> Continue procesverbetering > Onboarding van medewerkers > BambooHR > Datatemplate

Jouw datatemplate voor employee onboarding

BambooHR

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

Jouw datatemplate voor employee onboarding

Deze template bevat alle richtlijnen die je nodig hebt om data te verzamelen voor een gedetailleerde analyse van je employee-onboardingproces. De template beschrijft welke essentiële datavelden je verzamelt, welke belangrijke activiteiten je volgt en hoe je deze data effectief uit BambooHR haalt. Gebruik deze bron om een betrouwbaar event log op te bouwen en zo een nauwkeurig beeld van je onboardingtraject te krijgen.

Aanbevolen attributen om te verzamelen
Belangrijke activiteiten om te volgen voor process discovery
Stapsgewijze extractierichtlijnen voor BambooHR

Nieuw met event logs? Leer hoe je een process mining-event log maakt.

Template downloaden

Attributen voor onboarding van medewerkers

Dit zijn de essentiële datavelden voor je event log. Hiermee kun je het onboardingproces van medewerkers volledig analyseren.

5 Verplicht 6 Aanbevolen 8 Optioneel

	Naam	Beschrijving
	Activiteitsnaam ActivityName	De naam van de specifieke taak of mijlpaal die tijdens het onboardingproces heeft plaatsgevonden.
Beschrijving Dit attribuut legt de naam vast van elke afzonderlijke gebeurtenis of stap binnen het onboardingtraject van een medewerker. Voorbeelden zijn 'Offer Accepted', 'Background Check Completed' en 'First Day Orientation Completed'. In analyses wordt de Activiteitsnaam gebruikt om de procesmap op te bouwen. Die laat de volgorde van gebeurtenissen en de workflow zien. Dit is belangrijk om bottlenecks te vinden, activiteitsfrequenties te analyseren en de verschillende paden, of varianten, te begrijpen die nieuwe medewerkers volgen. Door de volgorde van deze activiteiten te bekijken, kunnen analisten afwijkingen van het standaardproces en mogelijkheden voor verbetering vinden. Waarom dit belangrijk is Het definieert de processtappen, vormt de basis van de procesmap en maakt analyse van de workflow, bottlenecks en variaties mogelijk. Waar je het vindt Afgeleid van statuswijzigingen, voltooide taken of specifieke datumvelden in de onboardingchecklists of hiringworkflows van BambooHR. Voorbeelden Aanbod geaccepteerdPakket met papierwerk verzondenIT-inrichting aangevraagd30-dagencheck-in afgerond
	Eventtimestamp EventTimestamp	De exacte datum en tijd waarop een onboardingactiviteit is voltooid of heeft plaatsgevonden.
Beschrijving De Eventtimestamp markeert het exacte moment waarop een specifieke activiteit plaatsvond. Deze tijdsdata is essentieel om gebeurtenissen chronologisch te ordenen en doorlooptijden tussen verschillende processtappen te berekenen. Dit attribuut vormt de basis voor alle tijdsanalyses in process mining. Het wordt gebruikt om doorlooptijden, wachttijden en de totale procesduur te berekenen. Door timestamps te analyseren, kunnen organisaties zien welke processtappen het langst duren, prestaties vergelijken met service level agreements en vertragingen vinden die de ervaring van nieuwe medewerkers negatief beïnvloeden. Waarom dit belangrijk is Deze timestamp bepaalt de chronologische volgorde van gebeurtenissen en is essentieel voor alle prestatie- en duuranalyses, zoals het berekenen van doorlooptijden en het vinden van vertragingen. Waar je het vindt Geëxtraheerd uit verschillende datumvelden in BambooHR die bij voltooide activiteiten horen, zoals 'Offer Acceptance Date', 'Background Check Completion Date' of systeemlogs waarin statuswijzigingen worden vastgelegd. Voorbeelden 2023-10-01T10:00:00Z2023-10-05T14:30:00Z2023-10-15T09:00:00Z
	Onboarding-case OnboardingCase	De unieke identificatie die alle onboardingactiviteiten voor één nieuwe medewerker groepeert.
Beschrijving Onboarding Case is de centrale identificatie voor het volledige Employee Onboarding-proces. Het koppelt alle gerelateerde gebeurtenissen, van het accepteren van het aanbod tot het afronden van de 30-dagencheck-in, aan één samenhangend traject. Bij process mining is dit attribuut essentieel om de end-to-end-procesflow voor elke nieuwe medewerker te reconstrueren. Je kunt er proceskaarten mee visualiseren, KPI's op caseniveau berekenen, zoals de totale doorlooptijd, en verschillende procesvarianten analyseren. Zonder een consistente case-identificatie kun je niet volgen hoe één medewerker de verschillende onboardingfasen doorloopt. Waarom dit belangrijk is Dit is de primaire sleutel die alle gerelateerde gebeurtenissen met elkaar verbindt. Zo kun je het volledige onboardingtraject van elke nieuwe medewerker analyseren. Waar je het vindt Dit is een conceptuele identifier, die vaak wordt afgeleid door het Employee ID te combineren met de aanstellingsinstantie of datum. BambooHR heeft mogelijk geen expliciete 'Onboarding Case ID'. Deze moet tijdens de datavoorbereiding worden samengesteld. Voorbeelden ONB-00123ONB-00124ONB-00125
	Bronsysteem SourceSystem	Geeft aan uit welk bronsysteem deze data is geëxtraheerd.
