> Continu verbeteren van processen > Salarisverwerking > Ceridian Dayforce > Datatemplate

Datatemplate voor loonverwerking

Ceridian Dayforce

Attributen voor loonverwerking (17) Activiteiten voor loonverwerking (15) Extractiegidsen (2)

Datatemplate voor loonverwerking

Deze template biedt een compleet raamwerk om de levenscyclus van de loonverwerking in Ceridian Dayforce in kaart te brengen. Je vindt er de benodigde datavelden en procesmomenten in om een kwalitatief goed event log op te bouwen voor een grondige analyse. Met deze richtlijnen krijg je een volledig beeld van de uitbetalingsworkflows en zie je waar de bedrijfsvoering beter kan.

Aanbevolen attributen om te verzamelen
Belangrijke activiteiten om bij te houden
Extractierichtlijnen voor dit systeem

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

Template downloaden

Attributen voor loonverwerking

Deze aanbevolen datavelden bevatten belangrijke bedrijfscontext en systeemgegevens uit Ceridian Dayforce. Ze vormen een goede basis voor je procesanalyse.

5 Verplicht 5 Aanbevolen 7 Optioneel

	Naam	Beschrijving
	Activiteit ActivityName	De naam van de processtap of het uitgevoerde event.
Beschrijving Dit attribuut geeft het specifieke event in de payrollcyclus weer. Standaardactiviteiten in Dayforce zijn onder meer ‘Urenstaat ingediend’, ‘Brutoloon berekend’, ‘Payroll vastgelegd’, ‘Betaling uitgevoerd’ en ‘Belastingaangifte voltooid’. Deze waarden worden doorgaans opgehaald uit de auditlogboeken van de workflow, transactielogboeken van het systeem, bijvoorbeeld statuswijzigingen van de payroll, of timestamps van specifieke bedrijfsobjecten zoals de Pay Run of Time Sheet. Waarom dit belangrijk is Dit attribuut bepaalt de processtappen en is essentieel om de processtroom te reconstrueren en varianten te analyseren. Waar vind je dit? Workflowlogboeken, auditsporen of tabellen met de geschiedenis van statuswijzigingen. Voorbeelden Urenstaat ingediendBrutoloon berekendBetaling uitgevoerdData gecorrigeerdAudituitzondering gemarkeerd
	Payrollrecord PayrollRecordId	Unieke identificatie van de payrollcase, samengesteld uit de medewerker en de betaalperiode.
Beschrijving Dit attribuut is de unieke Case-ID voor het proces. In Ceridian Dayforce is een payrollrecord in feite de combinatie van één specifieke medewerker en één specifieke betaalperiode, vaak vastgelegd binnen een Pay Group. Het volgt de beloning van die medewerker gedurende de betreffende cyclus. Technisch wordt deze ID vaak samengesteld door de Pay Period ID en de Employee XRefCode of System ID samen te voegen. Zo worden alle activiteiten gekoppeld, vanaf het indienen van de eerste urenstaat tot en met de definitieve belastingaangifte en het aanmaken van de loonstrook. Waarom dit belangrijk is Dit attribuut identificeert het centrale object van de process mining-analyse. Zo kunnen alle events worden gegroepeerd in één volledig procesverloop. Waar vind je dit? Afgeleid uit de combinatie van PayPeriodID en EmployeeID in de tabellen Payroll Result of Time Entry. Voorbeelden PG01-2023-10-EMP10234US_SAL-2023-22-EMP88421UK_HRLY-2023-44-EMP00231
	Timestamp EventDateTime	De datum en tijd waarop de activiteit plaatsvond.
Beschrijving De exacte timestamp waarop een event in Dayforce plaatsvond. Hiermee orden je activiteiten chronologisch en bereken je de tijd tussen processtappen. Nauwkeurige timestamps zijn belangrijk om bottlenecks op te sporen, zoals vertragingen bij ‘Urenstaat goedgekeurd’ of ‘Bankoverschrijvingsbestand aangemaakt’. De nauwkeurigheid is bij voorkeur tot op de seconde of minuut. Waarom dit belangrijk is Dit attribuut levert de tijdsdimensie voor process mining, zodat je prestaties kunt analyseren en bottlenecks kunt opsporen. Waar vind je dit? Kolommen met transactietimestamps in audittabellen, bijvoorbeeld CreatedDateTime en LastModifiedDateTime. Voorbeelden 2023-10-12T08:30:00Z2023-10-12T14:15:22Z2023-10-15T09:00:00Z
	Bronsysteem SourceSystem	De naam van het systeem waar de data vandaan komt.
Beschrijving Dit attribuut geeft aan uit welke software of database de payrolldata is gehaald. In deze context is de waarde altijd ‘Ceridian Dayforce’ of ‘Dayforce’. Dit is handig wanneer je data uit meerdere systemen combineert, bijvoorbeeld uit een extern systeem voor uren en aanwezigheid dat data aan Dayforce levert. Zo kun je de herkomst van de data volgen. Waarom dit belangrijk is Dit zorgt ervoor dat je de herkomst kunt volgen en data kunt filteren in process mining-omgevingen met meerdere systemen. Waar vind je dit? Vastgelegd tijdens de extractie of afgeleid uit de verbindingsmetadata. Voorbeelden Ceridian DayforceDayforce ProductionDayforce EU
	Laatste data-update LastDataUpdate	De timestamp waarop de data uit de bron is gehaald.
Beschrijving Geeft aan hoe actueel de data voor de analyse is. Dit is doorgaans de timestamp van de ETL-run (Extract, Transform, Load) waarmee de data uit Dayforce is opgehaald. Zo kunnen analisten zien of ze realtime data bekijken of een momentopname van een eerdere dag. Waarom dit belangrijk is Dit geeft aan hoe actueel de dataset is en helpt om de volledigheid van de data te controleren aan de hand van rapporten uit het bronsysteem. Waar vind je dit? Systeemtijd op het moment dat het script wordt uitgevoerd. Voorbeelden 2023-11-01T00:00:00Z2023-11-02T12:00:00Z
	Afdeling DepartmentName	De organisatorische eenheid waartoe de medewerker behoort.
Beschrijving Geeft de functionele afdeling aan, bijvoorbeeld Sales, IT of HR, die bij het payrollrecord hoort. In Dayforce is dit vaak gekoppeld aan de hiërarchie ‘Org Unit’ of ‘Department’. Dit veld wordt gebruikt in het dashboard ‘Prestaties van urenstaatgoedkeuringen’. Zo kun je inzoomen op specifieke bedrijfsonderdelen waar managers goedkeuringen mogelijk vertragen. Waarom dit belangrijk is Dit maakt het mogelijk om prestaties tussen organisatieonderdelen te vergelijken en de oorzaken van vertragingen bij goedkeuringen te analyseren. Waar vind je dit? Medewerkersrecord of hiërarchie van organisatie-eenheden. Voorbeelden FinanciënLogistiek van de toeleveringsketenVerkoop Noord-Amerika
	Brutoloonbedrag GrossPayAmount	Het berekende brutoloon voor het record.
Beschrijving De totale beloning vóór inhoudingen en belastingen. Deze waarde wordt ingevuld tijdens de activiteit ‘Brutoloon berekend’. Door verschillen in de verwerkingstijd van brutolonen te analyseren, kun je complexe berekeningen opsporen die de verwerkingssnelheid van de berekeningsengine vertragen. Waarom dit belangrijk is Dit geeft financiële context aan het proces en maakt het mogelijk om de verwerking van records met hoge en lage bedragen te vergelijken. Waar vind je dit? Tabel Payroll Result of Pay Run Details. Voorbeelden 2500.004150.501200.00
