> Melhoria contínua de processos > Lançamento contábil no processo Record to Report > BlackLine > Template de dados

Seu Template de dados de Record to Report - lançamento contábil

BlackLine

Atributos de Record to Report - lançamento contábil(19) Atividades de Record to Report - lançamento contábil(12) Guias de extração(2)

Seu Template de dados de Record to Report - lançamento contábil

Este Template oferece um guia completo para coletar os dados certos e analisar seu processo de Record to Report - lançamento contábil. Ele apresenta os atributos essenciais a coletar, as principais atividades a acompanhar e orientações práticas para extrair essas informações do BlackLine. Use este material para garantir que você reúna todos os dados necessários para uma mineração de processos eficaz.

Atributos recomendados para coleta
Principais atividades a acompanhar
Orientações para extração

Novidade em Event Logs? Saiba como criar um Event Log para Process Mining.

Baixar Template

Atributos de Record to Report - lançamento contábil

Estes são os campos de dados recomendados para incluir no seu Event Log e analisar seu processo de Record to Report - lançamento contábil de forma abrangente.

5 Obrigatório 6 Recomendado 8 Opcional

	Nome	Descrição
	Atividade ActivityName	Nome do evento de negócio específico que ocorreu em determinado momento do processo de lançamento contábil.
Descrição Este atributo descreve uma etapa ou tarefa realizada durante o ciclo de vida do lançamento contábil, como 'Journal Entry Created', 'Journal Entry Approved' ou 'Journal Entry Posted'. Cada atividade representa um evento distinto do processo. Analisar a sequência dessas atividades permite visualizar e entender o fluxo do processo. Isso é fundamental para descobrir variações, medir o tempo entre etapas e identificar ciclos de retrabalho, como quando um lançamento contábil é rejeitado e enviado novamente. Por que isso importa Ele define as etapas do processo, essenciais para visualizar o mapa do processo, analisar o fluxo e identificar desvios ou gargalos. Onde encontrar Em geral, este dado é obtido dos logs de eventos, dos registros de mudança de status ou das trilhas de auditoria do BlackLine. Talvez seja necessário mapear os códigos de status do sistema para nomes de atividades mais claros para os usuários. Exemplos Lançamento contábil criadoLançamento contábil enviadoLançamento contábil aprovadoLançamento contábil registrado
	Hora de início EventTime	Data e hora exatas em que uma atividade ou evento específico ocorreu.
Descrição A hora do evento registra a data e a hora em que um evento de negócio ocorreu. Ela é a base cronológica do processo e estabelece a sequência e a duração de todas as atividades. Essa data e hora são essenciais para todas as análises de Process Mining baseadas em tempo. Elas são usadas para calcular tempos de ciclo, tempos de espera e intervalos entre atividades. Também permitem identificar gargalos, analisar a performance ao longo do tempo e avaliar o cumprimento dos acordos de nível de serviço. Por que isso importa Essa data e hora são a base de todas as métricas de performance, incluindo o tempo de ciclo e a análise de gargalos, e permitem reconstruir o processo em ordem cronológica. Onde encontrar Essas informações são registradas nos campos de data e hora dos logs de eventos ou dos registros de transações do BlackLine. Exemplos 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:05:00Z
	ID do lançamento contábil JournalEntryId	Identificador exclusivo de um lançamento contábil, usado como ID principal do caso para acompanhar todo o seu ciclo de vida.
Descrição O ID do lançamento contábil identifica de forma exclusiva cada conjunto de transações financeiras registrado no razão geral. Ele funciona como chave central para vincular todas as atividades relacionadas, como criação, revisão, aprovação e registro. Em Process Mining, esse ID é essencial para correlacionar todos os eventos de um mesmo caso de lançamento contábil. Analisar o fluxo do processo com base nesse identificador permite reconstruir a jornada de ponta a ponta, do início à conciliação final, e analisar em detalhes os tempos de ciclo, os gargalos e as variações do processo. Por que isso importa Este é o identificador principal do caso. Com ele, você pode rastrear todo o ciclo de vida de um lançamento contábil e analisar sua performance. Onde encontrar Esta é uma chave primária nas tabelas de lançamentos contábeis ou nas exportações de dados do BlackLine. Consulte a documentação do BlackLine para saber o nome específico do campo. Exemplos JE2024-001234JE2024-001235JE2024-001236
	Sistema de origem SourceSystem	Sistema oficial de registro de onde os dados do lançamento contábil foram extraídos.
Descrição Este atributo identifica o sistema de origem dos dados do evento. Neste contexto, geralmente será o 'BlackLine', mas também pode incluir dados de um sistema ERP anterior, caso o processo comece nele. Identificar o sistema de origem é importante para a governança de dados e para entender o contexto do processo, especialmente em ambientes que combinam dados de vários sistemas. Isso ajuda a investigar problemas na ingestão de dados e a verificar sua linhagem. Por que isso importa Ele fornece um contexto essencial sobre a origem dos dados, garantindo a rastreabilidade e ajudando a gerenciar a integração de dados de diferentes plataformas. Onde encontrar Em geral, este é um valor estático adicionado durante a extração e transformação dos dados para identificar a origem do conjunto de dados. Exemplos BlackLineSAP S/4HANAOracle NetSuite