Beschrijving Dit attribuut specificeert de herkomst van de data, in dit geval BambooHR. Het helpt bij datagovernance en geeft context, vooral wanneer data uit meerdere systemen wordt gecombineerd. Hoewel dit vanzelfsprekend lijkt, is het belangrijk om het bronsysteem expliciet vast te leggen voor data lineage en probleemoplossing. In grotere analytische omgevingen zorgt dit ervoor dat gebruikers de context van de data begrijpen en de herkomst kunnen achterhalen als er vragen of inconsistenties ontstaan. Waarom dit belangrijk is Geeft belangrijke context over de herkomst van de data. Dat is van belang voor datagovernance, validatie en het combineren van data uit meerdere bronnen. Waar je het vindt Dit is een statische waarde, 'BambooHR', die tijdens de datatransformatie aan de data wordt toegevoegd. Voorbeelden BambooHR
	Laatste data-update LastDataUpdate	De timestamp die aangeeft wanneer de data voor het laatst vanuit het bronsysteem is vernieuwd.
Beschrijving Dit attribuut legt de datum en tijd van de meest recente data-extractie of update vast. Het geeft gebruikers een duidelijk beeld van de actualiteit en relevantie van de data. Bij elke analyse, vooral bij het volgen van lopende processen, is het belangrijk om te weten hoe actueel de data is. Deze timestamp helpt gebruikers vertrouwen te hebben in de data die ze bekijken en te begrijpen of die de huidige stand van de bedrijfsvoering weergeeft of een eerder moment. Dit is belangrijk voor dashboards die actieve onboardingcases volgen. Waarom dit belangrijk is Laat gebruikers zien hoe actueel de data is, zodat ze begrijpen hoe recent de procesanalyse is. Waar je het vindt Deze timestamp wordt gegenereerd en aan de dataset toegevoegd wanneer de data wordt geëxtraheerd en geladen. Voorbeelden 2024-05-21T08:00:00Z
	Afdeling Department	De afdeling waar de nieuwe medewerker gaat werken.
Beschrijving Dit attribuut specificeert de organisatorische afdeling, zoals 'Engineering', 'Sales' of 'Marketing', waar de nieuwe medewerker deel van uitmaakt. Het is een belangrijke dimensie om procesprestaties te segmenteren en te vergelijken. Door het onboardingproces per afdeling te analyseren, krijg je zicht op prestatieverschillen binnen de organisatie. Je kunt bijvoorbeeld zien welke afdelingen de langste onboardingdoorlooptijden hebben en of de compliance voor verplichte trainingen in bepaalde afdelingen lager is. Deze inzichten helpen bij gerichte verbeteracties en het delen van goede werkwijzen tussen afdelingen. Waarom dit belangrijk is Maakt het mogelijk om onboardingefficiëntie, doorlooptijden en complianceratio's tussen verschillende delen van de organisatie te vergelijken. Waar je het vindt Een standaardveld bij de functiegegevens van de medewerker in BambooHR. Voorbeelden EngineeringSalesMarketingPersoneelszaken
	Eindtimestamp EndTimestamp	De voltooiingstimestamp van een activiteit, als die een meetbare duur heeft.
Beschrijving Waar StartTime (EventTimestamp) aangeeft wanneer een activiteit begint, markeert EndTimestamp het moment waarop die is voltooid. Dit is vooral relevant voor activiteiten die niet direct klaar zijn, zoals 'Background Check', met een gestarte en een voltooide status. Met een start- en eindtimestamp kun je de verwerkingstijd van afzonderlijke activiteiten nauwkeuriger berekenen. Zo maak je onderscheid tussen de tijd waarin actief aan een taak wordt gewerkt en de tijd waarin wordt gewacht op de volgende stap. Dit detailniveau is belangrijk voor een grondige bottleneckanalyse. Waarom dit belangrijk is Maakt een nauwkeurige berekening van verwerkingstijden mogelijk, waarbij actieve werktijd wordt onderscheiden van wachttijd. Waar je het vindt Afgeleid van de timestamps van opeenvolgende activiteiten. De EndTimestamp voor 'Background Check Initiated' is bijvoorbeeld de timestamp van 'Background Check Completed'. Voorbeelden 2023-10-02T11:00:00Z2023-10-06T16:45:00Z2023-10-16T10:00:00Z
	Functietitel JobTitle	De specifieke functie of positie van de nieuwe medewerker.
Beschrijving Dit attribuut bevat de officiële functietitel van de nieuwe medewerker, bijvoorbeeld 'Software Engineer', 'Account Executive' of 'Product Manager'. Het biedt een extra belangrijke dimensie voor de analyse van het onboardingproces. Verschillende functies kunnen hun eigen onboardingvereisten hebben, zoals gespecialiseerde trainingen of het klaarzetten van apparatuur. Door per functietitel te analyseren, zie je of bepaalde functies meer vertraging oplopen of andere procespaden volgen. Zo kun je de onboardingervaring beter afstemmen op de behoeften van de functie. Waarom dit belangrijk is Maakt analyse van het onboardingproces op basis van complexiteit en vereisten van de functie mogelijk, zodat je de ervaring per positie kunt afstemmen. Waar je het vindt Een standaardveld bij de functiegegevens van de medewerker in BambooHR. Voorbeelden Senior software-engineerMarketingcoördinatorRegionaal salesdirecteur
	Hiringmanager HiringManager	De naam van de manager aan wie de nieuwe medewerker rapporteert.
