> การปรับปรุงกระบวนการอย่างต่อเนื่อง > Record to Report: รายการบันทึกบัญชี > BlackLine > เทมเพลตข้อมูล

เทมเพลตข้อมูล Record to Report สำหรับรายการสมุดรายวัน

BlackLine

คุณลักษณะของรายการสมุดรายวันในกระบวนการ Record to Report(19) กิจกรรมในกระบวนการ Record to Report สำหรับรายการสมุดรายวัน(12) คู่มือการดึงข้อมูล(2)

เทมเพลตข้อมูล Record to Report สำหรับรายการสมุดรายวัน

เทมเพลตนี้แนะนำวิธีรวบรวมข้อมูลที่จำเป็นสำหรับวิเคราะห์กระบวนการ Record to Report สำหรับรายการสมุดรายวัน โดยระบุคุณลักษณะที่ควรเก็บ กิจกรรมสำคัญที่ควรติดตาม และแนวทางดึงข้อมูลจาก BlackLine ใช้เทมเพลตนี้เพื่อเตรียมข้อมูลให้พร้อมสำหรับ process mining.

คุณลักษณะที่แนะนำให้รวบรวม
กิจกรรมสำคัญที่ควรติดตาม
แนวทางการดึงข้อมูล

เพิ่งเริ่มใช้บันทึกเหตุการณ์ใช่ไหม เรียนรู้ วิธีสร้าง event log สำหรับ process mining.

ดาวน์โหลดเทมเพลต

คุณลักษณะของรายการสมุดรายวันในกระบวนการ Record to Report

ฟิลด์ข้อมูลเหล่านี้เป็นรายการที่แนะนำให้ใส่ในบันทึกเหตุการณ์ เพื่อวิเคราะห์กระบวนการ Record to Report สำหรับรายการสมุดรายวันได้อย่างละเอียด.

