> Ciągłe doskonalenie procesów > Wdrożenie pracownika > BambooHR > Szablon danych

Szablon danych dotyczących wdrożenia pracowników

BambooHR

← Wróć do przewodnika ulepszania procesów

Atrybuty dotyczące wdrożenia pracowników(19) Działania w procesie wdrożenia pracowników(15) Instrukcje pobierania danych(2)

Szablon danych dotyczących wdrożenia pracowników

Ten szablon zawiera wskazówki dotyczące gromadzenia danych potrzebnych do szczegółowej analizy procesu wdrożenia pracowników. Opisuje niezbędne atrybuty danych, działania do śledzenia oraz sposób ich pobierania z BambooHR. Skorzystaj z niego, aby przygotować rzetelny dziennik zdarzeń i uzyskać dokładny obraz przebiegu wdrożenia.

Zalecane atrybuty do zebrania
Działania do śledzenia podczas odkrywania procesu
Instrukcja pobierania danych z BambooHR krok po kroku

Pierwszy raz spotykają się Państwo z dziennikiem zdarzeń? Dowiedz się jak utworzyć dziennik zdarzeń na potrzeby process mining.

Pobierz szablon

Atrybuty dotyczące wdrożenia pracowników

To podstawowe pola danych, które należy uwzględnić w dzienniku zdarzeń, aby przeprowadzić szczegółową analizę procesu wdrożenia pracowników.