Beschrijving Dit attribuut identificeert de directe manager van de nieuwe medewerker. De hiringmanager speelt vaak een belangrijke rol in het onboardingproces en is bijvoorbeeld verantwoordelijk voor kennismaking met het team en het vaststellen van de eerste doelen. Door onboardingprestaties per hiringmanager te analyseren, zie je welke managers nieuwe teamleden effectief laten instromen en wie mogelijk extra ondersteuning of training nodig heeft. Je kunt goede werkwijzen van succesvolle managers herkennen en delen binnen de organisatie. Dat zorgt voor meer consistentie en een betere onboardingervaring. Waarom dit belangrijk is Maakt prestatieanalyse per manager mogelijk. Zo zie je wie onboarding goed uitvoert en wie mogelijk meer ondersteuning nodig heeft. Waar je het vindt Meestal te vinden in de functiegegevens of rapportagestructuur van de medewerker in BambooHR. Voorbeelden Jane DoeJohn SmithEmily Jones
	Locatie Location	De primaire werklocatie of het kantoor van de nieuwe medewerker.
Beschrijving Dit attribuut identificeert het fysieke kantoor of de geografische locatie waar de nieuwe medewerker gaat werken. Dat kan een stad, kantoorgebouw of de aanduiding 'Remote' zijn. Analyse per locatie is belangrijk om regionale verschillen in het onboardingproces te vinden. Levertijden van apparatuur kunnen bijvoorbeeld sterk verschillen per locatie. Ook kunnen kantoren hun eigen lokale introductieprocedures hebben. Met deze analyse kun je het proces waar mogelijk standaardiseren en tegelijk noodzakelijke lokale verschillen behouden. Waarom dit belangrijk is Helpt regionale verschillen in procesprestaties te vinden, zoals vertragingen bij de levering van apparatuur of verschillen in lokale introductieprocedures. Waar je het vindt Een standaardveld in het profiel van de medewerker in BambooHR, meestal bij dienstverband- of locatiegegevens. Voorbeelden Kantoor in New YorkLonden, VKOp afstand (VS)Hoofdkantoor in San Francisco
	Medewerkers-ID EmployeeId	Een unieke identifier die in BambooHR aan elke medewerker wordt toegewezen.
Beschrijving Het Employee ID is de unieke sleutel waarmee een specifieke medewerker in het HR-systeem wordt geïdentificeerd. Het blijft gedurende de hele periode dat de medewerker in dienst is hetzelfde. Hoewel de Onboarding Case de primaire identifier voor het proces is, is het Employee ID belangrijk om de onboardingdata aan het personeelsdossier te koppelen. Zo kun je die verrijken met andere medewerkergegevens, zoals functietitel of afdeling, en uitgebreider analyseren hoe de onboardingervaring verschilt per type medewerker. Waarom dit belangrijk is Identificeert de nieuwe medewerker uniek, zodat je de data kunt verrijken met andere medewerkergegevens en de volledige levenscyclus na onboarding kunt volgen. Waar je het vindt Beschikbaar als standaardveld in het medewerkersrecord in BambooHR. Voorbeelden 601856018660187
	Dienstverbandstatus EmploymentStatus	De huidige status van de nieuwe medewerker binnen de levenscyclus van het dienstverband.
Beschrijving Dit attribuut volgt de status van de nieuwe medewerker tijdens het proces, bijvoorbeeld van 'Offer Accepted' naar 'Pre-Hire' en vervolgens naar 'Active'. Zo krijg je op hoofdlijnen zicht op de positie van de medewerker in het totale proces. In process mining kun je dit gebruiken als caseattribuut om actieve onboardingcases te filteren of te analyseren hoe lang cases in een bepaalde status blijven. Het is vooral nuttig voor dashboards met een actueel overzicht van alle lopende onboardingprocessen. HR en managers kunnen daarmee de voortgang volgen. Waarom dit belangrijk is Geeft de onboardingcase een status op hoofdlijnen. Zo kun je actieve cases filteren en de totale voortgang volgen. Waar je het vindt Dit is een standaardveld in het medewerkersrecord in BambooHR. Voorbeelden ActiefInactiefUit dienstMet verlof
	Is herwerk IsRework	Een vlag die aangeeft of een activiteit een herhaling is van een stap die al eerder heeft plaatsgevonden.
Beschrijving Dit berekende booleaanse attribuut krijgt de waarde true als een activiteit, zoals 'Paperwork Packet Sent', meer dan één keer binnen dezelfde onboardingcase voorkomt. Het geeft aan dat een processtap moest worden herhaald. Dat wijst meestal op een fout, ontbrekende informatie of inefficiëntie. Herwerk herkennen is een belangrijke mogelijkheid van process mining. Met deze vlag kun je herwerk eenvoudig filteren en kwantificeren. De vlag ondersteunt dashboards en KPI's voor herwerk en helpt procesfrictie en verspilling zichtbaar te maken. Minder herwerk leidt tot kortere doorlooptijden en een soepelere ervaring voor zowel de nieuwe medewerker als het HR-team. Waarom dit belangrijk is Maakt inefficiënties, fouten en verspilde inspanning zichtbaar door activiteiten te markeren die moesten worden herhaald. Waar je het vindt Dit is een berekend veld. De logica is geïmplementeerd in de process-miningtool om herhaalde reeksen activiteiten binnen een case te herkennen. Voorbeelden truefalse
	Land Country	Het land waar de nieuwe medewerker in dienst is.