	Última atualização dos dados LastDataUpdate	Data e hora da última atualização ou extração dos dados do sistema de origem.
Descrição Este atributo registra a data e a hora da extração mais recente dos dados. Ele indica o quanto os dados analisados estão atualizados e ajuda os usuários a entenderem sua atualidade. Esse metadado é essencial em qualquer Dashboard ou análise de Process Mining. Ele informa aos usuários se os insights são recentes e ajuda a esclarecer se as transações mais novas já estão incluídas na visualização. Por que isso importa Ele deixa claro o quanto os dados estão atualizados e permite que os usuários entendam até que ponto a análise do processo reflete a situação atual. Onde encontrar Essa data e hora são geradas e adicionadas ao conjunto de dados pela ferramenta de extração ou pelo processo ETL durante a execução. Exemplos 2023-11-01T02:00:00Z2023-11-02T02:00:00Z
	Código da empresa CompanyCode	Identificador exclusivo da entidade legal ou empresa para a qual o lançamento contábil está sendo feito.
Descrição O código da empresa representa uma entidade legal específica dentro de um grupo empresarial. É uma unidade organizacional fundamental na contabilidade financeira, pois garante que as transações sejam registradas na entidade correta. Em Process Mining, o código da empresa é uma dimensão útil para filtrar e comparar dados. Ele permite analisar a performance do processo entre diferentes entidades e identificar gargalos específicos de uma região ou entidade, variações de Conformidade e oportunidades de padronização global. Ele dá suporte direto ao Dashboard 'Análise do atraso entre aprovação e registro'. Por que isso importa Ele permite comparar a performance e apoiar a padronização dos processos entre diferentes entidades legais ou unidades de negócio. Onde encontrar Este é um campo importante no cabeçalho do lançamento contábil no BlackLine, muitas vezes sincronizado com o sistema ERP subjacente. Exemplos 1000US01DE012500
	Motivo da rejeição RejectionReason	Motivo informado por um revisor ao rejeitar um lançamento contábil.
Descrição Quando um lançamento contábil é devolvido para correção, a pessoa responsável pela aprovação geralmente informa o motivo da rejeição. Este atributo registra esse motivo, que pode ser um código predefinido ou um texto livre. Este atributo é essencial para a análise de causa raiz do retrabalho. Ao analisar os motivos de rejeição mais comuns, uma empresa pode identificar problemas sistêmicos, como treinamento insuficiente, políticas pouco claras ou problemas na documentação comprobatória. Isso dá suporte direto ao Dashboard 'Análise de rejeições e retrabalho de lançamentos contábeis' e ajuda a reduzir a taxa geral de rejeição. Por que isso importa Ele é essencial para a análise de causa raiz do retrabalho no processo, pois ajuda a identificar por que os lançamentos contábeis são rejeitados e permite direcionar melhorias. Onde encontrar Em geral, esses dados são registrados em um campo de comentário ou código de motivo quando um usuário executa a ação 'Reject' no BlackLine. Exemplos Código de conta incorretoFalta de documentação comprobatóriaLimite excedidoLançamento duplicado
	Status do lançamento contábil JournalEntryStatus	Status atual do lançamento contábil em seu ciclo de vida, como 'In Progress', 'Approved' ou 'Posted'.
Descrição Este atributo indica o estado atual do caso do lançamento contábil no momento da extração dos dados. Ele mostra em que ponto do processo o lançamento está. Embora o Process Mining reconstrua o fluxo a partir das atividades, o status final é útil para filtrar dados e criar Dashboards de resumo. Ele ajuda a identificar rapidamente os lançamentos que aguardam aprovação ou estão parados em determinado estado, o que é útil para analisar o backlog. Por que isso importa Ele mostra o estado atual dos lançamentos, o que é útil para analisar o backlog e entender o trabalho em andamento. Onde encontrar Este é um campo de status padrão do lançamento contábil no BlackLine. Exemplos Em andamentoAguardando aprovaçãoAprovadoRegistradoRejeitado
	Tipo de lançamento contábil JournalEntryType	Classificação do lançamento contábil, como padrão, recorrente ou de estorno.
Descrição O tipo de lançamento contábil classifica os lançamentos de acordo com sua natureza ou finalidade. Entre os tipos mais comuns estão os lançamentos manuais padrão, os gerados automaticamente pelo sistema, os recorrentes para apropriações no fechamento do mês e os de estorno, revertidos automaticamente no período seguinte. Este atributo é essencial para segmentar e comparar os dados. Ele permite comparar a performance do processo, como tempos de ciclo ou taxas de rejeição, entre diferentes tipos de lançamento. Assim, você pode identificar se alguns tipos apresentam mais problemas ou ineficiências e direcionar melhorias no processo. Por que isso importa Ele permite segmentar a análise para entender se diferentes tipos de lançamentos contábeis seguem caminhos distintos ou apresentam características de performance diferentes. Onde encontrar Este é um campo padrão no cabeçalho do lançamento contábil no BlackLine. Consulte a documentação do BlackLine para saber o nome exato do campo. Exemplos PadrãoRecorrenteEstornoApropriação
