ op ‘Add Report’.
Stel het rapport in: Geef het rapport een duidelijke naam, zoals ‘Onboarding Process Mining Export’. Voeg desgewenst een korte beschrijving toe.
Selecteer rapportvelden: Selecteer op het tabblad ‘Fields’ alle kolommen die nodig zijn voor het event log. Kies medewerkers-ID’s, belangrijke attributen en alle datumvelden die bij onboardingactiviteiten horen. Selecteer bijvoorbeeld:
- Medewerkersnummer
- Voornaam, Achternaam
- Afdeling, Functietitel, Locatie
- Leidinggevende
- Datum indiensttreding (voor ‘Medewerkersprofiel aangemaakt’)
- Eventuele aangepaste datumvelden voor mijlpalen, zoals ‘Datum aanbod geaccepteerd’.
- Voltooiingsdatums van alle relevante onboarding- en offboardingtaken. Selecteer elke taak afzonderlijk, bijvoorbeeld ‘Datum antecedentenonderzoek afgerond’, ‘Datum documentenpakket verzonden’, ‘Datum documentenpakket voltooid’, ‘Datum IT-voorzieningen aangevraagd’ enzovoort.
- Datums uit de trainingsmodule, zoals ‘Datum verplichte training toegewezen’ en ‘Datum verplichte training afgerond’.
Stel rapportfilters in: Ga naar het tabblad ‘Filters’ om het bereik van de data te bepalen. Filter bij voorkeur op ‘Datum indiensttreding’ om medewerkers uit een bepaalde periode op te nemen, bijvoorbeeld de afgelopen 6 maanden. Zo voorkom je dat het rapport te groot wordt en vastloopt.
Sla het rapport op en voer het uit: Klik op ‘Save & Run’ zodra alle velden en filters zijn ingesteld. Controleer in BambooHR of de resultaten de verwachte medewerkers en datakolommen bevatten.
Exporteer de data: Klik op de exportknop, meestal herkenbaar aan een wolk- of pijlpictogram, en kies ‘Comma Separated Values (.csv)’ als bestandsindeling. Sla het bestand lokaal op onder een duidelijke naam, zoals bamboohr_onboarding_export.csv.
Bereid het transformatiescript voor: Kopieer het volledige Python-script uit het gedeelte ‘query’ van dit document en sla het in dezelfde map als het geëxporteerde CSV-bestand op als transform_bamboohr.py.
Installeer de benodigde bibliotheek: Heb je pandas nog niet geïnstalleerd? Open dan een terminal of opdrachtprompt en voer pip install pandas uit.
Voer de transformatie uit: Open een terminal of opdrachtprompt, ga naar de map met je bestanden en voer het script uit met python transform_bamboohr.py. Het script verwerkt de brede CSV-export en maakt een bestand event_log.csv in de juiste lange indeling voor process mining.
Upload naar ProcessMind: Het bestand event_log.csv is nu klaar om naar de ProcessMind-applicatie te uploaden.

Configuratie

Vereisten: Je hebt het BambooHR Advantage-pakket nodig. Dit bevat de geavanceerde rapportage- en onboardingfuncties. Je gebruikersrol moet aangepaste rapporten met medewerkersdata kunnen maken, bekijken en exporteren.
Rapportvelden: Bij deze methode is het belangrijk dat je de juiste velden selecteert. Het rapport moet een brede indeling hebben: één rij per medewerker en een eigen datumkolom voor elke onboardingactiviteit. Neem Employee # op als case-ID en voeg alle relevante attribuutkolommen toe, zoals Afdeling, Job Title en Hiring Manager.
Aangepaste velden en taken: De extractie hangt sterk af van de manier waarop je organisatie BambooHR gebruikt. Activiteiten zoals ‘Aanbod geaccepteerd’ of ‘Apparatuur besteld’ moeten worden vastgelegd in specifieke aangepaste datumvelden of als taken in een onboardingchecklist. Selecteer de voltooiingsdatumvelden van deze taken, niet alleen de taaknamen.
Filters voor datumbereik: Filter het rapport altijd op ‘Datum indiensttreding’ om de prestaties en relevantie te waarborgen. Voor procesanalyse is een voortschrijdende periode van de afgelopen 6 tot 12 maanden meestal voldoende. Zo voorkom je een onnodig groot exportbestand.
Rapportplanning: Voor doorlopende monitoring kun je BambooHR het aangepaste rapport periodiek laten uitvoeren en naar je laten e-mailen, bijvoorbeeld elke week. Zo automatiseer je een deel van de data-extractie.

