> Continue procesverbetering > Van vastlegging tot rapportage journaalpost > BlackLine > Datatemplate

Jouw datatemplate voor Record to Report - Journal Entry

BlackLine

Van vastlegging tot rapportage - attributen van journaalposten (19) Van vastlegging tot rapportage - activiteiten van journaalposten (12) Extractiegidsen (2)

Jouw datatemplate voor Record to Report - Journal Entry

Deze template helpt je bij het verzamelen van de juiste data voor de analyse van je Record to Report - Journal Entry-proces. Je ziet welke attributen je moet verzamelen, welke activiteiten je moet volgen en hoe je deze informatie uit BlackLine haalt. Gebruik deze bron om alle data vast te leggen die je nodig hebt voor effectieve process mining.

Aanbevolen attributen om te verzamelen
Belangrijke activiteiten om te volgen
Richtlijnen voor data-extractie

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

Template downloaden

Van vastlegging tot rapportage - attributen van journaalposten

Dit zijn de aanbevolen datavelden voor je event log voor een volledige analyse van je proces van vastlegging tot rapportage en journaalposten.

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 binnen de levenscyclus van een journaalpost, zoals 'Journaalpost aangemaakt', 'Journaalpost goedgekeurd' of 'Journaalpost geboekt'. Elke activiteit staat voor een afzonderlijk event in het proces. Door de volgorde van deze activiteiten te analyseren, kun je de procesflow zichtbaar maken en begrijpen. Dit is de basis voor het ontdekken van procesvarianten, het meten van overgangstijden tussen stappen en het herkennen van herstellussen, bijvoorbeeld wanneer een journaalpost wordt afgewezen en opnieuw wordt ingediend. Waarom dit belangrijk is Het definieert de processtappen. Daarmee kun je de procesmap visualiseren, de flow analyseren en afwijkingen of knelpunten herkennen. Waar je het vindt Dit wordt meestal afgeleid uit event logs, statuswijzigingen of audit trails in BlackLine. Mogelijk moet je systeemstatuscodes koppelen aan begrijpelijke activiteitsnamen. Voorbeelden Journaalpost aangemaaktJournaalpost ingediendJournaalpost goedgekeurdJournaalpost geboekt
	ID van journaalpost JournalEntryId	De unieke identificatie van één journaalpost, die dient als primaire case-identificatie om de levenscyclus ervan te volgen.
Beschrijving De ID van de journaalpost identificeert elke set financiële transacties die in het grootboek is vastgelegd. Deze ID is de centrale sleutel die alle gerelateerde activiteiten koppelt, zoals aanmaken, controleren, goedkeuren en boeken. In process mining is deze ID essentieel om alle events van één journaalpost-case aan elkaar te koppelen. Door de procesflow op basis van deze identificatie te analyseren, kun je het volledige verloop reconstrueren, van de start tot de uiteindelijke afstemming. Zo kun je doorlooptijden, knelpunten en procesvarianten gedetailleerd analyseren. Waarom dit belangrijk is Dit is de primaire case-identificatie. Hiermee kun je de volledige levenscyclus van één journaalpost volgen en de prestaties ervan analyseren. Waar je het vindt Dit is een primaire sleutel in de journaalposttabellen of data-exports van BlackLine. Raadpleeg de documentatie van BlackLine voor de specifieke veldnaam. Voorbeelden JE2024-001234JE2024-001235JE2024-001236
	Starttijd EventTime	De precieze timestamp die aangeeft wanneer een specifieke activiteit of gebeurtenis plaatsvond.
Beschrijving De Event Time legt de datum en tijd vast waarop een bedrijfsgebeurtenis plaatsvond. Dit vormt de chronologische basis van het proces en bepaalt de volgorde en duur van alle activiteiten. Deze timestamp is essentieel voor alle tijdgebaseerde process mining-analyses. Je gebruikt hem om doorlooptijden, wachttijden en de duur tussen activiteiten te berekenen. Ook helpt hij bij het vinden van knelpunten, het analyseren van prestaties over tijd en het beoordelen van de naleving van service level agreements. Waarom dit belangrijk is Deze timestamp vormt de basis voor alle prestatiemetrics, waaronder doorlooptijd- en knelpuntanalyses. Hiermee kun je het proces chronologisch reconstrueren. Waar je het vindt 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 bronsysteem waaruit de gegevens van de journaalpost zijn geëxtraheerd.
Beschrijving Dit attribuut identificeert het systeem waar de eventdata vandaan komt. In deze context is dat meestal 'BlackLine', maar het kan ook data uit een upstream-ERP-systeem bevatten als het proces daar begint. Het identificeren van het bronsysteem is belangrijk voor datagovernance en om de context van het proces te begrijpen, vooral wanneer data uit meerdere systemen wordt gecombineerd. Het helpt bij het oplossen van problemen met data-inname en bij het controleren van de dataherkomst. Waarom dit belangrijk is Het geeft belangrijke context over de herkomst van de data. Zo blijft de data traceerbaar en kun je data-integratie vanuit verschillende platforms beheren. Waar je het vindt Dit is meestal een statische waarde die tijdens het data-extractie- en transformatieproces wordt toegevoegd om de herkomst van de dataset aan te geven. Voorbeelden BlackLineSAP S/4HANAOracle NetSuite