	Usuário UserName	Nome ou ID do usuário que realizou a atividade.
Descrição Este atributo identifica a pessoa responsável por executar uma etapa específica do processo, como quem enviou, revisou ou aprovou um lançamento contábil. Pode ser um nome ou um ID de usuário exclusivo. Analisar as atividades por usuário é essencial para entender a distribuição da carga de trabalho, a performance individual e as oportunidades de treinamento. Isso ajuda a responder perguntas como 'O trabalho está distribuído de forma equilibrada entre a equipe?' ou 'Quais usuários levam mais tempo para aprovar?'. Também é fundamental para a análise de Conformidade e das trilhas de auditoria. Por que isso importa Ele permite analisar a carga de trabalho, comparar a performance entre integrantes da equipe e identificar gargalos relacionados a recursos ou necessidades de treinamento. Onde encontrar Essas informações estão disponíveis nos logs de auditoria do BlackLine, geralmente nos campos 'User ID' ou 'Changed By' associados a cada evento. Exemplos j.doea.smithr.joness.patel
	Valor do lançamento contábil JournalEntryAmount	Valor monetário total do lançamento contábil, geralmente correspondente à soma dos débitos.
Descrição Este atributo representa o valor financeiro do lançamento contábil. Ele pode ser usado para entender o impacto financeiro das ineficiências do processo, como atrasos no registro de lançamentos de alto valor. Analisar o processo com base no valor do lançamento permite considerar sua materialidade. Por exemplo, você pode priorizar melhorias para lançamentos de alto valor, investigar se eles seguem um fluxo de aprovação diferente ou verificar se seus tempos de ciclo são maiores. Isso acrescenta um contexto de negócio essencial ao fluxo do processo. Por que isso importa Ele fornece contexto financeiro e permite analisar a materialidade, por exemplo, priorizando lançamentos de alto valor ou identificando desvios do processo relacionados ao valor. Onde encontrar Este é um campo calculado ou padrão no cabeçalho do lançamento contábil no BlackLine, que representa o valor total de débito ou crédito. Exemplos 15000.00250.75125000.50500.00
	Atraso entre aprovação e registro ApprovalToPostingLag	Duração calculada entre a aprovação final e o registro efetivo do lançamento contábil.
Descrição Esta métrica mede o atraso entre a aprovação completa de um lançamento contábil e seu registro no razão geral. Ela é calculada pela diferença entre os horários das atividades 'Journal Entry Approved' e 'Journal Entry Posted'. Este é um KPI essencial para identificar gargalos após a aprovação, que podem atrasar significativamente o fechamento financeiro. O Dashboard 'Análise do atraso entre aprovação e registro' usa esta métrica para investigar por que os lançamentos aprovados não são registrados rapidamente e ajudar a agilizar as etapas finais do processo. Por que isso importa Ela mede especificamente a eficiência após a aprovação e ajuda a identificar e eliminar atrasos que afetam a velocidade do fechamento financeiro. Onde encontrar Esta métrica é calculada na ferramenta de Process Mining pela duração entre os eventos 'Journal Entry Approved' e 'Journal Entry Posted' de cada caso. Exemplos P0DT1H10MP1DT2H0MP0DT0H5M
	Automatizado IsAutomated	Indicador que informa se o lançamento contábil foi criado ou registrado por um processo automatizado.
Descrição Este atributo booleano diferencia os lançamentos contábeis criados e processados manualmente por usuários daqueles gerados automaticamente pelo sistema, como lançamentos recorrentes ou integrações entre sistemas. Analisar este atributo ajuda a avaliar a eficácia da automação. Ele permite comparar diretamente os tempos de ciclo, as taxas de erro e os custos dos processos automatizados e manuais. Isso é essencial para justificar novas iniciativas de automação e medir o ROI das iniciativas existentes. Por que isso importa Ele permite comparar diretamente os processos manuais e automatizados, o que é essencial para medir o impacto e o ROI das iniciativas de automação. Onde encontrar Este dado pode ser derivado do 'Journal Entry Type' (por exemplo, 'Recurring') ou do campo 'User', caso usuários do sistema (como 'SYSTEM' ou 'BATCH') sejam usados para registros automatizados. Exemplos truefalse
	Conta conciliada AccountReconciled	Número da conta do razão geral conciliada pelo lançamento contábil.
Descrição Este atributo identifica a conta específica do plano de contas que é afetada ou está sendo conciliada. Os lançamentos contábeis costumam fazer parte do processo de conciliação de contas, e este atributo vincula o lançamento à conta correspondente. Este atributo dá suporte direto ao Dashboard 'Tempo de ciclo da conciliação de lançamentos contábeis'. Ao analisar o processo por conta, é possível identificar se as conciliações de determinadas contas levam mais tempo de forma recorrente, o que pode indicar complexidade ou problemas nos dados dessas contas. Por que isso importa Ele vincula o processo de lançamento contábil às contas específicas que estão sendo conciliadas e permite analisar gargalos direcionados na conciliação. Onde encontrar Essas informações fazem parte dos detalhes dos itens de linha do lançamento contábil no BlackLine. Talvez seja necessário agregá-las no nível do caso se um lançamento afetar várias contas. Exemplos 101000210500400100550200