5 Wymagane 6 Zalecane 8 Opcjonalne

	Nazwa	Opis
	Nazwa działania ActivityName	Nazwa konkretnego zadania lub etapu, który wystąpił w procesie wdrożenia.
Opis Ten atrybut zapisuje nazwę każdego odrębnego zdarzenia lub kroku w procesie wdrażania pracownika. Przykłady to „Oferta przyjęta”, „Zakończono weryfikację przeszłości kandydata” i „Zakończono szkolenie wprowadzające pierwszego dnia”. W analizie nazwa działania służy do budowania mapy procesu, która pokazuje kolejność zdarzeń i przebieg pracy. Pomaga wskazywać wąskie gardła, analizować częstotliwość działań i rozpoznawać różne ścieżki, czyli warianty, którymi przechodzą nowi pracownicy. Analiza kolejności działań pozwala wykryć odstępstwa od standardowego procesu i możliwości jego usprawnienia. Dlaczego to ważne Określa kroki procesu i stanowi podstawę mapy procesu. Umożliwia analizę przebiegu pracy, wąskich gardeł i wariantów. Skąd pobrać Ustalane na podstawie zmian statusu, ukończenia zadań lub określonych pól daty na listach kontrolnych wdrożenia albo w workflow zatrudnienia w BambooHR. Przykłady Oferta przyjętaWysłano pakiet dokumentówZlecono przygotowanie dostępu przez ITZakończono rozmowę podsumowującą po 30 dniach
	Przypadek wdrożenia OnboardingCase	Unikalny identyfikator łączący wszystkie działania wdrożeniowe dotyczące jednego nowego pracownika.
Opis Przypadek wdrożenia jest głównym identyfikatorem całego procesu wdrażania pracownika. Łączy wszystkie powiązane zdarzenia, od przyjęcia oferty po zakończenie rozmowy podsumowującej po 30 dniach, w jeden spójny przebieg. W analizie process mining ten atrybut jest niezbędny do odtworzenia pełnego przebiegu procesu dla każdego nowego pracownika. Umożliwia wizualizację map procesów, obliczanie KPI dla poszczególnych przypadków, takich jak całkowity czas cyklu, oraz analizę różnych wariantów procesu. Bez spójnego identyfikatora przypadku nie dałoby się śledzić, jak poszczególni pracownicy przechodzą przez kolejne etapy wdrożenia. Dlaczego to ważne To główny identyfikator łączący wszystkie powiązane zdarzenia. Umożliwia analizę pełnego przebiegu wdrożenia każdego nowego pracownika. Skąd pobrać To identyfikator pojęciowy, często tworzony przez połączenie identyfikatora pracownika z informacją o zatrudnieniu lub datą. BambooHR może nie udostępniać osobnego pola „Onboarding Case ID”, dlatego identyfikator trzeba utworzyć podczas przygotowania danych. Przykłady ONB-00123ONB-00124ONB-00125
	Znacznik czasu zdarzenia EventTimestamp	Dokładna data i godzina ukończenia lub wystąpienia działania wdrożeniowego.
Opis Znacznik czasu zdarzenia wskazuje dokładny moment wystąpienia danego działania. Te dane czasowe są niezbędne do uporządkowania zdarzeń chronologicznie i obliczenia czasu między kolejnymi krokami procesu. Atrybut ten stanowi podstawę wszystkich analiz czasowych w process mining. Służy do obliczania czasu cyklu, czasu oczekiwania i całkowitego czasu trwania procesu. Analiza znaczników czasu pozwala ustalić, które etapy trwają najdłużej, porównać wyniki z umowami SLA i wskazać opóźnienia, które negatywnie wpływają na doświadczenia nowych pracowników. Dlaczego to ważne Znacznik czasu określa chronologiczną kolejność zdarzeń i jest niezbędny do analizy wyników oraz czasu trwania, na przykład obliczania czasu cyklu i wykrywania opóźnień. Skąd pobrać Pobierane z różnych pól daty w BambooHR odpowiadających ukończeniu działań, takich jak „Offer Acceptance Date” i „Background Check Completion Date”, lub z dzienników systemowych rejestrujących zmiany statusu. Przykłady 2023-10-01T10:00:00Z2023-10-05T14:30:00Z2023-10-15T09:00:00Z
	Data ostatniej aktualizacji danych LastDataUpdate	Znacznik czasu wskazujący, kiedy dane zostały ostatnio odświeżone z systemu źródłowego.
Opis Ten atrybut zapisuje datę i godzinę ostatniego pobrania lub aktualizacji danych. Dzięki niemu użytkownicy wiedzą, jak aktualne i przydatne są dane. W każdej analizie, zwłaszcza dotyczącej bieżących procesów, ważna jest aktualność danych. Znacznik czasu pomaga ocenić, czy wyświetlane dane odzwierciedlają obecny stan operacji, czy pochodzą z wcześniejszego okresu. Jest niezbędny w dashboardach monitorujących aktywne przypadki wdrożenia. Dlaczego to ważne Informuje użytkowników o aktualności danych i pozwala ocenić, jak bieżąca jest analiza procesu. Skąd pobrać Ten znacznik czasu jest generowany i dodawany do zbioru danych podczas ich pobierania i wczytywania. Przykłady 2024-05-21T08:00:00Z
	System źródłowy SourceSystem	Wskazuje system, z którego pobrano dane.
Opis Ten atrybut określa źródło danych, którym w tym przypadku jest BambooHR. Ułatwia zarządzanie danymi i zapewnia kontekst, zwłaszcza gdy łączone są dane z wielu systemów. Jawne wskazanie systemu źródłowego ma znaczenie dla śledzenia pochodzenia danych i rozwiązywania problemów. W większych środowiskach analitycznych pomaga użytkownikom zrozumieć kontekst danych i ustalić ich źródło w razie pytań lub rozbieżności. Dlaczego to ważne Zapewnia istotny kontekst dotyczący pochodzenia danych. Jest to ważne dla zarządzania danymi, ich weryfikacji oraz łączenia danych z wielu źródeł. Skąd pobrać To stała wartość „BambooHR”, dodawana podczas przekształcania danych. Przykłady BambooHR
	Dział Department	Dział, do którego dołącza nowy pracownik.
Opis Ten atrybut określa dział organizacji, na przykład „Inżynieria”, „Sprzedaż” lub „Marketing”, do którego należy nowy pracownik. Jest ważnym wymiarem segmentacji i porównywania wyników procesu. Analiza procesu wdrożenia według działu pomaga zrozumieć różnice w wynikach w poszczególnych częściach organizacji. Pozwala odpowiedzieć na pytania takie jak: „W których działach cykl wdrożenia trwa najdłużej?” lub „Czy w niektórych działach rzadziej kończy się obowiązkowe szkolenia?”. Uzyskane informacje pomagają zaplanować działania naprawcze i dzielić się sprawdzonymi rozwiązaniami między działami. Dlaczego to ważne Umożliwia porównanie sprawności wdrożenia, czasu cyklu i zgodności z wymaganiami w różnych częściach organizacji. Skąd pobrać Standardowe pole powiązane z informacjami o stanowisku pracownika w BambooHR. Przykłady InżynieriaSprzedażMarketingZasoby ludzkie
	Identyfikator pracownika EmployeeId	Unikalny identyfikator przypisany każdemu pracownikowi w BambooHR.