	Laatste data-update LastDataUpdate	De timestamp die aangeeft wanneer de data voor het laatst uit het bronsysteem is vernieuwd of geëxtraheerd.
Beschrijving Dit attribuut markeert de datum en tijd van de meest recente data-extractie. Het geeft aan hoe actueel de geanalyseerde data is, zodat gebruikers weten hoe recent de data is. Dit is belangrijke metadata voor elk process mining-dashboard of elke analyse. Het laat zien hoe actueel de inzichten zijn en maakt duidelijk of de nieuwste transacties al in de weergave staan. Waarom dit belangrijk is Het maakt de actualiteit van de data inzichtelijk, zodat gebruikers weten hoe recent de procesanalyse is. Waar je het vindt Deze timestamp wordt tijdens de uitvoering door de data-extractietool of het ETL-proces 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 staat voor de financiële waarde van de journaalpost. Je kunt het gebruiken om de financiële impact van procesinefficiënties te begrijpen, zoals vertraging bij het boeken van boekingen met een hoge waarde. Door het proces op basis van de waarde van de boeking te analyseren, kun je materialiteitsanalyses uitvoeren. Je kunt bijvoorbeeld procesverbeteringen voor boekingen met een hoge waarde prioriteren, onderzoeken of deze een ander goedkeuringspad volgen of nagaan of hun doorlooptijden langer zijn. Zo voeg je financiële context toe aan de procesflow. Waarom dit belangrijk is Het geeft financiële context. Je kunt bijvoorbeeld boekingen met een hoge waarde prioriteren of procesafwijkingen op basis van waarde herkennen. Waar je het vindt Dit is een berekend of standaardveld in de kop van de journaalpost in BlackLine en staat voor het totale debet- of creditbedrag. Voorbeelden 15000.00250.75125000.50500.00
	Bedrijfscode CompanyCode	De unieke identificatie van de juridische entiteit of het bedrijf waarvoor de journaalpost wordt gemaakt.
Beschrijving De bedrijfscode staat voor een specifieke juridische entiteit binnen een concern. Dit is een belangrijke organisatorische eenheid in de financiële administratie en zorgt ervoor dat transacties bij de juiste entiteit worden geboekt. In process mining is de bedrijfscode een nuttige dimensie om te filteren en te vergelijken. Je kunt procesprestaties tussen entiteiten analyseren en regionale of entiteitsspecifieke knelpunten, compliance-verschillen en mogelijkheden voor wereldwijde standaardisatie vinden. De code ondersteunt rechtstreeks het dashboard 'Analyse van vertraging tussen goedkeuring en boeking'. Waarom dit belangrijk is Hiermee kun je prestaties tussen juridische entiteiten of bedrijfsonderdelen vergelijken en werken aan standaardisatie van processen. Waar je het vindt Dit is een belangrijk veld in de kop van de journaalpost in BlackLine en 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 identificeert de persoon die verantwoordelijk is voor een specifieke processtap, zoals degene die een journaalpost indient, controleert of goedkeurt. 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. Je kunt er vragen mee beantwoorden als 'Is het werk gelijkmatig verdeeld over het team?' en 'Welke gebruikers hebben de langste goedkeuringstijden?'. Ook is dit belangrijk voor compliance en de analyse van audit trails. Waarom dit belangrijk is Hiermee kun je de werkbelasting analyseren, prestaties van teamleden vergelijken en knelpunten of opleidingsbehoeften rond gebruikers herkennen. Waar je het vindt Deze informatie staat in de audit logs van BlackLine, vaak in velden als 'User ID' of 'Changed By' die aan elk event zijn gekoppeld. 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 legt die reden vast. Dat kan een vooraf gedefinieerde code of vrije tekst zijn. Dit attribuut is belangrijk voor een oorzaakanalyse van herstelwerk. Door de meest voorkomende afwijzingsredenen te analyseren, kan een organisatie structurele problemen vinden, 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 Het is belangrijk voor een oorzaakanalyse van herstelwerk. Zo zie je waarom journaalposten worden afgewezen en kun je gerichte verbeteringen doorvoeren. Waar je het vindt Deze data wordt meestal vastgelegd in een opmerkingen- of redencodeveld wanneer een gebruiker de actie 'Afwijzen' uitvoert in BlackLine. Voorbeelden Onjuiste rekeningcodeOntbrekende ondersteunende documentatieDrempel overschredenDubbele boeking