	Data do registro PostingDate	Data em que o lançamento contábil é registrado oficialmente no razão geral.
Descrição A data do registro é a data efetiva da transação nos registros financeiros. Ela é essencial para a contabilidade, pois determina o período fiscal em que a transação é reconhecida. Embora a data e hora do evento indiquem quando a atividade de registro ocorreu, a data do registro é um atributo importante dos dados. Ela é usada na análise financeira para garantir que os lançamentos sejam registrados no período correto e para analisar os atrasos entre a data da transação, a data da aprovação e a data do registro. Por que isso importa Esta data é essencial para a precisão dos relatórios financeiros e ajuda a verificar se os lançamentos estão sendo registrados no período contábil correto. Onde encontrar Este é um campo de data padrão no cabeçalho do lançamento contábil no BlackLine. Exemplos 2023-10-312023-11-012023-10-30
	Departamento Department	Departamento de negócio ou centro de custo associado ao lançamento contábil.
Descrição Este atributo especifica o departamento, centro de custo ou área funcional que iniciou o lançamento contábil ou à qual os custos estão sendo alocados. Ele acrescenta uma camada de contexto organizacional. Analisar o processo por departamento ajuda a entender como diferentes áreas da empresa usam o processo de lançamento contábil. Isso pode revelar variações de eficiência, Conformidade ou taxas de retrabalho entre departamentos e destacar áreas que precisam de mais suporte ou de processos padronizados. Por que isso importa Ele permite comparar a performance do processo entre diferentes departamentos e identificar variações e oportunidades de padronização. Onde encontrar Em geral, essas informações fazem parte dos dados dos itens de linha ou do cabeçalho do lançamento contábil no BlackLine e costumam estar vinculadas à conta do razão geral. Exemplos FinançasMarketingVendasOperações
	Documento anexado IsDocumentAttached	Indicador que informa se a documentação comprobatória foi anexada ao lançamento contábil.
Descrição Este atributo booleano indica se um ou mais documentos comprobatórios, como faturas ou cálculos, foram anexados ao lançamento contábil. Muitas vezes, esse é um pré-requisito para a aprovação. Este indicador é essencial para o Dashboard 'Conformidade da documentação de lançamentos contábeis' e para o KPI 'Taxa de anexação de documentos'. Ele ajuda a analisar se a falta de documentação é uma causa comum de rejeições ou atrasos e a aplicar políticas que exigem anexos antes do envio para revisão. Por que isso importa Ele mede diretamente a Conformidade com as políticas de documentação e ajuda a identificar uma causa raiz comum de atrasos e rejeições na aprovação. Onde encontrar Provavelmente, este é um campo derivado, calculado pela verificação da existência de um registro de anexo associado ao JournalEntryId antes do envio do lançamento. Exemplos truefalse
	Moeda Currency	Código da moeda do valor especificado no lançamento contábil.
Descrição Este atributo especifica a moeda do valor do lançamento contábil, como USD, EUR ou GBP. Ele é essencial para interpretar corretamente o valor financeiro das transações. Para organizações multinacionais, analisar os dados por moeda pode fornecer um contexto útil. Isso permite filtrar a análise do processo por moedas específicas e é um campo necessário em qualquer Dashboard que consolide valores financeiros. Por que isso importa Ele fornece o contexto necessário para interpretar corretamente os valores financeiros e permite análises por moeda. Onde encontrar Este é um campo padrão no cabeçalho do lançamento contábil no BlackLine, geralmente chamado de 'Document Currency' ou algo semelhante. Exemplos USDEURGBPJPY
	Retrabalho IsRework	Indicador calculado que é verdadeiro se o lançamento contábil tiver sido rejeitado pelo menos uma vez.
Descrição Este indicador booleano é calculado para identificar lançamentos contábeis que passaram por retrabalho. Em geral, ele recebe o valor verdadeiro quando um caso contém a atividade 'Journal Entry Rejected' seguida da atividade 'Corrected and Resubmitted'. Este atributo simplifica a análise de retrabalho, pois permite filtrar facilmente todos os casos que passaram por uma rejeição. Ele é fundamental para calcular o KPI 'Taxa de rejeição de lançamentos contábeis' e aprofundar a análise no Dashboard 'Análise de rejeições e retrabalho de lançamentos contábeis', a fim de entender o impacto dos problemas de qualidade em custos e tempo. Por que isso importa Ele identifica facilmente os casos com retrabalho, simplificando o cálculo das taxas de rejeição e a análise do impacto dos problemas de qualidade. Onde encontrar Este indicador é calculado na ferramenta de Process Mining pela verificação da sequência de atividades de cada caso. Exemplos truefalse