	Gebruiker die de actie uitvoerde ActionUser	De gebruiker die de specifieke activiteit heeft uitgevoerd.
Beschrijving Identificeert de persoon die verantwoordelijk is voor het event, zoals de manager die een urenstaat goedkeurt of de payrollspecialist die de betaalrun vastlegt. Deze data is belangrijk voor het overzicht ‘Productiviteit van payrollspecialisten’ en om te bepalen waar managers training nodig hebben. Waarom dit belangrijk is Dit ondersteunt bronanalyse en het volgen van verantwoordelijkheden binnen het proces. Waar vind je dit? Auditlogboeken, kolom User ID in transactietabellen. Voorbeelden jsmithSysteembeheerdermgarcia_mgr
	Pay Group PayGroupName	De groep medewerkers van wie de payroll gezamenlijk wordt verwerkt.
Beschrijving Groepeert medewerkers die volgens hetzelfde schema worden betaald, bijvoorbeeld ‘US Bi-Weekly’ of ‘UK Monthly’. In Dayforce is de Pay Group een belangrijke organisatorische eenheid voor payrollruns. Dit attribuut is belangrijk voor het dashboard ‘Doorlooptijd van de volledige payrollcyclus’, omdat betaalgroepen van nature verschillende doorlooptijden en deadlines hebben. Waarom dit belangrijk is Dit is de belangrijkste indeling om payrollprestaties te vergelijken en problemen binnen specifieke groepen op te sporen. Waar vind je dit? Tabel PayGroup of definitie van PayRun. Voorbeelden US Corporate SalariedCA Retail HourlyUK Executive Monthly
	SLA-deadline voor verwerking SlaProcessingDeadline	De vereiste eindtijd voor het aanmaken van het bankbestand.
Beschrijving De interne of externe deadline waarbinnen de activiteit ‘Bankoverschrijvingsbestand aangemaakt’ moet plaatsvinden om medewerkers op tijd te betalen. Dit attribuut wordt gebruikt in het dashboard ‘Naleving van de deadline voor bankoverschrijvingen’. Dit kan een vaste regel zijn op basis van de betaaldatum, bijvoorbeeld de betaaldatum min twee dagen, of een ingesteld veld in de instellingen van de Pay Group. Waarom dit belangrijk is Dit is de norm voor het berekenen van tijdige verwerking en het risico op complianceproblemen. Waar vind je dit? Afgeleid uit de betaaldatum en de configuratie van de regels voor bankverwerking. Voorbeelden 2023-10-25T14:00:00Z2023-10-26T10:00:00Z
	Belastinggebied TaxJurisdiction	De regio of instantie waarvoor de belastingaangifte wordt ingediend.
Beschrijving Identificeert de specifieke belastinginstantie, bijvoorbeeld een staat, provincie of land, die van toepassing is op het payrollrecord. Dit attribuut ondersteunt het dashboard ‘Controle van belastingaangiften en compliance’. Zo kun je het complianceproces na de payrollverwerking uitsplitsen en belastinggebieden vinden waar aangiften vaak vertraging oplopen. Waarom dit belangrijk is Dit maakt het mogelijk om compliance te volgen en procesprestaties per regio te analyseren. Waar vind je dit? Belastinginstellingen van de medewerker of belastinggegevens van Payroll Result. Voorbeelden CaliforniëOntarioNew YorkVerenigd Koninkrijk
	Is audituitzondering IsAuditExceptionFlagged	Booleaanse vlag die aangeeft of de registratie een auditwaarschuwing heeft veroorzaakt.
Beschrijving Een berekende of rechtstreeks vastgelegde vlag die aangeeft dat de activiteit ‘Audituitzondering gemarkeerd’ voor deze case heeft plaatsgevonden. Deze vlag wordt gebruikt voor de KPI ‘Percentage gemarkeerde audituitzonderingen’. Veel uitzonderingen wijzen op problemen met de datakwaliteit of op te strenge instellingen in de compliance-engine van Dayforce. Waarom dit belangrijk is Hiermee bereken je eenvoudig foutpercentages en lussen met herstelwerk. Waar vind je dit? Afgeleid van het voorkomen van de activiteit ‘Audituitzondering gemarkeerd’. Voorbeelden truefalse
	Is bankoverschrijving te laat IsBankTransferLate	Vlag die aangeeft of het bankbestand de deadline heeft gemist.
Beschrijving Een booleaanse waarde die wordt berekend door de timestamp van ‘Bankoverschrijvingsbestand gegenereerd’ te vergelijken met de ‘SLA-verwerkingsdeadline’. Deze waarde wordt gebruikt voor de KPI ‘Percentage tijdige bankoverschrijvingen’. Door te zien welke overschrijvingen te laat zijn, kun je vertragingen in betalingen aan medewerkers voorkomen. Waarom dit belangrijk is Dit is een belangrijke indicator voor compliance en betrouwbaarheid. Waar vind je dit? Berekend: BankTransferTime > SlaProcessingDeadline. Voorbeelden truefalse
	Kostenplaats CostCenterCode	De financiële code waarop de loonkosten worden geboekt.
Beschrijving De kostenplaats in het grootboek die hoort bij de inkomsten van de medewerker. In de weergave ‘Benchmarks voor kostenplaatsverwerking’ kun je hiermee de efficiëntie van verschillende financiële eenheden vergelijken. In Dayforce maakt dit deel uit van de toewijzingsgegevens van het grootboek (GL). Waarom dit belangrijk is Zo koppel je de procesprestaties aan de financiële rapportagestructuur. Waar vind je dit? GL-instellingen van medewerkers of tabellen voor arbeidskostenverdeling. Voorbeelden CC-1020CC-5500-USCC-IT-OPS
	Loonperiode PayPeriodDescription	De beschrijvende naam van de looncyclus.
Beschrijving De leesbare naam van de loonperiode (bijvoorbeeld ‘Week 42 van 2023’ of ‘Tweewekelijkse loonperiode oktober 2023’). Hiermee kun je gegevens filteren en weergeven op dashboards. De naam geeft context bij de ‘Loonregistratie’ en wordt vaak getoond in de ‘Analyse van procesvarianten’ om specifieke uitvoeringen te filteren. Waarom dit belangrijk is Zo zijn de data begrijpelijk voor zakelijke gebruikers. Waar vind je dit? De beschrijvingskolom in de tabel PayPeriod. Voorbeelden 2023-W422023-Oct-SM12023-M11
	Reden voor correctie CorrectionReason	De reden die is opgegeven voor gegevenscorrecties.
Beschrijving Als de activiteit ‘Gegevenscorrectie uitgevoerd’ plaatsvindt, legt dit attribuut de opgegeven reden vast (bijvoorbeeld ‘Gemiste klokregistratie’ of ‘Correctie met terugwerkende kracht’). Dit geeft meer detail op het dashboard ‘Percentages handmatige correcties en herstelwerk’. Zo kan het team specifieke oorzaken van handmatig werk aanpakken. Waarom dit belangrijk is Dit is belangrijk om de oorzaken van herstelwerk te analyseren. Waar vind je dit? Details uit het auditlogboek of opmerkingen bij correctietransacties. Voorbeelden Gemiste klokregistratieVerkeerd tariefCorrectie met terugwerkende kracht
	Type dienstverband EmploymentType	De indeling van de medewerker (fulltime, parttime of contractmedewerker).
Beschrijving Geeft aan wat voor arbeidsrelatie de medewerker heeft. Bij benchmarks kun je nagaan of contractmedewerkers of parttimers andere kenmerken of foutpercentages hebben bij de loonverwerking. Deze informatie staat vaak in de medewerkerregistratie in Dayforce. Waarom dit belangrijk is Hiermee kun je gegevens uitsplitsen en verwerkingscijfers eerlijk vergelijken. Waar vind je dit? Tabel Employee. Voorbeelden FulltimeParttimeContractmedewerker

