Seu Template de Dados de Processamento de Folha

O Event Timestamp registra o momento exato em que uma atividade foi realizada. Este dado cronológico é essencial para ordenar os eventos corretamente e calcular a duração entre as diferentes etapas do processo.

No Process Mining, os timestamps são usados para construir a sequência de eventos de cada caso e realizar análises temporais. Isso inclui o cálculo de tempos de ciclo entre atividades, identificação de atrasos, medição de tempos de espera e monitoramento do desempenho em relação aos SLAs. Timestamps precisos são a base de qualquer análise de processo focada em performance.

Este atributo é crítico para o sequenciamento correto dos eventos e para todas as análises temporais, incluindo o cálculo de tempos de ciclo, durações e identificação de gargalos.

Encontrado em logs de auditoria do sistema ou como um campo de 'data de criação' ou 'hora do evento' em registros de transação de folha.

O Payroll Record ID serve como o identificador único de caso para todo o processo de folha de um único colaborador em um determinado ciclo. Cada ID representa uma jornada, desde o envio dos dados de ponto até o pagamento e reporte.

No Process Mining, esse atributo é essencial para unir todas as atividades relacionadas em um fluxo de processo de ponta a ponta coerente. Ele permite a análise de tempos de ciclo, variações e gargalos para registros de folha individuais. Sem um ID de caso único, seria impossível rastrear a sequência de eventos e compreender a dinâmica do processo com precisão.

Esta é a chave primária que conecta todos os eventos do processo em um único caso, permitindo analisar o ciclo de folha de ponta a ponta para cada registro.

Geralmente gerado pelo sistema de folha ou pode ser criado concatenando um identificador de funcionário e um identificador de período de pagamento dos dados de transação de folha.

O Nome da Atividade (Activity Name) descreve uma ação distinta realizada dentro do ciclo de folha, como 'Horas Aprovadas', 'Cálculo de Bruto para Líquido' ou 'Pagamento Executado'. Cada atividade representa um nó no mapa do processo e está associada a um timestamp específico.

Este atributo é fundamental para o Process Mining, pois constitui a base do mapa do processo. Analisar a sequência, frequência e duração dessas atividades revela o fluxo real do processo, identifica caminhos comuns, destaca desvios do procedimento padrão e aponta os gargalos onde o processo perde velocidade.

Define as etapas no mapa do processo. Analisar atividades é fundamental para entender o que está acontecendo, descobrir gargalos e identificar loops de retrabalho.

Geralmente encontrado em logs do sistema, trilhas de auditoria ou campos de status em tabelas de transação de folha. Pode ser necessário mapear códigos de eventos técnicos para nomes amigáveis ao usuário.

Este atributo identifica o sistema de origem de onde os dados do evento foram registrados. Em um cenário moderno de folha de pagamento, os dados podem vir de vários sistemas, como um sistema de Ponto e Frequência, um HRIS ou o próprio motor central de folha.

Analisar o sistema de origem ajuda a entender os pontos de integração e as transferências de dados no processo geral. Pode ser usado para filtrar eventos originados de um aplicativo específico, o que é útil para diagnosticar problemas de integração ou comparar processos gerenciados em sistemas diferentes.

Identifica onde cada etapa do processo ocorre, o que é crucial para entender a fragmentação do processo e identificar gargalos específicos de sistemas ou atrasos de integração.

Frequentemente disponível como um campo padrão em extrações de dados, ou pode ser adicionado durante o processo de extração com base na origem das tabelas de dados.

O timestamp de Última Atualização de Dados informa o quão recentes são as informações. Ele indica a última vez que o registro foi alterado no sistema de origem ou quando foi extraído para o conjunto de dados de análise. Isso é diferente do Event Timestamp, que registra quando a atividade de negócio realmente ocorreu.

Este atributo é usado principalmente para governança e validação de dados. Ele ajuda a gerenciar cargas de dados incrementais e garante que a análise se baseie em informações atualizadas. Embora não seja usado diretamente para a análise do fluxo do processo, é crucial para manter a integridade e a atualidade do dataset de Process Mining.