Obrigatório Recomendado Opcional

Atividades de Record to Report - lançamento contábil

Estas são as principais etapas e marcos do processo que você deve registrar no Event Log para descobrir e analisar com precisão o processo de lançamento contábil.

6 Recomendado 6 Opcional

	Atividade	Descrição
	Lançamento contábil aprovado	Esta atividade indica que o lançamento contábil passou por todas as etapas necessárias de revisão e aprovação. Ela é registrada quando a pessoa autorizada a dar a aprovação final aprova o lançamento, alterando o status para 'Approved'.
Por que isso importa Este é um marco importante que encerra o processo de aprovação. O intervalo entre 'Journal Entry Submitted' e este evento corresponde ao 'Tempo de ciclo de aprovação', um KPI essencial para medir a eficiência do fluxo de trabalho. Onde encontrar Este evento é inferido pela mudança de status do lançamento contábil para 'Approved'. O ID de usuário da pessoa responsável pela aprovação final e a data e hora da aprovação costumam ser registrados no histórico de auditoria do BlackLine. Coleta Inferido pela data e hora em que o status do lançamento contábil é atualizado para 'Approved'. Tipo de evento inferred
	Lançamento contábil conciliado	Marca a conclusão do ciclo de vida do lançamento contábil, quando ele é incluído em uma conciliação de contas finalizada e certificada. No BlackLine, isso corresponde à certificação da conciliação que contém esse lançamento.
Por que isso importa Esta atividade marca o ponto final do processo de ponta a ponta. O intervalo entre 'Journal Entry Posted' e 'Reconciled' mede a eficiência da etapa de conciliação de contas no fechamento financeiro. Onde encontrar Este é um evento inferido. Ele é identificado quando o status da conciliação de contas que contém o lançamento contábil específico muda para 'Certified' no módulo Account Reconciliation do BlackLine. Coleta Inferido ao vincular o lançamento contábil à conciliação de contas correspondente e registrar a data de certificação dessa conciliação. Tipo de evento inferred
	Lançamento contábil criado	Esta atividade marca o início de um caso de lançamento contábil. Ela é registrada quando um usuário cria um novo lançamento no BlackLine, gerando um ID exclusivo e registrando a data e hora da criação e o usuário responsável.
Por que isso importa Este é o principal evento de início do processo. Analisar o tempo entre esta atividade e as demais revela o tempo total do ciclo e ajuda a identificar atrasos logo no início do fluxo de trabalho. Onde encontrar Este evento é registrado explicitamente no módulo de lançamentos contábeis do BlackLine. Ele é capturado a partir da data e hora da criação e dos dados do usuário associados a cada ID de lançamento contábil na tabela principal de lançamentos ou no histórico de auditoria. Coleta Capturado a partir da data e hora de "Create Date" associadas ao registro do lançamento contábil. Tipo de evento explicit
	Lançamento contábil enviado	Esta atividade ocorre quando a pessoa responsável pela preparação envia formalmente o lançamento contábil para revisão e aprovação. Em geral, ela é registrada como uma mudança de status, por exemplo, de "Em preparação" para "Enviado", junto com a data e hora.
Por que isso importa Esta atividade marca o fim da etapa de preparação e o início do ciclo de aprovação. É um marco importante para medir a duração das etapas de preparação e aprovação. Onde encontrar Provavelmente, este evento é inferido a partir de uma mudança de status no registro do lançamento contábil no BlackLine. A data e hora em que o status muda para "Enviado para aprovação" ou um valor semelhante marcam o momento do evento. Coleta Inferido a partir da data e hora em que o campo de status do lançamento contábil é atualizado para "Enviado" ou "Aguardando aprovação". Tipo de evento inferred
	Lançamento contábil registrado	Indica o momento em que o lançamento contábil aprovado é registrado oficialmente no razão geral. No BlackLine, isso costuma ser uma ação explícita, que atualiza o status do lançamento para 'Posted'.
Por que isso importa Este é um marco essencial, muitas vezes considerado o encerramento operacional do processo. O intervalo entre 'Journal Entry Approved' e esta atividade é um indicador importante da eficiência após a aprovação. Onde encontrar Em geral, este evento é inferido pela mudança de status para 'Posted'. Ele também pode ser registrado explicitamente em uma tabela de histórico de lançamentos ou em uma trilha de auditoria, com uma data e hora específicas. Coleta Inferido pela data e hora em que o status do lançamento contábil é atualizado para 'Posted'. O campo de data do lançamento também é relevante. Tipo de evento inferred
	Lançamento contábil rejeitado	Esta atividade marca a rejeição de um lançamento contábil por um revisor ou aprovador. Ela é registrada quando um usuário seleciona a ação "Rejeitar", que atualiza o status do lançamento para "Rejeitado" e registra a ação no log de auditoria.
Por que isso importa Esta é uma atividade crítica para identificar retrabalho, problemas de qualidade e necessidades de treinamento. Analisar a frequência e os motivos das rejeições, além do retrabalho que vem em seguida, é essencial para melhorar o processo e reduzir os tempos de ciclo. Onde encontrar Em geral, este evento é inferido a partir de uma mudança de status para "Rejeitado" ou "Precisa de correção" nos dados do lançamento contábil. O histórico do BlackLine registra a data e hora e o usuário responsável pela rejeição. Coleta Inferido a partir da data e hora em que o status do lançamento contábil é atualizado para "Rejeitado". Tipo de evento inferred
