> Continu verbeteren van processen > Van boeking tot rapportage: journaalposten > BlackLine > Datatemplate

Datatemplate voor Record to Report - journaalposten

BlackLine

Attributen voor Record to Report - journaalposten(19) Activiteiten voor Record to Report - journaalposten(12) Extractiegidsen(2)

Datatemplate voor Record to Report - journaalposten

Deze template helpt je de juiste data te verzamelen voor de analyse van het proces Record to Report - journaalposten. Je vindt hierin de belangrijkste attributen om vast te leggen, de activiteiten om te volgen en praktische uitleg over het ophalen van deze informatie uit BlackLine. Zo verzamel je alle data die nodig is voor process mining.

Aanbevolen attributen om te verzamelen
Belangrijke activiteiten om te volgen
Uitleg over data-extractie

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

Template downloaden

Attributen voor Record to Report - journaalposten

Dit zijn de aanbevolen datavelden voor het event log, zodat je het proces Record to Report - journaalposten volledig kunt analyseren.

5 Verplicht 6 Aanbevolen 8 Optioneel

	Naam	Beschrijving
	Activiteit ActivityName	De naam van de specifieke bedrijfsgebeurtenis die op een bepaald moment in het journaalpostproces plaatsvond.
Beschrijving Dit attribuut beschrijft één stap of taak in de levenscyclus van een journaalpost, zoals 'Journaalpost aangemaakt', 'Journaalpost goedgekeurd' of 'Journaalpost geboekt'. Elke activiteit is een afzonderlijke gebeurtenis in het proces. Door de volgorde van deze activiteiten te analyseren, krijg je inzicht in de processtroom. Dit is essentieel om procesvarianten te ontdekken, de tijd tussen stappen te meten en herstelwerk te herkennen, bijvoorbeeld wanneer een journaalpost wordt afgewezen en opnieuw ingediend. Waarom dit belangrijk is Dit bepaalt de stappen in het proces. Die zijn nodig om de proceskaart weer te geven, de processtroom te analyseren en afwijkingen of bottlenecks te herkennen. Waar vind je dit? Dit wordt meestal afgeleid uit event logs, statuswijzigingen of auditsporen in BlackLine. Mogelijk moet je systeemstatuscodes koppelen aan begrijpelijke activiteitsnamen. Voorbeelden Journaalpost aangemaaktJournaalpost ingediendJournaalpost goedgekeurdJournaalpost geboekt
	Journaalpost-ID JournalEntryId	De unieke identificatiecode van één journaalpost. Deze dient als primaire case-ID om de levenscyclus van de post te volgen.
Beschrijving De journaalpost-ID identificeert elke reeks financiële transacties in het grootboek op unieke wijze. Dit is de centrale sleutel die alle bijbehorende activiteiten met elkaar verbindt, zoals aanmaken, controleren, goedkeuren en boeken. Bij process mining is deze ID essentieel om alle gebeurtenissen van één journaalpost-case aan elkaar te koppelen. Door de processtroom op basis van deze identificatiecode te analyseren, kun je het volledige traject reconstrueren, van de start tot de uiteindelijke afstemming. Zo kun je doorlooptijden en bottlenecks analyseren en procesvarianten in kaart brengen. Waarom dit belangrijk is Dit is de primaire case-ID. Hiermee kun je de volledige levenscyclus van één journaalpost volgen en de prestaties ervan analyseren. Waar vind je dit? Dit is een primaire sleutel in de journaalposttabellen of data-exportbestanden van BlackLine. Raadpleeg de documentatie van BlackLine voor de specifieke veldnaam. Voorbeelden JE2024-001234JE2024-001235JE2024-001236
	Starttijd EventTime	De exacte timestamp waarop een specifieke activiteit of gebeurtenis plaatsvond.
Beschrijving De gebeurtenistijd legt de datum en tijd vast waarop een bedrijfsgebeurtenis plaatsvond. Deze vormt de chronologische basis van het proces en bepaalt de volgorde en duur van alle activiteiten. Deze timestamp is nodig voor alle tijdsgebonden process mining-analyses. Je gebruikt deze om doorlooptijden, wachttijden en de tijd tussen activiteiten te berekenen. Zo kun je bottlenecks herkennen, prestaties door de tijd heen analyseren en nagaan of service level agreements worden nageleefd. Waarom dit belangrijk is Deze timestamp vormt de basis voor alle prestatiemetingen, waaronder doorlooptijd en bottleneckanalyse. Hiermee kun je het proces chronologisch reconstrueren. Waar vind je dit? Deze informatie staat in de timestampvelden van event logs of transactieregistraties in BlackLine. Voorbeelden 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:05:00Z
	Bronsysteem SourceSystem	Het registratiesysteem waaruit de journaalpostgegevens zijn gehaald.
Beschrijving Dit attribuut geeft aan uit welk systeem de gebeurtenisgegevens afkomstig zijn. In deze context is dat meestal 'BlackLine', maar het kan ook gaan om gegevens uit een eerder ERP-systeem als het proces daar begint. Het bronsysteem vastleggen is belangrijk voor gegevensbeheer en om de context van het proces te begrijpen, vooral wanneer gegevens uit meerdere systemen worden gecombineerd. Het helpt bij het oplossen van problemen met gegevensinvoer en bij het controleren van de herkomst van gegevens. Waarom dit belangrijk is Dit geeft belangrijke context over de herkomst van gegevens, maakt ze traceerbaar en helpt bij het beheren van gegevensintegratie tussen verschillende platforms. Waar vind je dit? Dit is meestal een vaste waarde die tijdens de data-extractie en -transformatie wordt toegevoegd om de herkomst van de dataset aan te geven. Voorbeelden BlackLineSAP S/4HANAOracle NetSuite
	Laatste gegevensupdate LastDataUpdate	De timestamp die aangeeft wanneer de gegevens voor het laatst zijn vernieuwd of uit het bronsysteem zijn gehaald.
Beschrijving Dit attribuut vermeldt de datum en tijd van de meest recente gegevensophaling. Zo zie je hoe actueel de geanalyseerde gegevens zijn. Dit is belangrijke metadata voor elk process mining-dashboard of elke analyse. Het laat zien hoe recent de inzichten zijn en maakt duidelijk of de nieuwste transacties in het overzicht zijn opgenomen. Waarom dit belangrijk is Dit maakt duidelijk hoe actueel de gegevens zijn, zodat gebruikers weten hoe recent de procesanalyse is. Waar vind je dit? Deze timestamp wordt tijdens de uitvoering door de data-extractietool of het ETL-proces gegenereerd en aan de dataset toegevoegd. Voorbeelden 2023-11-01T02:00:00Z2023-11-02T02:00:00Z
	Bedrag journaalpost JournalEntryAmount	De totale geldwaarde van de journaalpost, meestal de som van de debetbedragen.
Beschrijving Dit attribuut geeft de financiële waarde van de journaalpost weer. Je kunt hiermee de financiële gevolgen van procesinefficiëntie onderzoeken, bijvoorbeeld vertragingen bij het boeken van posten met een hoge waarde. Door het proces op basis van de waarde van de post te analyseren, kun je rekening houden met de materialiteit. Je kunt bijvoorbeeld verbeteringen voor posten met een hoge waarde voorrang geven, nagaan of deze een andere goedkeuringsroute volgen of controleren of hun doorlooptijd langer is. Zo krijgt de processtroom meer financiële context. Waarom dit belangrijk is Dit geeft financiële context voor analyses op basis van materialiteit, zoals het prioriteren van posten met een hoge waarde of het herkennen van waardegebonden procesafwijkingen. Waar vind je dit? Dit is een berekend of standaardveld in de kop van de journaalpost in BlackLine. Het bevat het totale debet- of creditbedrag. Voorbeelden 15000.00250.75125000.50500.00