Garante a atualização dos dados e é essencial para gerenciar cargas incrementais, ajudando a confirmar que a análise reflete as informações mais recentes disponíveis.

Este timestamp é geralmente gerado durante o processo de extração, transformação e carga (ETL) ou está disponível como um campo de 'data de última modificação' nas tabelas do sistema de origem.

O Centro de Custo é um atributo organizacional que vincula as despesas da folha a uma parte específica da empresa, como 'Vendas', 'TI' ou 'Manufatura'. É um elemento fundamental para relatórios financeiros e contabilidade gerencial.

Usar o Centro de Custo como uma dimensão no Process Mining permite filtrar e analisar os dados do processo por unidade de negócio. Essa análise pode revelar se certos departamentos enfrentam mais problemas, atrasos ou correções manuais na folha do que outros. Esses insights ajudam a direcionar iniciativas de melhoria de processos para as áreas com maior necessidade ou impacto.

Permite a análise organizacional para determinar se problemas de folha, atrasos ou ineficiências estão concentrados em departamentos ou unidades de negócio específicos.

Disponível nos dados mestre de colaboradores, estruturas organizacionais de RH ou tabelas de atribuição financeira no sistema de folha ou RH.

A Data de Término do Período de Pagamento marca o corte para os dados de ponto e frequência incluídos em uma rotina de folha específica. É uma data crítica que define o intervalo de tempo dos vencimentos processados.

Este atributo é útil para análises de tendências ao longo do tempo. Ao agrupar dados com base nessa data, os analistas podem monitorar KPIs como tempo de processamento, taxas de erro e correções manuais em diferentes meses ou trimestres. Isso ajuda a identificar sazonalidades, medir o impacto de mudanças no processo e monitorar o desempenho a longo prazo.

Permite a análise de tendências de desempenho da folha ao longo do tempo, ajudando a identificar sazonalidade ou medir o impacto de melhorias no processo de um período para outro.

Um atributo padrão nas configurações do calendário de folha e nos dados de transação de folha de pagamento.

Um Grupo de Pagamento é uma coleção lógica de colaboradores que recebem no mesmo cronograma, como 'Mensalistas Brasil' ou 'Executivos Mensal - UK'. Esse atributo é usado para gerenciar e executar os ciclos de folha para segmentos específicos da força de trabalho.

Na análise de processos, filtrar por Grupo de Pagamento permite comparar o desempenho e a eficiência de diferentes ciclos de folha. Isso pode revelar problemas específicos de um determinado grupo, como taxas de correção mais altas para colaboradores horistas em comparação com os mensalistas. Também ajuda a entender como as variações do processo se correlacionam com diferentes cronogramas de pagamento ou perfis de colaboradores.

Permite análise comparativa entre diferentes ciclos de folha, ajudando a identificar se os problemas do processo são específicos de certas populações de colaboradores ou frequências de pagamento.

Encontrado nos dados mestre de colaboradores ou tabelas de configuração da folha, frequentemente rotulado como 'Grupo de Pagamento', 'Área de Folha' ou termo similar.

Este atributo é um sinalizador booleano (verdadeiro ou falso) que identifica eventos nos quais um usuário precisou intervir manualmente em algo que deveria ser automatizado. Isso pode incluir a inserção manual de dados faltantes, correção de cartões de ponto ou ajuste de resultados calculados.

Correções manuais são um indicador direto de ineficiência de processo, risco e baixa qualidade de dados. Analisar onde e por que essas intervenções ocorrem é fundamental para a melhoria do processo. Ao filtrar por correções manuais, as organizações podem identificar as causas raiz do retrabalho, encontrar oportunidades de automação e medir o KPI 'First-Pass Yield'. A redução das correções manuais leva a um processo de folha de pagamento mais eficiente, preciso e em conformidade.