Voorbeeldquery python

import pandas as pd
import numpy as np
from datetime import datetime

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># The input file exported from BambooHR.
BAMBOOHR_EXPORT_FILE = class="hl-string">'bamboohr_onboarding_export.csv'

class=class="hl-string">"hl-comment"># The final output file ready for ProcessMind.
EVENT_LOG_FILE = class="hl-string">'event_log.csv'

class=class="hl-string">"hl-comment"># This dictionary maps the column names from your BambooHR export to the desired Activity Name.
class=class="hl-string">"hl-comment"># You MUST update the keys (the column names) to exactly match the headers in your exported CSV file.
class=class="hl-string">"hl-comment"># For example, if your class="hl-string">'Background Check Completed' task completion date column is named class="hl-string">'Onboarding: Background Check - Completed On', update it below.
ACTIVITY_MAPPING = {
    class="hl-string">'[Offer Accepted Date Custom Field]': class="hl-string">'Offer Accepted',
    class="hl-string">'[Background Check Initiated Task Completion Date]': class="hl-string">'Background Check Initiated',
    class="hl-string">'[Background Check Completed Task Completion Date]': class="hl-string">'Background Check Completed',
    class="hl-string">'[Paperwork Packet Sent Task Completion Date]': class="hl-string">'Paperwork Packet Sent',
    class="hl-string">'[Paperwork Packet Completed Task Completion Date]': class="hl-string">'Paperwork Packet Completed',
    class="hl-string">'Hire Date': class="hl-string">'Employee Profile Created',
    class="hl-string">'[IT Provisioning Requested Task Completion Date]': class="hl-string">'IT Provisioning Requested',
    class="hl-string">'[Equipment Ordered Task Completion Date]': class="hl-string">'Equipment Ordered',
    class="hl-string">'[Equipment Delivered Task Completion Date]': class="hl-string">'Equipment Delivered',
    class="hl-string">'[First Day Orientation Completed Task Completion Date]': class="hl-string">'First Day Orientation Completed',
    class="hl-string">'[Mandatory Training Assigned Date]': class="hl-string">'Mandatory Training Assigned',
    class="hl-string">'[Team Introduction Completed Task Completion Date]': class="hl-string">'Team Introduction Completed',
    class="hl-string">'[Mandatory Training Completed Date]': class="hl-string">'Mandatory Training Completed',
    class="hl-string">'[30-Day Check-in Completed Task Completion Date]': class="hl-string">'30-Day Check-in Completed',
    class="hl-string">'[Onboarding Tasks Completed Date]': class="hl-string">'Onboarding Tasks Completed'
}

class=class="hl-string">"hl-comment"># --- Main Script ---
def transform_bamboohr_export():
    class="hl-string">"""Loads the wide BambooHR report, transforms it into a long event log format, and saves it to a new CSV."""
    print(fclass="hl-string">"Reading BambooHR export from '{BAMBOOHR_EXPORT_FILE}'...")
    try:
        df = pd.read_csv(BAMBOOHR_EXPORT_FILE)
    except FileNotFoundError:
        print(fclass="hl-string">"Error: The file '{BAMBOOHR_EXPORT_FILE}' was not found. Please ensure it is in the same directory as the script.")
        return

    print(class="hl-string">"Identifying attribute and activity columns...")
    class=class="hl-string">"hl-comment"># Use Employee # as the unique case identifier.
    id_vars = [class="hl-string">'Employee class="hl-comment">#']
    
    class=class="hl-string">"hl-comment"># Define recommended attributes to keep for each event.
    class=class="hl-string">"hl-comment"># Update these column names if they are different in your export.
    attribute_vars = [
        class="hl-string">'Department', 
        class="hl-string">'Job Title', 
        class="hl-string">'Location', 
        class="hl-string">'Hiring Manager'
    ]