5 จำเป็น 6 แนะนำ 8 ไม่บังคับ

	ชื่อ	คำอธิบาย
	กิจกรรม ActivityName	ชื่อเหตุการณ์ทางธุรกิจที่เกิดขึ้น ณ เวลาใดเวลาหนึ่งในกระบวนการจัดทำรายการสมุดรายวัน.
คำอธิบาย แอตทริบิวต์นี้อธิบายขั้นตอนหรืองานหนึ่งรายการที่เกิดขึ้นในวงจรของรายการสมุดรายวัน เช่น 'สร้างรายการสมุดรายวันแล้ว' 'อนุมัติรายการสมุดรายวันแล้ว' หรือ 'ลงบัญชีรายการสมุดรายวันแล้ว' แต่ละกิจกรรมคือเหตุการณ์หนึ่งในกระบวนการ การวิเคราะห์ลำดับกิจกรรมช่วยให้เห็นและเข้าใจลำดับการทำงาน ใช้ค้นหาความแตกต่างของกระบวนการ วัดเวลาระหว่างขั้นตอน และระบุวงจรการแก้ไขงาน เช่น เมื่อรายการสมุดรายวันถูกปฏิเสธและส่งอีกครั้ง. เหตุผลที่สำคัญ แอตทริบิวต์นี้กำหนดขั้นตอนในกระบวนการ ซึ่งจำเป็นต่อการแสดงแผนผังกระบวนการ วิเคราะห์ลำดับงาน และระบุความเบี่ยงเบนหรือคอขวด. แหล่งข้อมูล โดยทั่วไปได้มาจากบันทึกเหตุการณ์ บันทึกการเปลี่ยนสถานะ หรือบันทึกการตรวจสอบใน BlackLine อาจต้องจับคู่รหัสสถานะของระบบกับชื่อกิจกรรมที่ผู้ใช้เข้าใจได้. ตัวอย่าง สร้างรายการบัญชีแยกประเภทส่งรายการบัญชีแยกประเภทอนุมัติรายการสมุดรายวันลงบัญชีรายการสมุดรายวัน
	รหัสรายการสมุดรายวัน JournalEntryId	รหัสเฉพาะของรายการสมุดรายวันแต่ละรายการ ใช้เป็นรหัสเคสหลักในการติดตามวงจรของรายการ.
คำอธิบาย Journal Entry ID ใช้ระบุธุรกรรมทางการเงินแต่ละชุดที่บันทึกในบัญชีแยกประเภททั่วไปได้อย่างไม่ซ้ำกัน และเป็นรหัสหลักที่เชื่อมโยงกิจกรรมที่เกี่ยวข้องทั้งหมด เช่น การสร้าง การตรวจสอบ การอนุมัติ และการลงบัญชี ใน process mining รหัสนี้จำเป็นต่อการเชื่อมโยงเหตุการณ์ทั้งหมดที่เป็นของเคสรายการสมุดรายวันเดียวกัน เมื่อนำรหัสนี้มาวิเคราะห์ลำดับกระบวนการ จะช่วยสร้างภาพการดำเนินงานตั้งแต่เริ่มต้นจนถึงการกระทบยอดขั้นสุดท้าย และวิเคราะห์ระยะเวลาของวงจร คอขวด และความแตกต่างของกระบวนการได้อย่างละเอียด. เหตุผลที่สำคัญ รหัสเคสหลักนี้ช่วยติดตามวงจรทั้งหมดของรายการสมุดรายวันแต่ละรายการและวิเคราะห์ประสิทธิภาพได้. แหล่งข้อมูล นี่คือคีย์หลักในตารางรายการสมุดรายวันหรือไฟล์ส่งออกข้อมูลของ BlackLine โปรดดูชื่อฟิลด์ที่ใช้จริงในเอกสารประกอบของ BlackLine. ตัวอย่าง JE2024-001234JE2024-001235JE2024-001236
	เวลาเริ่มต้น EventTime	เวลาประทับที่ระบุอย่างแม่นยำว่ากิจกรรมหรือเหตุการณ์เกิดขึ้นเมื่อใด.
คำอธิบาย เวลาเกิดเหตุการณ์บันทึกวันที่และเวลาที่เหตุการณ์ทางธุรกิจเกิดขึ้น เป็นข้อมูลหลักที่ใช้เรียงลำดับและวัดระยะเวลาของกิจกรรมทั้งหมดในกระบวนการ เวลาประทับนี้จำเป็นต่อการวิเคราะห์ process mining ที่อิงตามเวลา ใช้คำนวณระยะเวลาของวงจร เวลารอ และช่วงเวลาระหว่างกิจกรรม อีกทั้งช่วยระบุคอขวด วิเคราะห์ประสิทธิภาพตามช่วงเวลา และประเมินการปฏิบัติตามข้อตกลงระดับการให้บริการ. เหตุผลที่สำคัญ เวลาประทับนี้เป็นพื้นฐานของตัวชี้วัดประสิทธิภาพทั้งหมด รวมถึงระยะเวลาของวงจรและการวิเคราะห์คอขวด อีกทั้งช่วยเรียงลำดับเหตุการณ์ในกระบวนการตามเวลา. แหล่งข้อมูล ข้อมูลนี้บันทึกอยู่ในฟิลด์เวลาประทับของบันทึกเหตุการณ์หรือรายการธุรกรรมใน BlackLine. ตัวอย่าง 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:05:00Z
	ระบบต้นทาง SourceSystem	ระบบหลักที่ใช้บันทึกข้อมูล ซึ่งเป็นแหล่งที่ดึงข้อมูลรายการสมุดรายวันออกมา.
คำอธิบาย แอตทริบิวต์นี้ระบุระบบต้นทางของข้อมูลเหตุการณ์ ในกรณีนี้มักเป็น 'BlackLine' แต่อาจรวมข้อมูลจากระบบ ERP ต้นทางด้วย หากกระบวนการเริ่มต้นในระบบนั้น การระบุระบบต้นทางมีความสำคัญต่อการกำกับดูแลข้อมูลและการทำความเข้าใจบริบทของกระบวนการ โดยเฉพาะเมื่อรวมข้อมูลจากหลายระบบเข้าด้วยกัน นอกจากนี้ยังช่วยแก้ไขปัญหาการนำเข้าข้อมูลและตรวจสอบที่มาของข้อมูลได้. เหตุผลที่สำคัญ แอตทริบิวต์นี้ให้บริบทสำคัญเกี่ยวกับแหล่งที่มาของข้อมูล ช่วยให้ตรวจสอบย้อนกลับได้และจัดการการเชื่อมโยงข้อมูลจากแพลตฟอร์มต่างๆ ได้. แหล่งข้อมูล โดยทั่วไปจะกำหนดค่านี้ไว้ระหว่างการดึงและแปลงข้อมูล เพื่อระบุแหล่งที่มาของชุดข้อมูล. ตัวอย่าง BlackLineSAP S/4HANAOracle NetSuite
	อัปเดตข้อมูลล่าสุด LastDataUpdate	เวลาประทับที่ระบุครั้งล่าสุดที่มีการรีเฟรชหรือดึงข้อมูลจากระบบต้นทาง.
คำอธิบาย แอตทริบิวต์นี้ระบุวันที่และเวลาที่ดึงข้อมูลล่าสุด ช่วยให้ทราบว่าข้อมูลที่นำมาวิเคราะห์เป็นข้อมูลใหม่เพียงใด และทำให้ผู้ใช้เข้าใจว่าข้อมูลเป็นปัจจุบันแค่ไหน ข้อมูลเมตานี้สำคัญต่อแดชบอร์ดหรือการวิเคราะห์ process mining เพราะแจ้งให้ผู้ใช้ทราบว่าข้อมูลเชิงลึกเป็นข้อมูลล่าสุดเพียงใด และช่วยให้เข้าใจว่ามีธุรกรรมล่าสุดรวมอยู่ในมุมมองหรือไม่. เหตุผลที่สำคัญ ช่วยให้เห็นชัดเจนว่าข้อมูลเป็นปัจจุบันเพียงใด ผู้ใช้จึงทราบได้ว่าการวิเคราะห์กระบวนการอ้างอิงข้อมูลล่าสุดแค่ไหน. แหล่งข้อมูล เครื่องมือดึงข้อมูลหรือกระบวนการ ETL จะสร้างและเพิ่มเวลาประทับนี้ลงในชุดข้อมูลเมื่อเริ่มทำงาน. ตัวอย่าง 2023-11-01T02:00:00Z2023-11-02T02:00:00Z