	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 van data-extractie. Het laat zien waar de boeking zich in het totale proces bevindt. Process mining reconstrueert de flow op basis van activiteiten. De eindstatus is daarnaast handig om te filteren en dashboards met samenvattingen te maken. Je ziet er snel mee welke boekingen nog op goedkeuring wachten of in een bepaalde status blijven hangen. Dat is nuttig voor backloganalyses. Waarom dit belangrijk is Het geeft een momentopname van de huidige status van boekingen. Dat is nuttig voor backloganalyses en inzicht in werk in uitvoering. Waar je het vindt Dit is een standaardstatusveld voor de journaalpost in BlackLine. Voorbeelden In behandelingWacht op goedkeuringGoedgekeurdGeboektAfgewezen
	Type journaalpost JournalEntryType	De classificatie van de journaalpost, bijvoorbeeld standaard, terugkerend of corrigerend.
Beschrijving Het type journaalpost deelt boekingen in op basis van hun aard of doel. Veelvoorkomende typen zijn standaard handmatige boekingen, automatisch door het systeem aangemaakte boekingen, terugkerende boekingen voor voorzieningen aan het einde van de maand en correctieboekingen die in de volgende periode automatisch worden teruggedraaid. Dit attribuut is belangrijk voor segmentatie en vergelijking. Je kunt procesprestaties, zoals doorlooptijden of afwijzingspercentages, vergelijken tussen verschillende typen boekingen. Zo zie je welke typen vaker problemen opleveren of inefficiënt verlopen en waar gerichte procesverbetering nodig is. Waarom dit belangrijk is Hiermee kun je per segment analyseren of verschillende typen journaalposten een ander pad volgen of andere prestatiekenmerken hebben. Waar je het vindt Dit is een standaardveld in de kop van een journaalpost in BlackLine. Raadpleeg de documentatie van BlackLine voor de exacte veldnaam. Voorbeelden StandaardTerugkerendTegenboekingOverlopende post
	Afdeling Department	De bedrijfsafdeling of kostenplaats die aan de journaalpost is gekoppeld.
Beschrijving Dit attribuut geeft de afdeling, kostenplaats of het functionele gebied aan dat de journaalpost heeft gestart of waaraan de kosten worden toegewezen. Het voegt een extra laag organisatorische context toe. Door het proces per afdeling te analyseren, zie je hoe verschillende onderdelen van de organisatie het journaalpostproces gebruiken. Je kunt verschillen in efficiëntie, compliance of herstelwerk tussen afdelingen vinden en bepalen waar extra ondersteuning of processtandaardisatie nodig is. Waarom dit belangrijk is Hiermee kun je procesprestaties tussen bedrijfsafdelingen vergelijken en verschillen en mogelijkheden voor standaardisatie vinden. Waar je het vindt Deze informatie staat meestal in de regel- of kopgegevens van de journaalpost in BlackLine en is vaak gekoppeld aan de grootboekrekening. Voorbeelden FinanciënMarketingVerkoopBedrijfsvoering
	Afgestemde rekening AccountReconciled	Het grootboekrekeningnummer dat met de journaalpost wordt afgestemd.
Beschrijving Dit attribuut identificeert de specifieke rekening in het rekeningschema die door de journaalpost wordt geraakt of afgestemd. Journaalposten maken vaak deel uit van het rekeningafstemmingsproces. Dit veld koppelt de boeking aan de betreffende rekening. Dit attribuut ondersteunt rechtstreeks het dashboard 'Doorlooptijd van rekeningafstemming bij journaalposten'. Door het proces per rekening te analyseren, kun je zien of afstemmingen voor bepaalde rekeningen structureel langer duren. Dat kan wijzen op complexiteit of dataproblemen bij die rekeningen. Waarom dit belangrijk is Het koppelt het journaalpostproces aan de rekeningen die worden afgestemd, zodat je knelpunten in de afstemming gericht kunt analyseren. Waar je het vindt Deze informatie staat in de details van de journaalpostregels in BlackLine. Als een boeking meerdere rekeningen raakt, moet je de informatie mogelijk naar case-niveau aggregeren. Voorbeelden 101000210500400100550200
	Boekingsdatum PostingDate	De datum waarop de journaalpost officieel in het grootboek wordt geboekt.
Beschrijving De boekingsdatum is de effectieve datum van de transactie in de financiële administratie. Dit is een belangrijke datum voor de boekhouding, omdat deze bepaalt in welke verslagperiode de transactie wordt opgenomen. De event-timestamp geeft aan wanneer de boekingsactiviteit plaatsvond. De boekingsdatum is daarnaast een belangrijk dataveld. Je gebruikt dit veld om te controleren of boekingen in de juiste periode zijn verwerkt en om vertragingen tussen transactiedatum, goedkeuringsdatum en boekingsdatum te analyseren. Waarom dit belangrijk is Deze datum is belangrijk voor een correcte financiële rapportage en helpt analyseren of boekingen in de juiste boekhoudperiode worden verwerkt. Waar je het vindt Dit is een standaarddatumveld in de kop van de journaalpost in BlackLine. Voorbeelden 2023-10-312023-11-012023-10-30
	Document bijgevoegd IsDocumentAttached	Een indicator die aangeeft of ondersteunende documentatie aan de journaalpost is toegevoegd.