Beschrijving Dit attribuut specificeert het land van het dienstverband. Voor internationale organisaties is dit een belangrijke analys dimensie. Onboardingprocessen en regelgeving kunnen sterk verschillen per land. Door het proces per land te analyseren, krijg je zicht op deze verschillen, zorg je voor compliance met lokale wetgeving en vind je mogelijkheden om werkwijzen waar passend tussen regio's te standaardiseren. Het verklaart ook verschillen in doorlooptijden die samenhangen met lokale feestdagen of administratieve procedures. Waarom dit belangrijk is Belangrijk voor internationale organisaties om procesvariaties te analyseren, lokale compliance te waarborgen en onboardingvereisten per regio te beheren. Waar je het vindt Een standaardveld in de locatie- of adresgegevens van de medewerker in BambooHR. Voorbeelden Verenigde StatenVerenigd KoninkrijkDuitslandCanada
	Naam nieuwe medewerker NewHireName	De volledige naam van de medewerker die onboarding doorloopt.
Beschrijving Dit attribuut bevat de naam van de nieuwe medewerker. Het wordt vooral gebruikt voor operationele doeleinden, bijvoorbeeld in rapporten of dashboards waarin specifieke personen moeten worden geïdentificeerd. In process mining worden namen vaak geanonimiseerd of vervangen door Employee IDs om aan privacywetgeving te voldoen. Voor operationele dashboards waarmee HR of managers actieve cases volgen, geeft een naam echter meteen duidelijke en gebruiksvriendelijke context. Waarom dit belangrijk is Geeft specifieke cases een leesbare, menselijke context, vooral in operationele dashboards voor HR en managers. Waar je het vindt Een standaardveld in de persoonlijke gegevens van de medewerker in BambooHR. Voorbeelden Alice JohnsonRobert WilliamsMaria Garcia
	Onboardingdoorlooptijd OnboardingCycleTime	De totale duur van het onboardingproces voor één case.
Beschrijving Deze berekende metriek meet de end-to-enddoorlooptijd van elke onboardingcase, meestal van 'Offer Accepted' tot '30-Day Check-in Completed'. De metriek staat voor de totale verstreken tijd van het volledige proces. Dit is een belangrijke KPI om de algehele procesefficiëntie te beoordelen. Je gebruikt de metriek in dashboards om gemiddelde onboardingtijden te volgen, prestaties tussen afdelingen of functies te vergelijken en het effect van verbeterinitiatieven 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 door de tijd heen te volgen. Waar je het vindt Berekend als het tijdsverschil tussen de 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 belangrijke mijlpaal in het onboardingproces. De datum maakt onderscheid tussen activiteiten vóór indiensttreding, zoals achtergrondcontroles en papierwerk, en activiteiten na indiensttreding, zoals introductie en training. Deze datum wordt in veel analyses als referentiepunt gebruikt. Zo bereken je ermee de KPI 'Time to First Day Readiness', die meet of alle noodzakelijke taken vóór indiensttreding vóór de eerste werkdag zijn afgerond. De datum helpt ook om de tijdigheid van activiteiten vóór indiensttreding en hun effect op de productiviteit op dag één te analyseren. Waarom dit belangrijk is Dient als belangrijke mijlpaal om activiteiten vóór en na indiensttreding van elkaar te onderscheiden en te meten of nieuwe medewerkers op dag één klaar zijn om te starten. Waar je het vindt Dit komt overeen met het veld 'Hire Date', een standaardonderdeel van het medewerkersrecord 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 specificeert het directe team, zoals 'Frontend Developers' of 'Enterprise Sales Team'. Analyse op afdelingsniveau is nuttig, maar analyse op teamniveau kan specifiekere inzichten opleveren. Je ziet bijvoorbeeld prestatieverschillen tussen teams met vergelijkbare functies en ontdekt hoe teamspecifieke werkwijzen, zoals lokale introducties of trainingen, het onboardingtraject beïnvloeden. Dit is vooral nuttig voor grote afdelingen waarvoor een gedetailleerdere uitsplitsing nodig is. Waarom dit belangrijk is Geeft een gedetailleerder beeld dan de afdeling en maakt analyse van prestatie- en procesverschillen tussen afzonderlijke teams mogelijk. Waar je het vindt Dit kan een standaard- of aangepast veld in BambooHR zijn, vaak onderdeel van de organisatorische toewijzing van de medewerker. Voorbeelden PlatformengineeringMid-market salesContentmarketing
	Uitvoerder van de gebeurtenis EventPerformer	De gebruiker of het systeem dat de onboardingactiviteit heeft uitgevoerd.
Beschrijving Dit attribuut identificeert de persoon, het team of het geautomatiseerde systeem dat verantwoordelijk is voor het voltooien van een activiteit. Een HR-specialist kan bijvoorbeeld de activiteit 'Paperwork Packet Sent' uitvoeren, terwijl de hiringmanager de 'Team Introduction' verzorgt. Deze informatie is zeer waardevol voor resourceanalyse en inzicht in de verdeling van werk. Je ziet welke teams of functies betrokken zijn bij de meest tijdrovende activiteiten of bottlenecks. Ook kun je taken analyseren die door specifieke gebruikersgroepen worden uitgevoerd. Dat helpt bij beslissingen over capaciteitsverdeling en automatisering. Waarom dit belangrijk is Identificeert wie elke taak uitvoert. Dat is belangrijk voor werklastanalyse, capaciteitsoptimalisatie en inzicht in gedrag per gebruiker. Waar je het vindt Deze informatie kan worden vastgelegd in auditlogs of details over voltooide taken in BambooHR, vaak gekoppeld aan de gebruiker die de update heeft uitgevoerd. Voorbeelden HR-beheerderDavid Chen (wervingsmanager)SysteemautomatiseringIT-ondersteuning