	ประเภทรายการสมุดรายวัน JournalEntryType	ประเภทของรายการสมุดรายวัน เช่น รายการทั่วไป รายการที่เกิดซ้ำ หรือรายการกลับบัญชี.
คำอธิบาย ประเภทรายการสมุดรายวันใช้จัดหมวดหมู่รายการตามลักษณะหรือวัตถุประสงค์ ประเภทที่พบบ่อย ได้แก่ รายการทั่วไปที่บันทึกด้วยตนเอง รายการที่ระบบสร้างโดยอัตโนมัติ รายการค้างจ่ายที่เกิดซ้ำช่วงสิ้นเดือน และรายการกลับบัญชีที่ระบบกลับรายการให้อัตโนมัติในงวดถัดไป แอตทริบิวต์นี้สำคัญต่อการแบ่งกลุ่มและเปรียบเทียบข้อมูล ช่วยให้คุณเปรียบเทียบประสิทธิภาพของกระบวนการ เช่น ระยะเวลาของวงจรหรืออัตราการถูกปฏิเสธ ระหว่างรายการแต่ละประเภท และระบุได้ว่ารายการประเภทใดมีปัญหาหรือไม่มีประสิทธิภาพมากกว่า เพื่อนำไปปรับปรุงกระบวนการได้ตรงจุด. เหตุผลที่สำคัญ ช่วยแบ่งกลุ่มวิเคราะห์เพื่อดูว่ารายการสมุดรายวันแต่ละประเภทมีเส้นทางหรือประสิทธิภาพแตกต่างกันหรือไม่. แหล่งข้อมูล ฟิลด์มาตรฐานในส่วนหัวของรายการสมุดรายวันใน BlackLine โปรดดูชื่อฟิลด์ที่ใช้จริงในเอกสารประกอบของ BlackLine. ตัวอย่าง ทั่วไปเกิดซ้ำกลับบัญชีค้างจ่าย
	ผู้ใช้ UserName	ชื่อหรือ ID ของผู้ใช้ที่ดำเนินกิจกรรม.
คำอธิบาย แอตทริบิวต์นี้ระบุผู้รับผิดชอบขั้นตอนหนึ่งในกระบวนการ เช่น ผู้ส่ง ผู้ตรวจสอบ หรือผู้อนุมัติรายการสมุดรายวัน โดยอาจระบุเป็นชื่อหรือ ID ผู้ใช้ที่ไม่ซ้ำกัน การวิเคราะห์กิจกรรมแยกตามผู้ใช้จำเป็นต่อการทำความเข้าใจการกระจายภาระงานและประสิทธิภาพของแต่ละคน รวมถึงการระบุความต้องการด้านการฝึกอบรม ช่วยตอบคำถาม เช่น 'กระจายงานในทีมอย่างทั่วถึงหรือไม่' หรือ 'ผู้ใช้รายใดใช้เวลาอนุมัตินานที่สุด' นอกจากนี้ยังสำคัญต่อการวิเคราะห์การปฏิบัติตามข้อกำหนดและบันทึกการตรวจสอบ. เหตุผลที่สำคัญ ช่วยวิเคราะห์ปริมาณงาน เปรียบเทียบประสิทธิภาพระหว่างสมาชิกในทีม และระบุคอขวดที่เกี่ยวข้องกับทรัพยากรหรือความต้องการฝึกอบรม. แหล่งข้อมูล ข้อมูลนี้ดูได้จากบันทึกการตรวจสอบของ BlackLine โดยมักจัดเก็บไว้ในฟิลด์ 'User ID' หรือ 'Changed By' ของแต่ละเหตุการณ์. ตัวอย่าง j.doea.smithr.joness.patel
	ยอดเงินรายการสมุดรายวัน JournalEntryAmount	มูลค่ารวมของรายการสมุดรายวัน โดยทั่วไปคือผลรวมของยอดเดบิต.
คำอธิบาย แอตทริบิวต์นี้แสดงมูลค่าทางการเงินของรายการสมุดรายวัน ใช้ทำความเข้าใจผลกระทบทางการเงินจากความไม่มีประสิทธิภาพของกระบวนการ เช่น การลงบัญชีรายการมูลค่าสูงล่าช้า การวิเคราะห์กระบวนการตามมูลค่ารายการช่วยให้พิจารณาความสำคัญของรายการได้ เช่น จัดลำดับความสำคัญในการปรับปรุงกระบวนการสำหรับรายการมูลค่าสูง ตรวจสอบว่ารายการเหล่านั้นผ่านขั้นตอนอนุมัติที่ต่างออกไปหรือไม่ หรือดูว่ามีระยะเวลาของวงจรนานกว่าหรือไม่ ข้อมูลนี้ช่วยเพิ่มบริบททางธุรกิจที่สำคัญให้กับลำดับการทำงาน. เหตุผลที่สำคัญ ช่วยให้เห็นบริบททางการเงินและวิเคราะห์ตามความสำคัญของมูลค่า เช่น จัดลำดับรายการมูลค่าสูงหรือระบุความเบี่ยงเบนของกระบวนการตามมูลค่า. แหล่งข้อมูล ฟิลด์นี้คำนวณได้หรือเป็นฟิลด์มาตรฐานในส่วนหัวของรายการสมุดรายวันใน BlackLine โดยแสดงยอดเดบิตหรือเครดิตรวม. ตัวอย่าง 15000.00250.75125000.50500.00
	รหัสบริษัท CompanyCode	รหัสเฉพาะของนิติบุคคลหรือบริษัทที่จัดทำรายการสมุดรายวัน.
คำอธิบาย รหัสบริษัทใช้ระบุนิติบุคคลหนึ่งแห่งภายในกลุ่มบริษัท เป็นหน่วยงานพื้นฐานในการบัญชีการเงิน เพื่อให้บันทึกธุรกรรมกับนิติบุคคลที่ถูกต้อง ใน process mining รหัสบริษัทเป็นมิติสำคัญสำหรับกรองและเปรียบเทียบข้อมูล ช่วยวิเคราะห์ประสิทธิภาพของกระบวนการในแต่ละนิติบุคคล ระบุคอขวดเฉพาะภูมิภาคหรือนิติบุคคล ความแตกต่างด้านการปฏิบัติตามข้อกำหนด และโอกาสในการกำหนดมาตรฐานกระบวนการทั่วทั้งองค์กร อีกทั้งรองรับแดชบอร์ด 'Approval To Posting Delay Analysis' โดยตรง. เหตุผลที่สำคัญ ช่วยเปรียบเทียบประสิทธิภาพและสนับสนุนการปรับกระบวนการให้เป็นมาตรฐานระหว่างนิติบุคคลหรือหน่วยธุรกิจต่างๆ. แหล่งข้อมูล ฟิลด์สำคัญในส่วนหัวของรายการสมุดรายวันใน BlackLine ซึ่งมักซิงโครไนซ์ข้อมูลจากระบบ ERP ต้นทาง. ตัวอย่าง 1000US01DE012500
	สถานะรายการสมุดรายวัน JournalEntryStatus	สถานะปัจจุบันของรายการสมุดรายวันในวงจร เช่น 'In Progress', 'Approved' หรือ 'Posted'.