Opis Identyfikator pracownika to unikalny klucz, który wskazuje konkretną osobę w systemie HR. Pozostaje niezmienny przez cały okres jej zatrudnienia. Przypadek wdrożenia jest głównym identyfikatorem procesu, natomiast identyfikator pracownika pozwala połączyć dane o wdrożeniu z głównym rekordem pracownika. Umożliwia to uzupełnienie analizy o inne atrybuty, takie jak stanowisko lub dział, i dokładniejsze porównanie przebiegu wdrożenia dla różnych grup pracowników. Dlaczego to ważne Jednoznacznie identyfikuje nowego pracownika. Umożliwia uzupełnienie danych o inne informacje o pracowniku i śledzenie całego okresu zatrudnienia, nie tylko wdrożenia. Skąd pobrać Dostępny jako standardowe pole w rekordzie pracownika w BambooHR. Przykłady 601856018660187
	Kierownik zatrudniający HiringManager	Imię i nazwisko kierownika, któremu podlega nowy pracownik.
Opis Ten atrybut wskazuje bezpośredniego kierownika nowego pracownika. Kierownik zatrudniający często odgrywa ważną rolę we wdrożeniu i odpowiada za takie zadania jak przedstawienie zespołu czy ustalenie początkowych celów. Analiza wyników wdrożenia według kierownika zatrudniającego może pokazać, kto najskuteczniej pomaga nowym członkom zespołu rozpocząć pracę, a kto może potrzebować dodatkowego wsparcia lub szkolenia. Pozwala też wskazać sprawdzone rozwiązania stosowane przez skutecznych kierowników i udostępnić je w całej organizacji, poprawiając spójność i jakość wdrożenia. Dlaczego to ważne Umożliwia analizę wyników według kierownika, wskazanie osób skutecznie wdrażających nowych pracowników oraz tych, które mogą potrzebować większego wsparcia. Skąd pobrać Zazwyczaj znajduje się w informacjach o stanowisku pracownika lub szczegółach struktury raportowania w BambooHR. Przykłady Jane DoeJohn SmithEmily Jones
	Lokalizacja Location	Główne miejsce pracy lub biuro nowego pracownika.
Opis Ten atrybut wskazuje biuro lub lokalizację geograficzną, w której będzie pracować nowy pracownik. Może to być miasto, budynek biurowy lub oznaczenie „Praca zdalna”. Analiza według lokalizacji pomaga wykrywać regionalne różnice w przebiegu wdrożenia. Na przykład czas dostawy sprzętu może znacznie różnić się między lokalizacjami, a poszczególne biura mogą prowadzić własne szkolenia wprowadzające. Analiza ułatwia ujednolicenie procesu tam, gdzie to możliwe, przy jednoczesnym uwzględnieniu uzasadnionych różnic lokalnych. Dlaczego to ważne Pomaga wykrywać regionalne różnice w wynikach procesu, takie jak opóźnienia w dostawie sprzętu lub odmienne lokalne procedury szkolenia wprowadzającego. Skąd pobrać Standardowe pole w profilu pracownika w BambooHR, zwykle w sekcji dotyczącej zatrudnienia lub lokalizacji. Przykłady Biuro w Nowym JorkuLondyn, Wielka BrytaniaPraca zdalna (USA)Główna siedziba w San Francisco
	Stanowisko JobTitle	Rola lub stanowisko nowego pracownika.
Opis Ten atrybut zawiera oficjalną nazwę stanowiska nowego pracownika, na przykład „Starszy inżynier oprogramowania”, „Opiekun klienta” lub „Menedżer produktu”. Stanowi kolejny ważny wymiar analizy procesu wdrożenia. Różne stanowiska mogą wiązać się z odmiennymi wymaganiami wdrożeniowymi, takimi jak specjalistyczne szkolenia lub przygotowanie sprzętu. Analiza według stanowiska może ujawnić, czy na niektórych stanowiskach częściej występują opóźnienia lub przebieg procesu jest inny. Pozwala to dostosować i usprawnić wdrożenie do wymagań danego stanowiska. Dlaczego to ważne Umożliwia analizę procesu wdrożenia z uwzględnieniem złożoności roli i jej wymagań oraz dostosowanie wdrożenia do różnych stanowisk. Skąd pobrać Standardowe pole powiązane z informacjami o stanowisku pracownika w BambooHR. Przykłady Starszy inżynier oprogramowaniaKoordynator ds. marketinguRegionalny dyrektor sprzedaży
	Znacznik czasu zakończenia EndTimestamp	Znacznik czasu zakończenia działania, jeśli można zmierzyć czas jego trwania.
Opis StartTime (EventTimestamp) wskazuje, kiedy rozpoczyna się działanie, a EndTimestamp oznacza jego zakończenie. Ma to największe znaczenie w przypadku działań, które nie są natychmiastowe, takich jak „Weryfikacja przeszłości”, która ma etap rozpoczęcia i zakończenia. Znaczniki czasu rozpoczęcia i zakończenia pozwalają dokładniej obliczyć czas realizacji poszczególnych działań. Dzięki temu można odróżnić czas aktywnej pracy nad zadaniem od czasu oczekiwania na rozpoczęcie kolejnego kroku. Taki poziom szczegółowości jest niezbędny do dogłębnej analizy wąskich gardeł. Dlaczego to ważne Umożliwia dokładne obliczanie czasu realizacji działań i odróżnienie czasu aktywnej pracy od czasu oczekiwania. Skąd pobrać Wyznaczany na podstawie znaczników czasu kolejnych działań. Na przykład EndTimestamp dla „Rozpoczęto weryfikację przeszłości” odpowiada znacznikowi czasu działania „Zakończono weryfikację przeszłości”. Przykłady 2023-10-02T11:00:00Z2023-10-06T16:45:00Z2023-10-16T10:00:00Z
	Czas trwania procesu wdrożenia OnboardingCycleTime	Łączny czas trwania procesu wdrożenia w ramach jednej sprawy.
Opis Ta obliczana miara określa czas realizacji całego procesu dla każdej sprawy wdrożeniowej, zazwyczaj od „Oferta przyjęta” do „Ukończono 30-dniową rozmowę kontrolną”. Pokazuje łączny czas trwania procesu. To podstawowy KPI służący do oceny ogólnej sprawności procesu. W dashboardach pozwala śledzić średni czas wdrożenia, porównywać wyniki między działami lub rolami oraz mierzyć efekty działań usprawniających proces. Krótszy czas realizacji zwykle wiąże się z lepszym doświadczeniem nowego pracownika i niższymi kosztami administracyjnymi. Dlaczego to ważne To ważny KPI do pomiaru ogólnej sprawności procesu i śledzenia zmian w czasie. Skąd pobrać Obliczany jako różnica między znacznikiem czasu pierwszego i ostatniego działania w sprawie. Przykłady 35 dni42 dni28 dni
	Czy ponowiono działanie IsRework	Flaga wskazująca, czy działanie jest powtórzeniem wcześniej wykonanego kroku.