    class=class="hl-string">"hl-comment"># All columns that exist in the dataframe and are in our mapping are treated as value_vars for melting.
    value_vars = [col for col in ACTIVITY_MAPPING.keys() if col in df.columns]
    
    if not value_vars:
        print(class="hl-string">"Error: None of the specified activity columns in ACTIVITY_MAPPING were found in the CSV.")
        print(class="hl-string">"Please check your column names.")
        return

    class=class="hl-string">"hl-comment"># Ensure all identifier and attribute columns are present.
    all_id_vars = id_vars + attribute_vars
    missing_cols = [col for col in all_id_vars if col not in df.columns]
    if missing_cols:
        print(fclass="hl-string">"Warning: The following columns were not found and will be skipped: {', '.join(missing_cols)}")
        all_id_vars = [col for col in all_id_vars if col in df.columns]

    print(class="hl-string">"Unpivoting data to create event log...")
    class=class="hl-string">"hl-comment"># Unpivot the dataframe from wide to long format.
    event_log_df = df.melt(
        id_vars=all_id_vars,
        value_vars=value_vars,
        var_name=class="hl-string">'ActivityName',
        value_name=class="hl-string">'EventTimestamp'
    )

    class=class="hl-string">"hl-comment"># Drop rows where the event did not occur (timestamp is null).
    event_log_df.dropna(subset=[class="hl-string">'EventTimestamp'], inplace=True)
    
    print(class="hl-string">"Formatting columns for ProcessMind...")
    class=class="hl-string">"hl-comment"># Replace the source column names with the clean activity names.
    event_log_df[class="hl-string">'ActivityName'] = event_log_df[class="hl-string">'ActivityName'].map(ACTIVITY_MAPPING)

    class=class="hl-string">"hl-comment"># Rename columns to match the required schema.
    event_log_df.rename(columns={class="hl-string">'Employee class="hl-comment">#': class="hl-string">'OnboardingCase'}, inplace=True)
    event_log_df[class="hl-string">'EmployeeId'] = event_log_df[class="hl-string">'OnboardingCase']

    class=class="hl-string">"hl-comment"># Add static columns required by the schema.
    event_log_df[class="hl-string">'SourceSystem'] = class="hl-string">'BambooHR'
    event_log_df[class="hl-string">'LastDataUpdate'] = datetime.now().strftime(class="hl-string">'%Y-%m-%d %H:%M:%S')
    event_log_df[class="hl-string">'EndTimestamp'] = event_log_df[class="hl-string">'EventTimestamp'] class=class="hl-string">"hl-comment"># Assuming point-in-time events
    
    class=class="hl-string">"hl-comment"># Ensure timestamp format is consistent.
    event_log_df[class="hl-string">'EventTimestamp'] = pd.to_datetime(event_log_df[class="hl-string">'EventTimestamp']).dt.strftime(class="hl-string">'%Y-%m-%d %H:%M:%S')
    event_log_df[class="hl-string">'EndTimestamp'] = pd.to_datetime(event_log_df[class="hl-string">'EndTimestamp']).dt.strftime(class="hl-string">'%Y-%m-%d %H:%M:%S')

    class=class="hl-string">"hl-comment"># Reorder columns for clarity.
    final_columns = [
        class="hl-string">'OnboardingCase', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'EmployeeId', class="hl-string">'Department', class="hl-string">'Job Title', class="hl-string">'Location', class="hl-string">'HiringManager', class="hl-string">'EndTimestamp'
    ]
    class=class="hl-string">"hl-comment"># Filter to only include columns that exist.
    final_columns = [col for col in final_columns if col in event_log_df.columns]
    event_log_df = event_log_df[final_columns]

    class=class="hl-string">"hl-comment"># Sort the data.
    event_log_df.sort_values(by=[class="hl-string">'OnboardingCase', class="hl-string">'EventTimestamp'], inplace=True)

    print(fclass="hl-string">"Saving event log to '{EVENT_LOG_FILE}'...")
    event_log_df.to_csv(EVENT_LOG_FILE, index=False)
    print(class="hl-string">"Transformation complete.")