Mede diretamente a fricção e a ineficiência do processo. Altas taxas de correção manual indicam má qualidade dos dados, falhas na automação e aumento do risco de conformidade.

Pode ser derivado de logs de auditoria que rastreiam alterações de dados por usuários ou de códigos de transação específicos que indicam um ajuste manual.

O User Name identifica o indivíduo ou sistema automatizado responsável pela execução de uma etapa específica do processo. Pode ser um especialista em folha, um gestor aprovando dados de ponto ou uma conta de sistema executando um cálculo automático.

Este atributo oferece uma visão do processo centrada no humano ou no sistema. É usado para analisar a distribuição de carga de trabalho, o desempenho individual e a produtividade da equipe. Também ajuda a identificar oportunidades de treinamento, destacando usuários que frequentemente se desviam do processo padrão ou que estão associados a altas taxas de retrabalho. Para etapas automáticas, ajuda a distinguir entre atividades manuais e as movidas pelo sistema.

Permite a análise da carga de trabalho, do desempenho da equipe e dos níveis de automação. Ajuda a identificar quais usuários ou equipes estão envolvidos em retrabalho ou exceções.

Geralmente encontrado em campos como 'user ID', 'processado por' ou 'usuário da ação' nos logs do sistema ou registros de transação.

O Tipo de Processamento de Folha classifica o evento de folha. Um processamento 'Regular' faz parte do ciclo padrão agendado. Um 'Off-Cycle' é um pagamento não programado para corrigir erros ou pagar rescisões. Outros tipos podem incluir pagamentos de 'Bônus' ou 'Comissão'.

Esta é uma dimensão poderosa para análise comparativa. Pagamentos off-cycle são frequentemente sinal de falhas no ciclo regular e costumam ser mais caros e demorados. Ao filtrar pelo tipo de processamento, as empresas podem isolar e analisar as causas raiz dessas exceções, medir sua frequência e custo, e comparar a eficiência entre os diferentes tipos de ciclos.

Distingue entre o processamento padrão e o excepcional. Analisar ciclos fora do ciclo é fundamental para entender as falhas do processo e reduzir pagamentos caros e fora do padrão.

Esta informação geralmente está disponível nas tabelas de processamento em lote (batch) ou rotina de folha dentro do sistema.

O Valor do Salário Bruto representa os ganhos totais de um colaborador em um período específico. É um valor financeiro fundamental calculado durante o ciclo da folha e serve como base para os cálculos subsequentes de impostos e deduções.

Embora não seja um direcionador direto do fluxo do processo, este atributo é valioso para análises contextuais. Pode ser usado para segmentar cases por valor — por exemplo, para verificar se registros de folha de alto valor são processados de forma diferente ou estão sujeitos a verificações mais rigorosas. Também é essencial para análise de impacto financeiro, como calcular o valor total de pagamentos processados com erros ou atrasos.

Fornece contexto financeiro ao processo, permitindo a análise do impacto monetário de atrasos, retrabalhos ou exceções, além de segmentar os cases por valor.

Um campo de saída padrão da etapa de cálculo do bruto para o líquido, encontrado nos resultados da folha ou tabelas de dados de transação.

A Jurisdição Fiscal especifica a região legal ou administrativa para a qual os impostos devem ser calculados e recolhidos. A complexidade da folha de pagamento pode variar significativamente entre diferentes jurisdições devido a regulamentações, alíquotas e requisitos de declaração distintos.

Analisar o processo por Jurisdição Fiscal ajuda a identificar desafios regionais. Por exemplo, pode revelar que o processamento da folha para um estado ou país específico é consistentemente mais lento ou propenso a erros. Isso pode indicar a necessidade de uma melhor configuração do sistema para as regras dessa jurisdição ou de treinamento adicional para os especialistas que atendem essas regiões.

Permite a análise do desempenho do processo por região geográfica ou jurídica, ajudando a identificar se a complexidade ou os erros estão concentrados em jurisdições específicas.