คำอธิบาย แอตทริบิวต์นี้ระบุสถานะปัจจุบันของเคสรายการสมุดรายวัน ณ เวลาที่ดึงข้อมูล ช่วยให้เห็นว่ารายการอยู่ในขั้นตอนใดของกระบวนการโดยรวม แม้ process mining จะสร้างลำดับกระบวนการจากกิจกรรมต่างๆ แต่สถานะสุดท้ายก็มีประโยชน์สำหรับกรองข้อมูลและสร้างแดชบอร์ดสรุปภาพรวม ช่วยให้ระบุรายการที่รออนุมัติหรือค้างอยู่ในสถานะใดสถานะหนึ่งได้อย่างรวดเร็ว ซึ่งเป็นประโยชน์ต่อการวิเคราะห์งานค้าง. เหตุผลที่สำคัญ ช่วยแสดงสถานะปัจจุบันของรายการ ซึ่งเป็นประโยชน์ต่อการวิเคราะห์งานค้างและทำความเข้าใจงานที่อยู่ระหว่างดำเนินการ. แหล่งข้อมูล ฟิลด์สถานะมาตรฐานของรายการสมุดรายวันใน BlackLine. ตัวอย่าง กำลังดำเนินการรออนุมัติอนุมัติแล้วลงบัญชีแล้วถูกปฏิเสธ
	เหตุผลที่ปฏิเสธ RejectionReason	เหตุผลที่ผู้ตรวจสอบระบุเมื่อปฏิเสธรายการสมุดรายวัน.
คำอธิบาย เมื่อส่งรายการสมุดรายวันกลับไปแก้ไข ผู้อนุมัติมักระบุเหตุผลที่ปฏิเสธไว้ แอตทริบิวต์นี้บันทึกเหตุผลดังกล่าว ซึ่งอาจเป็นรหัสที่กำหนดไว้หรือข้อความอิสระ แอตทริบิวต์นี้สำคัญต่อการวิเคราะห์หาสาเหตุหลักของการแก้ไขงาน การวิเคราะห์เหตุผลที่พบบ่อยช่วยให้องค์กรระบุปัญหาเชิงระบบ เช่น การฝึกอบรมไม่เพียงพอ นโยบายไม่ชัดเจน หรือเอกสารประกอบมีปัญหา ข้อมูลนี้รองรับแดชบอร์ด 'Journal Entry Rejection & Rework Analysis' โดยตรง และช่วยลดอัตราการถูกปฏิเสธโดยรวม. เหตุผลที่สำคัญ จำเป็นต่อการวิเคราะห์หาสาเหตุหลักของการแก้ไขงาน ช่วยให้ทราบว่าเหตุใดรายการสมุดรายวันจึงถูกปฏิเสธและกำหนดแนวทางปรับปรุงได้ตรงจุด. แหล่งข้อมูล โดยทั่วไปข้อมูลนี้บันทึกไว้ในฟิลด์ความคิดเห็นหรือรหัสเหตุผล เมื่อผู้ใช้เลือกการดำเนินการ 'Reject' ใน BlackLine. ตัวอย่าง รหัสบัญชีไม่ถูกต้องไม่มีเอกสารประกอบเกินเกณฑ์ที่กำหนดรายการซ้ำ
	กระทบยอดบัญชีแล้ว AccountReconciled	หมายเลขบัญชีแยกประเภททั่วไปที่กระทบยอดกับรายการสมุดรายวัน.
คำอธิบาย แอตทริบิวต์นี้ระบุบัญชีเฉพาะในผังบัญชีที่ได้รับผลกระทบหรือกำลังนำมากระทบยอด รายการสมุดรายวันมักเป็นส่วนหนึ่งของกระบวนการกระทบยอดบัญชี และแอตทริบิวต์นี้ใช้เชื่อมโยงรายการกับบัญชีนั้น แอตทริบิวต์นี้รองรับแดชบอร์ด 'Journal Entry Reconciliation Cycle Time' โดยตรง การวิเคราะห์กระบวนการแยกตามบัญชีช่วยระบุได้ว่าการกระทบยอดบัญชีใดใช้เวลานานเป็นประจำ ซึ่งอาจบ่งชี้ถึงความซับซ้อนหรือปัญหาข้อมูลของบัญชีนั้น. เหตุผลที่สำคัญ เชื่อมโยงกระบวนการจัดทำรายการสมุดรายวันกับบัญชีที่นำมากระทบยอด ช่วยวิเคราะห์คอขวดในการกระทบยอดได้ตรงจุด. แหล่งข้อมูล ข้อมูลนี้อยู่ในรายละเอียดรายการสมุดรายวันใน BlackLine หากรายการหนึ่งกระทบหลายบัญชี อาจต้องรวมข้อมูลให้อยู่ในระดับเคส. ตัวอย่าง 101000210500400100550200
	แนบเอกสารแล้ว IsDocumentAttached	แฟล็กระบุว่ามีการแนบเอกสารประกอบกับรายการสมุดรายวันหรือไม่.
คำอธิบาย แอตทริบิวต์แบบบูลีนนี้ระบุว่ามีการแนบเอกสารประกอบอย่างน้อยหนึ่งรายการ เช่น ใบแจ้งหนี้หรือเอกสารคำนวณ กับรายการสมุดรายวันหรือไม่ โดยมักเป็นข้อกำหนดก่อนอนุมัติ แฟล็กนี้สำคัญต่อแดชบอร์ด 'Journal Entry Documentation Compliance' และ KPI 'Documentation Attachment Rate' ช่วยวิเคราะห์ว่าการขาดเอกสารเป็นสาเหตุที่พบบ่อยของการถูกปฏิเสธหรือความล่าช้าหรือไม่ และช่วยกำกับให้แนบเอกสารก่อนส่งตรวจสอบตามนโยบาย. เหตุผลที่สำคัญ ใช้วัดการปฏิบัติตามนโยบายด้านเอกสารโดยตรง และช่วยวิเคราะห์สาเหตุที่พบบ่อยของความล่าช้าและการถูกปฏิเสธในขั้นตอนอนุมัติ. แหล่งข้อมูล ฟิลด์นี้น่าจะได้จากการคำนวณ โดยตรวจสอบว่ามีระเบียนไฟล์แนบที่เชื่อมโยงกับ JournalEntryId ก่อนกิจกรรมส่งรายการหรือไม่. ตัวอย่าง truefalse
	เป็นระบบอัตโนมัติหรือไม่ IsAutomated	แฟล็กระบุว่ากระบวนการอัตโนมัติเป็นผู้สร้างหรือลงบัญชีรายการสมุดรายวันหรือไม่.
คำอธิบาย แอตทริบิวต์แบบบูลีนนี้แยกรายการสมุดรายวันที่ผู้ใช้สร้างและดำเนินการด้วยตนเอง ออกจากรายการที่ระบบสร้างโดยอัตโนมัติ เช่น รายการที่เกิดซ้ำหรือรายการจากการเชื่อมต่อระบบ การวิเคราะห์แอตทริบิวต์นี้ช่วยประเมินประสิทธิผลของระบบอัตโนมัติ และเปรียบเทียบระยะเวลาของวงจร อัตราข้อผิดพลาด และต้นทุนระหว่างกระบวนการอัตโนมัติกับกระบวนการที่ทำด้วยตนเองได้โดยตรง ข้อมูลนี้จำเป็นต่อการจัดทำเหตุผลทางธุรกิจสำหรับระบบอัตโนมัติเพิ่มเติมและวัด ROI ของโครงการที่มีอยู่. เหตุผลที่สำคัญ ช่วยเปรียบเทียบกระบวนการที่ทำด้วยตนเองกับกระบวนการอัตโนมัติได้โดยตรง ซึ่งจำเป็นต่อการวัดผลกระทบและ ROI ของโครงการระบบอัตโนมัติ. แหล่งข้อมูล อนุมานได้จาก 'Journal Entry Type' เช่น 'Recurring' หรือจากฟิลด์ 'User' หากใช้ผู้ใช้ระบบ เช่น 'SYSTEM' หรือ 'BATCH' สำหรับการลงบัญชีอัตโนมัติ. ตัวอย่าง truefalse