	Bedrijfscode CompanyCode	De unieke identificatiecode van de rechtspersoon of het bedrijf waarvoor de journaalpost wordt gemaakt.
Beschrijving De bedrijfscode staat voor een specifieke rechtspersoon binnen een concern. Dit is een belangrijke organisatorische eenheid in de financiële administratie en zorgt ervoor dat transacties bij de juiste entiteit worden geboekt. Bij process mining is de bedrijfscode een nuttige dimensie om op te filteren en te vergelijken. Je kunt de procesprestaties van verschillende entiteiten analyseren en zo regionale of entiteitsspecifieke bottlenecks, verschillen in compliance en mogelijkheden voor wereldwijde standaardisatie herkennen. De bedrijfscode ondersteunt rechtstreeks het dashboard 'Analyse van vertraging tussen goedkeuring en boeking'. Waarom dit belangrijk is Hiermee kun je prestaties vergelijken en processen standaardiseren bij verschillende rechtspersonen of bedrijfseenheden. Waar vind je dit? Dit is een belangrijk veld in de kop van de journaalpost in BlackLine. De waarde wordt vaak gesynchroniseerd vanuit het onderliggende ERP-systeem. Voorbeelden 1000US01DE012500
	Gebruiker UserName	De naam of ID van de gebruiker die de activiteit heeft uitgevoerd.
Beschrijving Dit attribuut geeft aan wie een specifieke processtap heeft uitgevoerd, bijvoorbeeld wie een journaalpost heeft ingediend, gecontroleerd of goedgekeurd. Dit kan een naam of een unieke gebruikers-ID zijn. Door activiteiten per gebruiker te analyseren, krijg je inzicht in de verdeling van het werk en individuele prestaties, en kun je opleidingsbehoeften herkennen. Zo kun je vragen beantwoorden als: 'Is het werk gelijk verdeeld over het team?' of 'Bij welke gebruikers duurt de goedkeuring het langst?'. Dit is ook belangrijk voor compliance en de analyse van auditsporen. Waarom dit belangrijk is Hiermee kun je de werkverdeling en prestaties van teamleden analyseren en bottlenecks of opleidingsbehoeften herkennen. Waar vind je dit? Deze informatie staat in de auditlogboeken van BlackLine, vaak in velden als 'Gebruikers-ID' of 'Gewijzigd door' bij elke gebeurtenis. Voorbeelden j.doea.smithr.joness.patel
	Reden van afwijzing RejectionReason	De reden die een beoordelaar opgeeft wanneer een journaalpost wordt afgewezen.
Beschrijving Wanneer een journaalpost wordt teruggestuurd voor correcties, geeft de goedkeurder meestal een reden voor de afwijzing op. Dit attribuut bevat die reden, als vooraf gedefinieerde code of als vrije tekst. Dit attribuut is belangrijk voor oorzaakanalyse van herstelwerk. Door de meest voorkomende afwijzingsredenen te analyseren, kan een bedrijf structurele problemen herkennen, zoals onvoldoende training, onduidelijk beleid of problemen met ondersteunende documentatie. Dit ondersteunt rechtstreeks het dashboard 'Analyse van afwijzingen en herstelwerk bij journaalposten' en helpt het totale afwijzingspercentage te verlagen. Waarom dit belangrijk is Dit is nodig voor oorzaakanalyse van herstelwerk. Zo kun je achterhalen waarom journaalposten worden afgewezen en gerichte verbeteringen doorvoeren. Waar vind je dit? Deze gegevens worden meestal vastgelegd in een opmerkingen- of redenveld wanneer een gebruiker in BlackLine de actie 'Afwijzen' uitvoert. Voorbeelden Onjuiste rekeningcodeOndersteunende documentatie ontbreektDrempel overschredenDubbele post
	Status journaalpost JournalEntryStatus	De huidige status van de journaalpost in de levenscyclus, bijvoorbeeld 'In behandeling', 'Goedgekeurd' of 'Geboekt'.
Beschrijving Dit attribuut geeft de huidige status van een journaalpost-case aan op het moment dat de gegevens worden opgehaald. Je ziet hiermee waar de post zich in het totale proces bevindt. Process mining reconstrueert de processtroom op basis van activiteiten, maar de eindstatus is handig om te filteren en dashboards met samenvattingen te maken. Je ziet snel welke posten nog op goedkeuring wachten of in een bepaalde status vastzitten. Dat is nuttig voor de analyse van de werkvoorraad. Waarom dit belangrijk is Dit geeft een momentopname van de huidige status van posten. Dat is handig om de werkvoorraad en het onderhanden werk te analyseren. Waar vind je dit? Dit is een standaardstatusveld voor journaalposten in BlackLine. Voorbeelden In behandelingIn afwachting van goedkeuringGoedgekeurdGeboektAfgewezen
	Type journaalpost JournalEntryType	De classificatie van de journaalpost, bijvoorbeeld standaard, terugkerend of tegenboeking.
Beschrijving Het type journaalpost deelt posten in op basis van hun aard of doel. Veelvoorkomende typen zijn standaard handmatige posten, automatisch door het systeem aangemaakte posten, terugkerende posten voor periodieke overlopende posten en tegenboekingen die automatisch in de volgende periode worden teruggedraaid. Dit attribuut is belangrijk voor segmentatie en vergelijkende analyses. Je kunt er de prestaties van verschillende typen posten mee vergelijken, bijvoorbeeld op doorlooptijd of afwijzingspercentage. Zo zie je of bepaalde typen vaker problemen opleveren of minder efficiënt worden verwerkt en waar procesverbeteringen nodig zijn. Waarom dit belangrijk is Hiermee kun je per type journaalpost analyseren of de posten een andere route volgen of anders presteren. Waar vind je dit? Dit is een standaardveld in de kop van de journaalpost in BlackLine. Raadpleeg de documentatie van BlackLine voor de exacte veldnaam. Voorbeelden StandaardTerugkerendTegenboekingOverlopende post
	Afdeling Department	De afdeling of het kostenplaatsnummer dat bij de journaalpost hoort.
Beschrijving Dit attribuut geeft aan welke afdeling, kostenplaats of functiegebied de journaalpost heeft gestart of waaraan de kosten worden toegewezen. Het voegt extra organisatorische context toe. Door het proces per afdeling te analyseren, zie je hoe verschillende bedrijfsonderdelen het journaalpostproces gebruiken. Je kunt verschillen in efficiëntie, compliance of herstelwerk tussen afdelingen herkennen en vaststellen waar extra ondersteuning of standaardisatie nodig is. Waarom dit belangrijk is Hiermee kun je de procesprestaties van verschillende afdelingen vergelijken en verschillen en mogelijkheden voor standaardisatie herkennen. Waar vind je dit? Deze informatie staat meestal in de regel- of kopgegevens van de journaalpost in BlackLine en is vaak gekoppeld aan de grootboekrekening. Voorbeelden FinanciënMarketingVerkoopBedrijfsvoering
	Automatisch verwerkt IsAutomated	Een vlag die aangeeft of de journaalpost door een geautomatiseerd proces is aangemaakt of geboekt.