	Aprovação revogada	Esta atividade representa a revogação de uma aprovação concedida anteriormente, fazendo o lançamento contábil voltar a um estado anterior. Ela é identificada pela mudança de status de 'Approved' para um status anterior, como 'In Preparation'.
Por que isso importa Esta atividade, rara mas importante, destaca exceções no processo e possíveis problemas identificados após a aprovação, mas antes do lançamento no razão. Ela pode indicar erros nos dados ou mudanças de política que afetam o lançamento. Onde encontrar Este seria um evento inferido, identificado pela mudança de status de 'Approved' para um status editável que ainda não foi lançado. Essa ação seria registrada nos logs detalhados de auditoria do BlackLine. Coleta Identificado pela mudança de status de 'Approved' para um status anterior, como 'In Preparation' ou 'Submitted'. Tipo de evento inferred
	Documentação de suporte anexada	Representa a ação de um usuário que anexa um ou mais documentos de suporte ao lançamento contábil. Em geral, esse evento é registrado em um log de auditoria ou em uma tabela de anexos relacionada ao ID do lançamento contábil.
Por que isso importa Acompanhar esta atividade é essencial para monitorar a conformidade e a eficiência. Isso ajuda a verificar se a falta de documentação causa atrasos no processo de aprovação e dá suporte ao KPI "Taxa de anexação de documentos". Onde encontrar Em geral, este é um evento explícito no BlackLine, registrado em um registro de auditoria ou log de anexos. Os dados incluem o ID do lançamento contábil, o usuário que anexou o arquivo e a data e hora. Coleta O evento é registrado no histórico de auditoria do sistema ou em uma tabela específica de histórico de anexos sempre que um arquivo é carregado em um lançamento contábil. Tipo de evento explicit
	Estorno de lançamento contábil processado	Esta atividade registra a criação e o lançamento de um novo lançamento contábil que estorna outro já registrado. Em geral, ela é iniciada após a identificação de um erro no lançamento original.
Por que isso importa Este evento é um forte indicador de problemas na qualidade dos dados em etapas anteriores. Acompanhar a taxa de estornos ajuda a medir a 'Taxa de ajustes após o lançamento' e a identificar áreas que precisam de mais precisão. Onde encontrar Em geral, este é um evento explícito, em que um usuário inicia a ação 'Reverse' no BlackLine para um lançamento já registrado. O sistema cria um novo lançamento de estorno, geralmente vinculado ao ID do lançamento contábil original. Coleta Registrado quando a ação 'Reverse' é gravada ou quando um novo lançamento é criado com um indicador de estorno e um vínculo com o ID do lançamento original. Tipo de evento explicit
	Lançamento contábil revisado	Representa uma etapa formal de revisão em um processo de aprovação com vários níveis, realizada por um revisor designado. Em geral, é registrada como uma mudança de status ou uma entrada específica no log que indica a ação do revisor.
Por que isso importa Em organizações com etapas distintas de revisão e aprovação, esta atividade ajuda a identificar gargalos na cadeia de aprovação. Ela mostra quanto tempo os lançamentos aguardam a revisão inicial em comparação com a aprovação final. Onde encontrar Nos fluxos de trabalho do BlackLine, este evento pode ser registrado explicitamente no histórico de aprovações ou inferido a partir de uma mudança de status para "Revisado" ou "Aguardando aprovação final". O usuário e a data e hora são registrados. Coleta Inferido a partir da data e hora em que o status do lançamento contábil muda para indicar a conclusão da etapa de revisão. Tipo de evento inferred
	Lançamento corrigido e reenviado	Ocorre depois que um lançamento contábil é rejeitado e a pessoa responsável por prepará-lo faz as correções necessárias e o envia novamente. Isso é identificado pela mudança de status de 'Rejected' para 'Submitted for Approval'.
Por que isso importa Esta atividade ajuda a quantificar o tempo e o esforço dedicados ao retrabalho. O intervalo entre 'Journal Entry Rejected' e este evento representa o tempo de retrabalho, uma métrica importante para a análise de eficiência. Onde encontrar Esse evento é inferido pela observação de uma sequência de mudanças de status nos dados do BlackLine, especificamente pela transição de 'Rejected' para 'Submitted' ou 'Pending Approval' para o mesmo ID do lançamento contábil. Coleta Derivado da mudança de status de 'Rejected' para 'Submitted' ou 'Pending Approval'. Tipo de evento inferred
	Registro confirmado	Representa a confirmação de que um lançamento contábil registrado foi recebido e contabilizado corretamente no sistema ERP de destino. Isso pode ocorrer por meio de uma comunicação automática entre sistemas ou de uma etapa de confirmação manual.
Por que isso importa Esta atividade encerra a etapa de registro e garante a integridade dos dados entre os sistemas. O intervalo entre 'Posted' e 'Verified' pode revelar problemas de integração ou atrasos na sincronização dos sistemas. Onde encontrar Este pode ser um evento explícito de um log de integração entre sistemas ou ser inferido pela mudança de status para um valor como 'Posted and Verified'. Se a confirmação for manual, ela será registrada por uma atualização de status feita por um usuário. Coleta Inferido pela atualização do status para 'Verified' ou pelo recebimento de um sinal de confirmação do sistema ERP de destino. Tipo de evento inferred