Beschrijving Dit booleaanse attribuut geeft aan of één of meer ondersteunende documenten, zoals facturen of berekeningen, aan de journaalpost zijn toegevoegd. Dit is vaak een voorwaarde voor goedkeuring. Deze indicator is belangrijk voor het dashboard 'Compliance van journaalpostdocumentatie' en de KPI 'Percentage bijgevoegde documentatie'. Je kunt ermee analyseren of ontbrekende documentatie vaak leidt tot afwijzingen of vertragingen. Ook helpt de indicator bij het handhaven van beleid dat bijlagen verplicht stelt voordat een boeking ter controle wordt ingediend. Waarom dit belangrijk is Het meet rechtstreeks of het documentatiebeleid wordt nageleefd en helpt een veelvoorkomende oorzaak van vertragingen en afwijzingen bij goedkeuringen te vinden. Waar je het vindt Dit is waarschijnlijk een afgeleid veld. Het wordt berekend door te controleren of er vóór de indieningsactiviteit een bijlagerecord bestaat dat aan de JournalEntryId is gekoppeld. Voorbeelden truefalse
	Geautomatiseerd IsAutomated	Een indicator 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 boekingen die automatisch door het systeem worden gegenereerd, zoals terugkerende boekingen of boekingen uit systeemintegraties. Door dit attribuut te analyseren, kun je de effectiviteit van automatisering beoordelen. Je kunt doorlooptijden, foutpercentages en kosten van geautomatiseerde en handmatige processen rechtstreeks vergelijken. Dat helpt bij het onderbouwen van verdere automatisering en het meten van de ROI van bestaande initiatieven. Waarom dit belangrijk is Hiermee kun je handmatige en geautomatiseerde processen rechtstreeks vergelijken en de impact en ROI van automatiseringsinitiatieven meten. Waar je het vindt Dit kan worden afgeleid uit het 'Journal Entry Type', bijvoorbeeld 'Recurring', of uit het veld 'User' wanneer systeemgebruikers, zoals 'SYSTEM' of 'BATCH', geautomatiseerde boekingen uitvoeren. Voorbeelden truefalse
	Herstelwerk IsRework	Een berekende indicator die waar is als de journaalpost minstens één keer is afgewezen.
Beschrijving Deze booleaanse indicator identificeert journaalposten waaraan herstelwerk is uitgevoerd. De waarde wordt meestal op waar gezet als een case de activiteit 'Journaalpost afgewezen' bevat, gevolgd door 'Gecorrigeerd en opnieuw ingediend'. Met dit attribuut kun je herstelwerk eenvoudig analyseren door alle cases met een afwijzing te filteren. Het vormt de basis voor het berekenen van de KPI 'Afwijzingspercentage van journaalposten' en voor analyses in het dashboard 'Analyse van afwijzingen en herstelwerk bij journaalposten'. Zo krijg je inzicht in de tijd- en kostenimpact van kwaliteitsproblemen. Waarom dit belangrijk is Het identificeert cases met herstelwerk en maakt het eenvoudiger om afwijzingspercentages en de impact van kwaliteitsproblemen te analyseren. Waar je het vindt Deze indicator wordt in de process mining-tool berekend door de volgorde van activiteiten per case te controleren. Voorbeelden truefalse
	Valuta Currency	De valutacode voor het bedrag in de journaalpost.
Beschrijving Dit attribuut geeft de valuta van het bedrag van de journaalpost aan, zoals USD, EUR of GBP. Het is nodig om de financiële waarde van de transacties goed te interpreteren. Voor multinationale organisaties kan een analyse per valuta extra context geven. Je kunt de procesanalyse filteren op specifieke valuta. Ook is dit veld nodig voor elk dashboard waarin financiële bedragen worden opgeteld. Waarom dit belangrijk is Het geeft de nodige context bij financiële bedragen, zodat je ze correct kunt interpreteren en per valuta kunt analyseren. Waar je het vindt Dit is een standaardveld in de kop van de journaalpost in BlackLine, meestal met de naam 'Document Currency' of iets vergelijkbaars. Voorbeelden USDEURGBPJPY
	Vertraging tussen goedkeuring en boeking ApprovalToPostingLag	De berekende duur tussen de laatste goedkeuring en het moment waarop de journaalpost daadwerkelijk wordt geboekt.
Beschrijving Deze metric meet de vertraging nadat een journaalpost volledig is goedgekeurd, maar voordat deze in het grootboek wordt geboekt. Je berekent de metric als het tijdsverschil tussen de activiteit 'Journaalpost goedgekeurd' en de activiteit 'Journaalpost geboekt'. Dit is een belangrijke KPI om knelpunten na goedkeuring te vinden. Die kunnen het financiële afsluitproces aanzienlijk vertragen. Het dashboard 'Analyse van vertraging tussen goedkeuring en boeking' gebruikt deze metric om te onderzoeken waarom goedgekeurde boekingen niet snel worden verwerkt en hoe je de laatste processtappen kunt verbeteren. Waarom dit belangrijk is Het meet specifiek de efficiëntie na goedkeuring en helpt vertragingen te vinden en weg te nemen die de snelheid van de financiële afsluiting beïnvloeden. Waar je het vindt Deze metric wordt in de process mining-tool berekend door voor elke case de duur tussen de events 'Journaalpost goedgekeurd' en 'Journaalpost geboekt' te bepalen. Voorbeelden P0DT1H10MP1DT2H0MP0DT0H5M