	แผนก Department	แผนกธุรกิจหรือศูนย์ต้นทุนที่เกี่ยวข้องกับรายการสมุดรายวัน.
คำอธิบาย แอตทริบิวต์นี้ระบุแผนก ศูนย์ต้นทุน หรือหน่วยงานที่เริ่มจัดทำรายการสมุดรายวัน หรือเป็นหน่วยงานที่รับการปันส่วนต้นทุน ช่วยเพิ่มบริบทด้านโครงสร้างองค์กร การวิเคราะห์กระบวนการแยกตามแผนกช่วยให้เข้าใจว่าแต่ละส่วนของธุรกิจใช้กระบวนการจัดทำรายการสมุดรายวันอย่างไร และเผยให้เห็นความแตกต่างด้านประสิทธิภาพ การปฏิบัติตามข้อกำหนด หรืออัตราการแก้ไขงานระหว่างแผนก เพื่อระบุจุดที่ต้องการการสนับสนุนเพิ่มเติมหรือการกำหนดมาตรฐานกระบวนการ. เหตุผลที่สำคัญ ช่วยเปรียบเทียบประสิทธิภาพของกระบวนการระหว่างแผนกธุรกิจ และเผยให้เห็นความแตกต่างกับโอกาสในการปรับให้เป็นมาตรฐาน. แหล่งข้อมูล โดยทั่วไปข้อมูลนี้อยู่ในรายละเอียดรายการหรือส่วนหัวของรายการสมุดรายวันใน BlackLine และมักเชื่อมโยงกับบัญชี GL. ตัวอย่าง การเงินการตลาดฝ่ายขายการปฏิบัติการ
	มีการแก้ไขงานหรือไม่ IsRework	แฟล็กที่คำนวณขึ้น โดยมีค่าเป็นจริงหากรายการสมุดรายวันถูกปฏิเสธอย่างน้อยหนึ่งครั้ง.
คำอธิบาย แฟล็กแบบบูลีนนี้คำนวณขึ้นเพื่อระบุรายการสมุดรายวันที่ผ่านการแก้ไขงาน โดยทั่วไปจะกำหนดค่าเป็นจริงเมื่อเคสมีทั้งกิจกรรม 'Journal Entry Rejected' และกิจกรรม 'Corrected and Resubmitted' ตามมา แอตทริบิวต์นี้ช่วยให้วิเคราะห์การแก้ไขงานได้ง่ายขึ้น โดยกรองหาเคสที่เคยถูกปฏิเสธได้โดยตรง เป็นข้อมูลพื้นฐานสำหรับคำนวณ KPI 'Journal Entry Rejection Rate' และวิเคราะห์เชิงลึกในแดชบอร์ด 'Journal Entry Rejection & Rework Analysis' เพื่อทำความเข้าใจผลกระทบด้านต้นทุนและเวลาเมื่อเกิดปัญหาคุณภาพ. เหตุผลที่สำคัญ ช่วยระบุเคสที่มีการแก้ไขงานได้ง่าย ทำให้คำนวณอัตราการถูกปฏิเสธและวิเคราะห์ผลกระทบจากปัญหาคุณภาพได้สะดวกขึ้น. แหล่งข้อมูล คำนวณแฟล็กนี้ในเครื่องมือ process mining โดยตรวจสอบลำดับกิจกรรมของแต่ละเคส. ตัวอย่าง truefalse
	ระยะเวลาตั้งแต่อนุมัติจนถึงลงบัญชี ApprovalToPostingLag	ระยะเวลาที่คำนวณได้ระหว่างการอนุมัติขั้นสุดท้ายกับการลงบัญชีรายการสมุดรายวันจริง.
คำอธิบาย ตัวชี้วัดนี้วัดความล่าช้าหลังจากอนุมัติรายการสมุดรายวันครบถ้วนแล้ว แต่ก่อนลงบัญชีในบัญชีแยกประเภททั่วไป คำนวณจากเวลาระหว่างกิจกรรม 'Journal Entry Approved' กับ 'Journal Entry Posted' KPI นี้สำคัญต่อการระบุคอขวดหลังอนุมัติ ซึ่งอาจทำให้กระบวนการปิดบัญชีการเงินล่าช้าอย่างมาก แดชบอร์ด 'Approval To Posting Delay Analysis' ใช้ตัวชี้วัดนี้ตรวจสอบสาเหตุที่รายการที่อนุมัติแล้วไม่ได้รับการลงบัญชีอย่างทันท่วงที และช่วยปรับขั้นตอนสุดท้ายของกระบวนการให้คล่องตัวขึ้น. เหตุผลที่สำคัญ วัดประสิทธิภาพหลังอนุมัติโดยเฉพาะ ช่วยระบุและลดความล่าช้าที่ส่งผลต่อความรวดเร็วในการปิดบัญชีการเงิน. แหล่งข้อมูล คำนวณตัวชี้วัดนี้ในเครื่องมือ process mining โดยหาระยะเวลาระหว่างเหตุการณ์ 'Journal Entry Approved' กับ 'Journal Entry Posted' ของแต่ละเคส. ตัวอย่าง P0DT1H10MP1DT2H0MP0DT0H5M
	วันที่ลงบัญชี PostingDate	วันที่ลงบัญชีรายการสมุดรายวันในบัญชีแยกประเภททั่วไปอย่างเป็นทางการ.
คำอธิบาย วันที่ลงบัญชีคือวันที่มีผลของธุรกรรมในบันทึกทางการเงิน ซึ่งสำคัญต่อการบัญชี เพราะใช้กำหนดงวดบัญชีที่รับรู้ธุรกรรม แม้เวลาประทับของเหตุการณ์จะบันทึกเวลาที่เกิดกิจกรรมลงบัญชี แต่วันที่ลงบัญชีเป็นแอตทริบิวต์ข้อมูลสำคัญ ใช้ในการวิเคราะห์ทางการเงินเพื่อให้แน่ใจว่าลงบัญชีรายการในงวดที่ถูกต้อง และใช้วิเคราะห์ความล่าช้าระหว่างวันที่ทำธุรกรรม วันที่อนุมัติ และวันที่ลงบัญชีได้. เหตุผลที่สำคัญ วันที่นี้สำคัญต่อความถูกต้องของรายงานทางการเงิน และช่วยวิเคราะห์ว่าลงบัญชีรายการในงวดบัญชีที่ถูกต้องหรือไม่. แหล่งข้อมูล ฟิลด์วันที่มาตรฐานในส่วนหัวของรายการสมุดรายวันใน BlackLine. ตัวอย่าง 2023-10-312023-11-012023-10-30
	สกุลเงิน Currency	รหัสสกุลเงินของยอดเงินที่ระบุในรายการสมุดรายวัน.
คำอธิบาย แอตทริบิวต์นี้ระบุสกุลเงินของยอดเงินในรายการสมุดรายวัน เช่น USD, EUR หรือ GBP ซึ่งจำเป็นต่อการตีความมูลค่าทางการเงินของธุรกรรมอย่างถูกต้อง สำหรับองค์กรข้ามชาติ การวิเคราะห์แยกตามสกุลเงินช่วยให้เห็นบริบทที่เป็นประโยชน์ สามารถกรองการวิเคราะห์กระบวนการตามสกุลเงินที่ต้องการ และจำเป็นสำหรับแดชบอร์ดที่รวมยอดเงินทางการเงิน. เหตุผลที่สำคัญ ให้บริบทที่จำเป็นสำหรับยอดเงิน ช่วยให้ตีความได้ถูกต้องและวิเคราะห์แยกตามสกุลเงินได้. แหล่งข้อมูล ฟิลด์มาตรฐานในส่วนหัวของรายการสมุดรายวันใน BlackLine โดยมักใช้ชื่อ 'Document Currency' หรือชื่อใกล้เคียง. ตัวอย่าง USDEURGBPJPY