Beschrijving Dit booleaanse attribuut maakt onderscheid tussen journaalposten die gebruikers handmatig aanmaken en verwerken en posten die automatisch door het systeem worden gegenereerd, zoals terugkerende posten of systeemintegraties. Door dit attribuut te analyseren, kun je de effectiviteit van automatisering beoordelen. Je kunt de doorlooptijden, foutpercentages en kosten van geautomatiseerde en handmatige processen rechtstreeks vergelijken. Dit helpt bij het onderbouwen van verdere automatisering en het meten van het rendement van bestaande initiatieven. Waarom dit belangrijk is Hiermee kun je handmatige en geautomatiseerde processen rechtstreeks vergelijken. Dat is belangrijk om de impact en het rendement van automatiseringsinitiatieven te meten. Waar vind je dit? Dit kan worden afgeleid uit het 'Type journaalpost' (bijvoorbeeld 'Terugkerend') of uit het veld 'Gebruiker' als systeemgebruikers (zoals 'SYSTEM' of 'BATCH') worden gebruikt voor automatische boekingen. Voorbeelden truefalse
	Boekingsdatum PostingDate	De datum waarop de journaalpost officieel in het grootboek wordt geboekt.
Beschrijving De boekingsdatum is de ingangsdatum van de transactie in de financiële administratie. Deze datum is belangrijk voor de boekhouding, omdat hij bepaalt in welke verslagperiode de transactie wordt opgenomen. De timestamp van de gebeurtenis geeft aan wanneer de boekingsactiviteit plaatsvond. De boekingsdatum zelf is een belangrijk gegevensattribuut. Je gebruikt deze om te controleren of posten in de juiste periode zijn geboekt en om vertragingen tussen de transactiedatum, goedkeuringsdatum en boekingsdatum te analyseren. Waarom dit belangrijk is Deze datum is belangrijk voor nauwkeurige financiële rapportages en helpt controleren of posten in de juiste boekhoudperiode worden geboekt. Waar vind je dit? Dit is een standaarddatumveld in de kop van de journaalpost in BlackLine. Voorbeelden 2023-10-312023-11-012023-10-30
	Document bijgevoegd IsDocumentAttached	Een vlag die aangeeft of er ondersteunende documentatie bij de journaalpost is gevoegd.
Beschrijving Dit booleaanse attribuut geeft aan of er een of meer ondersteunende documenten, zoals facturen of berekeningen, bij de journaalpost zijn gevoegd. Dit is vaak een voorwaarde voor goedkeuring. Deze vlag is belangrijk voor het dashboard 'Compliance van journaalpostdocumentatie' en de KPI 'Percentage bijgevoegde documentatie'. Je kunt hiermee nagaan of ontbrekende documentatie vaak leidt tot afwijzingen of vertragingen. Ook helpt de vlag om beleid af te dwingen waarbij bijlagen verplicht zijn voordat een post ter controle wordt ingediend. Waarom dit belangrijk is Dit meet rechtstreeks of het documentatiebeleid wordt nageleefd en helpt een veelvoorkomende oorzaak van vertragingen en afwijzingen bij goedkeuring te achterhalen. Waar vind je dit? Dit is waarschijnlijk een afgeleid veld. Het wordt berekend door te controleren of er vóór het indienen een bijlagerecord bestaat dat aan de JournalEntryId is gekoppeld. Voorbeelden truefalse
	Herstelwerk IsRework	Een berekende vlag die waar is als de journaalpost minstens één keer is afgewezen.
Beschrijving Deze booleaanse vlag wordt berekend om journaalposten met herstelwerk te herkennen. De vlag wordt meestal op waar gezet als een case de activiteit 'Journaalpost afgewezen' bevat, gevolgd door 'Gecorrigeerd en opnieuw ingediend'. Met dit attribuut kun je eenvoudig alle cases met een afwijzing filteren en herstelwerk analyseren. Het is nodig om de KPI 'Afwijzingspercentage journaalposten' te berekenen en in het dashboard 'Analyse van afwijzingen en herstelwerk bij journaalposten' de gevolgen van kwaliteitsproblemen voor kosten en tijd te onderzoeken. Waarom dit belangrijk is Dit herkent eenvoudig cases met herstelwerk en maakt het makkelijker om afwijzingspercentages te berekenen en de gevolgen van kwaliteitsproblemen te analyseren. Waar vind je dit? Deze vlag wordt in de process mining-tool berekend door de volgorde van activiteiten voor elke case te controleren. Voorbeelden truefalse
	Rekening afgestemd AccountReconciled	Het nummer van de grootboekrekening waarop de journaalpost wordt afgestemd.
Beschrijving Dit attribuut geeft aan om welke rekening in het rekeningschema het gaat. Journaalposten maken vaak deel uit van het rekeningafstemmingsproces. Dit attribuut koppelt de post aan de betreffende rekening. Dit attribuut ondersteunt rechtstreeks het dashboard 'Doorlooptijd rekeningafstemming voor journaalposten'. Door het proces per rekening te analyseren, kun je zien of de afstemming van bepaalde rekeningen steeds langer duurt. Dat kan wijzen op complexiteit of gegevensproblemen bij die rekeningen. Waarom dit belangrijk is Dit koppelt het journaalpostproces aan de specifieke rekeningen die worden afgestemd. Zo kun je bottlenecks in de afstemming gericht analyseren. Waar vind je dit? Deze informatie staat in de regelgegevens van de journaalpost in BlackLine. Als een post meerdere rekeningen raakt, moet je de gegevens mogelijk samenvoegen op case-niveau. Voorbeelden 101000210500400100550200
	Valuta Currency	De valutacode voor het bedrag in de journaalpost.
Beschrijving Dit attribuut geeft de valuta van het journaalpostbedrag aan, bijvoorbeeld USD, EUR of GBP. Je hebt deze informatie nodig om de financiële waarde van de transacties goed te interpreteren. Voor multinationale organisaties biedt een analyse per valuta nuttige context. Je kunt de procesanalyse filteren op specifieke valuta. Ook is dit veld nodig voor dashboards waarin financiële bedragen worden samengevoegd. Waarom dit belangrijk is Dit geeft de nodige context bij financiële bedragen, zodat je ze goed kunt interpreteren en analyses per valuta kunt uitvoeren. Waar vind je dit? Dit is een standaardveld in de kop van de journaalpost in BlackLine, meestal met de naam 'Documentvaluta' of iets vergelijkbaars. Voorbeelden USDEURGBPJPY
	Vertraging tussen goedkeuring en boeking ApprovalToPostingLag	De berekende tijd tussen de definitieve goedkeuring en het daadwerkelijk boeken van de journaalpost.
Beschrijving Deze metriek meet de vertraging nadat een journaalpost volledig is goedgekeurd, maar voordat deze in het grootboek wordt geboekt. De metriek wordt berekend als het tijdsverschil tussen de activiteit 'Journaalpost goedgekeurd' en 'Journaalpost geboekt'. Dit is een belangrijke KPI om bottlenecks na goedkeuring te herkennen. Die kunnen de financiële afsluiting flink vertragen. Het dashboard 'Analyse van vertraging tussen goedkeuring en boeking' gebruikt deze metriek om te onderzoeken waarom goedgekeurde posten niet snel worden geboekt. Zo kun je de laatste processtappen verbeteren. Waarom dit belangrijk is Dit meet specifiek de efficiëntie na goedkeuring. Zo kun je vertragingen herkennen en aanpakken die de financiële afsluiting vertragen. Waar vind je dit? Deze metriek wordt in de process mining-tool berekend door voor elke case de tijd tussen de gebeurtenissen 'Journaalpost goedgekeurd' en 'Journaalpost geboekt' te bepalen. Voorbeelden P0DT1H10MP1DT2H0MP0DT0H5M