Verplicht Aanbevolen Optioneel

Van vastlegging tot rapportage - activiteiten van journaalposten

Dit zijn de belangrijkste processtappen en mijlpalen die je in je event log vastlegt voor een nauwkeurige ontdekking en analyse van je journaalpostproces.

6 Aanbevolen 6 Optioneel

	Activiteit	Beschrijving
	Journaalpost aangemaakt	Deze activiteit markeert de start van een case voor een journaalpost. De activiteit wordt vastgelegd wanneer een gebruiker in BlackLine een nieuw record voor een journaalpost aanmaakt. Daarbij worden een unieke Journal Entry ID, de aanmaaktimestamp en de gebruiker geregistreerd.
Waarom dit belangrijk is Dit is de primaire startgebeurtenis van het proces. Door de tijd vanaf deze activiteit tot andere activiteiten te analyseren, zie je de totale doorlooptijd van het proces en vertragingen aan het begin van de workflow. Waar je het vindt Deze gebeurtenis wordt expliciet vastgelegd in de Journal Entry-module van BlackLine. De activiteit wordt afgeleid uit de aanmaaktimestamp en gebruikersgegevens die bij elke Journal Entry ID in de hoofdtafel voor journaalposten of de auditgeschiedenis staan. Vastleggen Vastgelegd op basis van de timestamp 'Create Date' die bij het record van de journaalpost hoort. Eventtype explicit
	Journaalpost afgestemd	Dit markeert het einde van de levenscyclus waarin de journaalpost is opgenomen in een definitieve en gecertificeerde rekeningreconciliatie. In BlackLine komt dit overeen met de certificering van de reconciliatie waarin deze journaalpost staat.
Waarom dit belangrijk is Deze activiteit is het eindpunt van het end-to-end-proces. De tijd tussen 'Journal Entry Posted' en 'Reconciled' meet de efficiëntie van het reconciliatiegedeelte van de financiële afsluiting. Waar je het vindt Dit is een afgeleide gebeurtenis. De activiteit wordt bepaald door vast te stellen wanneer de rekeningreconciliatie met de specifieke journaalpost in de Account Reconciliation-module van BlackLine de status 'Certified' krijgt. Vastleggen Afgeleid door de journaalpost aan de bijbehorende rekeningreconciliatie te koppelen en de certificeringsdatum van die reconciliatie vast te leggen. Eventtype inferred
	Journaalpost afgewezen	Deze activiteit markeert de afwijzing van een journaalpost door een reviewer of goedkeurder. De activiteit wordt vastgelegd wanneer een gebruiker de actie 'Reject' uitvoert, waardoor de status van de post verandert naar 'Rejected'. Dit wordt geregistreerd in de auditlog.
Waarom dit belangrijk is Dit is een belangrijke activiteit om herstelwerk, kwaliteitsproblemen en trainingsbehoeften te identificeren. Het analyseren van de frequentie en redenen van afwijzingen en de daaropvolgende herstelronde is belangrijk voor procesverbetering en kortere doorlooptijden. Waar je het vindt Deze activiteit wordt meestal afgeleid uit een statuswijziging naar 'Rejected' of 'Needs Correction' in de data van de journaalpost. De timestamp en de gebruiker die de afwijzing uitvoerde, worden vastgelegd in de geschiedenis van BlackLine. Vastleggen Afgeleid uit de timestamp waarop de status van de journaalpost wordt bijgewerkt naar 'Rejected'. Eventtype inferred
	Journaalpost geboekt	Dit is het moment waarop de goedgekeurde journaalpost officieel in het grootboek wordt vastgelegd. Vaak gaat het om een expliciete actie in BlackLine, waarna de status van de post wordt bijgewerkt naar 'Posted'.
Waarom dit belangrijk is Dit is een belangrijk meetpunt en wordt vaak gezien als het operationele einde van het proces. De tijd tussen 'Journal Entry Approved' en deze activiteit is een belangrijke indicator voor de efficiëntie na goedkeuring. Waar je het vindt Deze activiteit wordt meestal afgeleid uit een statuswijziging naar 'Posted'. De gebeurtenis kan ook expliciet worden vastgelegd in een tabel met boekingsgeschiedenis of in een audittrail, met een specifieke boekingsdatum en timestamp. Vastleggen Afgeleid uit de timestamp waarop de status van de journaalpost wordt bijgewerkt naar 'Posted'. Ook het veld met de boekingsdatum is relevant. Eventtype inferred
	Journaalpost goedgekeurd	Deze activiteit betekent dat de journaalpost alle vereiste review- en goedkeuringsstappen heeft doorlopen. De activiteit wordt vastgelegd wanneer de laatste bevoegde gebruiker de post goedkeurt en de status verandert naar 'Approved'.
Waarom dit belangrijk is Dit is een belangrijk meetpunt dat het goedkeuringsproces afsluit. De tijd tussen 'Journal Entry Submitted' en deze gebeurtenis is de 'Approval Cycle Time', een belangrijke KPI voor de efficiëntie van de workflow. Waar je het vindt Deze gebeurtenis wordt afgeleid uit een statuswijziging naar 'Approved' in het record van de journaalpost. De gebruikers-ID van de laatste goedkeurder en de goedkeuringstimestamp worden meestal vastgelegd in de auditgeschiedenis van BlackLine. Vastleggen Afgeleid uit de timestamp waarop de status van de journaalpost wordt bijgewerkt naar 'Approved'. Eventtype inferred
	Journaalpost ingediend	Deze activiteit vindt plaats wanneer de opsteller de journaalpost formeel indient voor de review- en goedkeuringsworkflow. Meestal wordt dit vastgelegd als een statuswijziging, bijvoorbeeld van 'In Preparation' naar 'Submitted', met een timestamp.
Waarom dit belangrijk is Dit markeert het einde van de voorbereidingsfase en het begin van de goedkeuringscyclus. Het is een belangrijk meetpunt voor de duur van zowel de voorbereiding als de goedkeuring. Waar je het vindt Deze activiteit wordt waarschijnlijk afgeleid uit een statuswijziging in het record van de journaalpost in BlackLine. De timestamp waarop de status verandert naar 'Submitted for Approval' of een vergelijkbare waarde markeert het moment van de gebeurtenis. Vastleggen Afgeleid uit de timestamp waarop het statusveld van de journaalpost wordt bijgewerkt naar 'Submitted' of 'Pending Approval'. Eventtype inferred