Verplicht Aanbevolen Optioneel

Activiteiten voor loonverwerking

Leg deze belangrijke gebeurtenissen en statuswijzigingen vast voor een nauwkeurig chronologisch overzicht van de loonverwerking en uitbetalingsworkflows.

7 Aanbevolen 8 Optioneel

	Activiteit	Beschrijving
	Bankoverschrijvingsbestand aangemaakt	Het NACHA-, SEPA- of andere bankbestand wordt aangemaakt. Hiermee bereken je het percentage bankoverschrijvingen op tijd ten opzichte van de SLA-deadline.
Waarom dit belangrijk is Een essentiële compliance-stap om ervoor te zorgen dat het geld op tijd wordt overgemaakt. Waar vind je dit? Taaklogboek van het systeem dat bevestigt dat het bestand voor de bankoverschrijving is aangemaakt. Vastleggen Geregistreerd wanneer de transactie ‘Bestand aanmaken’ is uitgevoerd Gebeurtenistype explicit
	Betaling uitgevoerd	De datum waarop de betaling aan de medewerker wordt uitgevoerd. Dit is het financiële eindpunt van het proces voor de medewerker.
Waarom dit belangrijk is Belangrijke mijlpaal voor de doorlooptijd van de volledige payrollcyclus en de tevredenheid van medewerkers. Waar vind je dit? Het veld ‘Check Date’ of ‘Payment Date’ in het definitieve payrollrecord. Vastleggen Geregistreerd wanneer de transactie ‘Uitbetaling’ is uitgevoerd Gebeurtenistype explicit
	Brutoloon berekend	De berekeningsengine van het systeem berekent het brutoloon op basis van uren, tarieven en geïmporteerde data. Dit is de eerste stap in het dashboard ‘Verwerkingssnelheid van de berekeningsengine’.
Waarom dit belangrijk is Meet de vertraging van de berekeningsengine nadat alle invoer is vastgelegd. Waar vind je dit? Afgeleid uit het tijdstip waarop het veld ‘Brutoloon’ tijdens de berekeningsbatch wordt ingevuld of bijgewerkt. Vastleggen Vergelijk het statusveld voor en na de wijziging Gebeurtenistype inferred
	Payrollrecord aangemaakt	Dit markeert het aanmaken van een specifieke betaalrun voor een medewerker. In Dayforce gebeurt dit wanneer de Pay Group voor de cyclus wordt geopend en medewerkers aan de run worden toegevoegd.
Waarom dit belangrijk is Dit markeert het begin van de payrollcase en vormt het uitgangspunt voor het meten van de totale doorlooptijd. Waar vind je dit? Bepaal het tijdstip waarop het betaalrunrecord van de medewerker binnen de Pay Group is aangemaakt. Vastleggen Geregistreerd bij het aanmaken van het betaalrunrecord Gebeurtenistype explicit
	Payrollrecord goedgekeurd	De definitieve autorisatie van het payrollrecord, vaak aangeduid als het vastleggen of vergrendelen van de betaalrun. Hiermee eindigt de berekenings- en controlefase.
Waarom dit belangrijk is Dit is de definitieve mijlpaal tussen verwerking en uitbetaling. Waar vind je dit? Wijziging van de status van de Pay Run naar ‘Vastgelegd’, ‘Vergrendeld’ of ‘Goedgekeurd’. Vastleggen Geregistreerd wanneer de transactie ‘Vastleggen’ is uitgevoerd Gebeurtenistype explicit
	Urenstaat goedgekeurd	De manager of leidinggevende keurt de ingediende uren goed. Vertragingen hebben direct invloed op het dashboard ‘Prestaties van urenstaatgoedkeuringen’.
Waarom dit belangrijk is Brengt bottlenecks in de goedkeuringsketen aan het licht die de start van de payrollberekening vertragen. Waar vind je dit? Volg de statuswijziging van de timecard naar ‘Goedgekeurd’ of ‘Ondertekend’ in de WFM-module. Vastleggen Geregistreerd wanneer de transactie ‘Goedgekeurd’ is uitgevoerd Gebeurtenistype explicit
	Urenstaat ingediend	Dit is het moment waarop een medewerker of manager de gegevens over gewerkte uren en aanwezigheid indient voor verwerking. Hiermee worden de WFM-module en de Payroll-module met elkaar verbonden.
Waarom dit belangrijk is Essentieel voor het dashboard ‘Doorlooptijd van de volledige payrollcyclus’, dat vertragingen meet vanaf het moment dat de data wordt aangeleverd. Waar vind je dit? Afgeleid uit de logboeken van de Dayforce WFM-module of uit de statuswijziging van het timecard-object naar ‘Ingediend’. Vastleggen Vergelijk het statusveld voor en na de wijziging Gebeurtenistype inferred
	Audituitzondering gemarkeerd	Het systeem geeft een waarschuwing of foutmelding op basis van validatieregels, bijvoorbeeld bij een negatief nettoloon. Ondersteunt de KPI ‘Percentage gemarkeerde audituitzonderingen’.