Isso faz parte da configuração das informações fiscais do colaborador no sistema de folha ou RH.

O SLA Deadline é um timestamp que representa o compromisso de conclusão de uma parte crítica do processo de folha, como a geração do arquivo de transferência bancária ou a execução de pagamentos. Ele serve como o benchmark para medir o desempenho real.

Este atributo é essencial para monitorar e analisar a conformidade com o SLA. Ao comparar o timestamp de conclusão real de uma atividade com seu SLA Deadline, as organizações podem identificar violações, medir a extensão dos atrasos e gerenciar riscos proativamente. É um componente fundamental para dashboards de desempenho de pagamento e confiabilidade do processo.

Define a meta de desempenho, permitindo medir a conformidade com SLAs, identificar pagamentos atrasados e analisar as causas raiz dos atrasos.

Isso pode ser um campo fixo no sistema baseado na configuração do ciclo de pagamento ou pode ser derivado com base em regras de negócio (ex: Data de Término do Período mais três dias úteis).

Este atributo categoriza o desempenho de um caso em relação ao seu Acordo de Nível de Serviço (SLA). Ele é geralmente derivado da comparação entre o timestamp real de uma atividade de marco (como 'Arquivo de Transferência Bancária Gerado') e o 'SLA Deadline'.

Isso fornece um indicador de desempenho claro e imediato para uso em dashboards e relatórios. Analisar o Status de Conformidade com o SLA ajuda a quantificar a escala de prazos perdidos e permite detalhar as características dos casos atrasados em comparação aos pontuais. Isso é crucial para identificar as causas raiz dos atrasos e melhorar a confiabilidade e a previsibilidade do processo de folha.

Fornece uma medida simples e direta de desempenho em relação às metas, facilitando o reporte de conformidade e focando a análise em cases que não cumpriram os prazos.

Este atributo não é encontrado diretamente nos sistemas de origem. Ele é derivado comparando o EventTimestamp de uma atividade de marco com o atributo SlaDeadline.

O Tipo de Colaborador é um atributo dos dados mestre de RH que categoriza a força de trabalho. Diferentes tipos de colaboradores geralmente seguem processos de folha distintos, têm requisitos de dados variados e estão sujeitos a regulamentações diferentes.

Usar esse atributo como uma dimensão de análise pode revelar diferenças significativas no desempenho do processo. Por exemplo, o processo para horistas pode envolver integração de dados de ponto mais complexa e ser mais propenso a erros do que o processo para mensalistas. Comparar KPIs como tempo de ciclo ou taxa de correção entre diferentes tipos de colaboradores ajuda a adaptar as melhorias às necessidades específicas de cada grupo.

Ajuda a segmentar o processo para revelar variações e problemas específicos de diferentes categorias de força de trabalho, como horistas vs. mensalistas.

Este é um campo padrão no cadastro mestre do colaborador dentro do sistema de RH ou folha de pagamento.

Quando auditorias automatizadas são executadas durante o processo de folha, elas podem sinalizar registros que violam regras predefinidas. Este atributo captura a categoria da exceção, como 'CPF/CNPJ Faltante', 'Hora Extra Não Aprovada' ou 'Anomalia no Salário Bruto'.

Analisar o tipo e a frequência das exceções de auditoria oferece um insight direto sobre problemas de qualidade de dados e conformidade. Essas informações permitem que as empresas realizem a análise de causa raiz — por exemplo, determinando se um pico de exceções por documento faltante deve-se a um processo de admissão falho. O rastreamento dessas exceções é crucial para o dashboard 'Monitor de Auditoria e Conformidade' e para a redução de riscos.

Oferece uma maneira direta de medir e categorizar problemas de qualidade de dados e conformidade, permitindo uma análise de causa raiz focada para melhorar a precisão e reduzir riscos.

Estes dados são gerados pelo motor de auditoria interna ou validação do sistema de folha e geralmente são armazenados em logs de auditoria ou relatórios de exceção.