	Boeking gecorrigeerd en opnieuw ingediend	Deze activiteit vindt plaats nadat een journaalpost is afgewezen en de opsteller de nodige correcties heeft uitgevoerd en de post opnieuw heeft ingediend. Dit wordt vastgelegd als een statuswijziging van 'Rejected' naar 'Submitted for Approval'.
Waarom dit belangrijk is Met deze activiteit meet je de tijd en inspanning voor herstelwerk. De duur tussen 'Journal Entry Rejected' en deze gebeurtenis is de hersteltijd, een belangrijke metric voor efficiëntieanalyse. Waar je het vindt Deze activiteit wordt afgeleid uit een reeks statuswijzigingen in de BlackLine-data, specifiek de overgang van 'Rejected' naar 'Submitted' of 'Pending Approval' voor dezelfde Journal Entry ID. Vastleggen Afgeleid uit een statuswijziging van 'Rejected' naar 'Submitted' of 'Pending Approval'. Eventtype inferred
	Boeking geverifieerd	Dit is de bevestiging dat een geboekte journaalpost succesvol is ontvangen en vastgelegd in het doel-ERP-systeem. Het kan gaan om een automatische systeemhandshake of een handmatige bevestigingsstap.
Waarom dit belangrijk is Deze activiteit rondt de boekingsstap af en bevestigt de gegevensintegriteit tussen systemen. De duur tussen 'Posted' en 'Verified' kan integratieproblemen of vertragingen in de synchronisatie zichtbaar maken. Waar je het vindt Dit kan een expliciete gebeurtenis zijn uit een systeemintegratielog of worden afgeleid uit een statuswijziging naar bijvoorbeeld 'Posted and Verified'. Bij een handmatige stap gaat het om een statusupdate door een gebruiker. Vastleggen Afgeleid uit een statusupdate naar 'Verified' of uit een bevestigingsvlag die het doel-ERP-systeem terugstuurt. Eventtype inferred
	Goedkeuring ingetrokken	Deze activiteit betekent dat een goedkeurder een eerder verleende goedkeuring intrekt, waardoor de journaalpost teruggaat naar een eerdere status. Dit wordt vastgelegd als een statuswijziging van 'Approved' naar een eerdere status, zoals 'In Preparation'.
Waarom dit belangrijk is Deze zeldzame maar belangrijke activiteit laat procesuitzonderingen en mogelijke problemen zien die na goedkeuring maar vóór het boeken worden ontdekt. Het kan gaan om datafouten of beleidswijzigingen die gevolgen hebben voor de post. Waar je het vindt Dit is een afgeleide gebeurtenis, herkenbaar aan een statuswijziging van 'Approved' naar een niet-geboekte status waarin de post nog kan worden bewerkt. De actie wordt vastgelegd in de gedetailleerde auditlogs van BlackLine. Vastleggen Herkenbaar aan een statuswijziging van 'Approved' terug naar een eerdere status, zoals 'In Preparation' of 'Submitted'. Eventtype inferred
	Journaalpost gecontroleerd	Dit is een formele reviewstap in een goedkeuringsproces met meerdere niveaus, uitgevoerd door een aangewezen reviewer. Meestal wordt de activiteit vastgelegd als statuswijziging of als een specifieke logregel die de actie van de reviewer aangeeft.
Waarom dit belangrijk is Bij organisaties met aparte review- en goedkeuringsstappen helpt deze activiteit om bottlenecks in de goedkeuringsketen te isoleren. Je ziet hoe lang posten wachten op de eerste review en hoe lang de uiteindelijke goedkeuring duurt. Waar je het vindt In BlackLine-workflows kan dit een expliciete gebeurtenis zijn in de log van de goedkeuringsgeschiedenis. De activiteit kan ook worden afgeleid uit een statuswijziging naar 'Reviewed' of 'Pending Final Approval'. De gebruiker en timestamp worden vastgelegd. Vastleggen Afgeleid uit de timestamp waarop de status van de journaalpost verandert om aan te geven dat de reviewfase is afgerond. Eventtype inferred
	Ondersteunende documentatie toegevoegd	Dit is de actie waarbij een gebruiker een of meer ondersteunende documenten aan de journaalpost toevoegt. De gebeurtenis wordt meestal vastgelegd in een auditlog of een tabel met bijlagen die aan de Journal Entry ID is gekoppeld.
Waarom dit belangrijk is Deze activiteit volgen is belangrijk om compliance en efficiëntie te bewaken. Je kunt ermee analyseren of vertragingen in het goedkeuringsproces worden veroorzaakt door ontbrekende documentatie. Ook ondersteunt de activiteit de KPI 'Documentation Attachment Rate'. Waar je het vindt Dit is meestal een expliciete gebeurtenis in BlackLine, vastgelegd in een audittrail of bijlagenlog. De data bevat de Journal Entry ID, de gebruiker die het bestand heeft toegevoegd en een timestamp. Vastleggen De gebeurtenis wordt vastgelegd in de audittrail van het systeem of in een aparte tabel met bijlagegeschiedenis zodra een bestand aan een journaalpost wordt toegevoegd. Eventtype explicit
	Tegenboeking verwerkt	Deze activiteit legt het aanmaken en boeken vast van een nieuwe journaalpost die een eerder geboekte post terugboekt. Dit gebeurt meestal naar aanleiding van een fout die na het boeken van de oorspronkelijke post is ontdekt.
Waarom dit belangrijk is Deze gebeurtenis wijst sterk op problemen met de datakwaliteit eerder in het proces. Door het aantal terugboekingen te volgen, meet je de 'Post-Posting Adjustment Rate' en identificeer je gebieden waar de nauwkeurigheid moet verbeteren. Waar je het vindt Dit is vaak een expliciete gebeurtenis waarbij een gebruiker in BlackLine de actie 'Reverse' uitvoert op een geboekte journaalpost. Het systeem maakt een nieuwe terugboekingspost aan, die vaak aan de oorspronkelijke Journal Entry ID is gekoppeld. Vastleggen Vastgelegd wanneer een actie 'Reverse' wordt geregistreerd of wanneer een nieuwe journaalpost wordt aangemaakt met een terugboekingsvlag en een verwijzing naar de oorspronkelijke Journal Entry ID. Eventtype explicit