if __name__ == class="hl-string">'__main__':
    transform_bamboohr_export()

Stappen

Vereisten en installatie: Zorg dat Python 3.6 of hoger op je systeem staat. Installeer de benodigde bibliotheken pandas en requests door in een terminal pip install pandas requests uit te voeren.
Genereer een BambooHR API-sleutel: Log in op je BambooHR-account met beheerdersrechten. Open rechtsboven het profielpictogram, kies ‘API-sleutels’ en maak een nieuwe API-sleutel aan. Geef de sleutel een duidelijke naam, zoals ‘ProcessMiningExtraction’, en zorg dat deze alleen-lezen toegang heeft tot medewerkersdata, onboardingtaken en trainingsgegevens. Bewaar de gegenereerde sleutel veilig.
Stel het Python-script in: Sla het aangeleverde Python-script op in een bestand, bijvoorbeeld extract_onboarding.py. Open het bestand en vervang de tijdelijke waarden voor COMPANY_SUBDOMAIN door het unieke subdomein van je bedrijf, het deel van de BambooHR-URL vóór ‘.bamboohr.com’. Vervang ook API_KEY door de sleutel die je in de vorige stap hebt gemaakt.
Stel het datumbereik voor de extractie in: Pas de variabelen START_DATE en END_DATE in het script aan. Deze bepalen welke nieuwe medewerkers in de extractie worden opgenomen. Gebruik de indeling ‘YYYY-MM-DD’.
Voer het script uit: Start het script vanuit de terminal met python extract_onboarding.py. Het script maakt verbinding met de BambooHR API, haalt de benodigde data op en verwerkt die.
Bekijk de API-aanroepen: Eerst haalt het script via het rapportage-eindpunt voor de medewerkerslijst alle medewerkers op die binnen het opgegeven datumbereik in dienst zijn gekomen. Deze lijst vormt de basis voor de identificatie van OnboardingCase.
Haal de data stapsgewijs op: Voor elke gevonden nieuwe medewerker doet het script aanvullende API-aanroepen om profielgegevens, toegewezen onboardingtaken en trainingsgegevens op te halen. Zo verzamelt het alle relevante gegevens voor het onboardingproces van die medewerker.
Transformeer en koppel de data: Het script zet de ruwe JSON-data uit de API om in een gestructureerd event log. Een vooraf gedefinieerd woordenboek, TASK_TO_ACTIVITY_MAP, koppelt de titels van onboardingtaken in BambooHR aan de gestandaardiseerde activiteitsnamen voor process mining. Gebeurtenissen zoals ‘Aanbod geaccepteerd’ en ‘Medewerkersprofiel aangemaakt’ worden afgeleid van de datum van indiensttreding en de aanmaakdatum van de medewerker.
Controleer de uitvoer in de console: Tijdens het uitvoeren toont het script voortgangsinformatie in de console, waaronder het aantal gevonden nieuwe medewerkers en de naam van elke medewerker die wordt verwerkt. Controleer de uitvoer op eventuele fouten of waarschuwingen.
Maak het event log-bestand: Nadat het script alle medewerkers heeft verwerkt, verzamelt het de data in één dataframe en slaat dit in dezelfde map op als CSV-bestand bamboohr_onboarding_event_log.csv. Dit bestand bevat de vereiste kolommen voor ProcessMind.
Bereid de upload voor: Open het gegenereerde CSV-bestand en controleer de inhoud. Controleer of de kolommen OnboardingCase, ActivityName en EventTimestamp goed zijn gevuld voordat je het bestand uploadt naar je processminingtool.