Verplicht Aanbevolen Optioneel

Activiteiten voor Record to Report - journaalposten

Leg deze belangrijke processtappen en mijlpalen vast in het event log om het proces van journaalposten goed in kaart te brengen en te analyseren.

6 Aanbevolen 6 Optioneel

	Activiteit	Beschrijving
	Journaalpost aangemaakt	Deze activiteit markeert het begin van een case voor een journaalpost. De activiteit wordt vastgelegd wanneer een gebruiker in BlackLine een nieuwe journaalpost aanmaakt. Daarbij krijgt de post een unieke Journaalpost-ID en worden de aanmaaktimestamp en gebruiker geregistreerd.
Waarom dit belangrijk is Dit is de belangrijkste startgebeurtenis van het proces. Door de tijd tussen deze activiteit en latere activiteiten te analyseren, zie je de totale doorlooptijd en mogelijke vertragingen aan het begin van de workflow. Waar vind je dit? Deze gebeurtenis wordt expliciet vastgelegd in de journaalpostmodule van BlackLine. De aanmaaktimestamp en gebruikersgegevens bij elke Journaalpost-ID zijn terug te vinden in de hoofdtabel voor journaalposten of de auditgeschiedenis. Vastleggen Afgeleid van de timestamp bij het veld 'Aanmaakdatum' van de journaalpost. Gebeurtenistype explicit
	Journaalpost afgestemd	Dit markeert het einde van de levenscyclus, wanneer de journaalpost deel uitmaakt van een definitieve en gecertificeerde rekeningafstemming. In BlackLine komt dit overeen met de certificering van de afstemming waarin deze journaalpost is opgenomen.
Waarom dit belangrijk is Deze activiteit is het eindpunt van het volledige proces. De tijd tussen 'Journaalpost geboekt' en 'Afgestemd' meet de efficiëntie van de rekeningafstemming tijdens de financiële afsluiting. Waar vind je dit? Dit is een afgeleide gebeurtenis. Je leidt deze af door vast te stellen wanneer de status van de rekeningafstemming met de betreffende journaalpost in de module Account Reconciliation van BlackLine verandert in 'Gecertificeerd'. Vastleggen Afgeleid door de journaalpost aan de bijbehorende rekeningafstemming te koppelen en de certificeringsdatum van die afstemming vast te leggen. Gebeurtenistype inferred
	Journaalpost afgewezen	Deze activiteit markeert de afwijzing van een journaalpost door een beoordelaar of goedkeurder. De activiteit wordt vastgelegd wanneer een gebruiker de actie 'Afwijzen' uitvoert. De status van de post verandert dan in 'Afgewezen' en de actie wordt geregistreerd in het auditlogboek.
Waarom dit belangrijk is Deze activiteit is belangrijk om herstelwerk, kwaliteitsproblemen en trainingsbehoeften op te sporen. Door het aantal afwijzingen, de redenen en het daaropvolgende herstelwerk te analyseren, kun je het proces verbeteren en doorlooptijden verkorten. Waar vind je dit? Meestal af te leiden uit een statuswijziging naar 'Afgewezen' of 'Correctie nodig' in de journaalpostdata. De timestamp en de gebruiker die de post heeft afgewezen, worden vastgelegd in de geschiedenis van BlackLine. Vastleggen Afgeleid van de timestamp waarop de status van de journaalpost wordt bijgewerkt naar 'Afgewezen'. Gebeurtenistype inferred
	Journaalpost geboekt	Dit is het moment waarop de goedgekeurde journaalpost officieel in het grootboek wordt opgenomen. In BlackLine is dit vaak een expliciete actie, waarna de status van de post wordt bijgewerkt naar 'Geboekt'.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal en vaak het operationele eindpunt van het proces. De tijd tussen 'Journaalpost goedgekeurd' en deze activiteit is een belangrijke indicator voor de efficiëntie na goedkeuring. Waar vind je dit? Dit wordt meestal afgeleid uit een statuswijziging naar 'Geboekt'. De gebeurtenis kan ook expliciet worden vastgelegd in een boekingsgeschiedenistabel of auditspoor, met een specifieke boekingsdatum en timestamp. Vastleggen Afgeleid van het tijdstip waarop de status van de journaalpost wordt bijgewerkt naar 'Geboekt'. Ook het veld met de boekingsdatum is relevant. Gebeurtenistype inferred
	Journaalpost goedgekeurd	Deze activiteit geeft aan dat de journaalpost alle vereiste controle- en goedkeuringsstappen heeft doorlopen. De activiteit wordt vastgelegd wanneer de laatste bevoegde gebruiker de post goedkeurt en de status verandert in 'Goedgekeurd'.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal die het goedkeuringsproces afrondt. De tijd tussen 'Journaalpost ingediend' en deze gebeurtenis is de 'goedkeuringsdoorlooptijd', een belangrijke KPI om de efficiëntie van de workflow te meten. Waar vind je dit? Deze gebeurtenis wordt afgeleid uit een statuswijziging naar 'Goedgekeurd' in de journaalpostregistratie. De gebruikers-ID van de laatste goedkeurder en het tijdstip van goedkeuring worden meestal vastgelegd in de auditgeschiedenis van BlackLine. Vastleggen Afgeleid van het tijdstip waarop de status van de journaalpost wordt bijgewerkt naar 'Goedgekeurd'. Gebeurtenistype inferred
	Journaalpost ingediend	Deze activiteit vindt plaats wanneer de opsteller de journaalpost formeel indient voor controle en goedkeuring. Meestal wordt dit vastgelegd als een statuswijziging, bijvoorbeeld van 'In voorbereiding' naar 'Ingediend', met een timestamp.
Waarom dit belangrijk is Hiermee eindigt de voorbereidingsfase en begint de goedkeuringscyclus. Dit is een belangrijk moment om de duur van beide fasen te meten. Waar vind je dit? Waarschijnlijk af te leiden uit een statuswijziging van de journaalpost in BlackLine. De gebeurtenistijd is de timestamp waarop de status verandert in 'Ingediend ter goedkeuring' of een vergelijkbare waarde. Vastleggen Afgeleid van de timestamp waarop het statusveld van de journaalpost wordt bijgewerkt naar 'Ingediend' of 'Wacht op goedkeuring'. Gebeurtenistype inferred
	Boeking gecontroleerd	Dit bevestigt dat een geboekte journaalpost succesvol is ontvangen en vastgelegd in het doel-ERP-systeem. Dit kan een automatische systeembevestiging zijn of een handmatige bevestigingsstap.
Waarom dit belangrijk is Deze activiteit rondt de boekingsstap af en waarborgt de gegevensintegriteit tussen systemen. De tijd tussen 'Geboekt' en 'Gecontroleerd' kan wijzen op integratieproblemen of vertragingen bij het synchroniseren van systemen. Waar vind je dit? Dit kan een expliciete gebeurtenis zijn uit een systeemintegratielogboek, of worden afgeleid uit een statuswijziging naar bijvoorbeeld 'Geboekt en gecontroleerd'. Bij een handmatige stap werkt een gebruiker de status bij. Vastleggen Afgeleid uit een statuswijziging naar 'Gecontroleerd' of uit een bevestigingsvlag van het doel-ERP-systeem. Gebeurtenistype inferred
	Goedkeuring ingetrokken	Deze activiteit geeft aan dat een goedkeurder een eerder verleende goedkeuring intrekt, waardoor de journaalpost teruggaat naar een eerdere status. Dit is te herkennen aan een statuswijziging van 'Goedgekeurd' naar een eerdere status, zoals 'In voorbereiding'.
Waarom dit belangrijk is Deze zeldzame maar belangrijke activiteit brengt procesuitzonderingen en mogelijke problemen aan het licht die na goedkeuring, maar vóór het boeken worden ontdekt. Dit kan wijzen op gegevensfouten of beleidswijzigingen die gevolgen hebben voor de post. Waar vind je dit? Dit is een afgeleide gebeurtenis, herkenbaar aan een statuswijziging van 'Goedgekeurd' naar een bewerkbare status waarin de post nog niet is geboekt. Deze actie wordt vastgelegd in de gedetailleerde auditlogboeken van BlackLine. Vastleggen Herkenbaar aan een statuswijziging van 'Goedgekeurd' naar een eerdere status, zoals 'In voorbereiding' of 'Ingediend'. Gebeurtenistype inferred
	Journaalpost gecontroleerd	Dit is een formele controlestap in een goedkeuringsproces met meerdere niveaus, uitgevoerd door een aangewezen beoordelaar. Meestal wordt de activiteit vastgelegd als een statuswijziging of als een specifieke logregel die de actie van de beoordelaar registreert.
Waarom dit belangrijk is Bij organisaties met aparte controle- en goedkeuringsstappen maakt deze activiteit bottlenecks in de goedkeuringsketen zichtbaar. Je ziet hoelang journaalposten wachten op de eerste controle en op de definitieve goedkeuring. Waar vind je dit? In BlackLine-workflows kan dit een expliciete gebeurtenis zijn in het logboek met de goedkeuringsgeschiedenis. De activiteit kan ook worden afgeleid uit een statuswijziging naar 'Gecontroleerd' of 'Wacht op definitieve goedkeuring'. De gebruiker en timestamp worden vastgelegd. Vastleggen Afgeleid van de timestamp waarop de status van de journaalpost aangeeft dat de controlefase is afgerond. Gebeurtenistype inferred
	Journaalpost gecorrigeerd en opnieuw ingediend	Dit gebeurt nadat een journaalpost is afgewezen en de opsteller de nodige correcties heeft aangebracht en de post opnieuw heeft ingediend. Dit is te herkennen aan een statuswijziging van 'Afgewezen' naar 'Ingediend ter goedkeuring'.
Waarom dit belangrijk is Deze activiteit helpt de tijd en inspanning voor herstelwerk in kaart te brengen. De tijd tussen 'Journaalpost afgewezen' en deze gebeurtenis is de hersteltijd, een belangrijke metriek voor de efficiëntieanalyse. Waar vind je dit? Dit wordt afgeleid uit een reeks statuswijzigingen in de BlackLine-data. Het gaat specifiek om een overgang van de status 'Afgewezen' naar 'Ingediend' of 'In afwachting van goedkeuring' voor dezelfde journaalpost-ID. Vastleggen Afgeleid uit een statuswijziging van 'Afgewezen' naar 'Ingediend' of 'In afwachting van goedkeuring'. Gebeurtenistype inferred
	Onderbouwing toegevoegd	Dit is de activiteit waarbij een gebruiker een of meer onderbouwende documenten aan de journaalpost toevoegt. De gebeurtenis wordt meestal vastgelegd in een auditlogboek of in een tabel met bijlagen die aan de Journaalpost-ID is gekoppeld.
Waarom dit belangrijk is Door deze activiteit te volgen, kun je de naleving en efficiëntie bewaken. Je ziet of ontbrekende documentatie de goedkeuring vertraagt. Ook ondersteunt dit de KPI 'Percentage journaalposten met bijlagen'. Waar vind je dit? Dit is meestal een expliciete gebeurtenis in BlackLine, vastgelegd in een auditspoor of bijlagenlogboek. De data bevat de Journaalpost-ID, de gebruiker die het bestand heeft toegevoegd en een timestamp. Vastleggen De gebeurtenis wordt vastgelegd in het auditspoor van het systeem of in een aparte tabel met de bijlagegeschiedenis zodra een bestand aan een journaalpost wordt toegevoegd. Gebeurtenistype explicit
	Tegenboeking van journaalpost verwerkt	Deze activiteit legt het aanmaken en boeken vast van een nieuwe journaalpost die een eerder geboekte post terugdraait. Dit gebeurt meestal als reactie op een fout die na het boeken van de oorspronkelijke post is ontdekt.
Waarom dit belangrijk is Deze gebeurtenis wijst sterk op problemen met de kwaliteit van eerdere gegevens. Door het aantal tegenboekingen bij te houden, kun je het 'percentage correcties na boeking' meten en vaststellen waar de nauwkeurigheid moet verbeteren. Waar vind je dit? Dit is vaak een expliciete gebeurtenis waarbij een gebruiker in BlackLine de actie 'Terugdraaien' uitvoert op een geboekte journaalpost. Het systeem maakt een nieuwe tegenboeking aan, die vaak aan de oorspronkelijke journaalpost-ID is gekoppeld. Vastleggen Vastgelegd wanneer een actie 'Terugdraaien' wordt geregistreerd, of wanneer een nieuwe journaalpost wordt aangemaakt met een tegenboekingsvlag en een koppeling naar de oorspronkelijke journaalpost-ID. Gebeurtenistype explicit