Aanbevolen Optioneel

Extractiegidsen

Zo haal je je data uit BlackLine

Stappen

Log in op je BlackLine-instantie met een gebruikersaccount dat de benodigde rechten heeft voor toegang tot financiële rapportages.
Ga naar de rapportagemodule. Die vind je 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 voor journal entries 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. We raden aan om te beginnen met een periode van 3 tot 6 maanden.
Pas de benodigde filters toe om de data te beperken. Filter minimaal op de relevante 'Company Code(s)'. Je kunt ook filteren op 'Journal Status' om alle relevante statussen vanaf aanmaak tot boeking op te nemen.
Selecteer alle beschikbare kolommen voor de uitvoer, zodat het rapport alle benodigde datum-, gebruikers- en statusvelden bevat voor het genereren van een event log. Belangrijke velden zijn de aanmaakdatum, indieningsdatum, goedkeuringsdatum, boekingsdatum en gebruikersrollen.
Voer het rapport uit in de BlackLine-UI. Gebruik na het genereren de functie 'Export' of 'Download' om de data als CSV-bestand op te slaan. Noem het bestand 'blackline_report.csv'.
Stel een Python-omgeving in met de pandas-bibliotheek. Installeer deze als dat nodig is met het commando: pip install pandas.
Plaats het meegeleverde Python-script in dezelfde map als het gedownloade bestand 'blackline_report.csv'.
Voer het Python-script uit. Het script leest het onbewerkte CSV-rapport, zet de data om door voor elke bedrijfsactiviteit een afzonderlijke rij te maken en genereert een nieuw bestand met de naam 'event_log.csv' in het vereiste formaat.
Voer validatiecontroles uit op het bestand 'event_log.csv' om de datakwaliteit en volledigheid te controleren voordat je het uploadt.
Upload het definitieve bestand 'event_log.csv' naar ProcessMind voor analyse.

Configuratie

Rapportnaam: Journal Entry & Services Report. De exacte naam kan verschillen afhankelijk van je BlackLine-configuratie.
Datumbereik: Voor een eerste analyse raden we aan om 3 tot 6 maanden aan data te extraheren. Het datumfilter in het rapport geldt meestal voor de aanmaakdatum of boekingsdatum van de journal entry. Controleer welk datumveld voor het filter wordt gebruikt, zodat je de juiste dataset extraheert.
Belangrijke filters:
- Company Code: Geef altijd de company codes op die je wilt analyseren. Zo beperk je de hoeveelheid data en houd je de analyse gericht.
- Journal Status: Selecteer alle statussen, bijvoorbeeld In Preparation, Submitted, Approved, Rejected en Posted, om het volledige proces van begin tot eind vast te leggen.
- Journal Type: Filter indien nodig op specifieke journaltypen, zoals Standard of Recurring, afhankelijk van de scope van je analyse.
Vereisten: Het gebruikersaccount waarmee je het rapport uitvoert, moet rechten hebben om journal-entrydata te bekijken en standaardrapporten in BlackLine uit te voeren. Hiervoor is meestal een rol nodig zoals 'Accountant' of 'Reporting User'.
Prestaties: Het exporteren van een grote dataset over een lange periode of veel company codes kan veel capaciteit vragen en in de BlackLine-UI lang duren. Voer het rapport bij prestatieproblemen of time-outs in kleinere batches uit.