Waarom dit belangrijk is Een hoog aantal wijst op slechte datakwaliteit in eerdere processtappen of configuratiefouten waarvoor handmatige tussenkomst nodig is. Waar vind je dit? Haal de gegevens op uit de tabel met systeemmeldingen of foutlogboeken die aan de Pay Run ID is gekoppeld. Vastleggen Geregistreerd wanneer de transactie ‘Uitzondering aangemaakt’ is uitgevoerd Gebeurtenistype explicit
	Belastingaangifte voltooid	Bevestiging dat de belastingaangiften na de payrollverwerking voor het betreffende belastinggebied zijn verwerkt. Ondersteunt het dashboard ‘Controle van belastingaangiften en compliance’.
Waarom dit belangrijk is Zorgt voor naleving van regelgeving en voorkomt boetes nadat medewerkers zijn betaald. Waar vind je dit? Statusupdate in de belastingmodule of het integratielogboek die bevestigt dat de belastingdienst of externe aangiftedienst de aangifte heeft ontvangen. Vastleggen Geregistreerd wanneer de transactie ‘Aangifte bevestigd’ is uitgevoerd Gebeurtenistype explicit
	Belastingen berekend	In de laatste berekeningsstap worden de regels voor belastinggebieden toegepast om het nettoloon te bepalen. Hiermee is de geautomatiseerde berekeningsreeks voltooid.
Waarom dit belangrijk is Complexe belastingregels kunnen de verwerking vertragen. Met deze activiteit kun je de prestaties van de belastingengine meten. Waar vind je dit? Tijdstip waarop de belastingregels worden gegenereerd of het veld ‘Nettoloon’ in de database definitief wordt ingevuld. Vastleggen Vergelijk het statusveld voor en na de wijziging Gebeurtenistype inferred
	Data gecorrigeerd	Een gebruiker past de betaalgegevens, zoals uren, tarieven of inhoudingen, handmatig aan na de eerste berekening. Dit wordt bijgehouden in het dashboard ‘Handmatige correcties en herstelwerk’.
Waarom dit belangrijk is Dit is een directe maatstaf voor herstelwerk. Minder van deze activiteit is een belangrijk doel voor een efficiënter proces. Waar vind je dit? Auditsporen van wijzigingen die een gebruiker heeft aangebracht in tabellen met betaalgegevens van medewerkers. Vastleggen Geregistreerd wanneer de transactie ‘Record bijgewerkt’ is uitgevoerd Gebeurtenistype explicit
	Incentivedata geïmporteerd	Registreert dat externe databestanden met bonussen, commissies of eenmalige betalingen zijn geïmporteerd. Ondersteunt het dashboard ‘Doorlooptijden van incentive-import’.
Waarom dit belangrijk is Vertraging bij het ontvangen van deze data is een veelvoorkomende oorzaak van onderbrekingen in de payrollverwerking. Waar vind je dit? Integratielogboeken van Dayforce die aangeven dat XML- of CSV-importtaken voor de betaalrun zijn voltooid. Vastleggen Geregistreerd wanneer de transactie ‘Import’ is uitgevoerd Gebeurtenistype explicit
	Inhoudingen voor arbeidsvoorwaarden toegepast	De regels voor arbeidsvoorwaarden en inhoudingen worden toegepast op het brutoloon. Dit is onderdeel van de geautomatiseerde berekeningsreeks die het dashboard voor verwerkingssnelheid volgt.
Waarom dit belangrijk is Brengt de verwerkingstijd of fouten in de arbeidsvoorwaardenengine tijdens de payrollrun afzonderlijk in beeld. Waar vind je dit? Tijdstip waarop de inhoudingsregels aan het payrollrecord worden toegevoegd of het veld ‘Totale inhoudingen’ wordt bijgewerkt. Vastleggen Afgeleid door het veld ‘Updatetijdstip’ te vergelijken met ‘Vorige tijd’ Gebeurtenistype calculated
	Loonstrook gepubliceerd	Digitale loonstroken zijn beschikbaar voor medewerkers in het ESS-portaal. Ondersteunt het dashboard ‘Beschikbaarheid van digitale loonstroken’.
Waarom dit belangrijk is Meet de tijd tussen de uitvoering van de betaling en het beschikbaar komen van de informatie. Waar vind je dit? Tijdstip waarop de taak voor het vrijgeven van de loonstrook is voltooid of de zichtbaarheidsinstelling op true is gezet. Vastleggen Vergelijk het statusveld voor en na de wijziging Gebeurtenistype inferred
	Payrollresultaat bekeken in preview	Een gebruiker bekijkt het voorlopige payrollregister of de loonpreview. Hiermee analyseer je de efficiëntie van de previewfase en spoor je herhaalde herstelrondes op.
Waarom dit belangrijk is Dit markeert het begin van de handmatige controle. Herhaalde previews wijzen vaak op aanhoudende problemen met de data. Waar vind je dit? Toegangslogboeken die aangeven dat een gebruiker het rapport ‘Payrollpreview’ heeft gegenereerd of het previewscherm heeft geopend. Vastleggen Geregistreerd wanneer de transactie ‘Previewrapport’ is uitgevoerd Gebeurtenistype explicit