Opis Ten obliczany atrybut logiczny przyjmuje wartość true, jeśli działanie, takie jak „Wysłano pakiet dokumentów”, występuje więcej niż raz w tej samej sprawie wdrożeniowej. Oznacza to, że krok procesu trzeba było powtórzyć, co zwykle wskazuje na błąd, brakujące informacje lub nieefektywność. Wykrywanie ponownej pracy to jedna z możliwości process mining. Ta flaga ułatwia filtrowanie i zliczanie przypadków ponownego wykonania. Wspiera dashboardy i KPI dotyczące ponownej pracy, pomagając wskazać utrudnienia i straty w procesie. Ograniczenie ponownej pracy skraca czas realizacji i usprawnia wdrożenie zarówno dla nowego pracownika, jak i zespołu HR. Dlaczego to ważne Wskazuje nieefektywność, błędy i straty czasu, oznaczając działania, które trzeba było powtórzyć. Skąd pobrać To pole obliczane. Logika wykrywania powtarzających się sekwencji działań w ramach sprawy jest zaimplementowana w narzędziu process mining. Przykłady truefalse
	Data rozpoczęcia pracy StartDate	Oficjalny pierwszy dzień pracy nowego pracownika.
Opis Data rozpoczęcia pracy to ważny etap procesu wdrożenia. Oddziela działania przed zatrudnieniem, takie jak weryfikacja przeszłości i dokumentacja, od działań po zatrudnieniu, takich jak orientacja i szkolenia. Ta data stanowi punkt odniesienia w wielu analizach. Służy na przykład do obliczania KPI „Gotowość na pierwszy dzień”, który pokazuje, czy wszystkie niezbędne zadania przed zatrudnieniem zostały ukończone przed pierwszym dniem pracy. Pomaga też ocenić terminowość tych działań i ich wpływ na produktywność od pierwszego dnia. Dlaczego to ważne Wyznacza ważny etap, który pozwala odróżnić działania przed zatrudnieniem od działań po zatrudnieniu oraz sprawdzić, czy nowa osoba jest gotowa do pracy od pierwszego dnia. Skąd pobrać Odpowiada polu „Data zatrudnienia”, które jest standardowym elementem profilu pracownika w BambooHR. Przykłady 2023-11-012023-11-152023-12-01
	Imię i nazwisko nowego pracownika NewHireName	Pełne imię i nazwisko pracownika objętego procesem wdrożenia.
Opis Ten atrybut zawiera imię i nazwisko nowego pracownika. Służy głównie do celów operacyjnych, na przykład w raportach lub dashboardach, w których trzeba wskazać konkretne osoby. W analizach process mining dane osobowe są często anonimizowane lub zastępowane identyfikatorami pracowników, aby spełnić wymogi ochrony danych. Jednak w dashboardach operacyjnych używanych przez dział HR lub kierowników do śledzenia aktywnych spraw imię i nazwisko zapewnia czytelny kontekst. Dlaczego to ważne Zapewnia czytelny kontekst dla poszczególnych spraw, szczególnie w dashboardach operacyjnych dla działu HR i kierowników. Skąd pobrać Standardowe pole w danych osobowych pracownika w BambooHR. Przykłady Alice JohnsonRobert WilliamsMaria Garcia
	Kraj Country	Kraj, w którym zatrudniona jest nowa osoba.
Opis Ten atrybut określa kraj zatrudnienia. W organizacjach działających na wielu rynkach jest to ważny wymiar analizy. Procesy wdrożenia i przepisy mogą się znacznie różnić w zależności od kraju. Analiza procesu według kraju pomaga zrozumieć te różnice, zapewnić zgodność z lokalnymi przepisami i wskazać możliwości ujednolicenia praktyk w różnych regionach. Może też wyjaśnić różnice w czasie realizacji wynikające z lokalnych świąt lub procedur administracyjnych. Dlaczego to ważne Pozwala organizacjom działającym na wielu rynkach analizować różnice w procesach, zapewniać zgodność z lokalnymi przepisami i uwzględniać wymagania dotyczące wdrożenia w poszczególnych regionach. Skąd pobrać Standardowe pole w informacjach o lokalizacji lub adresie pracownika w BambooHR. Przykłady Stany ZjednoczoneWielka BrytaniaNiemcyKanada
	Osoba wykonująca działanie EventPerformer	Użytkownik lub system, który wykonał działanie w procesie wdrożenia.
Opis Ten atrybut wskazuje osobę, zespół lub system automatyczny odpowiedzialny za wykonanie danego działania. Na przykład specjalista HR może wykonać działanie „Wysłano pakiet dokumentów”, a kierownik zatrudniający może przeprowadzić „Przedstawienie zespołowi”. Te informacje są bardzo przydatne przy analizie zasobów i rozkładu obciążenia pracą. Pomagają ustalić, które zespoły lub role uczestniczą w działaniach trwających najdłużej lub tworzących wąskie gardła. Umożliwiają też analizę zadań wykonywanych przez określone grupy użytkowników, co może pomóc w planowaniu zasobów i automatyzacji. Dlaczego to ważne Wskazuje, kto wykonuje poszczególne zadania. To ważne przy analizie obciążenia pracą, optymalizacji zasobów i badaniu zachowań poszczególnych użytkowników. Skąd pobrać Informacje te mogą być zapisane w dziennikach audytowych lub szczegółach ukończenia zadań w BambooHR, często wraz z informacją o użytkowniku, który wprowadził zmianę. Przykłady Administrator HRDavid Chen (kierownik zatrudniający)Automatyzacja systemowaWsparcie IT
	Status zatrudnienia EmploymentStatus	Aktualny status nowo zatrudnionej osoby w cyklu zatrudnienia.
Opis Ten atrybut śledzi status nowo zatrudnionej osoby na kolejnych etapach, na przykład od „Oferta przyjęta” przez „Przed zatrudnieniem” do „Aktywny”. Pokazuje ogólnie, na jakim etapie całego procesu znajduje się pracownik. W process mining można użyć go jako atrybutu sprawy, aby filtrować aktywne sprawy wdrożeniowe lub analizować, jak długo pozostają one w danym statusie. Przydaje się zwłaszcza w dashboardach, które pokazują na bieżąco wszystkie trwające procesy wdrożenia i pomagają działowi HR oraz kierownikom śledzić postępy. Dlaczego to ważne Pokazuje ogólny status sprawy wdrożeniowej, umożliwiając filtrowanie aktywnych spraw i monitorowanie postępów. Skąd pobrać To standardowe pole w profilu pracownika w BambooHR. Przykłady AktywnyNieaktywnyZwolnionyNa urlopie
	Zespół Team	Zespół, do którego przypisano nową osobę w ramach działu.
Opis Ten atrybut pokazuje strukturę organizacyjną dokładniej niż dział. Określa bezpośredni zespół, na przykład „Programiści frontendowi” lub „Zespół sprzedaży dla dużych firm”. Analiza na poziomie działu jest przydatna, ale analiza zespołów pozwala uzyskać bardziej szczegółowe informacje. Może ujawnić różnice w wynikach między zespołami o podobnym zakresie pracy oraz pokazać, jak praktyki danego zespołu, takie jak lokalne wprowadzenie do pracy lub szkolenia, wpływają na przebieg wdrożenia. Jest to szczególnie przydatne w dużych działach, w których potrzebny jest bardziej szczegółowy podział. Dlaczego to ważne Pokazuje strukturę dokładniej niż dział, umożliwiając analizę wyników i różnic w procesach między poszczególnymi zespołami. Skąd pobrać Może to być standardowe lub niestandardowe pole w BambooHR, często związane z przypisaniem pracownika do jednostki organizacyjnej. Przykłady Inżynieria platformySprzedaż dla średnich firmMarketing treści