Configuratie

Rechten voor API-sleutel: De API-sleutel voor de extractie moet minimaal alleen-lezen rechten hebben voor de volgende data: persoonlijke gegevens van medewerkers, functiegegevens, arbeidsstatus, onboardingtaken en trainingsgegevens.
Subdomein van het bedrijf: Het script heeft het unieke BambooHR-subdomein van je bedrijf nodig om de juiste API-eindpunt-URL’s samen te stellen.
Datumbereik (START_DATE, END_DATE): Deze scriptvariabelen bepalen de extractieperiode op basis van de datum van indiensttreding. Begin bij voorkeur met een recente periode van 3 tot 6 maanden om de datakwaliteit te controleren en de hoeveelheid data beheersbaar te houden. Voor een analyse van de volledige historie kun je het bereik vergroten. Houd dan wel rekening met de limieten voor API-aanroepen.
Activiteiten koppelen (TASK_TO_ACTIVITY_MAP): Dit woordenboek in het script is belangrijk. Het koppelt de exacte titels van onboardingtaken in BambooHR aan gestandaardiseerde activiteitsnamen. Controleer de koppelingen en pas ze aan de BambooHR-inrichting van je organisatie aan.
Identificatie van het bronsysteem: De variabele SOURCE_SYSTEM is in het script ingesteld op ‘BambooHR’. Je kunt deze aanpassen als je in het uiteindelijke event log een andere identificatie wilt gebruiken.
Aandachtspunten voor de prestaties: Als er in de gekozen periode duizenden nieuwe medewerkers zijn, kan het script door de vele API-aanroepen per medewerker lang duren. Voer het bij voorkeur buiten piekuren uit om de prestaties niet te beïnvloeden en te voorkomen dat de API-aanroeplimiet wordt bereikt.

Voorbeeldquery python

import requests
import pandas as pd
from datetime import datetime

class=class="hl-string">"hl-comment"># --- Configuration Settings --- #
class=class="hl-string">"hl-comment"># Replace with your companyclass="hl-string">'s subdomain (e.g., 'yourcompany' from yourcompany.bamboohr.com)
COMPANY_SUBDOMAIN = class="hl-string">'[Your Company Subdomain]'
class=class="hl-string">"hl-comment"># Replace with your BambooHR API Key
API_KEY = class="hl-string">'[Your BambooHR API Key]'

class=class="hl-string">"hl-comment"># Define the date range for new hires to extract (based on hire date)
START_DATE = class="hl-string">'2023-01-01'
END_DATE = class="hl-string">'2023-12-31'

SOURCE_SYSTEM = class="hl-string">'BambooHR'

class=class="hl-string">"hl-comment"># --- Critical: Customize this mapping to match your BambooHR task names --- #
TASK_TO_ACTIVITY_MAP = {
    class="hl-string">'Background Check': class="hl-string">'Background Check Completed',
    class="hl-string">'Send New Hire Packet': class="hl-string">'Paperwork Packet Sent',
    class="hl-string">'Complete New Hire Packet': class="hl-string">'Paperwork Packet Completed',
    class="hl-string">'IT Provisioning Request': class="hl-string">'IT Provisioning Requested',
    class="hl-string">'Order Equipment': class="hl-string">'Equipment Ordered',
    class="hl-string">'Equipment Delivered': class="hl-string">'Equipment Delivered',
    class="hl-string">'First Day Orientation': class="hl-string">'First Day Orientation Completed',
    class="hl-string">'Introduce to Team': class="hl-string">'Team Introduction Completed',
    class="hl-string">'30-Day Check-in': class="hl-string">'30-Day Check-in Completed',
    class="hl-string">'Complete Onboarding': class="hl-string">'Onboarding Tasks Completed'
}

class=class="hl-string">"hl-comment"># --- Main Script Logic --- #

def get_new_hires(start_date, end_date):
    class="hl-string">"""Fetches employees hired within the specified date range."""
    url = fclass="hl-string">'https://api.bamboohr.com/api/gateway.php/{COMPANY_SUBDOMAIN}/v1/reports/custom'
    headers = {class="hl-string">'Accept': class="hl-string">'application/json'}
    auth = (API_KEY, class="hl-string">'x')
    
    payload = {
        class="hl-string">'title': class="hl-string">'New Hire Report',
        class="hl-string">'fields': [class="hl-string">'employeeId', class="hl-string">'created', class="hl-string">'hireDate', class="hl-string">'department', class="hl-string">'jobTitle', class="hl-string">'location', class="hl-string">'supervisor'],
        class="hl-string">'filters': {
            class="hl-string">'lastChanged': {
                class="hl-string">'includeNull': class="hl-string">'false'
            },
            class="hl-string">'hireDate': {
                class="hl-string">'operator': class="hl-string">'between',
                class="hl-string">'value': start_date,
                class="hl-string">'value2': end_date
            }
        }
    }
    