จำเป็น แนะนำ ไม่บังคับ

กิจกรรมในกระบวนการ Record to Report สำหรับรายการสมุดรายวัน

ขั้นตอนและหมุดหมายสำคัญที่ควรบันทึกในบันทึกเหตุการณ์ เพื่อค้นหาและวิเคราะห์กระบวนการรายการสมุดรายวันได้อย่างแม่นยำ.

6 แนะนำ 6 ไม่บังคับ

	กิจกรรม	คำอธิบาย
	กระทบยอดรายการสมุดรายวันแล้ว	แสดงว่ารายการสมุดรายวันสิ้นสุดวงจร โดยรวมอยู่ในการกระทบยอดบัญชีที่สรุปผลและรับรองแล้ว ใน BlackLine เหตุการณ์นี้ตรงกับการรับรองผลการกระทบยอดที่มีรายการสมุดรายวันนี้อยู่.
เหตุผลที่สำคัญ กิจกรรมนี้เป็นจุดสิ้นสุดของกระบวนการตั้งแต่ต้นจนจบ ระยะเวลาตั้งแต่ 'Journal Entry Posted' จนถึง 'Reconciled' ใช้วัดประสิทธิภาพของขั้นตอนการกระทบยอดบัญชีในกระบวนการปิดบัญชีการเงิน. แหล่งข้อมูล เหตุการณ์นี้อนุมานได้จากการตรวจสอบว่าเมื่อใดสถานะของการกระทบยอดบัญชีที่มีรายการสมุดรายวันที่ระบุนั้นเปลี่ยนเป็น 'Certified' ในโมดูล Account Reconciliation ของ BlackLine. บันทึก อนุมานโดยเชื่อมโยงรายการสมุดรายวันกับการกระทบยอดบัญชีที่เกี่ยวข้อง แล้วบันทึกวันที่รับรองผลการกระทบยอดนั้น. ประเภทเหตุการณ์ inferred
	ปฏิเสธรายการบัญชีแยกประเภท	กิจกรรมนี้บันทึกการปฏิเสธรายการบัญชีแยกประเภทโดยผู้ตรวจสอบหรือผู้อนุมัติ โดยเกิดขึ้นเมื่อผู้ใช้เลือกการดำเนินการ 'Reject' ซึ่งเปลี่ยนสถานะรายการเป็น 'Rejected' และบันทึกไว้ในประวัติการตรวจสอบ.
เหตุผลที่สำคัญ กิจกรรมนี้สำคัญต่อการระบุงานแก้ไขซ้ำ ปัญหาด้านคุณภาพ และความจำเป็นในการฝึกอบรม การวิเคราะห์ความถี่และเหตุผลของการปฏิเสธ รวมถึงขั้นตอนการแก้ไขที่ตามมา เป็นหัวใจสำคัญของการปรับปรุงกระบวนการและลดระยะเวลาดำเนินการ. แหล่งข้อมูล โดยทั่วไปอนุมานจากการเปลี่ยนสถานะในข้อมูลรายการบัญชีแยกประเภทเป็น 'Rejected' หรือ 'Needs Correction' โดย BlackLine จะบันทึกเวลาและผู้ใช้ที่ดำเนินการปฏิเสธไว้ในประวัติ. บันทึก อนุมานจากเวลาที่อัปเดตสถานะของรายการบัญชีแยกประเภทเป็น 'Rejected'. ประเภทเหตุการณ์ inferred
	ลงบัญชีรายการสมุดรายวัน	แสดงจุดที่รายการสมุดรายวันที่อนุมัติแล้วถูกบันทึกอย่างเป็นทางการในบัญชีแยกประเภททั่วไป โดยมักเป็นการดำเนินการที่ระบุชัดเจนใน BlackLine ซึ่งจะเปลี่ยนสถานะรายการเป็น 'Posted'.
เหตุผลที่สำคัญ เหตุการณ์นี้เป็นหมุดหมายสำคัญ และมักถือเป็นจุดสิ้นสุดของกระบวนการในทางปฏิบัติ ระยะเวลาตั้งแต่ 'Journal Entry Approved' จนถึงกิจกรรมนี้เป็นตัวชี้วัดสำคัญของประสิทธิภาพหลังอนุมัติ. แหล่งข้อมูล โดยทั่วไปอนุมานจากการเปลี่ยนสถานะเป็น 'Posted' นอกจากนี้อาจมีการบันทึกเหตุการณ์ไว้อย่างชัดเจนในตารางประวัติการลงบัญชีหรือบันทึกการตรวจสอบ พร้อมวันที่และเวลาที่ลงบัญชี. บันทึก อนุมานจากเวลาที่สถานะรายการสมุดรายวันเปลี่ยนเป็น 'Posted' โดยมีฟิลด์วันที่ลงบัญชีที่เกี่ยวข้องด้วย. ประเภทเหตุการณ์ inferred
	ส่งรายการบัญชีแยกประเภท	กิจกรรมนี้เกิดขึ้นเมื่อผู้จัดทำส่งรายการบัญชีแยกประเภทเข้าสู่เวิร์กโฟลว์การตรวจสอบและอนุมัติอย่างเป็นทางการ โดยทั่วไปจะบันทึกเป็นการเปลี่ยนสถานะ เช่น จาก 'In Preparation' เป็น 'Submitted' พร้อมเวลาที่เกิดเหตุการณ์.
เหตุผลที่สำคัญ กิจกรรมนี้เป็นจุดสิ้นสุดของขั้นตอนจัดทำและจุดเริ่มต้นของรอบการอนุมัติ จึงเป็นหมุดหมายสำคัญในการวัดระยะเวลาของทั้งขั้นตอนจัดทำและอนุมัติ. แหล่งข้อมูล โดยทั่วไปอนุมานจากการเปลี่ยนสถานะของระเบียนรายการบัญชีแยกประเภทใน BlackLine เวลาที่สถานะเปลี่ยนเป็น 'Submitted for Approval' หรือค่าใกล้เคียงจะถือเป็นเวลาเกิดเหตุการณ์. บันทึก อนุมานจากเวลาที่อัปเดตช่องสถานะของรายการบัญชีแยกประเภทเป็น 'Submitted' หรือ 'Pending Approval'. ประเภทเหตุการณ์ inferred
	สร้างรายการบัญชีแยกประเภท	กิจกรรมนี้เป็นจุดเริ่มต้นของรายการบัญชีแยกประเภท โดยเกิดขึ้นเมื่อผู้ใช้สร้างระเบียนรายการใหม่ใน BlackLine ระบบจะสร้าง Journal Entry ID ที่ไม่ซ้ำกัน พร้อมบันทึกเวลาที่สร้างและผู้สร้าง.
เหตุผลที่สำคัญ กิจกรรมนี้เป็นเหตุการณ์เริ่มต้นหลักของกระบวนการ การวิเคราะห์เวลาตั้งแต่กิจกรรมนี้ไปยังกิจกรรมอื่นช่วยให้ทราบระยะเวลาดำเนินการทั้งหมด และค้นหาความล่าช้าที่เกิดขึ้นตั้งแต่ต้นเวิร์กโฟลว์. แหล่งข้อมูล เหตุการณ์นี้มีการบันทึกไว้อย่างชัดเจนในโมดูลรายการบัญชีแยกประเภทของ BlackLine โดยดึงจากเวลาที่สร้างและรายละเอียดผู้ใช้ที่เชื่อมโยงกับ Journal Entry ID แต่ละรายการในตารางรายการบัญชีแยกประเภทหลักหรือประวัติการตรวจสอบ. บันทึก ดึงจากเวลาประทับ 'Create Date' ที่เชื่อมโยงกับระเบียนรายการบัญชีแยกประเภท. ประเภทเหตุการณ์ explicit
	อนุมัติรายการสมุดรายวัน	กิจกรรมนี้แสดงว่ารายการสมุดรายวันผ่านการตรวจสอบและอนุมัติตามขั้นตอนที่กำหนดแล้ว โดยบันทึกเมื่อผู้ใช้ที่มีอำนาจอนุมัติขั้นสุดท้ายอนุมัติรายการ ทำให้สถานะเปลี่ยนเป็น 'Approved'.
เหตุผลที่สำคัญ เหตุการณ์นี้เป็นหมุดหมายสำคัญที่สิ้นสุดขั้นตอนการอนุมัติ ระยะเวลาตั้งแต่ 'Journal Entry Submitted' จนถึงกิจกรรมนี้เรียกว่า 'Approval Cycle Time' ซึ่งเป็น KPI สำคัญในการวัดประสิทธิภาพของเวิร์กโฟลว์. แหล่งข้อมูล อนุมานจากการเปลี่ยนสถานะของรายการสมุดรายวันเป็น 'Approved' โดยปกติ BlackLine จะบันทึก ID ผู้ใช้ของผู้อนุมัติขั้นสุดท้ายและเวลาที่อนุมัติไว้ในประวัติการตรวจสอบ. บันทึก อนุมานจากเวลาที่สถานะรายการสมุดรายวันเปลี่ยนเป็น 'Approved'. ประเภทเหตุการณ์ inferred