Recomendado Opcional

Guias de extração

Como obter seus dados do BlackLine

Etapas

Acesse sua instância do BlackLine com uma conta de usuário que tenha as permissões necessárias para acessar os relatórios financeiros.
Acesse o módulo de relatórios. Em geral, ele fica em um menu como 'Relatórios' > 'Relatórios padrão'.
Na lista de relatórios padrão disponíveis, localize e selecione 'Relatório de lançamentos contábeis e serviços' ou outro relatório abrangente de lançamentos contábeis com nome semelhante.
Configure os parâmetros do relatório. Informe o 'Intervalo de datas' desejado para a extração, correspondente ao período que você quer analisar. Para começar, recomendamos um período de 3 a 6 meses.
Aplique os filtros necessários para restringir os dados. No mínimo, filtre pelos 'Códigos da empresa' relevantes. Você também pode filtrar por 'Status do lançamento contábil' para incluir todos os status pertinentes, da criação ao lançamento.
Selecione todas as colunas disponíveis para garantir que o relatório inclua todos os campos necessários de data, usuário e status para gerar o Event Log. Entre os campos principais estão data de criação, data de envio, data de aprovação, data de lançamento e funções dos usuários.
Execute o relatório diretamente na interface do BlackLine. Quando a geração terminar, use a função 'Exportar' ou 'Baixar' para salvar os dados como arquivo CSV. Nomeie o arquivo como 'blackline_report.csv'.
Configure um ambiente Python com a biblioteca pandas instalada. Se ela ainda não estiver instalada, use o comando: pip install pandas.
Coloque o script Python fornecido no mesmo diretório do arquivo 'blackline_report.csv' que você baixou.
Execute o script Python. Ele vai ler o relatório CSV bruto, transformar os dados criando uma linha distinta para cada atividade de negócio e gerar um novo arquivo chamado 'event_log.csv' no formato necessário.
Valide o arquivo 'event_log.csv' para verificar a qualidade e a integridade dos dados antes de carregá-lo.
Carregue o arquivo final 'event_log.csv' no ProcessMind para análise.

Configuração

Nome do relatório: Relatório de lançamentos contábeis e serviços. O nome exato pode variar conforme a configuração do BlackLine.
Intervalo de datas: Para uma análise inicial, recomendamos extrair de 3 a 6 meses de dados. O filtro de data do relatório geralmente se aplica à data de criação ou de lançamento contábil. Confirme qual campo de data é usado no filtro para garantir a extração do conjunto de dados correto.
Principais filtros:
- Código da empresa: Sempre informe os códigos das empresas que você quer analisar para limitar o volume de dados e direcionar a análise.
- Status do lançamento contábil: Selecione todos os status (por exemplo, Em preparação, Enviado, Aprovado, Rejeitado, Lançado) para capturar o processo completo de ponta a ponta.
- Tipo de lançamento contábil: Se necessário, filtre por tipos específicos de lançamento (por exemplo, Padrão, Recorrente) de acordo com o escopo da análise.
Pré-requisitos: A conta de usuário que executa o relatório precisa ter permissão para visualizar dados de lançamentos contábeis e executar relatórios padrão no BlackLine. Em geral, isso exige uma função como 'Contador' ou 'Usuário de relatórios'.
Considerações de performance: Exportar um conjunto de dados grande, que abranja um período longo ou muitos códigos de empresa, pode consumir muitos recursos e levar bastante tempo para ser gerado na interface do BlackLine. Se houver problemas de performance ou tempo limite, considere executar o relatório em lotes menores.

Consulta de exemplo python

import pandas as pd
import numpy as np
import datetime

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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