Aanbevolen Optioneel

Extractiegidsen

Zo haal je data uit BlackLine

Stappen

Meld je aan bij je BlackLine-omgeving met een gebruikersaccount dat de benodigde rechten heeft voor financiële rapportages.
Ga naar de rapportagemodule. Die staat meestal onder een menu zoals 'Reports' > 'Standard Reports'.
Zoek in de lijst met beschikbare standaardrapporten naar 'Journal Entry & Services Report' of een vergelijkbaar, uitgebreid rapport over journaalposten en selecteer het.
Stel de rapportparameters in. Geef het gewenste 'Date Range' voor de extractie op. Dit moet overeenkomen met de periode die je wilt analyseren. Begin bij voorkeur met een periode van 3 tot 6 maanden.
Pas filters toe om de data af te bakenen. Filter minimaal op de relevante 'Company Code(s)'. Je kunt ook filteren op 'Journal Status' om alle relevante statussen van aanmaak tot boeking mee te nemen.
Selecteer alle beschikbare kolommen, zodat het rapport alle benodigde datum-, gebruikers- en statusvelden bevat voor het event log. Belangrijke velden zijn de aanmaakdatum, indieningsdatum, goedkeuringsdatum, boekingsdatum en gebruikersrollen.
Voer het rapport uit in de BlackLine-interface. Gebruik na afloop de functie 'Export' of 'Download' om de data op te slaan als CSV-bestand. Noem het bestand 'blackline_report.csv'.
Stel een Python-omgeving in met de pandas-bibliotheek. Installeer deze zo nodig met de opdracht: pip install pandas.
Zet het meegeleverde Python-script in dezelfde map als het gedownloade bestand 'blackline_report.csv'.
Voer het Python-script uit. Het script leest het ruwe CSV-rapport, zet de data om door voor elke bedrijfsactiviteit een aparte rij aan te maken en genereert een nieuw bestand met de vereiste indeling: 'event_log.csv'.
Controleer de datakwaliteit en volledigheid van 'event_log.csv' voordat je het bestand uploadt.
Upload het definitieve bestand 'event_log.csv' naar ProcessMind voor analyse.

Configuratie

Rapportnaam: Journal Entry & Services Report. De exacte naam kan per BlackLine-configuratie verschillen.
Datumbereik: Voor een eerste analyse raden we aan om 3 tot 6 maanden aan data op te halen. Het datumfilter in het rapport is meestal gebaseerd op de aanmaakdatum of boekingsdatum van de journaalpost. Controleer welk datumveld voor het filter wordt gebruikt, zodat je de juiste dataset ophaalt.
Belangrijke filters:
- Bedrijfscode: Geef altijd de bedrijfscodes op die je wilt analyseren. Zo beperk je de hoeveelheid data en houd je de analyse gericht.
- Journaalstatus: Selecteer alle statussen, bijvoorbeeld In voorbereiding, Ingediend, Goedgekeurd, Afgewezen en Geboekt. Zo neem je het volledige proces mee.
- Journaaltype: Filter zo nodig op specifieke journaaltypen, zoals Standaard of Terugkerend, afhankelijk van de scope van de analyse.
Vereisten: Het gebruikersaccount waarmee je het rapport uitvoert, moet journaalpostdata kunnen bekijken en standaardrapporten in BlackLine kunnen uitvoeren. Hiervoor is meestal een rol als 'Accountant' of 'Reporting User' nodig.
Aandachtspunten voor prestaties: Het exporteren van een grote dataset over een lange periode of voor veel bedrijfscodes kan veel systeembronnen vragen. Het genereren van het rapport in de BlackLine-interface kan daardoor lang duren. Voer het rapport in kleinere batches uit als je prestatieproblemen of time-outs tegenkomt.

Voorbeeldquery python

import pandas as pd
import numpy as np
import datetime

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Define the input file name from BlackLine
input_filename = class="hl-string">'blackline_report.csv'
class=class="hl-string">"hl-comment"># Define the output file for ProcessMind
output_filename = class="hl-string">'event_log.csv'

class=class="hl-string">"hl-comment"># --- Column Mapping ---
class=class="hl-string">"hl-comment"># Map the BlackLine report column names to the required event log attribute names.
class=class="hl-string">"hl-comment"># Adjust the keys in this dictionary to match the exact column headers in your CSV export.
column_mapping = {
    class="hl-string">'Journal ID': class="hl-string">'JournalEntryId',
    class="hl-string">'Journal Type': class="hl-string">'JournalEntryType',
    class="hl-string">'Company': class="hl-string">'CompanyCode',
    class="hl-string">'Amount': class="hl-string">'JournalEntryAmount',
    class="hl-string">'Current Status': class="hl-string">'JournalEntryStatus',
    class="hl-string">'Rejection Reason': class="hl-string">'RejectionReason',
    class="hl-string">'Preparer': class="hl-string">'PreparerUserName',
    class="hl-string">'Submitter': class="hl-string">'SubmitterUserName',
    class="hl-string">'Reviewer': class="hl-string">'ReviewerUserName',
    class="hl-string">'Approver': class="hl-string">'ApproverUserName',
    class="hl-string">'Poster': class="hl-string">'PosterUserName',
    class="hl-string">'Verifier': class="hl-string">'VerifierUserName',
    class="hl-string">'Reverser': class="hl-string">'ReverserUserName',
    class="hl-string">'Reconciler': class="hl-string">'ReconcilerUserName',
    class="hl-string">'Creation Date': class="hl-string">'CreationTimestamp',
    class="hl-string">'Attachment Date': class="hl-string">'AttachmentTimestamp',
    class="hl-string">'Submission Date': class="hl-string">'SubmissionTimestamp',
    class="hl-string">'Review Date': class="hl-string">'ReviewTimestamp',
    class="hl-string">'Rejection Date': class="hl-string">'RejectionTimestamp',
    class="hl-string">'Resubmission Date': class="hl-string">'ResubmissionTimestamp',
    class="hl-string">'Approval Date': class="hl-string">'ApprovalTimestamp',
    class="hl-string">'Rescind Date': class="hl-string">'RescindTimestamp',
    class="hl-string">'Posting Date': class="hl-string">'PostingTimestamp',
    class="hl-string">'Verification Date': class="hl-string">'VerificationTimestamp',
    class="hl-string">'Reversal Date': class="hl-string">'ReversalTimestamp',
    class="hl-string">'Reconciliation Date': class="hl-string">'ReconciliationTimestamp'
}

class=class="hl-string">"hl-comment"># --- Data Loading ---
try:
    df_raw = pd.read_csv(input_filename)
except FileNotFoundError:
    print(fclass="hl-string">"Error: The file {input_filename} was not found. Please ensure it's in the same directory as the script.")
    exit()