	แก้ไขและส่งรายการอีกครั้ง	เกิดขึ้นหลังจากรายการสมุดรายวันถูกปฏิเสธ ผู้จัดทำแก้ไขข้อมูลที่จำเป็นแล้วส่งรายการอีกครั้ง โดยตรวจพบจากสถานะที่เปลี่ยนจาก 'Rejected' กลับเป็น 'Submitted for Approval'.
เหตุผลที่สำคัญ กิจกรรมนี้ช่วยวัดเวลาและแรงงานที่ใช้ในการแก้ไขงาน ระยะเวลาตั้งแต่ 'Journal Entry Rejected' จนถึงกิจกรรมนี้คือเวลาแก้ไขงาน ซึ่งเป็นตัวชี้วัดสำคัญในการวิเคราะห์ประสิทธิภาพ. แหล่งข้อมูล อนุมานได้จากลำดับการเปลี่ยนสถานะในข้อมูล BlackLine โดยเฉพาะเมื่อสถานะของ Journal Entry ID เดียวกันเปลี่ยนจาก 'Rejected' กลับเป็น 'Submitted' หรือ 'Pending Approval'. บันทึก อนุมานจากการเปลี่ยนสถานะจาก 'Rejected' เป็น 'Submitted' หรือ 'Pending Approval'. ประเภทเหตุการณ์ inferred
	ดำเนินการกลับรายการสมุดรายวันแล้ว	กิจกรรมนี้บันทึกการสร้างและลงบัญชีรายการสมุดรายวันใหม่เพื่อกลับรายการที่ลงบัญชีไปก่อนหน้า โดยทั่วไปจะเริ่มดำเนินการเมื่อพบข้อผิดพลาดหลังจากลงบัญชีรายการเดิมแล้ว.
เหตุผลที่สำคัญ เหตุการณ์นี้เป็นสัญญาณชัดเจนว่าคุณภาพข้อมูลต้นทางอาจมีปัญหา การติดตามอัตราการกลับรายการช่วยวัด 'อัตราการปรับปรุงหลังลงบัญชี' และระบุจุดที่ควรเพิ่มความถูกต้องได้. แหล่งข้อมูล โดยมากเป็นเหตุการณ์ที่ระบุชัดเจน เมื่อผู้ใช้เลือกการดำเนินการ 'Reverse' ใน BlackLine กับรายการที่ลงบัญชีแล้ว ระบบจะสร้างรายการกลับบัญชีใหม่ ซึ่งมักเชื่อมโยงกับ Journal Entry ID ของรายการเดิม. บันทึก บันทึกเมื่อมีการบันทึกการดำเนินการ 'Reverse' หรือเมื่อสร้างรายการสมุดรายวันใหม่ที่มีแฟล็กระบุว่าเป็นรายการกลับบัญชีและเชื่อมโยงกับ ID ของรายการเดิม. ประเภทเหตุการณ์ explicit
	ตรวจสอบรายการบัญชีแยกประเภท	หมายถึงขั้นตอนตรวจสอบอย่างเป็นทางการในกระบวนการอนุมัติหลายระดับ ซึ่งดำเนินการโดยผู้ตรวจสอบที่ได้รับมอบหมาย โดยทั่วไปบันทึกเป็นการเปลี่ยนสถานะหรือรายการบันทึกที่ระบุการดำเนินการของผู้ตรวจสอบ.
เหตุผลที่สำคัญ สำหรับองค์กรที่แยกขั้นตอนตรวจสอบกับอนุมัติออกจากกัน กิจกรรมนี้ช่วยระบุคอขวดในแต่ละช่วงของสายการอนุมัติ และแสดงระยะเวลาที่รายการรอการตรวจสอบเบื้องต้นเทียบกับการอนุมัติขั้นสุดท้าย. แหล่งข้อมูล ในเวิร์กโฟลว์ BlackLine กิจกรรมนี้อาจบันทึกไว้อย่างชัดเจนในประวัติการอนุมัติ หรืออนุมานจากการเปลี่ยนสถานะเป็น 'Reviewed' หรือ 'Pending Final Approval' โดยมีการบันทึกผู้ใช้และเวลาไว้. บันทึก อนุมานจากเวลาที่สถานะรายการบัญชีแยกประเภทเปลี่ยนเพื่อแสดงว่าขั้นตอนตรวจสอบเสร็จสมบูรณ์. ประเภทเหตุการณ์ inferred
	ถอนการอนุมัติ	กิจกรรมนี้แสดงว่าผู้อนุมัติถอนการอนุมัติที่ให้ไว้ก่อนหน้า ทำให้รายการสมุดรายวันกลับไปอยู่ในสถานะก่อนหน้า โดยตรวจพบจากสถานะที่เปลี่ยนจาก 'Approved' กลับไปเป็นสถานะก่อนหน้า เช่น 'In Preparation'.
เหตุผลที่สำคัญ กิจกรรมนี้เกิดขึ้นไม่บ่อยแต่มีความสำคัญ เพราะช่วยให้เห็นข้อยกเว้นของกระบวนการและปัญหาที่อาจพบหลังอนุมัติแต่ก่อนลงบัญชี อาจบ่งชี้ถึงข้อผิดพลาดของข้อมูลหรือการเปลี่ยนแปลงนโยบายที่ส่งผลต่อรายการ. แหล่งข้อมูล เหตุการณ์นี้อนุมานได้จากการเปลี่ยนสถานะจาก 'Approved' เป็นสถานะที่ยังไม่ลงบัญชีและแก้ไขได้ การดำเนินการนี้จะถูกบันทึกไว้ในบันทึกการตรวจสอบโดยละเอียดของ BlackLine. บันทึก ตรวจพบจากการเปลี่ยนสถานะจาก 'Approved' กลับไปเป็นสถานะก่อนหน้า เช่น 'In Preparation' หรือ 'Submitted'. ประเภทเหตุการณ์ inferred
	แนบเอกสารประกอบ	หมายถึงการที่ผู้ใช้แนบเอกสารประกอบอย่างน้อยหนึ่งไฟล์กับรายการบัญชีแยกประเภท โดยทั่วไปเหตุการณ์นี้บันทึกไว้ในบันทึกการตรวจสอบหรือตารางเอกสารแนบที่เชื่อมโยงกับ Journal Entry ID.
เหตุผลที่สำคัญ การติดตามกิจกรรมนี้สำคัญต่อการตรวจสอบการปฏิบัติตามข้อกำหนดและประสิทธิภาพ ช่วยวิเคราะห์ว่าการขาดเอกสารทำให้ขั้นตอนอนุมัติล่าช้าหรือไม่ และใช้ติดตาม KPI 'Documentation Attachment Rate' ได้. แหล่งข้อมูล โดยทั่วไป BlackLine จะบันทึกเหตุการณ์นี้ไว้อย่างชัดเจนในประวัติการตรวจสอบหรือบันทึกเอกสารแนบ ข้อมูลประกอบด้วย Journal Entry ID ผู้ใช้ที่แนบไฟล์ และเวลาที่แนบ. บันทึก ระบบบันทึกเหตุการณ์นี้ไว้ในประวัติการตรวจสอบหรือตารางประวัติเอกสารแนบโดยเฉพาะทุกครั้งที่มีการอัปโหลดไฟล์แนบกับรายการบัญชีแยกประเภท. ประเภทเหตุการณ์ explicit
	ยืนยันการลงบัญชีแล้ว	แสดงการยืนยันว่ารายการสมุดรายวันที่ลงบัญชีแล้วได้รับและบันทึกในระบบ ERP ปลายทางเรียบร้อยแล้ว อาจเป็นการส่งสัญญาณตอบรับระหว่างระบบโดยอัตโนมัติ หรือเป็นขั้นตอนยืนยันด้วยตนเอง.
เหตุผลที่สำคัญ กิจกรรมนี้ช่วยยืนยันว่าขั้นตอนการลงบัญชีเสร็จสมบูรณ์และข้อมูลระหว่างระบบถูกต้อง ระยะเวลาตั้งแต่ 'Posted' จนถึง 'Verified' อาจช่วยให้เห็นปัญหาการเชื่อมต่อหรือความล่าช้าในการซิงโครไนซ์ระบบ. แหล่งข้อมูล อาจเป็นเหตุการณ์ที่ระบุชัดเจนในบันทึกการเชื่อมต่อระบบ หรืออนุมานจากการเปลี่ยนสถานะเป็นค่าอย่าง 'Posted and Verified' หากยืนยันด้วยตนเอง ผู้ใช้จะเป็นผู้เปลี่ยนสถานะ. บันทึก อนุมานจากการเปลี่ยนสถานะเป็น 'Verified' หรือจากแฟล็กยืนยันที่ได้รับจากระบบ ERP ปลายทาง. ประเภทเหตุการณ์ inferred