    print(fclass="hl-string">"Fetching new hires from {start_date} to {end_date}...")
    response = requests.post(url, auth=auth, headers=headers, json=payload)
    response.raise_for_status()
    data = response.json()
    print(fclass="hl-string">"Found {len(data.get('employees', []))} new hires.")
    return data.get(class="hl-string">'employees', [])

def get_onboarding_tasks(employee_id):
    class="hl-string">"""Fetches onboarding tasks for a specific employee."""
    url = fclass="hl-string">'https://api.bamboohr.com/api/gateway.php/{COMPANY_SUBDOMAIN}/v1/employees/{employee_id}/onboarding/tasks'
    headers = {class="hl-string">'Accept': class="hl-string">'application/json'}
    auth = (API_KEY, class="hl-string">'x')
    response = requests.get(url, auth=auth, headers=headers)
    if response.status_code == 200:
        return response.json().get(class="hl-string">'tasks', [])
    return []

def get_training_records(employee_id):
    class="hl-string">"""Fetches training records for a specific employee."""
    url = fclass="hl-string">'https://api.bamboohr.com/api/gateway.php/{COMPANY_SUBDOMAIN}/v1/employees/{employee_id}/training/'
    headers = {class="hl-string">'Accept': class="hl-string">'application/json'}
    auth = (API_KEY, class="hl-string">'x')
    response = requests.get(url, auth=auth, headers=headers)
    if response.status_code == 200:
        return response.json()
    return []

def main():
    class="hl-string">"""Main function to orchestrate the extraction and transformation."""
    try:
        new_hires = get_new_hires(START_DATE, END_DATE)
    except requests.exceptions.HTTPError as e:
        print(fclass="hl-string">"Error fetching new hires: {e}")
        print(fclass="hl-string">"Response content: {e.response.text}")
        return

    event_log = []
    last_data_update = datetime.utcnow().isoformat() + class="hl-string">'Z'

    for employee in new_hires:
        emp_id = employee[class="hl-string">'employeeId']
        print(fclass="hl-string">"Processing Employee ID: {emp_id}...")

        base_event = {
            class="hl-string">'OnboardingCase': emp_id,
            class="hl-string">'EmployeeId': emp_id,
            class="hl-string">'Department': employee.get(class="hl-string">'department'),
            class="hl-string">'JobTitle': employee.get(class="hl-string">'jobTitle'),
            class="hl-string">'Location': employee.get(class="hl-string">'location'),
            class="hl-string">'HiringManager': employee.get(class="hl-string">'supervisor'),
            class="hl-string">'SourceSystem': SOURCE_SYSTEM,
            class="hl-string">'LastDataUpdate': last_data_update
        }

        class=class="hl-string">"hl-comment"># 1. Offer Accepted (inferred from hireDate)
        if employee.get(class="hl-string">'hireDate'):
            event_log.append({
                **base_event,
                class="hl-string">'ActivityName': class="hl-string">'Offer Accepted',
                class="hl-string">'EventTimestamp': fclass="hl-string">"{employee['hireDate']}T09:00:00Z",
                class="hl-string">'EndTimestamp': fclass="hl-string">"{employee['hireDate']}T09:00:00Z"
            })

        class=class="hl-string">"hl-comment"># 2. Employee Profile Created
        if employee.get(class="hl-string">'created'):
            event_log.append({
                **base_event,
                class="hl-string">'ActivityName': class="hl-string">'Employee Profile Created',
                class="hl-string">'EventTimestamp': employee[class="hl-string">'created'].replace(class="hl-string">' ', class="hl-string">'T'),
                class="hl-string">'EndTimestamp': employee[class="hl-string">'created'].replace(class="hl-string">' ', class="hl-string">'T')
            })
        