class=class="hl-string">"hl-comment"># Rename columns based on the mapping
df = df_raw.rename(columns=column_mapping)

class=class="hl-string">"hl-comment"># Ensure all required timestamp columns exist, fill with NaT if not
for col in column_mapping.values():
    if class="hl-string">'Timestamp' in col and col not in df.columns:
        df[col] = pd.NaT

class=class="hl-string">"hl-comment"># Convert date columns to datetime objects, coercing errors to NaT (Not a Time)
date_cols = [col for col in df.columns if class="hl-string">'Timestamp' in col]
for col in date_cols:
    df[col] = pd.to_datetime(df[col], errors=class="hl-string">'coerce')

all_events = []
last_data_update = datetime.datetime.now()

class=class="hl-string">"hl-comment"># --- Activity Extraction ---

class=class="hl-string">"hl-comment"># 1. Journal Entry Created
event_created = df[df[class="hl-string">'CreationTimestamp'].notna()].copy()
event_created[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Created'
event_created[class="hl-string">'EventTime'] = event_created[class="hl-string">'CreationTimestamp']
event_created[class="hl-string">'UserName'] = event_created.get(class="hl-string">'PreparerUserName')
all_events.append(event_created)

class=class="hl-string">"hl-comment"># 2. Supporting Documentation Attached
if class="hl-string">'AttachmentTimestamp' in df.columns:
    event_attached = df[df[class="hl-string">'AttachmentTimestamp'].notna()].copy()
    event_attached[class="hl-string">'ActivityName'] = class="hl-string">'Supporting Documentation Attached'
    event_attached[class="hl-string">'EventTime'] = event_attached[class="hl-string">'AttachmentTimestamp']
    class=class="hl-string">"hl-comment"># Assuming the submitter or preparer attached the document
    event_attached[class="hl-string">'UserName'] = event_attached.get(class="hl-string">'SubmitterUserName', event_attached.get(class="hl-string">'PreparerUserName'))
    all_events.append(event_attached)

class=class="hl-string">"hl-comment"># 3. Journal Entry Submitted
event_submitted = df[df[class="hl-string">'SubmissionTimestamp'].notna()].copy()
event_submitted[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Submitted'
event_submitted[class="hl-string">'EventTime'] = event_submitted[class="hl-string">'SubmissionTimestamp']
event_submitted[class="hl-string">'UserName'] = event_submitted.get(class="hl-string">'SubmitterUserName')
all_events.append(event_submitted)

class=class="hl-string">"hl-comment"># 4. Journal Entry Reviewed
if class="hl-string">'ReviewTimestamp' in df.columns:
    event_reviewed = df[df[class="hl-string">'ReviewTimestamp'].notna()].copy()
    event_reviewed[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Reviewed'
    event_reviewed[class="hl-string">'EventTime'] = event_reviewed[class="hl-string">'ReviewTimestamp']
    event_reviewed[class="hl-string">'UserName'] = event_reviewed.get(class="hl-string">'ReviewerUserName')
    all_events.append(event_reviewed)

class=class="hl-string">"hl-comment"># 5. Journal Entry Rejected
if class="hl-string">'RejectionTimestamp' in df.columns:
    event_rejected = df[df[class="hl-string">'RejectionTimestamp'].notna()].copy()
    event_rejected[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Rejected'
    event_rejected[class="hl-string">'EventTime'] = event_rejected[class="hl-string">'RejectionTimestamp']
    event_rejected[class="hl-string">'UserName'] = event_rejected.get(class="hl-string">'ReviewerUserName', event_rejected.get(class="hl-string">'ApproverUserName'))
    all_events.append(event_rejected)

class=class="hl-string">"hl-comment"># 6. Entry Corrected and Resubmitted
if class="hl-string">'ResubmissionTimestamp' in df.columns:
    event_resubmitted = df[df[class="hl-string">'ResubmissionTimestamp'].notna()].copy()
    event_resubmitted = event_resubmitted[event_resubmitted[class="hl-string">'ResubmissionTimestamp'] > event_resubmitted.get(class="hl-string">'RejectionTimestamp', pd.NaT)]
    event_resubmitted[class="hl-string">'ActivityName'] = class="hl-string">'Entry Corrected and Resubmitted'
    event_resubmitted[class="hl-string">'EventTime'] = event_resubmitted[class="hl-string">'ResubmissionTimestamp']
    event_resubmitted[class="hl-string">'UserName'] = event_resubmitted.get(class="hl-string">'SubmitterUserName')
    all_events.append(event_resubmitted)

class=class="hl-string">"hl-comment"># 7. Journal Entry Approved
event_approved = df[df[class="hl-string">'ApprovalTimestamp'].notna()].copy()
event_approved[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Approved'
event_approved[class="hl-string">'EventTime'] = event_approved[class="hl-string">'ApprovalTimestamp']
event_approved[class="hl-string">'UserName'] = event_approved.get(class="hl-string">'ApproverUserName')
all_events.append(event_approved)

class=class="hl-string">"hl-comment"># 8. Approval Rescinded
if class="hl-string">'RescindTimestamp' in df.columns:
    event_rescinded = df[df[class="hl-string">'RescindTimestamp'].notna()].copy()
    event_rescinded[class="hl-string">'ActivityName'] = class="hl-string">'Approval Rescinded'
    event_rescinded[class="hl-string">'EventTime'] = event_rescinded[class="hl-string">'RescindTimestamp']
    event_rescinded[class="hl-string">'UserName'] = event_rescinded.get(class="hl-string">'ApproverUserName')
    all_events.append(event_rescinded)

class=class="hl-string">"hl-comment"># 9. Journal Entry Posted
event_posted = df[df[class="hl-string">'PostingTimestamp'].notna()].copy()
event_posted[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Posted'
event_posted[class="hl-string">'EventTime'] = event_posted[class="hl-string">'PostingTimestamp']
event_posted[class="hl-string">'UserName'] = event_posted.get(class="hl-string">'PosterUserName')
all_events.append(event_posted)

class=class="hl-string">"hl-comment"># 10. Posting Verified
if class="hl-string">'VerificationTimestamp' in df.columns:
    event_verified = df[df[class="hl-string">'VerificationTimestamp'].notna()].copy()
    event_verified[class="hl-string">'ActivityName'] = class="hl-string">'Posting Verified'
    event_verified[class="hl-string">'EventTime'] = event_verified[class="hl-string">'VerificationTimestamp']
    event_verified[class="hl-string">'UserName'] = event_verified.get(class="hl-string">'VerifierUserName')
    all_events.append(event_verified)

class=class="hl-string">"hl-comment"># 11. Journal Entry Reversal Processed
if class="hl-string">'ReversalTimestamp' in df.columns:
    event_reversal = df[df[class="hl-string">'ReversalTimestamp'].notna()].copy()
    event_reversal[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Reversal Processed'
    event_reversal[class="hl-string">'EventTime'] = event_reversal[class="hl-string">'ReversalTimestamp']
    event_reversal[class="hl-string">'UserName'] = event_reversal.get(class="hl-string">'ReverserUserName')
    all_events.append(event_reversal)

class=class="hl-string">"hl-comment"># 12. Journal Entry Reconciled
if class="hl-string">'ReconciliationTimestamp' in df.columns:
    event_reconciled = df[df[class="hl-string">'ReconciliationTimestamp'].notna()].copy()
    event_reconciled[class="hl-string">'ActivityName'] = class="hl-string">'Journal Entry Reconciled'
    event_reconciled[class="hl-string">'EventTime'] = event_reconciled[class="hl-string">'ReconciliationTimestamp']
    event_reconciled[class="hl-string">'UserName'] = event_reconciled.get(class="hl-string">'ReconcilerUserName')
    all_events.append(event_reconciled)


class=class="hl-string">"hl-comment"># --- Final Assembly ---
if all_events:
    event_log = pd.concat(all_events, ignore_index=True)

    class=class="hl-string">"hl-comment"># Add required constant value attributes
    event_log[class="hl-string">'SourceSystem'] = class="hl-string">'BlackLine'
    event_log[class="hl-string">'LastDataUpdate'] = last_data_update

    class=class="hl-string">"hl-comment"># Select and order columns for the final output
    final_columns = [
        class="hl-string">'JournalEntryId',
        class="hl-string">'ActivityName',
        class="hl-string">'EventTime',
        class="hl-string">'SourceSystem',
        class="hl-string">'LastDataUpdate',
        class="hl-string">'UserName',
        class="hl-string">'JournalEntryType',
        class="hl-string">'CompanyCode',
        class="hl-string">'JournalEntryAmount',
        class="hl-string">'JournalEntryStatus',
        class="hl-string">'RejectionReason'
    ]

    class=class="hl-string">"hl-comment"># Filter for only the columns that exist in the dataframe to avoid errors
    existing_columns = [col for col in final_columns if col in event_log.columns]
    event_log = event_log[existing_columns]

    class=class="hl-string">"hl-comment"># Sort the event log
    event_log = event_log.sort_values(by=[class="hl-string">'JournalEntryId', class="hl-string">'EventTime'])

    class=class="hl-string">"hl-comment"># Save to CSV
    event_log.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')
    print(fclass="hl-string">"Successfully created event log: {output_filename}")
else:
    print(class="hl-string">"No events were generated. Please check your input file and column mappings.")