Verplicht Aanbevolen Optioneel

Activiteiten voor onboarding van medewerkers

Dit zijn de belangrijkste processtappen en mijlpalen die je in je event log vastlegt voor een nauwkeurige procesontdekking en prestatiemonitoring.

7 Aanbevolen 8 Optioneel

	Activiteit	Beschrijving
	30-dagencheck-in afgerond	Dit is de afronding van de eerste formele check-in tussen de nieuwe medewerker en de manager, meestal rond de 30e dag. Het wordt vastgelegd wanneer een taak '30-Day Check-in' of een formulier voor een beoordelingsgesprek in BambooHR als afgerond wordt gemarkeerd.
Waarom dit belangrijk is Deze mijlpaal is belangrijk voor vroege feedback, het bespreken van aandachtspunten en het verbeteren van retentie. Door de afronding te volgen, zorg je voor consistente aandacht voor nieuwe medewerkers in een belangrijke periode. Waar je het vindt Vastgelegd op basis van de completion-timestamp van een taak '30-Day Check-in' of een formulier voor een beoordelingsgesprek in BambooHR. Vastleggen De gebeurtenis wordt vastgelegd wanneer een manager de check-intask of het formulier de status 'Completed' geeft. Eventtype explicit
	Aanbod geaccepteerd	Deze activiteit markeert de officiële start van het onboardingproces, wanneer een kandidaat het aanbod formeel accepteert. In BambooHR wordt dit meestal vastgelegd wanneer de status van de kandidaat in het Applicant Tracking System (ATS) verandert in 'Hired'. Dat leidt tot het aanmaken van het medewerkersprofiel en de onboardingchecklist.
Waarom dit belangrijk is Dit is het belangrijkste startpunt van elke onboardingcase. Door de tijd tussen deze gebeurtenis en andere gebeurtenissen te analyseren, meet je de efficiëntie en snelheid van het proces vóór indiensttreding. Waar je het vindt Afgeleid van de datum waarop de status van de kandidaat in de BambooHR ATS-module wordt bijgewerkt naar 'Hired' of waarop het veld met de indiensttredingsdatum van de medewerker wordt ingevuld. Vastleggen Identificeer de timestamp waarop het veld 'status' van een sollicitant verandert in 'Hired'. Eventtype inferred
	Achtergrondcontrole afgerond	Deze activiteit geeft aan dat de achtergrondcontrole van de nieuwe medewerker succesvol is afgerond en dat de resultaten beschikbaar zijn. In BambooHR wordt dit vastgelegd wanneer de taak 'Background Check' in de onboardingchecklist de status 'Completed' krijgt.
Waarom dit belangrijk is Dit is een belangrijke compliancemijlpaal. Vertraging tussen de start en afronding kan een grote bottleneck zijn. Door dit te volgen, zorg je dat vereisten vóór indiensttreding vóór de startdatum zijn afgerond. Waar je het vindt Vastgelegd op basis van de completion-timestamp van de taak 'Background Check' in de Onboarding Task List van de nieuwe medewerker. Vastleggen De gebeurtenis wordt vastgelegd wanneer de status van de taak voor de achtergrondcontrole wordt bijgewerkt naar 'Completed'. Eventtype explicit
	Onboardingtaken afgerond	Deze activiteit markeert de afronding van alle toegewezen taken in de onboardingchecklist van de nieuwe medewerker. Je kunt deze gebeurtenis afleiden wanneer het voltooiingspercentage van de onboardingtakenlijst 100% bereikt of wanneer een laatste taak 'Complete Onboarding' wordt afgevinkt.
Waarom dit belangrijk is Dit is het duidelijke eindpunt van het gestructureerde onboardingproces dat uit taken bestaat. Het bevestigt dat alle administratieve en voorbereidende stappen succesvol zijn uitgevoerd. Waar je het vindt Afgeleid van de timestamp van de laatst afgeronde taak in de Onboarding Task List van een medewerker of van het moment waarop de status van het volledige onboardingproces op 'Complete' wordt gezet. Vastleggen Identificeer de meest recente completion-timestamp van alle taken die bij één onboardingcase horen. Eventtype inferred
	Oriëntatie op de eerste werkdag afgerond	Dit markeert het einde van de eerste oriëntatiesessie van de nieuwe medewerker, met aandacht voor bedrijfscultuur, beleid en kennismakingen. Het wordt vastgelegd wanneer HR of de hiring manager de taak 'First Day Orientation' in de BambooHR-onboardingchecklist als afgerond markeert.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal voor betrokkenheid en integratie. Door de activiteit consequent en op tijd uit te voeren, geef je nieuwe medewerkers een goede basis voor succes en een positieve ervaring. Waar je het vindt Vastgelegd op basis van de completion-timestamp van de taak 'First Day Orientation' in de Onboarding Task List. Vastleggen De gebeurtenis wordt vastgelegd wanneer de oriëntatietaak de status 'Completed' krijgt. Eventtype explicit
	Pakket met papierwerk afgerond	Deze gebeurtenis vindt plaats wanneer de nieuwe medewerker alle vereiste documenten in het onboardingpakket heeft ondertekend. BambooHR registreert dit automatisch wanneer alle e-handtekeningen in een verzonden pakket door de medewerker zijn geplaatst.
Waarom dit belangrijk is Het afronden van het papierwerk is een belangrijke voorwaarde voor de eerste werkdag. Door deze mijlpaal te analyseren, zorg je voor compliance en startklaarheid en voorkom je herstelwerk en vertraging van de startdatum. Waar je het vindt Vastgelegd op basis van de timestamp waarop de status van het verzonden onboardingpakket in BambooHR verandert in 'Completed'. Vastleggen Het systeem registreert een afzonderlijke gebeurtenis wanneer de laatste vereiste e-handtekening in een onboardingpakket is geplaatst. Eventtype explicit
	Verplichte training afgerond	Dit markeert de succesvolle afronding van een verplichte training door de nieuwe medewerker. BambooHR registreert deze gebeurtenis wanneer de status van een toegewezen training in de trainingsmodule wordt bijgewerkt naar 'Completed'.
Waarom dit belangrijk is Dit is een belangrijke compliancemijlpaal. Door de afronding te volgen, zorg je dat de organisatie voldoet aan wettelijke vereisten en intern beleid en dat medewerkers over de nodige kennis voor hun functie beschikken. Waar je het vindt Vastgelegd op basis van de timestamp waarop de status van een trainingsrecord in de BambooHR Training-module verandert in 'Completed'. Vastleggen Het systeem registreert een afzonderlijke gebeurtenis wanneer het statusveld van een trainingsrecord wordt bijgewerkt naar 'Completed'. Eventtype 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 in de onboardingtakenlijst van de nieuwe medewerker in BambooHR een specifieke taak 'Background Check' wordt aangemaakt of gestart.