Wymagane Zalecane Opcjonalne

Działania w procesie wdrożenia pracowników

To ważne kroki i etapy procesu, które należy zapisać w dzienniku zdarzeń, aby dokładnie odkryć proces i monitorować jego wyniki.

7 Zalecane 8 Opcjonalne

	Działanie	Opis
	Oferta przyjęta	To zdarzenie oznacza formalny początek procesu wdrożenia i następuje, gdy kandydat przyjmuje ofertę pracy. W BambooHR jest zwykle rejestrowane po zmianie statusu kandydata w systemie Applicant Tracking System (ATS) na „Hired”. Powoduje to utworzenie profilu pracownika i listy kontrolnej wdrożenia.
Dlaczego to ważne To początek każdego przypadku wdrożenia. Analiza czasu od tego zdarzenia do kolejnych zdarzeń pozwala ocenić ogólną sprawność i szybkość działań przed rozpoczęciem pracy. Skąd pobrać Ustalane na podstawie daty zmiany statusu kandydata na „Hired” w module ATS BambooHR lub uzupełnienia pola z datą zatrudnienia pracownika. Rejestrowanie Należy ustalić znacznik czasu zmiany pola „status” kandydata na „Hired”. Typ zdarzenia inferred
	Skompletowano pakiet dokumentów	To zdarzenie następuje, gdy nowy pracownik podpisze wszystkie wymagane dokumenty w pakiecie wdrożeniowym. BambooHR rejestruje je automatycznie po złożeniu przez pracownika wszystkich podpisów elektronicznych w wysłanym pakiecie.
Dlaczego to ważne Skompletowanie dokumentów jest warunkiem rozpoczęcia pracy przez nowego pracownika. Analiza tego etapu pomaga zapewnić zgodność z wymaganiami i gotowość do pracy, a także zapobiega poprawkom i opóźnieniom w rozpoczęciu zatrudnienia. Skąd pobrać Ustalane na podstawie znacznika czasu zmiany statusu wysłanego pakietu dokumentów na „Completed” w BambooHR. Rejestrowanie Osobne zdarzenie jest rejestrowane po złożeniu ostatniego wymaganego podpisu elektronicznego w pakiecie dokumentów nowego pracownika. Typ zdarzenia explicit
	Ukończono obowiązkowe szkolenie	Oznacza pomyślne ukończenie przez nowego pracownika wymaganego szkolenia. BambooHR rejestruje to zdarzenie po zmianie statusu przypisanego szkolenia na „Completed” w module śledzenia szkoleń.
Dlaczego to ważne To istotny etap z punktu widzenia zgodności z wymaganiami. Śledzenie ukończenia szkolenia pomaga zapewnić spełnienie wymogów prawnych i wewnętrznych polityk firmy oraz zdobycie przez pracowników wiedzy potrzebnej na ich stanowiskach. Skąd pobrać Ustalane na podstawie znacznika czasu zmiany statusu rekordu szkolenia na „Completed” w module Training w BambooHR. Rejestrowanie Osobne zdarzenie jest rejestrowane po zmianie pola statusu rekordu szkolenia na „Completed”. Typ zdarzenia explicit
	Ukończono zadania wdrożeniowe	To zdarzenie oznacza ukończenie wszystkich zadań przypisanych na liście kontrolnej wdrożenia nowego pracownika. Można je ustalić, gdy lista zadań wdrożeniowych osiągnie 100% realizacji lub gdy zostanie oznaczone jako ukończone ostatnie zadanie „Complete Onboarding”.
Dlaczego to ważne To jednoznaczny koniec uporządkowanej, opartej na zadaniach części procesu wdrożenia. Potwierdza, że wszystkie działania administracyjne i przygotowawcze zostały zrealizowane. Skąd pobrać Ustalane na podstawie znacznika czasu ostatniego ukończonego zadania na liście zadań wdrożeniowych pracownika lub momentu oznaczenia całego procesu wdrożenia jako „Complete”. Rejestrowanie Należy ustalić najpóźniejszy znacznik czasu zakończenia spośród wszystkich zadań przypisanych do jednego przypadku wdrożenia. Typ zdarzenia inferred
	Zakończono rozmowę podsumowującą po 30 dniach	Oznacza zakończenie pierwszej formalnej rozmowy nowego pracownika z kierownikiem, zwykle odbywającej się po około 30 dniach pracy. W BambooHR jest rejestrowane po oznaczeniu zadania „30-Day Check-in” lub formularza oceny jako ukończonego.
Dlaczego to ważne Ten etap ma istotne znaczenie dla uzyskania wczesnej informacji zwrotnej, omówienia problemów i zwiększenia retencji pracowników. Śledzenie jego realizacji pomaga zapewnić regularny kontakt z nowymi pracownikami w tym ważnym okresie. Skąd pobrać Ustalane na podstawie znacznika czasu zakończenia zadania „30-Day Check-in” lub formularza oceny w BambooHR. Rejestrowanie Zdarzenie jest rejestrowane, gdy kierownik oznaczy zadanie lub formularz rozmowy podsumowującej jako „Completed”. Typ zdarzenia explicit
	Zakończono szkolenie wprowadzające pierwszego dnia	Oznacza zakończenie pierwszego szkolenia wprowadzającego nowego pracownika, obejmującego kulturę firmy, polityki i przedstawienie współpracownikom. W BambooHR jest rejestrowane, gdy HR lub kierownik zatrudniający oznaczy zadanie „First Day Orientation” na liście kontrolnej wdrożenia jako ukończone.
Dlaczego to ważne To ważny etap, który wspiera zaangażowanie pracownika i jego integrację z firmą. Regularna realizacja szkolenia w terminie pomaga zapewnić nowym pracownikom dobry start i pozytywne doświadczenia. Skąd pobrać Ustalane na podstawie znacznika czasu zakończenia zadania „First Day Orientation” na liście zadań wdrożeniowych. Rejestrowanie Zdarzenie jest rejestrowane po oznaczeniu zadania szkolenia wprowadzającego jako „Completed”. Typ zdarzenia explicit
	Zakończono weryfikację przeszłości kandydata	To zdarzenie oznacza pomyślne zakończenie weryfikacji przeszłości nowego pracownika i udostępnienie jej wyników. W BambooHR jest rejestrowane po oznaczeniu zadania „Background Check” na liście kontrolnej wdrożenia jako „Completed”.
Dlaczego to ważne To istotny etap z punktu widzenia zgodności z wymaganiami. Długi czas między rozpoczęciem a zakończeniem weryfikacji może być poważnym wąskim gardłem. Śledzenie tego etapu pomaga dopilnować, by wymagania przed zatrudnieniem zostały spełnione przed datą rozpoczęcia pracy. Skąd pobrać Ustalane na podstawie znacznika czasu zakończenia zadania „Background Check” na liście zadań wdrożeniowych nowego pracownika. Rejestrowanie Zdarzenie jest rejestrowane po zmianie statusu zadania weryfikacji przeszłości kandydata na „Completed”. Typ zdarzenia explicit
	Dostarczono sprzęt	To zdarzenie oznacza, że zamówiony sprzęt został dostarczony i jest gotowy dla nowego pracownika. W BambooHR jest często śledzone jako osobne zadanie „Equipment Delivered” lub „Workspace Setup”, oznaczane jako ukończone na liście kontrolnej wdrożenia.