Stappen

Vereisten en installatie: Zorg dat Python 3.6 of hoger is geïnstalleerd. Installeer de benodigde bibliotheken met pip: pip install requests pandas. Vraag je BlackLine-beheerder om API-inloggegevens (Client ID, Client Secret en Refresh Token) en de Base URL van BlackLine voor je organisatie.
Scriptvariabelen instellen: Open het Python-script en zoek het configuratiegedeelte. Vul je Client ID, Client Secret, Refresh Token en Base URL in. Stel de extractieperiode in met de variabelen START_DATE en END_DATE in de notatie 'YYYY-MM-DD'.
Authenticatie: Het script begint met een aanroep van de functie get_access_token. Deze functie stuurt je inloggegevens naar het BlackLine-authenticatie-eindpunt (/api/oauth/token) en haalt een tijdelijk toegangstoken op. Dat token is nodig voor alle volgende API-aanroepen.
Eerste lijst met journaalposten ophalen: Het script doet een gepagineerd verzoek aan het eindpunt /api/v2/journals, gefilterd op het opgegeven aanmaakdatumbereik. Het doorloopt de pagina’s en verzamelt de belangrijkste gegevens van alle journaalposten binnen de scope.
Gedetailleerde gebeurtenisgeschiedenis ophalen: Voor elke Journal Entry ID uit de vorige stap doet het script twee extra API-aanroepen. Eerst vraagt het de geschiedenis van de journaalpost op via het history-eindpunt (bijvoorbeeld /api/v2/journals/{id}/history). Dit levert een gedetailleerd auditspoor op van statuswijzigingen, goedkeuringen en afwijzingen. Daarna roept het het attachments-eindpunt aan (bijvoorbeeld /api/v2/journals/{id}/attachments) om vast te stellen wanneer ondersteunende documenten zijn toegevoegd.
Data omzetten naar een event log: Het script verwerkt de JSON-antwoorden van de API. Het doorloopt elke journaalpost en de bijbehorende geschiedenis- en bijlagegegevens. De ruwe data worden omgezet naar een gestructureerd event log, met een aparte rij voor elk van de 12 vereiste activiteiten, zoals 'Journal Entry Created', 'Journal Entry Submitted' en 'Journal Entry Approved'.
Statuswijzigingen koppelen aan activiteiten: Het script bepaalt belangrijke activiteiten aan de hand van de gegevens uit het history-eindpunt. Een geschiedenisitem met een statuswijziging naar 'Submitted' wordt bijvoorbeeld de activiteit 'Journal Entry Submitted'. De scriptlogica koppelt verschillende typen geschiedenisgebeurtenissen aan de gestandaardiseerde activiteitsnamen die ProcessMind nodig heeft.
DataFrames maken: Het script gebruikt de pandas-bibliotheek om DataFrames te maken. Eerst maakt het een DataFrame voor de gebeurtenis 'Created' uit de hoofdlijst met journaalposten. Daarna maakt het een tweede DataFrame met alle overige activiteiten uit de geschiedenis- en bijlagelogboeken. Vervolgens voegt het deze samen tot één volledig event log.
Metadata toevoegen en kolommen standaardiseren: Na het samenvoegen voegt het script verplichte metadatakolommen toe, waaronder SourceSystem (ingesteld op 'BlackLine') en LastDataUpdate (ingesteld op het tijdstip waarop het script wordt uitgevoerd). Ook hernoemt het kolommen volgens het vereiste schema, bijvoorbeeld door het API-veld id te koppelen aan JournalEntryId.
Exporteren naar CSV: Tot slot exporteert het script het volledige event log als CSV-bestand met de naam blackline_journal_entry_event_log.csv. Dit bestand heeft de juiste indeling en kan rechtstreeks naar ProcessMind worden geüpload.

Configuratie

API-inloggegevens: Je hebt een geldige Client ID, Client Secret en Refresh Token nodig voor de BlackLine REST API. Bewaar deze veilig en neem ze niet rechtstreeks op in scripts die in productie worden gebruikt.
Base URL: Het script heeft de specifieke BlackLine API Base URL van je organisatie nodig, bijvoorbeeld https://api.blackline.com.
Datumbereik: Het script gebruikt de variabelen START_DATE en END_DATE. Voor een eerste analyse raden we een periode aan die de afgelopen 3 tot 6 maanden beslaat. Zo heb je voldoende data zonder dat de dataset onnodig groot wordt.
Paginering: De variabele LIMIT bepaalt hoeveel records per API-aanroep worden opgehaald. De standaardwaarde is meestal 100. Een andere waarde kan de prestaties beïnvloeden. Laat deze daarom op de aanbevolen waarde staan, tenzij BlackLine Support anders adviseert.
Vereiste rechten: De API-gebruiker die bij de inloggegevens hoort, moet journaalposten, journaalgeschiedenis en bijlagen kunnen lezen voor de bedrijfscodes die je wilt analyseren.
Python-omgeving: Voor het script heb je een werkende Python 3.6+-omgeving nodig met de bibliotheken requests en pandas.

Voorbeeldquery python

import requests
import pandas as pd
from datetime import datetime
import time

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your BlackLine API credentials and base URL
CLIENT_ID = class="hl-string">'[Your Client ID]'
CLIENT_SECRET = class="hl-string">'[Your Client Secret]'
REFRESH_TOKEN = class="hl-string">'[Your Refresh Token]'
BASE_URL = class="hl-string">'[Your BlackLine API Base URL, e.g., https://api.blackline.com]'

class=class="hl-string">"hl-comment"># --- Extraction Parameters ---
START_DATE = class="hl-string">'2023-01-01' class=class="hl-string">"hl-comment"># Format: YYYY-MM-DD
END_DATE = class="hl-string">'2023-12-31'   class=class="hl-string">"hl-comment"># Format: YYYY-MM-DD
LIMIT = 100 class=class="hl-string">"hl-comment"># Records per page

def get_access_token():
    class="hl-string">"""Authenticates with BlackLine to get an access token."""
    auth_url = fclass="hl-string">"{BASE_URL}/api/oauth/token"
    payload = {
        class="hl-string">'grant_type': class="hl-string">'refresh_token',
        class="hl-string">'client_id': CLIENT_ID,
        class="hl-string">'client_secret': CLIENT_SECRET,
        class="hl-string">'refresh_token': REFRESH_TOKEN
    }
    response = requests.post(auth_url, data=payload)
    response.raise_for_status() class=class="hl-string">"hl-comment"># Raise an exception for bad status codes
    return response.json()[class="hl-string">'access_token']

def main():
    class="hl-string">"""Main function to extract, transform, and save journal entry event data."""
    print(class="hl-string">"Starting BlackLine Journal Entry extraction...")
    
    try:
        access_token = get_access_token()
        headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {access_token}'}
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Authentication failed: {e}")
        return

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

    class=class="hl-string">"hl-comment"># 1. Fetch all journals within the date range
    print(fclass="hl-string">"Fetching journals created between {START_DATE} and {END_DATE}...")
    journals = []
    offset = 0
    while True:
        journals_url = fclass="hl-string">"{BASE_URL}/api/v2/journals"
        params = {
            class="hl-string">'createdStartDate': START_DATE,
            class="hl-string">'createdEndDate': END_DATE,
            class="hl-string">'limit': LIMIT,
            class="hl-string">'offset': offset
        }
        try:
            response = requests.get(journals_url, headers=headers, params=params)
            response.raise_for_status()
            data = response.json()
            journals.extend(data.get(class="hl-string">'data', []))
            if class="hl-string">'nextLink' not in data or not data.get(class="hl-string">'data'):
                break
            offset += LIMIT
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching journals: {e}")
            break

    print(fclass="hl-string">"Found {len(journals)} journals. Now fetching detailed events for each...")