Waarom dit belangrijk is Door de start van achtergrondcontroles te volgen, zie je vertragingen in de screening vóór indiensttreding. Dit is vaak een belangrijk onderdeel van het proces voor compliance en tijdige indiensttreding. Waar je het vindt Vastgelegd op basis van de aanmaak- of startdatum van de taak 'Background Check' in een Onboarding Task List in BambooHR. Vastleggen De gebeurtenis wordt vastgelegd wanneer de taak voor de achtergrondcontrole wordt aangemaakt of de status verandert in 'In Progress'. Eventtype explicit
	Apparatuur besteld	Dit is het moment waarop de benodigde hardware, zoals een laptop of telefoon, voor de nieuwe medewerker wordt besteld. Meestal wordt dit vastgelegd wanneer de taak 'Order Equipment' in de BambooHR-onboardingchecklist als afgerond wordt gemarkeerd.
Waarom dit belangrijk is Deze activiteit is een belangrijke mijlpaal om ervoor te zorgen dat de nieuwe medewerker over de benodigde fysieke hulpmiddelen beschikt. Vertraging heeft direct gevolgen voor de startklaarheid en productiviteit op de eerste werkdag. Waar je het vindt Vastgelegd op basis van de completion-timestamp van de taak 'Order Equipment' in de Onboarding Task List in BambooHR. Vastleggen De gebeurtenis wordt vastgelegd wanneer de status van de taak 'Order Equipment' wordt bijgewerkt naar 'Completed'. Eventtype explicit
	Apparatuur geleverd	Deze activiteit geeft aan dat de bestelde apparatuur fysiek is geleverd en klaarstaat voor de nieuwe medewerker. Vaak wordt dit gevolgd als een aparte taak 'Equipment Delivered' of 'Workspace Setup' die in de BambooHR-onboardingchecklist als afgerond wordt gemarkeerd.
Waarom dit belangrijk is Door de tijd tussen bestellen en leveren te volgen, zie je mogelijke bottlenecks in de toelevering of logistiek. Zo zorg je dat alle fysieke middelen vóór de startdatum beschikbaar zijn. Waar je het vindt Vastgelegd op basis van de completion-timestamp van de taak 'Equipment Delivered' of 'Workspace Setup' in de Onboarding Task List. Vastleggen De gebeurtenis wordt vastgelegd wanneer de status van de leverings- of inrichtingstaak wordt bijgewerkt naar 'Completed'. Eventtype 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 Provisioning' in de onboardingchecklist wordt aangemaakt en toegewezen.
Waarom dit belangrijk is Tijdige IT-inrichting is belangrijk voor een productieve eerste werkdag. Door deze gebeurtenis te volgen, meet je hoe snel IT reageert en zie je waar vertraging ontstaat bij het geven van systeemtoegang. Waar je het vindt Vastgelegd op basis van de datum en tijd waarop de taak 'IT Account Provisioning' of een vergelijkbare taak in de Onboarding Task List van de nieuwe medewerker wordt aangemaakt. Vastleggen De gebeurtenis wordt vastgelegd wanneer de IT-inrichtingstaak in een onboardingchecklist wordt aangemaakt. Eventtype explicit
	Kennismaking met het team afgerond	Dit is de formele kennismaking van de nieuwe medewerker met de directe teamleden. Het gaat meestal om een activiteit onder leiding van de manager, die wordt vastgelegd wanneer de bijbehorende taak in de BambooHR-onboardingchecklist wordt afgerond.
Waarom dit belangrijk is Sociale integratie is een belangrijk onderdeel van een succesvolle onboarding. Door deze activiteit te volgen, zorg je dat managers belangrijke stappen zetten om nieuwe medewerkers welkom te heten en de samenwerking in het team te versterken. Waar je het vindt Vastgelegd op basis van de completion-timestamp van de taak 'Team Introduction' in de Onboarding Task List, meestal toegewezen aan de hiring manager. Vastleggen De gebeurtenis wordt vastgelegd wanneer de manager de taak 'Team Introduction' de status 'Completed' geeft. Eventtype explicit
	Medewerkersprofiel aangemaakt	Dit is het officiële moment waarop het record van de nieuwe medewerker in het HRIS wordt aangemaakt en de kandidaat medewerker wordt. 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 IT-inrichting en het instellen van de salarisadministratie. Je krijgt hiermee een duidelijke timestamp voor het moment waarop de medewerker officieel in het systeem komt. Waar je het vindt Afgeleid van de timestamp voor het aanmaken van het record van de nieuwe medewerker in de centrale medewerkerstabellen. Vastleggen Gebruik de timestamp uit de metadata van 'created_at' of een gelijkwaardig veld in het primaire record van de medewerker. Eventtype inferred
	Pakket met papierwerk verzonden	Dit markeert het moment waarop het pakket voor de nieuwe medewerker, met documenten zoals de I-9, W-4 en bedrijfsbeleid, ter controle en ondertekening wordt verzonden. BambooHR registreert deze gebeurtenis wanneer een HR-beheerder het pakket via de documentbeheerfuncties van het systeem verstuurt.
Waarom dit belangrijk is Deze activiteit start een belangrijke administratieve workflow. Door de tijd tussen dit moment en het afronden van het papierwerk te meten, beoordeel je hoe efficiënt het documentatieproces verloopt. Waar je het vindt Vastgelegd op basis van de timestamp waarop een pakket voor een nieuwe medewerker in BambooHR ter e-ondertekening naar een medewerker wordt verzonden. Vastleggen Het systeem registreert een afzonderlijke gebeurtenis wanneer de actie 'Send Packet' wordt uitgevoerd. Eventtype explicit
	Verplichte training toegewezen	Deze gebeurtenis vindt plaats wanneer verplichte compliance- of functiegerichte training aan de nieuwe medewerker wordt toegewezen. In BambooHR wordt dit expliciet vastgelegd in de trainingsmodule wanneer een nieuwe training aan het record van een medewerker wordt toegevoegd.
Waarom dit belangrijk is Dit is het startpunt voor het meten van trainingscompliance. Door de tijd tussen toewijzing en afronding te analyseren, zorg je dat medewerkers tijdig aan wettelijke en organisatorische vereisten voldoen. Waar je het vindt Vastgelegd op basis van de aanmaakdatum van een trainingsrecord dat aan een specifieke medewerker is toegewezen in de BambooHR Training-module. Vastleggen Het systeem registreert een afzonderlijke gebeurtenis wanneer een nieuwe regel wordt aangemaakt in de tabel voor het volgen van medewerkerstrainingen. Eventtype explicit