        class=class="hl-string">"hl-comment"># 3. Onboarding Task Events
        tasks = get_onboarding_tasks(emp_id)
        task_completion_dates = []
        for task in tasks:
            activity_name = TASK_TO_ACTIVITY_MAP.get(task.get(class="hl-string">'title'))
            if activity_name and task.get(class="hl-string">'completedDate'):
                event_log.append({
                    **base_event,
                    class="hl-string">'ActivityName': activity_name,
                    class="hl-string">'EventTimestamp': fclass="hl-string">"{task['completedDate']}T17:00:00Z",
                    class="hl-string">'EndTimestamp': fclass="hl-string">"{task['completedDate']}T17:00:00Z"
                })
                task_completion_dates.append(task.get(class="hl-string">'completedDate'))

            class=class="hl-string">"hl-comment"># Handle Background Check Initiated (assumed from task creation)
            if task.get(class="hl-string">'title') == class="hl-string">'Background Check' and task.get(class="hl-string">'createdDate'):
                 event_log.append({
                    **base_event,
                    class="hl-string">'ActivityName': class="hl-string">'Background Check Initiated',
                    class="hl-string">'EventTimestamp': fclass="hl-string">"{task['createdDate']}T17:00:00Z",
                    class="hl-string">'EndTimestamp': fclass="hl-string">"{task['createdDate']}T17:00:00Z"
                })

        class=class="hl-string">"hl-comment"># 4. Training Events
        trainings = get_training_records(emp_id)
        for training in trainings:
            if training.get(class="hl-string">'type') in [class="hl-string">'Compliance Training', class="hl-string">'Role-Specific Training', class="hl-string">'Mandatory Training']:
                if training.get(class="hl-string">'assignedDate'):
                    event_log.append({
                        **base_event,
                        class="hl-string">'ActivityName': class="hl-string">'Mandatory Training Assigned',
                        class="hl-string">'EventTimestamp': fclass="hl-string">"{training['assignedDate']}T17:00:00Z",
                        class="hl-string">'EndTimestamp': fclass="hl-string">"{training['assignedDate']}T17:00:00Z"
                    })
                if training.get(class="hl-string">'completed'):
                    event_log.append({
                        **base_event,
                        class="hl-string">'ActivityName': class="hl-string">'Mandatory Training Completed',
                        class="hl-string">'EventTimestamp': fclass="hl-string">"{training['completed']}T17:00:00Z",
                        class="hl-string">'EndTimestamp': fclass="hl-string">"{training['completed']}T17:00:00Z"
                    })

    if not event_log:
        print(class="hl-string">"No events were generated. Please check your date range and API permissions.")
        return

    df = pd.DataFrame(event_log)
    df[class="hl-string">'EventTimestamp'] = pd.to_datetime(df[class="hl-string">'EventTimestamp'])
    df = df.sort_values(by=[class="hl-string">'OnboardingCase', class="hl-string">'EventTimestamp'])
    
    output_filename = class="hl-string">'bamboohr_onboarding_event_log.csv'
    df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')
    print(fclass="hl-string">"\nExtraction complete. Event log saved to '{output_filename}'.")

if __name__ == class="hl-string">'__main__':
    main()

Klaar om te beginnen?

Gebruik deze template om je data voor te bereiden op analyse en het onboardingproces met zekerheid te verbeteren. Spoor vandaag bottlenecks op en verhoog de efficiëntie.

Terug naar de verbetergids

Template downloaden

Verbeter vandaag de onboarding van medewerkers in BambooHR

Haal 95% compliance en voorkom vertragingen bij onboarding.

Start je gratis proefperiode

Geen creditcard nodig. Begin nu met verbeteren.

Datatemplate voor onboarding van medewerkers

Datatemplate voor onboarding van medewerkers

Attributen voor onboarding van medewerkers

Onboardingactiviteiten voor medewerkers

Extractiegidsen

Aangepast rapport exporteren met BambooHR

Stappen

Configuratie

Voorbeeldquery python

Data-extractie met een Python-script via de BambooHR REST API

Stappen

Configuratie

Voorbeeldquery python

Klaar om te beginnen?

Verbeter vandaag de onboarding van medewerkers in BambooHR