Dlaczego to ważne Pomiar czasu od zamówienia do dostawy pozwala wykryć potencjalne wąskie gardła w łańcuchu dostaw lub logistyce. Dzięki temu można dopilnować, by cały potrzebny sprzęt był dostępny przed rozpoczęciem pracy. Skąd pobrać Ustalane na podstawie znacznika czasu zakończenia zadania „Equipment Delivered” lub „Workspace Setup” na liście zadań wdrożeniowych. Rejestrowanie Zdarzenie jest rejestrowane po zmianie statusu zadania dotyczącego dostawy lub przygotowania stanowiska na „Completed”. Typ zdarzenia explicit
	Przedstawiono zespół	Oznacza formalne przedstawienie nowego pracownika członkom jego bezpośredniego zespołu. Zwykle jest to działanie prowadzone przez kierownika, rejestrowane po ukończeniu odpowiedniego zadania na liście kontrolnej wdrożenia w BambooHR.
Dlaczego to ważne Integracja z zespołem jest ważną częścią udanego wdrożenia. Śledzenie tego działania pomaga dopilnować, by kierownicy wykonali istotne kroki związane z powitaniem nowych pracowników i budowaniem spójnego zespołu. Skąd pobrać Ustalane na podstawie znacznika czasu zakończenia zadania „Team Introduction” na liście zadań wdrożeniowych. Zwykle jest ono przypisane kierownikowi zatrudniającemu. Rejestrowanie Zdarzenie jest rejestrowane, gdy kierownik oznaczy zadanie „Team Introduction” jako „Completed”. Typ zdarzenia explicit
	Przypisano obowiązkowe szkolenie	To zdarzenie następuje po przypisaniu nowemu pracownikowi obowiązkowego szkolenia z zakresu zgodności z wymaganiami lub szkolenia związanego z jego stanowiskiem. W BambooHR jest rejestrowane w module śledzenia szkoleń po dodaniu nowego szkolenia do rekordu pracownika.
Dlaczego to ważne To punkt wyjścia do pomiaru realizacji wymagań szkoleniowych. Analiza czasu od przypisania szkolenia do jego ukończenia pomaga dopilnować, by pracownicy terminowo spełniali wymogi prawne i firmowe. Skąd pobrać Ustalane na podstawie daty utworzenia rekordu szkolenia przypisanego konkretnemu pracownikowi w module Training w BambooHR. Rejestrowanie Osobne zdarzenie jest rejestrowane po utworzeniu nowego wpisu w tabeli śledzenia szkoleń pracowników. Typ zdarzenia explicit
	Rozpoczęto weryfikację przeszłości kandydata	Oznacza moment zlecenia w zintegrowanej usłudze weryfikacji przeszłości nowego pracownika. Zwykle jest rejestrowany po utworzeniu zadania „Background Check” lub zmianie jego statusu na rozpoczęte na liście zadań wdrożeniowych w BambooHR.
Dlaczego to ważne Śledzenie rozpoczęcia weryfikacji pomaga wykrywać opóźnienia w sprawdzaniu kandydatów przed zatrudnieniem. Jest to często istotny etap, który wpływa na zgodność z wymaganiami i terminowe zatrudnienie. Skąd pobrać Ustalane na podstawie daty utworzenia lub rozpoczęcia zadania „Background Check” na liście zadań wdrożeniowych w BambooHR. Rejestrowanie Zdarzenie jest rejestrowane po utworzeniu zadania weryfikacji przeszłości kandydata lub zmianie jego statusu na „In Progress”. Typ zdarzenia explicit
	Utworzono profil pracownika	Oznacza formalne utworzenie rekordu nowego pracownika w systemie HRIS i zmianę jego statusu z kandydata na pracownika. Zdarzenie ustala się na podstawie daty utworzenia rekordu pracownika w głównej bazie BambooHR. Zwykle następuje to po przyjęciu oferty.
Dlaczego to ważne To zdarzenie stanowi podstawę kolejnych etapów wdrożenia, takich jak przygotowanie dostępu i sprzętu przez IT oraz konfiguracja listy płac. Wskazuje, kiedy pracownik oficjalnie pojawia się w systemie. Skąd pobrać Ustalane na podstawie systemowego znacznika czasu utworzenia rekordu nowego pracownika w głównych tabelach danych pracowniczych. Rejestrowanie Należy użyć znacznika czasu z pola „created_at” lub równoważnych metadanych rekordu głównego pracownika. Typ zdarzenia inferred
	Wysłano pakiet dokumentów	Oznacza moment wysłania nowemu pracownikowi pakietu dokumentów do zapoznania się i podpisu. Pakiet może zawierać na przykład formularze I-9 i W-4 oraz polityki firmy. BambooHR rejestruje to zdarzenie, gdy administrator HR wysyła pakiet za pomocą funkcji zarządzania dokumentami w systemie.
Dlaczego to ważne To zdarzenie rozpoczyna ważny workflow administracyjny. Pomiar czasu od wysłania dokumentów do ich skompletowania pozwala ocenić sprawność procesu dokumentacyjnego. Skąd pobrać Ustalane na podstawie znacznika czasu wysłania nowemu pracownikowi pakietu dokumentów do podpisu elektronicznego w BambooHR. Rejestrowanie W systemie rejestrowane jest osobne zdarzenie po wykonaniu działania „Send Packet”. Typ zdarzenia explicit
	Zamówiono sprzęt	Oznacza moment zamówienia niezbędnego sprzętu dla nowego pracownika, na przykład laptopa lub telefonu. Zwykle jest rejestrowane po oznaczeniu zadania „Order Equipment” na liście kontrolnej wdrożenia w BambooHR jako ukończonego.
Dlaczego to ważne To ważny etap zapewnienia nowemu pracownikowi potrzebnego sprzętu. Opóźnienia bezpośrednio wpływają na gotowość do pracy i produktywność pierwszego dnia. Skąd pobrać Ustalane na podstawie znacznika czasu zakończenia zadania „Order Equipment” na liście zadań wdrożeniowych w BambooHR. Rejestrowanie Zdarzenie jest rejestrowane po zmianie statusu zadania „Order Equipment” na „Completed”. Typ zdarzenia explicit
	Zlecono przygotowanie dostępu przez IT	To zdarzenie oznacza formalne zgłoszenie do działu IT prośby o utworzenie niezbędnych kont i dostępów dla nowego pracownika. W BambooHR jest zwykle rejestrowane po utworzeniu i przypisaniu wstępnie zdefiniowanego zadania „IT Provisioning” na liście kontrolnej wdrożenia.
Dlaczego to ważne Terminowe przygotowanie dostępu przez IT ma istotny wpływ na produktywność pierwszego dnia pracy. Śledzenie tego zdarzenia pozwala ocenić czas reakcji IT i ustalić przyczyny opóźnień w przyznawaniu nowym pracownikom dostępu do systemów. Skąd pobrać Ustalane na podstawie daty i godziny utworzenia zadania „IT Account Provisioning” lub podobnego zadania na liście zadań wdrożeniowych nowego pracownika. Rejestrowanie Zdarzenie jest rejestrowane po utworzeniu zadania dotyczącego przygotowania dostępu przez IT na liście kontrolnej wdrożenia. Typ zdarzenia explicit