Aanbevolen Optioneel

Extractiegidsen

Zo haal je 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'.
Configureer het rapport: 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. Selecteer de identificatie van de medewerker, belangrijke attributen en alle relevante datavelden voor onboardingactiviteiten. Je moet onder meer deze velden selecteren:
- Employee #
- First Name, Last Name
- Department, Job Title, Location
- Hiring Manager
- Hire Date (voor 'Employee Profile Created')
- Aangepaste datavelden voor mijlpalen zoals 'Offer Accepted Date'.
- Afrondingsdatums voor alle relevante onboarding- en offboardingtaken. Selecteer elke specifieke taak, bijvoorbeeld: 'Background Check Completed Date', 'Paperwork Packet Sent Date', 'Paperwork Packet Completed Date', 'IT Provisioning Requested Date', enzovoort.
- Datums uit de Training-module, zoals 'Mandatory Training Assigned Date' en 'Mandatory Training Completed Date'.
Stel rapportfilters in: Ga naar het tabblad 'Filters' om de scope van je data te bepalen. Filter bij voorkeur op 'Hire Date' om medewerkers uit een bepaalde periode op te nemen, bijvoorbeeld de afgelopen 6 maanden. Zo voorkom je dat het rapport te groot wordt en een time-out krijgt.
Sla het rapport op en genereer het: Klik op 'Save & Run' zodra alle velden en filters zijn ingesteld. Controleer de resultaten in de BambooHR-interface en kijk of de verwachte medewerkers en datakolommen erin staan.
Exporteer de data: Klik op de exportknop, meestal herkenbaar aan een cloud- of pijlpictogram, en kies 'Comma Separated Values (.csv)' als indeling. Sla het bestand lokaal op met een duidelijke naam, zoals bamboohr_onboarding_export.csv.
Bereid het transformatiescript voor: Kopieer het volledige Python-script uit de sectie 'query' van dit document en sla het op als transform_bamboohr.py in dezelfde map als je geëxporteerde CSV-bestand.
Installeer de benodigde bibliotheek: Als pandas nog niet is geïnstalleerd, open je een terminal of opdrachtprompt en voer je pip install pandas uit.
Voer de transformatie uit: Open je 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 met de naam event_log.csv in het juiste lange formaat voor process mining.
Upload naar ProcessMind: Het bestand event_log.csv kan nu naar de ProcessMind-applicatie worden geüpload.

Configuratie

Vereisten: Je hebt het BambooHR Advantage-pakket nodig. Dit pakket bevat de functies voor geavanceerde rapportage en onboarding. De gebruikersrol moet rechten hebben om aangepaste rapporten met medewerkerdata te maken, te bekijken en te exporteren.
Rapportvelden: De kern van deze methode is het selecteren van de juiste velden. Het rapport moet een 'wide' indeling hebben: elke medewerker staat op één rij en elke onboardingactiviteit heeft een eigen datumkolom. Neem Employee # op als case-identificatie, samen met alle relevante attribuutkolommen zoals Afdeling, Job Title en Hiring Manager.
Aangepaste velden en taken: Deze extractie hangt sterk af van de manier waarop je organisatie BambooHR gebruikt. Activiteiten zoals 'Offer Accepted' of 'Equipment Ordered' moeten worden vastgelegd in specifieke aangepaste datumvelden of als taken in een onboardingchecklist. Selecteer de voltooiingsdatum van deze taken, niet alleen de taaknaam.
Filters voor het datumbereik: Filter het rapport altijd op 'Hire Date' om de prestaties en relevantie op peil te houden. Voor procesanalyse is een voortschrijdende periode van de afgelopen 6 tot 12 maanden meestal voldoende, zonder een onnodig groot exportbestand te maken.
Rapportplanning: Voor continue monitoring kun je de functie van BambooHR gebruiken om het aangepaste rapport volgens een vast schema uit te voeren en per e-mail naar je te laten sturen, bijvoorbeeld wekelijks. Zo kun je het eerste deel van de extractie automatiseren.