Aanbevolen Optioneel

Extractiegidsen

Zo haal je data uit Ceridian Dayforce

Stappen

Meld je aan bij de Ceridian Dayforce-applicatie met een gebruikersaccount met de rechten Reporting en System Admin.
Ga via het hoofdmenu van de applicatie naar de rapportagefunctie.
Klik op de knop Add om een nieuw rapport te maken en selecteer het onderwerp System Audit Trail. Dit onderwerp bevat het historische logboek met wijzigingen dat nodig is voor process mining.
Voeg in het gedeelte Column Selection de volgende velden toe: Transaction Id, User Name, Timestamp, Feature Name, Operation, Table Name, Column Name, Old Value, New Value en Context Info (dit bevat meestal de context van de medewerker en de Pay Group).
Voeg een filter toe aan het rapport en beperk Feature Name tot Payroll, WFM (Workforce Management) en Benefits.
Voeg een tweede filter toe voor Date Range en stel de gewenste analyseperiode in, bijvoorbeeld Last 90 Days.
Sla het rapport op als Process Mining Audit Extract.
Maak een tweede rapport met het onderwerp Pay Run History. Hiermee leg je statuswijzigingen op hoofdlijnen vast (Calculation, Approval, Commit), die mogelijk niet in het gedetailleerde auditspoor op veldniveau staan. Selecteer de velden Pay Group, Pay Period End Date, Workflow Status, Status Change Date en User.
Voer beide rapporten uit en exporteer de resultaten als CSV-bestand.
Dayforce exporteert genormaliseerde data, dus je moet de twee CSV-bestanden samenvoegen. Koppel records op basis van de Pay Group- en Pay Period-identificatie.
Pas de transformatielogica uit het onderstaande gedeelte Query toe om de onbewerkte Dayforce-auditcodes om te zetten naar gestandaardiseerde activiteitnamen.
Breng de uiteindelijke dataset onder in de vereiste kolommen: PayrollRecordId, ActivityName, EventDateTime, SourceSystem en overige attributen. Sla het bestand vervolgens op als één CSV-bestand om te uploaden.

Configuratie

Onderwerp van het rapport: Gebruik System Audit Trail voor gedetailleerde veldwijzigingen en Pay Run History voor belangrijke workflowmomenten.
Datumbereik: Selecteer een periode van 3 tot 6 maanden. Zo kunnen cases worden afgerond zonder de exportlimiet te overschrijden.
Functiefilters: Filter het auditspoor strikt op de functies Payroll, Time And Attendance en Benefits. Zo voorkom je ruis door niet-gerelateerde HR-wijzigingen.
Gebruikerscontext: Neem acties van de gebruiker System op in de export. Geautomatiseerde stappen, zoals berekeningen, worden uitgevoerd door het System-account en niet door een menselijke gebruiker.
Opmaak: Stel het exportformaat in op CSV (Comma Delimited) zonder groepering van kopteksten, zodat de data machinaal kan worden verwerkt.
Tijdzone: Controleer of alle tijdstempels in de export UTC of servertijd gebruiken. Zo blijven ze chronologisch vergelijkbaar, ook als gebruikers zich op verschillende locaties bevinden.