Zalecane Opcjonalne

Instrukcje pobierania danych

Jak pobrać dane z BambooHR

Kroki

Zaloguj się do BambooHR: Zaloguj się do swojej instancji BambooHR na konto użytkownika z uprawnieniami do tworzenia i uruchamiania raportów niestandardowych.
Otwórz raporty niestandardowe: W menu głównym przejdź do sekcji Reports. W obszarze „Manage Reports” kliknij „Add Report”.
Skonfiguruj raport: Nadaj raportowi opisową nazwę, na przykład „Eksport process mining procesu wdrożenia”. W razie potrzeby dodaj krótki opis.
Wybierz pola raportu: Na karcie „Fields” zaznacz wszystkie kolumny potrzebne w dzienniku zdarzeń. Wybierz identyfikatory pracowników, ważne atrybuty i wszystkie pola dat odpowiadające działaniom w procesie wdrożenia. Uwzględnij między innymi:
- Employee #
- First Name, Last Name
- Department, Job Title, Location
- Hiring Manager
- Hire Date (dla „Utworzono profil pracownika”)
- Wszystkie niestandardowe pola dat używane do zapisywania etapów, takie jak „Data przyjęcia oferty”.
- Daty ukończenia wszystkich odpowiednich zadań związanych z wdrożeniem i zakończeniem zatrudnienia. Wybierz każde konkretne zadanie, na przykład „Data ukończenia weryfikacji przeszłości”, „Data wysłania pakietu dokumentów”, „Data ukończenia pakietu dokumentów”, „Data zgłoszenia przygotowania IT” itp.
- Daty z modułu szkoleń, takie jak „Data przypisania obowiązkowego szkolenia” i „Data ukończenia obowiązkowego szkolenia”.
Ustaw filtry raportu: Przejdź do karty „Filters”, aby określić zakres danych. Zaleca się filtrowanie według „Hire Date” i wybranie konkretnego okresu, na przykład ostatnich 6 miesięcy. Dzięki temu raport nie będzie zbyt duży i nie przekroczy limitu czasu wykonania.
Zapisz i wygeneruj raport: Po skonfigurowaniu pól i filtrów kliknij „Save & Run”. Sprawdź wyniki w BambooHR, aby upewnić się, że raport zawiera oczekiwanych pracowników i kolumny danych.
Wyeksportuj dane: Kliknij przycisk eksportu, zwykle oznaczony ikoną chmury lub strzałki, i wybierz format „Comma Separated Values (.csv)”. Zapisz plik na komputerze pod czytelną nazwą, na przykład bamboohr_onboarding_export.csv.
Przygotuj skrypt do przekształcania danych: Skopiuj cały skrypt Python z sekcji „query” tego dokumentu i zapisz go w pliku transform_bamboohr.py w tym samym katalogu co wyeksportowany plik CSV.
Zainstaluj wymaganą bibliotekę: Jeśli biblioteka pandas nie jest zainstalowana, otwórz terminal lub wiersz polecenia i uruchom polecenie: pip install pandas.
Uruchom skrypt przekształcający dane: Otwórz terminal lub wiersz polecenia, przejdź do katalogu z plikami i uruchom skrypt poleceniem: python transform_bamboohr.py. Skrypt przetworzy szeroki eksport CSV i utworzy plik event_log.csv w odpowiednim formacie długim do analizy process mining.
Prześlij dane do ProcessMind: Plik event_log.csv jest gotowy do przesłania do aplikacji ProcessMind.

Konfiguracja

Wymagania wstępne: Wymagany jest pakiet BambooHR Advantage, który obejmuje zaawansowane raportowanie i funkcje wdrożeniowe. Rola użytkownika musi mieć uprawnienia do tworzenia, wyświetlania i eksportowania raportów niestandardowych zawierających dane pracowników.
Pola raportu: Podstawą tej metody jest wybór właściwych pól. Raport należy przygotować w formacie szerokim, w którym każdy pracownik zajmuje jeden wiersz, a każde działanie związane z wdrożeniem ma własną kolumnę z datą. Należy uwzględnić Employee # jako identyfikator sprawy oraz wszystkie istotne kolumny atrybutów, takie jak Department, Job Title i Hiring Manager.
Pola niestandardowe i zadania: Możliwość pobrania danych zależy w dużej mierze od sposobu korzystania z BambooHR w organizacji. Działania takie jak „Oferta przyjęta” lub „Zamówiono sprzęt” muszą być zapisane w konkretnych niestandardowych polach dat lub jako zadania na liście kontrolnej wdrożenia. Należy wybrać pola z datą ukończenia tych zadań, a nie tylko ich nazwy.
Filtry zakresu dat: Aby raport działał sprawnie i zawierał przydatne dane, należy zawsze filtrować go według „Hire Date”. Zwykle wystarczy okres obejmujący ostatnie 6–12 miesięcy. Pozwala to analizować proces bez tworzenia nadmiernie dużego pliku eksportu.
Harmonogram raportu: Aby stale monitorować proces, można skorzystać z funkcji BambooHR, która uruchamia raport niestandardowy według harmonogramu i cyklicznie wysyła go e-mailem, na przykład co tydzień. Może to zautomatyzować pierwszy etap pobierania danych.