    class=class="hl-string">"hl-comment"># 2. For each journal, fetch history and attachments
    for journal in journals:
        journal_id = journal.get(class="hl-string">'id')
        if not journal_id:
            continue

        class=class="hl-string">"hl-comment"># --- Activity: Journal Entry Created ---
        events.append({
            class="hl-string">'JournalEntryId': journal_id,
            class="hl-string">'ActivityName': class="hl-string">'Journal Entry Created',
            class="hl-string">'EventTime': journal.get(class="hl-string">'createdDate'),
            class="hl-string">'UserName': journal.get(class="hl-string">'createdBy', {}).get(class="hl-string">'username'),
            class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
            class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
            class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
            class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
            class="hl-string">'RejectionReason': None
        })

        class=class="hl-string">"hl-comment"># Fetch history for other activities
        try:
            history_url = fclass="hl-string">"{BASE_URL}/api/v2/journals/{journal_id}/history"
            history_response = requests.get(history_url, headers=headers)
            history_response.raise_for_status()
            history_items = history_response.json().get(class="hl-string">'data', [])
            
            for item in history_items:
                activity_name = None
                rejection_reason = None
                
                class=class="hl-string">"hl-comment"># This mapping requires knowledge of your specific BlackLine history event descriptions
                class=class="hl-string">"hl-comment"># The following are common examples. Adjust them based on your BlackLine configuration.
                event_description = item.get(class="hl-string">'description', class="hl-string">'').lower()
                if class="hl-string">'submitted' in event_description:
                    activity_name = class="hl-string">'Journal Entry Submitted'
                elif class="hl-string">'reviewed' in event_description:
                    activity_name = class="hl-string">'Journal Entry Reviewed'
                elif class="hl-string">'rejected' in event_description:
                    activity_name = class="hl-string">'Journal Entry Rejected'
                    rejection_reason = item.get(class="hl-string">'comment') class=class="hl-string">"hl-comment"># Assuming comment contains the reason
                elif class="hl-string">'resubmitted' in event_description:
                    activity_name = class="hl-string">'Entry Corrected and Resubmitted'
                elif class="hl-string">'approved' in event_description and class="hl-string">'final' in event_description: class=class="hl-string">"hl-comment"># Example for final approval
                    activity_name = class="hl-string">'Journal Entry Approved'
                elif class="hl-string">'approval rescinded' in event_description:
                    activity_name = class="hl-string">'Approval Rescinded'
                elif class="hl-string">'posted' in event_description:
                    activity_name = class="hl-string">'Journal Entry Posted'
                elif class="hl-string">'posting verified' in event_description:
                     activity_name = class="hl-string">'Posting Verified'
                
                if activity_name:
                    events.append({
                        class="hl-string">'JournalEntryId': journal_id,
                        class="hl-string">'ActivityName': activity_name,
                        class="hl-string">'EventTime': item.get(class="hl-string">'eventDate'),
                        class="hl-string">'UserName': item.get(class="hl-string">'user', {}).get(class="hl-string">'username'),
                        class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                        class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                        class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                        class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
                        class="hl-string">'RejectionReason': rejection_reason
                    })
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Could not fetch history for Journal ID {journal_id}: {e}")

        class=class="hl-string">"hl-comment"># Fetch attachments
        try:
            attachments_url = fclass="hl-string">"{BASE_URL}/api/v2/journals/{journal_id}/attachments"
            attachments_response = requests.get(attachments_url, headers=headers)
            attachments_response.raise_for_status()
            attachments = attachments_response.json().get(class="hl-string">'data', [])
            for attachment in attachments:
                events.append({
                    class="hl-string">'JournalEntryId': journal_id,
                    class="hl-string">'ActivityName': class="hl-string">'Supporting Documentation Attached',
                    class="hl-string">'EventTime': attachment.get(class="hl-string">'uploadedDate'),
                    class="hl-string">'UserName': attachment.get(class="hl-string">'uploadedBy', {}).get(class="hl-string">'username'),
                    class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                    class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                    class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                    class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
                    class="hl-string">'RejectionReason': None
                })
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Could not fetch attachments for Journal ID {journal_id}: {e}")

        class=class="hl-string">"hl-comment"># --- Activities based on journal fields (may need customization) ---
        if journal.get(class="hl-string">'isReversed'):
            events.append({
                class="hl-string">'JournalEntryId': journal_id,
                class="hl-string">'ActivityName': class="hl-string">'Journal Entry Reversal Processed',
                class="hl-string">'EventTime': journal.get(class="hl-string">'[reversalDate]'), class=class="hl-string">"hl-comment"># Placeholder for reversal date field
                class="hl-string">'UserName': journal.get(class="hl-string">'[reversalUser]'), class=class="hl-string">"hl-comment"># Placeholder for user field
                class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                class="hl-string">'JournalEntryStatus': class="hl-string">'Reversed',
                class="hl-string">'RejectionReason': None
            })

        if journal.get(class="hl-string">'reconciliationId'): class=class="hl-string">"hl-comment"># Assuming this indicates reconciliation
            events.append({
                class="hl-string">'JournalEntryId': journal_id,
                class="hl-string">'ActivityName': class="hl-string">'Journal Entry Reconciled',
                class="hl-string">'EventTime': journal.get(class="hl-string">'[reconciliationCertifiedDate]'), class=class="hl-string">"hl-comment"># Placeholder for certified date
                class="hl-string">'UserName': journal.get(class="hl-string">'[reconciliationCertifier]'), class=class="hl-string">"hl-comment"># Placeholder for certifier user
                class="hl-string">'JournalEntryType': journal.get(class="hl-string">'type'),
                class="hl-string">'CompanyCode': journal.get(class="hl-string">'companyCode'),
                class="hl-string">'JournalEntryAmount': journal.get(class="hl-string">'totalDebit'),
                class="hl-string">'JournalEntryStatus': journal.get(class="hl-string">'status'),
                class="hl-string">'RejectionReason': None
            })
        class=class="hl-string">"hl-comment"># Introduce a small delay to respect API rate limits
        time.sleep(0.1)

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

    class=class="hl-string">"hl-comment"># 3. Create DataFrame and save to CSV
    print(class="hl-string">"Transforming data and saving to CSV...")
    df = pd.DataFrame(events)

    class=class="hl-string">"hl-comment"># Add metadata columns
    df[class="hl-string">'SourceSystem'] = class="hl-string">'BlackLine'
    df[class="hl-string">'LastDataUpdate'] = last_data_update
    
    class=class="hl-string">"hl-comment"># Ensure required columns are present
    final_columns = [
        class="hl-string">'JournalEntryId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'UserName', class="hl-string">'JournalEntryType', class="hl-string">'CompanyCode', class="hl-string">'JournalEntryAmount', class="hl-string">'JournalEntryStatus', class="hl-string">'RejectionReason'
    ]
    for col in final_columns:
        if col not in df.columns:
            df[col] = None
            
    df = df[final_columns] class=class="hl-string">"hl-comment"># Order columns

    output_filename = class="hl-string">'blackline_journal_entry_event_log.csv'
    df.to_csv(output_filename, index=False)
    print(fclass="hl-string">"Extraction 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 de datavoorbereiding eenvoudiger te maken en waardevolle inzichten te krijgen in het proces Record to Report - journaalposten. Begin vandaag met het verbeteren van de efficiëntie en compliance.

Terug naar de verbetergids

Template downloaden

Verbeter vandaag de efficiëntie van Record to Report-journaalposten

Verkort de doorlooptijd van journaalposten met 30% en sluit sneller en nauwkeuriger af.

Start je gratis proefperiode

Geen creditcard nodig • Binnen enkele minuten ingesteld

Datatemplate voor Record to Report - journaalposten

Datatemplate voor Record to Report - journaalposten

Attributen voor Record to Report - journaalposten

Activiteiten voor Record to Report - journaalposten

Extractiegidsen

Export van BlackLine-rapport Journal Entry & Services

Stappen

Configuratie

Voorbeeldquery python

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

Stappen

Configuratie

Voorbeeldquery python

Klaar om aan de slag te gaan?

Verbeter vandaag de efficiëntie van Record to Report-journaalposten