a Voorbeeldquery json

[
  {
    "ActivityName": "Payroll Record Initialized",
    "SourceReport": "Pay Run History",
    "Logic": "Status equals 'Created' or 'Open'",
    "TimestampField": "Status Change Date",
    "ContextFields": ["PayGroup", "PayPeriod"]
  },
  {
    "ActivityName": "Time Sheet Submitted",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'WFM' AND Table equals 'Timesheet' AND Operation equals 'Submit'",
    "TimestampField": "Timestamp",
    "ContextFields": ["EmployeeId", "PayPeriod"]
  },
  {
    "ActivityName": "Time Sheet Approved",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'WFM' AND Table equals 'Timesheet' AND Operation equals 'Approve'",
    "TimestampField": "Timestamp",
    "ContextFields": ["EmployeeId", "PayPeriod"]
  },
  {
    "ActivityName": "Incentive Data Imported",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'Import' AND Table equals 'PayEntry'",
    "TimestampField": "Timestamp",
    "ContextFields": ["BatchId", "PayGroup"]
  },
  {
    "ActivityName": "Gross Pay Calculated",
    "SourceReport": "Pay Run History",
    "Logic": "Status equals 'Calculated' OR Description contains 'Calculation Completed'",
    "TimestampField": "Status Change Date",
    "ContextFields": ["PayGroup", "PayPeriod"]
  },
  {
    "ActivityName": "Benefits Deductions Applied",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Benefits' AND Table equals 'EmployeeDeduction' AND Operation equals 'Process'",
    "TimestampField": "Timestamp",
    "ContextFields": ["EmployeeId", "DeductionCode"]
  },
  {
    "ActivityName": "Taxes Calculated",
    "SourceReport": "Pay Run History",
    "Logic": "Description contains 'Tax Update' OR Status equals 'Tax Calculated' (Note: Often concurrent with Gross Pay)",
    "TimestampField": "Status Change Date",
    "ContextFields": ["PayGroup"]
  },
  {
    "ActivityName": "Payroll Result Previewed",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'View' AND (Table equals 'Preview' OR Table equals 'PayrollRegister')",
    "TimestampField": "Timestamp",
    "ContextFields": ["User", "PayGroup"]
  },
  {
    "ActivityName": "Audit Exception Flagged",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'Error' OR Table equals 'MessageLog'",
    "TimestampField": "Timestamp",
    "ContextFields": ["MessageId", "Severity"]
  },
  {
    "ActivityName": "Data Correction Performed",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'Update' AND Table equals 'PayEntry' AND User is not 'System'",
    "TimestampField": "Timestamp",
    "ContextFields": ["ColumnName", "OldValue", "NewValue"]
  },
  {
    "ActivityName": "Payroll Record Approved",
    "SourceReport": "Pay Run History",
    "Logic": "Status equals 'Committed' OR Status equals 'Locked'",
    "TimestampField": "Status Change Date",
    "ContextFields": ["PayGroup", "ActionUser"]
  },
  {
    "ActivityName": "Bank Transfer File Generated",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'Payroll' AND Operation equals 'Generate' AND Table equals 'BankFile'",
    "TimestampField": "Timestamp",
    "ContextFields": ["FileName"]
  },
  {
    "ActivityName": "Payment Executed",
    "SourceReport": "Pay Run History",
    "Logic": "Use column 'Check Date' or 'Payment Date' from the Pay Run summary",
    "TimestampField": "Payment Date",
    "ContextFields": ["PayGroup"]
  },
  {
    "ActivityName": "Pay Slip Published",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'ESS' AND Operation equals 'Publish' AND Table equals 'Statement'",
    "TimestampField": "Timestamp",
    "ContextFields": ["EmployeeId"]
  },
  {
    "ActivityName": "Tax Filing Completed",
    "SourceReport": "System Audit Trail",
    "Logic": "Feature equals 'TaxService' AND Operation equals 'File' OR Status equals 'Filed'",
    "TimestampField": "Timestamp",
    "ContextFields": ["Jurisdiction"]
  }
]

Stappen

Vereisten instellen: Zorg dat je een serviceaccount hebt in Ceridian Dayforce met toegang tot de Web Services (REST API). Het account heeft rechten nodig voor Employee Pay Summary, Time entry en Audit/Workflow-data.
API configureren: Ga in Dayforce naar System Admin > Integrations > Web Services. Noteer je Client Namespace en Service URL en controleer of Basic Auth of OAuth is ingesteld. Dit script gaat voor de eenvoud uit van Basic Auth, maar voor productie wordt OAuth aanbevolen.
Omgeving voorbereiden: Installeer Python 3.x en de benodigde bibliotheken. Je hebt de bibliotheken pandas en requests nodig. Installeer ze met pip install pandas requests.
Script configureren: Werk de configuratievariabelen bovenaan het script bij. Vervang de placeholders voor username, password, client_namespace en base_url door de gegevens van je eigen omgeving.
Datumbereik instellen: Stel in het script start_date en end_date in voor de payrollperioden die je wilt analyseren. Voor een eerste controle wordt een periode van 3 tot 6 maanden aanbevolen.
Uitvoeren: Voer het script uit via de opdrachtregel, bijvoorbeeld met python extract_dayforce.py. Het script haalt data op bij meerdere endpoints (Pay Summary, Time, Audit) en voegt die samen tot één event log.
Data transformeren: Het script normaliseert tijdstempels automatisch en zet specifieke Dayforce-statuscodes om naar de vereiste standaardactiviteitnamen. Zo wordt een Workflow Status van committed bijvoorbeeld omgezet naar Payroll Record Approved.
Uitvoer maken: Het script schrijft een CSV-bestand met de naam dayforce_payroll_event_log.csv naar de lokale map.
Controleren: Open het CSV-bestand en controleer of PayrollRecordId voor één betaalperiode overal hetzelfde is en of de datums in een logische chronologische volgorde staan.
Importeren: Upload het CSV-bestand naar ProcessMind. Koppel PayrollRecordId aan Case ID, ActivityName aan Activity en EventDateTime aan Timestamp.

Configuratie

Batchgrootte: De Dayforce API gebruikt paginering. Het script staat standaard ingesteld op 50 of 100 records per pagina. Pas de parameter limit aan als er time-outs optreden.
Verzoeklimieten: Dayforce hanteert strikte limieten voor API-verzoeken. Het script wacht kort tussen verzoeken om fouten als 429 Too Many Requests te voorkomen.
Client Namespace: Deze waarde is essentieel voor de verbindingsreeks. Het is de unieke identificatie van je Dayforce-omgeving.
Vertraging in data: Dayforce-API’s geven doorgaans realtime data terug, maar auditlogs van oude records (ouder dan 1 à 2 jaar) zijn mogelijk gearchiveerd of worden trager opgehaald.
Rechten: De API-gebruiker moet leesrechten hebben voor PII-velden als je gevoelige attributen wilt opnemen. Dit script richt zich echter op procesmetadata.
Tijdzone: API’s geven meestal UTC terug. Het script verwerkt de tijdzoneconversie, maar controleer welke tijdzone de server gebruikt als je de resultaten vergelijkt met schermen in de gebruikersinterface.