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

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

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

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

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

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

Etapas

Pré-requisitos e configuração: Verifique se você tem o Python 3.6 ou versão mais recente instalado. Instale as bibliotecas necessárias com pip: pip install requests pandas. Solicite ao administrador do BlackLine as credenciais da API (Client ID, Client Secret e Refresh Token) e a URL base do BlackLine da sua organização.
Configure as variáveis do script: Abra o script Python e localize a seção de configuração. Informe seu Client ID, Client Secret, Refresh Token e a URL base. Defina o período de extração preenchendo as variáveis START_DATE e END_DATE no formato 'YYYY-MM-DD'.
Autenticação: O script começa chamando a função get_access_token. Ela envia suas credenciais ao endpoint de autenticação do BlackLine (/api/oauth/token) e obtém um token de acesso temporário, necessário para todas as chamadas subsequentes à API.
Obtenha a lista inicial de lançamentos contábeis: O script faz uma solicitação paginada ao endpoint /api/v2/journals, filtrando pelo intervalo de datas de criação especificado. Ele percorre as páginas e coleta os principais detalhes de todos os lançamentos contábeis incluídos no escopo.
Recupere o histórico detalhado de eventos: Para cada ID de lançamento contábil coletado na etapa anterior, o script faz mais duas chamadas à API. Primeiro, consulta o endpoint de histórico do lançamento (por exemplo, /api/v2/journals/{id}/history) para obter um registro detalhado de auditoria das mudanças de status, aprovações e rejeições. Depois, chama o endpoint de anexos (por exemplo, /api/v2/journals/{id}/attachments) para identificar quando os documentos de suporte foram adicionados.
Transforme os dados em um Event Log: O script processa as respostas JSON da API. Ele percorre cada lançamento contábil e os registros de histórico e anexos associados. Os dados brutos são mapeados para um formato estruturado de Event Log, com uma linha distinta para cada uma das 12 atividades necessárias, como 'Lançamento contábil criado', 'Lançamento contábil enviado' e 'Lançamento contábil aprovado'.
Mapeie as mudanças de status para atividades: As principais atividades são geradas a partir da interpretação dos dados do endpoint de histórico. Por exemplo, um item do histórico que indica uma mudança de status para 'Enviado' se torna a atividade 'Lançamento contábil enviado'. O script contém regras para mapear diferentes tipos de eventos do histórico aos nomes de atividade padronizados exigidos pelo ProcessMind.
Crie DataFrames: O script usa a biblioteca pandas para criar DataFrames. Primeiro, cria um DataFrame para o evento 'Criado' com base na lista principal de lançamentos contábeis. Em seguida, cria outro DataFrame com as demais atividades derivadas dos registros de histórico e anexos. Depois, combina os dois em um único Event Log abrangente.
Adicione metadados e padronize as colunas: Depois de combinar os dados, o script adiciona as colunas de metadados necessárias, incluindo SourceSystem (definido como 'BlackLine') e LastDataUpdate (preenchido com o horário de execução do script). Também renomeia as colunas para corresponder ao esquema necessário, por exemplo, mapeando o campo id da API para JournalEntryId.
Exporte para CSV: Por fim, o script exporta o DataFrame completo do Event Log para um arquivo CSV chamado blackline_journal_entry_event_log.csv. O arquivo fica formatado e pronto para ser carregado diretamente no ProcessMind.

Configuração

Credenciais da API: Você precisa de um Client ID, Client Secret e Refresh Token válidos para a API REST do BlackLine. Armazene essas credenciais com segurança e não as insira diretamente em scripts usados em produção.
URL base: O script precisa da URL base específica da API do BlackLine da sua organização, por exemplo, https://api.blackline.com.
Intervalo de datas: O script usa as variáveis START_DATE e END_DATE. Para uma análise inicial, recomendamos um intervalo que cubra os últimos 3 a 6 meses de atividade, para obter dados suficientes sem gerar um volume excessivo.
Limite de paginação: A variável LIMIT controla quantos registros são obtidos por chamada à API. O padrão costuma ser 100. Alterar esse valor pode afetar a performance. Por isso, mantenha o valor recomendado, a menos que o suporte do BlackLine oriente o contrário.
Permissões necessárias: O usuário da API associado às credenciais precisa ter permissão suficiente para ler lançamentos contábeis, o histórico desses lançamentos e os anexos dos códigos de empresa que você pretende analisar.
Ambiente Python: Para executar o script, é necessário ter um ambiente Python 3.6 ou mais recente funcionando, com as bibliotecas requests e pandas instaladas.

Consulta de exemplo python

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

    output_filename = class="hl-string">'blackline_journal_entry_event_log.csv'
    df.to_csv(output_filename, index=False)
    print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

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

Pronto para começar?

Use este Template para simplificar a preparação dos dados e obter insights valiosos sobre seu processo de Record to Report - lançamento contábil. Comece hoje a aumentar a eficiência e a conformidade.

Voltar ao guia de melhoria

Baixar Template

Aumente hoje a eficiência dos lançamentos contábeis em Record to Report

Reduza em 30% o tempo de ciclo dos lançamentos contábeis e feche os períodos com mais rapidez e precisão.

Começar o teste grátis

Não é necessário cartão de crédito • Configuração em poucos minutos

Seu Template de dados de Record to Report - lançamento contábil

Seu Template de dados de Record to Report - lançamento contábil

Atributos de Record to Report - lançamento contábil

Atividades de Record to Report - lançamento contábil

Guias de extração

Exportação do relatório de lançamentos contábeis e serviços do BlackLine

Etapas

Configuração

Consulta de exemplo python

Extração com script Python pela API REST do BlackLine

Etapas

Configuração

Consulta de exemplo python

Pronto para começar?

Aumente hoje a eficiência dos lançamentos contábeis em Record to Report