a 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 nieuwer op je systeem is geïnstalleerd. Installeer de benodigde bibliotheken, pandas en requests, met dit commando in je terminal: pip install pandas requests.
Genereer een BambooHR API-sleutel: Log in bij je BambooHR-account met beheerdersrechten. Ga naar je profielpictogram rechtsboven, kies 'API Keys' en maak een nieuwe API-sleutel. Geef de sleutel een duidelijke naam, zoals 'ProcessMiningExtraction', en geef deze alleen-lezen toegang tot medewerkerdata, onboardingtaken en trainingsgegevens. Bewaar de gegenereerde sleutel veilig.
Configureer het Python-script: Sla het aangeleverde Python-script op als 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 je BambooHR-URL vóór '.bamboohr.com', en API_KEY door de sleutel die je in de vorige stap hebt gegenereerd.
Stel het extractiedatumbereik in: Pas de variabelen START_DATE en END_DATE in het script aan. Deze parameters bepalen de periode waarin nieuwe medewerkers worden opgenomen. Gebruik de notatie 'YYYY-MM-DD'.
Voer het script uit: Start het script vanuit je terminal met python extract_onboarding.py. Het script maakt verbinding met de BambooHR API, haalt de benodigde data op en begint met de verwerking.
Begrijp de API-aanroepen: Het script roept eerst het endpoint voor het medewerkersdirectoryrapport aan om alle medewerkers te vinden die binnen de opgegeven periode in dienst zijn gekomen. Deze lijst vormt de basis voor de OnboardingCase-identificatie.
Data per medewerker ophalen: Voor elke gevonden nieuwe medewerker doet het script aanvullende API-aanroepen om profielgegevens, toegewezen onboardingtaken en trainingsgegevens op te halen. Zo worden alle relevante datapunten voor het onboardingtraject verzameld.
Data transformeren en koppelen: Het script zet de onbewerkte JSON-data uit de API om in een gestructureerd event log. Het gebruikt het vooraf gedefinieerde woordenboek TASK_TO_ACTIVITY_MAP om onboardingtaken in BambooHR te koppelen aan de gestandaardiseerde activiteitsnamen voor process mining. Gebeurtenissen zoals 'Offer Accepted' en 'Employee Profile Created' worden afgeleid van de datum waarop de medewerker is aangenomen en het profiel is aangemaakt.
Controleer de console-uitvoer: Tijdens het uitvoeren toont het script voortgangsupdates in de console, waaronder het aantal gevonden nieuwe medewerkers en de naam van elke medewerker die wordt verwerkt. Controleer deze uitvoer op mogelijke fouten of waarschuwingen.
Genereer het event-logbestand: Nadat alle medewerkers zijn verwerkt, zet het script de data in één dataframe en slaat het deze op als bamboohr_onboarding_event_log.csv in dezelfde map. Dit bestand bevat de vereiste kolommen voor ProcessMind.
Bereid de upload voor: Open het gegenereerde CSV-bestand en controleer de inhoud. Controleer vóór het uploaden naar je process mining-tool of de kolommen OnboardingCase, ActivityName en EventTimestamp correct zijn gevuld.

Configuratie

Rechten voor de API-sleutel: De API-sleutel voor de extractie moet minimaal alleen-lezenrechten hebben voor de volgende data: persoonlijke gegevens van medewerkers, functiegegevens, arbeidsstatus, onboardingtaken en trainingsgegevens.
Bedrijfssubdomein: Het script heeft het unieke BambooHR-subdomein van je bedrijf nodig om de juiste API-endpoint-URL's samen te stellen.
Datumbereik (START_DATE, END_DATE): Deze scriptvariabelen bepalen de extractieperiode op basis van indiensttredingsdatums. 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 volledige historische analyse kun je de periode uitbreiden, maar houd rekening met API-rate limits.
Activiteitenkoppeling (TASK_TO_ACTIVITY_MAP): Dit woordenboek in het script is belangrijk. Het koppelt de exacte titels van onboardingtaken in jouw BambooHR-omgeving aan gestandaardiseerde activiteitsnamen. Controleer deze koppeling en pas haar aan op jouw BambooHR-configuratie.
Identificatie van het bronsysteem: De variabele SOURCE_SYSTEM staat in het script standaard op 'BambooHR'. Je kunt deze aanpassen als je een andere identificatie in je uiteindelijke event log nodig hebt.
Prestaties: Bij organisaties met duizenden nieuwe medewerkers in de geselecteerde periode kan het script lang duren door de vele API-aanroepen per medewerker. Voer het script bij voorkeur buiten piekuren uit om prestatieproblemen en mogelijke API-rate limiting te voorkomen.

a 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 aan de slag te gaan?

Gebruik deze template om je data voor te bereiden op analyse en je employee-onboardingproces gericht te verbeteren. Begin vandaag met het vinden van bottlenecks en het verhogen van de efficiëntie.

Terug naar de verbetergids Template downloaden

Optimaliseer employee onboarding in BambooHR vandaag nog

Bereik 95% compliance bij de afronding en voorkom vertraging in de onboarding.

Start je gratis proefperiode

Je hebt geen creditcard nodig. Begin meteen met optimaliseren.

Jouw datatemplate voor employee onboarding

Jouw datatemplate voor employee onboarding

Attributen voor onboarding van medewerkers

Activiteiten voor onboarding van medewerkers

Extractiegidsen

Ingebouwde export van aangepaste BambooHR-rapporten

Stappen

Configuratie

a Voorbeeldquery python

Python-script voor extractie via de BambooHR REST API

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Optimaliseer employee onboarding in BambooHR vandaag nog

Jouw datatemplate voor employee onboarding

Jouw datatemplate voor employee onboarding

Attributen voor onboarding van medewerkers

Activiteiten voor onboarding van medewerkers

Extractiegidsen

Ingebouwde export van aangepaste BambooHR-rapporten

Stappen

Configuratie

a Voorbeeldquery python

Python-script voor extractie via de BambooHR REST API

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Optimaliseer employee onboarding in BambooHR vandaag nog

We respecteren je privacy