a Voorbeeldquery python

import requests
import pandas as pd
import json
from datetime import datetime, timedelta
import time

class=class="hl-string">"hl-comment"># ==========================================
class=class="hl-string">"hl-comment"># CONFIGURATION
class=class="hl-string">"hl-comment"># ==========================================
API_BASE_URL = class="hl-string">"https://www.dayforcehcm.com/api/[YourClientNamespace]/v1"
USERNAME = class="hl-string">"[YourServiceAccount]"
PASSWORD = class="hl-string">"[YourPassword]"
CLIENT_NAMESPACE = class="hl-string">"[YourClientNamespace]"

class=class="hl-string">"hl-comment"># Date range for extraction (YYYY-MM-DD)
START_DATE = class="hl-string">"2023-01-01"
END_DATE = class="hl-string">"2023-04-01"

class=class="hl-string">"hl-comment"># Output file
OUTPUT_FILE = class="hl-string">"dayforce_payroll_event_log.csv"

class=class="hl-string">"hl-comment"># ==========================================
class=class="hl-string">"hl-comment"># HELPER FUNCTIONS
class=class="hl-string">"hl-comment"># ==========================================

def get_auth_session():
    session = requests.Session()
    session.auth = (USERNAME, PASSWORD)
    session.headers.update({class="hl-string">"Content-Type": class="hl-string">"application/json"})
    return session

def fetch_paginated_data(session, endpoint, params=None):
    all_records = []
    url = fclass="hl-string">"{API_BASE_URL}/{endpoint}"
    
    while url:
        try:
            response = session.get(url, params=params)
            if response.status_code == 429:
                time.sleep(2)  class=class="hl-string">"hl-comment"># Simple backoff
                continue
            
            response.raise_for_status()
            data = response.json()
            
            if class="hl-string">'Data' in data:
                all_records.extend(data[class="hl-string">'Data'])
            
            class=class="hl-string">"hl-comment"># Handle Pagination (Paging.Next is typical Dayforce pattern)
            url = data.get(class="hl-string">'Paging', {}).get(class="hl-string">'Next')
            if url and not url.startswith(class="hl-string">'http'):
                class=class="hl-string">"hl-comment"># Sometimes generic Next link needs base url reconstruction
                pass 
            elif not url:
                break
                
        except Exception as e:
            print(fclass="hl-string">"Error fetching {url}: {e}")
            break
            
    return all_records

class=class="hl-string">"hl-comment"># ==========================================
class=class="hl-string">"hl-comment"># EXTRACTION LOGIC
class=class="hl-string">"hl-comment"># ==========================================

def extract_payroll_process():
    session = get_auth_session()
    event_log = []

    print(class="hl-string">"Fetching Pay Summaries...")
    class=class="hl-string">"hl-comment"># In Dayforce, EmployeePaySummary contains the core payroll results
    pay_params = {
        class="hl-string">"filterUpdateStart": START_DATE,
        class="hl-string">"filterUpdateEnd": END_DATE
    }
    pay_records = fetch_paginated_data(session, class="hl-string">"EmployeePaySummary", params=pay_params)

    print(fclass="hl-string">"Processing {len(pay_records)} pay records...")

    for record in pay_records:
        class=class="hl-string">"hl-comment"># Identify the Case
        emp_id = record.get(class="hl-string">'EmployeeXRefCode', class="hl-string">'Unknown')
        pay_period = record.get(class="hl-string">'PayPeriodStartDate', class="hl-string">'').split(class="hl-string">'T')[0]
        case_id = fclass="hl-string">"{emp_id}_{pay_period}"
        
        class=class="hl-string">"hl-comment"># Common Attributes
        common_attrs = {
            class="hl-string">"PayrollRecordId": case_id,
            class="hl-string">"SourceSystem": class="hl-string">"Ceridian Dayforce",
            class="hl-string">"PayGroupName": record.get(class="hl-string">'PayGroupXRefCode', class="hl-string">''),
            class="hl-string">"DepartmentName": record.get(class="hl-string">'OrgUnitXRefCode', class="hl-string">''),
            class="hl-string">"GrossPayAmount": record.get(class="hl-string">'GrossPay', 0.0),
            class="hl-string">"LastDataUpdate": datetime.now().isoformat()
        }

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 1. Payroll Record Initialized
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># Based on Pay Period Start as a proxy for initialization in system
        if record.get(class="hl-string">'PayPeriodStartDate'):
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Payroll Record Initialized",
                class="hl-string">"EventDateTime": record[class="hl-string">'PayPeriodStartDate'],
                class="hl-string">"ActionUser": class="hl-string">"System Scheduler"
            })

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 2. Time Sheet Activities (Simulated)
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># In a real scenario, you would query the EmployeeTimesheet endpoint.
        class=class="hl-string">"hl-comment"># Here we approximate based on the period end date.
        period_end = record.get(class="hl-string">'PayPeriodEndDate')
        if period_end:
            dt_end = datetime.strptime(period_end.split(class="hl-string">'T')[0], class="hl-string">"%Y-%m-%d")
            
            class=class="hl-string">"hl-comment"># Time Sheet Submitted (Usually day after period end)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Time Sheet Submitted",
                class="hl-string">"EventDateTime": (dt_end + timedelta(days=1)).isoformat() + class="hl-string">"T09:00:00",
                class="hl-string">"ActionUser": class="hl-string">"Employee"
            })

            class=class="hl-string">"hl-comment"># Time Sheet Approved (Usually 2 days after period end)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Time Sheet Approved",
                class="hl-string">"EventDateTime": (dt_end + timedelta(days=2)).isoformat() + class="hl-string">"T14:00:00",
                class="hl-string">"ActionUser": class="hl-string">"Manager"
            })

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 3. Calculation Activities
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># Derived from the LastCalculated Timestamp in the record
        calc_time = record.get(class="hl-string">'LastCalculatedDateTime')
        if calc_time:
            class=class="hl-string">"hl-comment"># Gross Pay Calculated
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Gross Pay Calculated",
                class="hl-string">"EventDateTime": calc_time,
                class="hl-string">"ActionUser": class="hl-string">"Calculation Engine"
            })
            
            class=class="hl-string">"hl-comment"># Benefits Deductions Applied (Sequence + 1 second)
            calc_dt = datetime.fromisoformat(calc_time.replace(class="hl-string">'Z', class="hl-string">'+00:00'))
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Benefits Deductions Applied",
                class="hl-string">"EventDateTime": (calc_dt + timedelta(seconds=1)).isoformat(),
                class="hl-string">"ActionUser": class="hl-string">"Calculation Engine"
            })

            class=class="hl-string">"hl-comment"># Taxes Calculated (Sequence + 2 seconds)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Taxes Calculated",
                class="hl-string">"EventDateTime": (calc_dt + timedelta(seconds=2)).isoformat(),
                class="hl-string">"ActionUser": class="hl-string">"Calculation Engine"
            })
            
            class=class="hl-string">"hl-comment"># Payroll Result Previewed (Assume preview happens shortly after calc)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Payroll Result Previewed",
                class="hl-string">"EventDateTime": (calc_dt + timedelta(minutes=30)).isoformat(),
                class="hl-string">"ActionUser": class="hl-string">"Payroll Analyst"
            })