Przykładowe zapytanie python

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Kroki

Wymagania wstępne i konfiguracja: Upewnij się, że w systemie jest zainstalowany Python w wersji 3.6 lub nowszej. Zainstaluj wymagane biblioteki pandas i requests, uruchamiając w terminalu polecenie: pip install pandas requests.
Utwórz klucz API BambooHR: Zaloguj się do BambooHR z uprawnieniami administratora. Kliknij ikonę profilu w prawym górnym rogu, wybierz „API Keys” i utwórz nowy klucz API. Nadaj mu opisową nazwę, na przykład „ProcessMiningExtraction”, i przyznaj dostęp tylko do odczytu danych pracowników, zadań wdrożeniowych i dokumentacji szkoleń. Zapisz wygenerowany klucz w bezpiecznym miejscu.
Skonfiguruj skrypt Python: Zapisz udostępniony skrypt Python w pliku, na przykład extract_onboarding.py. Otwórz plik i zastąp wartość zastępczą COMPANY_SUBDOMAIN unikalną subdomeną firmy, czyli częścią adresu BambooHR przed „.bamboohr.com”, a wartość API_KEY kluczem utworzonym w poprzednim kroku.
Ustaw zakres dat pobierania: Zmień zmienne START_DATE i END_DATE w skrypcie. Określają one przedział, z którego zostaną uwzględnieni nowi pracownicy. Użyj formatu „YYYY-MM-DD”.
Uruchom skrypt: Uruchom skrypt w terminalu poleceniem: python extract_onboarding.py. Skrypt połączy się z BambooHR API, pobierze wymagane dane i rozpocznie ich przetwarzanie.
Sprawdź wywołania API: Najpierw skrypt wywołuje punkt końcowy raportu katalogu pracowników, aby pobrać listę osób zatrudnionych w wybranym okresie. Lista ta stanowi podstawę identyfikatora OnboardingCase.
Pobieranie danych dla kolejnych osób: Dla każdej znalezionej nowo zatrudnionej osoby skrypt wykonuje kolejne wywołania API, aby pobrać szczegółowe informacje z profilu, przypisane zadania wdrożeniowe i dane o szkoleniach. Dzięki temu zbierane są wszystkie istotne informacje o przebiegu wdrożenia danej osoby.
Przekształcanie i mapowanie danych: Skrypt przekształca surowe dane JSON z API w uporządkowany dziennik zdarzeń. Korzysta ze zdefiniowanego wcześniej słownika TASK_TO_ACTIVITY_MAP, który przypisuje tytułom zadań wdrożeniowych w BambooHR standardowe nazwy działań wymagane w process mining. Zdarzenia takie jak „Oferta przyjęta” i „Utworzono profil pracownika” są wyznaczane na podstawie dat zatrudnienia i utworzenia profilu.
Sprawdź komunikaty w konsoli: Podczas działania skrypt wyświetla w konsoli informacje o postępie, w tym liczbę znalezionych nowych pracowników i imię oraz nazwisko każdej przetwarzanej osoby. Obserwuj komunikaty, aby wychwycić ewentualne błędy lub ostrzeżenia.
Utwórz plik dziennika zdarzeń: Po przetworzeniu danych wszystkich pracowników skrypt połączy je w jedną ramkę danych i zapisze w pliku CSV bamboohr_onboarding_event_log.csv w tym samym katalogu. Plik będzie zawierał kolumny wymagane przez ProcessMind.
Przygotuj plik do przesłania: Otwórz wygenerowany plik CSV i sprawdź jego zawartość. Przed przesłaniem do narzędzia process mining upewnij się, że kolumny OnboardingCase, ActivityName i EventTimestamp zawierają prawidłowe dane.

Konfiguracja

Uprawnienia klucza API: Klucz API używany do pobierania danych musi mieć co najmniej uprawnienia tylko do odczytu następujących informacji: dane osobowe pracowników, informacje o stanowisku, status zatrudnienia, zadania wdrożeniowe i dokumentacja szkoleń.
Subdomena firmy: Skrypt wymaga unikalnej subdomeny BambooHR firmy, aby utworzyć prawidłowe adresy URL punktów końcowych API.
Zakres dat (START_DATE, END_DATE): Te zmienne skryptu określają okres pobierania danych na podstawie dat zatrudnienia. Zaleca się rozpocząć od ostatnich 3–6 miesięcy, aby zapewnić jakość danych i kontrolować ich ilość. W przypadku analizy pełnej historii można rozszerzyć ten zakres, pamiętając o limitach liczby wywołań API.
Mapowanie działań (TASK_TO_ACTIVITY_MAP): Ten słownik w skrypcie jest bardzo ważny. Przypisuje dokładnym nazwom zadań wdrożeniowych w BambooHR standardowe nazwy działań. Należy sprawdzić i dostosować mapowanie do konfiguracji BambooHR w organizacji.
Identyfikator systemu źródłowego: Zmienna SOURCE_SYSTEM ma w skrypcie przypisaną na stałe wartość „BambooHR”. Można ją zmienić, jeśli w końcowym dzienniku zdarzeń potrzebny jest inny identyfikator.
Wydajność: Jeśli w wybranym okresie zatrudniono tysiące osób, skrypt może działać długo, ponieważ dla każdej z nich wykonuje wiele wywołań API. Warto uruchamiać go poza godzinami największego obciążenia, aby ograniczyć wpływ na wydajność i ryzyko osiągnięcia limitu wywołań API.

Przykładowe zapytanie python

import requests
import pandas as pd
from datetime import datetime

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Gotowi do rozpoczęcia?

Skorzystaj z tego szablonu, aby przygotować dane do analizy i rozpocząć usprawnianie procesu wdrożenia pracowników. Zacznij wykrywać wąskie gardła i poprawiać sprawność procesu.

Wróć do przewodnika ulepszania procesów

Pobierz szablon

Usprawnij proces wdrożenia pracowników w BambooHR

Osiągnij 95% zgodności i wyeliminuj opóźnienia we wdrożeniu.

Rozpocznij okres próbny

Nie trzeba podawać danych karty płatniczej. Zacznij usprawniać proces już teraz.

Szablon danych dotyczących wdrożenia pracowników

Szablon danych dotyczących wdrożenia pracowników

Atrybuty dotyczące wdrożenia pracowników

Działania w procesie wdrożenia pracowników

Instrukcje pobierania danych

Eksport raportu niestandardowego z BambooHR

Kroki

Konfiguracja

Przykładowe zapytanie python

Pobieranie danych skryptem Python przez BambooHR REST API

Kroki

Konfiguracja

Przykładowe zapytanie python

Gotowi do rozpoczęcia?

Usprawnij proces wdrożenia pracowników w BambooHR