a 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 nieuwer is geïnstalleerd. Installeer de benodigde bibliotheken met pip: pip install requests pandas. Vraag je BlackLine-beheerder om API-inloggegevens, bestaande uit een Client ID, Client Secret en Refresh Token, en om de BlackLine Base URL van je organisatie.
Scriptvariabelen configureren: 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 tijdelijke access token op die nodig is voor alle volgende API-aanroepen.
Eerste lijst met journal entries ophalen: Het script doet een gepagineerd verzoek naar het eindpunt /api/v2/journals en filtert op het opgegeven aanmaakdatumbereik. Het doorloopt de pagina's en verzamelt de basisgegevens van alle journal entries binnen de scope.
Gedetailleerde eventgeschiedenis ophalen: Voor elke Journal Entry ID uit de vorige stap doet het script twee extra API-aanroepen. Eerst vraagt het de history-endpoint van de journal entry op, bijvoorbeeld /api/v2/journals/{id}/history, voor een gedetailleerd auditspoor van statuswijzigingen, goedkeuringen en afwijzingen. Daarna roept het de attachments-endpoint 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 journal entry en de bijbehorende history- en attachmentrecords. Vervolgens zet het de onbewerkte data om naar een gestructureerd event-logformaat, met een afzonderlijke rij voor elk van de 12 vereiste activiteiten, zoals 'Journal Entry Created', 'Journal Entry Submitted' en 'Journal Entry Approved'.
Statuswijzigingen aan activiteiten koppelen: Het script genereert belangrijke activiteiten door de data uit de history-endpoint te interpreteren. Een history-item met een statuswijziging naar 'Submitted' wordt bijvoorbeeld de activiteit 'Journal Entry Submitted'. De logica in het script koppelt verschillende typen history-events 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 het event 'Created' uit de hoofdlijst met journal entries. Daarna maakt het een tweede DataFrame met alle overige activiteiten uit de history- en attachmentlogs. Deze DataFrames worden samengevoegd tot één volledig event log.
Metadata toevoegen en kolommen standaardiseren: Na het samenvoegen voegt het script verplichte metadatakolommen toe, waaronder SourceSystem (vast ingesteld op 'BlackLine') en LastDataUpdate (ingesteld op het uitvoeringstijdstip van het script). Ook worden kolommen hernoemd volgens het vereiste schema, bijvoorbeeld door het API-veld id te koppelen aan JournalEntryId.
Exporteren naar CSV: Tot slot exporteert het script het voltooide event-log-DataFrame naar een CSV-bestand met de naam blackline_journal_entry_event_log.csv. Dit bestand is klaar om rechtstreeks naar ProcessMind te uploaden.

Configuratie

API-inloggegevens: Je hebt een geldige Client ID, Client Secret en Refresh Token voor de BlackLine REST API nodig. Bewaar deze veilig en zet ze niet rechtstreeks hardcoded in productiescripts.
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 van de afgelopen 3 tot 6 maanden aan. Zo krijg je voldoende data zonder dat de dataset onnodig groot wordt.
Paginatielimiet: De variabele LIMIT bepaalt hoeveel records per API-aanroep worden opgehaald. De standaardwaarde is meestal 100. Aanpassen kan gevolgen hebben voor de prestaties. Laat de aanbevolen waarde daarom staan, tenzij BlackLine Support anders adviseert.
Vereiste rechten: De API-gebruiker die bij de inloggegevens hoort, moet voldoende rechten hebben om journal entries, journal history en attachments te lezen voor de company codes die je wilt analyseren.
Python-omgeving: Voor het uitvoeren van het script heb je een werkende Python 3.6+-omgeving nodig met de bibliotheken requests en pandas.

a 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 je datavoorbereiding eenvoudiger te maken en waardevolle inzichten in je Record to Report - Journal Entry-proces te krijgen. Begin vandaag met het verbeteren van efficiëntie en compliance.

Terug naar de verbetergids Template downloaden

Verbeter vandaag de efficiëntie van Record to Report Journal Entry

Verkort de doorlooptijd van journal entries met 30% en rond je afsluiting sneller en nauwkeuriger af.

Start je gratis proefperiode

Geen creditcard nodig • In enkele minuten ingesteld

Jouw datatemplate voor Record to Report - Journal Entry

Jouw datatemplate voor Record to Report - Journal Entry

Van vastlegging tot rapportage - attributen van journaalposten

Van vastlegging tot rapportage - activiteiten van journaalposten

Extractiegidsen

BlackLine Journal Entry & Services Report-export

Stappen

Configuratie

a Voorbeeldquery python

Python-script voor extractie via de BlackLine REST API

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Verbeter vandaag de efficiëntie van Record to Report Journal Entry

Jouw datatemplate voor Record to Report - Journal Entry

Jouw datatemplate voor Record to Report - Journal Entry

Van vastlegging tot rapportage - attributen van journaalposten

Van vastlegging tot rapportage - activiteiten van journaalposten

Extractiegidsen

BlackLine Journal Entry & Services Report-export

Stappen

Configuratie

a Voorbeeldquery python

Python-script voor extractie via de BlackLine REST API

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Verbeter vandaag de efficiëntie van Record to Report Journal Entry

We respecteren je privacy