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 4. Exceptions & Corrections
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># Check if Net Pay is negative or zero (simple logic)
        if record.get(class="hl-string">'NetPay', 0) <= 0:
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Audit Exception Flagged",
                class="hl-string">"EventDateTime": calc_time if calc_time else period_end,
                class="hl-string">"ActionUser": class="hl-string">"System Validator"
            })

        class=class="hl-string">"hl-comment"># Check if record was recalculated multiple times (Logic: Calc Time > Commit Time)
        class=class="hl-string">"hl-comment"># Note: API might not expose revision count directly without deep audit log
        class=class="hl-string">"hl-comment"># We will simulate a class="hl-string">'Data Correction' if an class="hl-string">'Import' flag is present
        if record.get(class="hl-string">'IsImported', False):
             event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Incentive Data Imported",
                class="hl-string">"EventDateTime": record.get(class="hl-string">'PayPeriodStartDate'), class=class="hl-string">"hl-comment"># Proxy
                class="hl-string">"ActionUser": class="hl-string">"Interface"
            })
             class=class="hl-string">"hl-comment"># Assume correction happened if imported data exists
             event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Data Correction Performed",
                class="hl-string">"EventDateTime": (datetime.fromisoformat(record[class="hl-string">'PayPeriodEndDate'].split(class="hl-string">'T')[0]) + timedelta(days=3)).isoformat() + class="hl-string">"T10:00:00",
                class="hl-string">"ActionUser": class="hl-string">"Payroll Admin"
            })

        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># 5. Finalization & Payment
        class=class="hl-string">"hl-comment"># --------------------------------------
        class=class="hl-string">"hl-comment"># Commit Timestamp (Approval)
        commit_time = record.get(class="hl-string">'CommitDateTime')
        if commit_time:
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Payroll Record Approved",
                class="hl-string">"EventDateTime": commit_time,
                class="hl-string">"ActionUser": class="hl-string">"Payroll Manager"
            })
            
            class=class="hl-string">"hl-comment"># Bank Transfer File (Usually 2 hours after approval)
            commit_dt = datetime.fromisoformat(commit_time.replace(class="hl-string">'Z', class="hl-string">'+00:00'))
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Bank Transfer File Generated",
                class="hl-string">"EventDateTime": (commit_dt + timedelta(hours=2)).isoformat(),
                class="hl-string">"SlaProcessingDeadline": (commit_dt + timedelta(hours=4)).isoformat(),
                class="hl-string">"ActionUser": class="hl-string">"System Batch"
            })

        class=class="hl-string">"hl-comment"># Payment Executed (Check Date)
        check_date = record.get(class="hl-string">'CheckDate')
        if check_date:
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Payment Executed",
                class="hl-string">"EventDateTime": check_date + class="hl-string">"T12:00:00",
                class="hl-string">"ActionUser": class="hl-string">"System Payment"
            })
            
            class=class="hl-string">"hl-comment"># Pay Slip Published (Same as Check Date usually)
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Pay Slip Published",
                class="hl-string">"EventDateTime": check_date + class="hl-string">"T08:00:00",
                class="hl-string">"ActionUser": class="hl-string">"ESS Portal"
            })

            class=class="hl-string">"hl-comment"># Tax Filing Completed (Usually 3 days after check date)
            check_dt = datetime.strptime(check_date.split(class="hl-string">'T')[0], class="hl-string">"%Y-%m-%d")
            event_log.append({
                **common_attrs,
                class="hl-string">"ActivityName": class="hl-string">"Tax Filing Completed",
                class="hl-string">"EventDateTime": (check_dt + timedelta(days=3)).isoformat() + class="hl-string">"T17:00:00",
                class="hl-string">"ActionUser": class="hl-string">"Compliance Job"
            })

    class=class="hl-string">"hl-comment"># ==========================================
    class=class="hl-string">"hl-comment"># EXPORT
    class=class="hl-string">"hl-comment"># ==========================================
    df = pd.DataFrame(event_log)
    if not df.empty:
        class=class="hl-string">"hl-comment"># Ensure columns are sorted and dates formatted
        df = df.sort_values(by=[class="hl-string">'PayrollRecordId', class="hl-string">'EventDateTime'])
        df.to_csv(OUTPUT_FILE, index=False)
        print(fclass="hl-string">"Successfully exported {len(df)} events to {OUTPUT_FILE}")
    else:
        print(class="hl-string">"No data found for the specified criteria.")

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

Klaar om te beginnen?

Begin vandaag met het verbeteren van de loonverwerking door deze template op de loongegevens toe te passen. Ons team helpt je graag bij het ophalen van de data en zorgt dat die klaar is voor analyse.

Terug naar de verbetergids Template downloaden

Voorkom vertragingen in de loonverwerking en verbeter het proces vandaag nog

Verkort de doorlooptijd van payroll met 30 procent en neem bottlenecks weg.

Start je gratis proefperiode

Geen creditcard nodig. Binnen 5 minuten ingesteld.

Datatemplate voor loonverwerking

Datatemplate voor loonverwerking

Attributen voor loonverwerking

Activiteiten voor loonverwerking

Extractiegidsen

Dayforce Ad-Hoc Reporting Payroll Data Export

Stappen

Configuratie

a Voorbeeldquery json

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

Stappen

Configuratie

a Voorbeeldquery python

Klaar om te beginnen?

Voorkom vertragingen in de loonverwerking en verbeter het proces vandaag nog

Datatemplate voor loonverwerking

Datatemplate voor loonverwerking

Attributen voor loonverwerking

Activiteiten voor loonverwerking

Extractiegidsen

Dayforce Ad-Hoc Reporting Payroll Data Export

Stappen

Configuratie

a Voorbeeldquery json

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

Stappen

Configuratie

a Voorbeeldquery python

Klaar om te beginnen?

Voorkom vertragingen in de loonverwerking en verbeter het proces vandaag nog

We gaan zorgvuldig om met je privacy