แนะนำ ไม่บังคับ

คู่มือการดึงข้อมูล

วิธีดึงข้อมูลจาก BlackLine

ขั้นตอน

เข้าสู่ระบบ BlackLine ด้วยบัญชีผู้ใช้ที่มีสิทธิ์เข้าถึงรายงานทางการเงิน.
ไปที่โมดูลรายงาน ซึ่งโดยทั่วไปจะอยู่ในเมนู เช่น 'Reports' > 'Standard Reports'.
ค้นหาและเลือกรายงาน 'Journal Entry & Services Report' หรือรายงานรายการสมุดรายวันแบบละเอียดที่มีชื่อใกล้เคียงจากรายการรายงานมาตรฐาน.
กำหนดพารามิเตอร์ของรายงาน ระบุ 'Date Range' ที่ต้องการดึงข้อมูลให้ตรงกับช่วงเวลาที่จะวิเคราะห์ แนะนำให้เริ่มจากช่วง 3 ถึง 6 เดือน.
ใช้ตัวกรองที่จำเป็นเพื่อจำกัดข้อมูล อย่างน้อยให้กรองตาม 'Company Code(s)' ที่เกี่ยวข้อง และอาจกรองตาม 'Journal Status' เพื่อรวมสถานะที่เกี่ยวข้องทั้งหมดตั้งแต่สร้างจนถึงลงบัญชี.
เลือกคอลัมน์ทั้งหมดที่มี เพื่อให้รายงานมีฟิลด์วันที่ ผู้ใช้ และสถานะที่จำเป็นสำหรับสร้างบันทึกเหตุการณ์ ฟิลด์สำคัญ ได้แก่ วันที่สร้าง วันที่ส่ง วันที่อนุมัติ วันที่ลงบัญชี และบทบาทของผู้ใช้.
เรียกใช้รายงานใน UI ของ BlackLine โดยตรง เมื่อสร้างรายงานเสร็จแล้ว ให้ใช้ฟังก์ชัน 'Export' หรือ 'Download' เพื่อบันทึกข้อมูลเป็นไฟล์ CSV ตั้งชื่อไฟล์ว่า 'blackline_report.csv'.
ตั้งค่าสภาพแวดล้อม Python และติดตั้งไลบรารี pandas หากยังไม่มี ให้ติดตั้งด้วยคำสั่ง: pip install pandas.
วางสคริปต์ Python ที่ให้มาไว้ในไดเรกทอรีเดียวกับไฟล์ 'blackline_report.csv' ที่ดาวน์โหลด.
เรียกใช้สคริปต์ Python สคริปต์จะอ่านรายงาน CSV ดิบ แปลงข้อมูลโดยสร้างหนึ่งแถวต่อกิจกรรมทางธุรกิจ และสร้างไฟล์ใหม่ชื่อ 'event_log.csv' ในรูปแบบที่กำหนด.
ตรวจสอบความถูกต้องของไฟล์ 'event_log.csv' เพื่อให้แน่ใจว่าข้อมูลมีคุณภาพและครบถ้วนก่อนอัปโหลด.
อัปโหลดไฟล์ 'event_log.csv' ฉบับสมบูรณ์ไปยัง ProcessMind เพื่อวิเคราะห์.

การกำหนดค่า

ชื่อรายงาน: Journal Entry & Services Report ชื่อจริงอาจแตกต่างกันตามการตั้งค่า BlackLine ของคุณ.
ช่วงวันที่: แนะนำให้ดึงข้อมูลย้อนหลัง 3-6 เดือนสำหรับการวิเคราะห์เบื้องต้น โดยทั่วไปตัวกรองวันที่ในรายงานจะอิงวันที่สร้างรายการสมุดรายวันหรือวันที่ลงบัญชี ตรวจสอบว่าตัวกรองใช้ฟิลด์วันที่ใด เพื่อให้ได้ชุดข้อมูลที่ถูกต้อง.
ตัวกรองสำคัญ:
- Company Code: ระบุรหัสบริษัทที่ต้องการวิเคราะห์ทุกครั้ง เพื่อจำกัดปริมาณข้อมูลและให้การวิเคราะห์ตรงประเด็น.
- Journal Status: เลือกทุกสถานะ เช่น In Preparation, Submitted, Approved, Rejected และ Posted เพื่อให้เห็นกระบวนการตั้งแต่ต้นจนจบ.
- Journal Type: หากจำเป็น ให้กรองประเภทรายการสมุดรายวันที่ต้องการ เช่น Standard หรือ Recurring ตามขอบเขตการวิเคราะห์.
ข้อกำหนดเบื้องต้น: บัญชีผู้ใช้ที่เรียกใช้รายงานต้องมีสิทธิ์ดูข้อมูลรายการสมุดรายวันและเรียกใช้รายงานมาตรฐานใน BlackLine โดยทั่วไปต้องมีบทบาท เช่น 'Accountant' หรือ 'Reporting User'.
ข้อควรพิจารณาด้านประสิทธิภาพ: การส่งออกชุดข้อมูลขนาดใหญ่ที่ครอบคลุมช่วงเวลานานหรือรหัสบริษัทจำนวนมากอาจใช้ทรัพยากรสูง และอาจใช้เวลานานในการสร้างรายงานใน UI ของ BlackLine หากพบปัญหาด้านประสิทธิภาพหรือหมดเวลา ให้แบ่งการเรียกใช้รายงานเป็นชุดย่อย.

ตัวอย่างคำค้น 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.")

ขั้นตอน

ข้อกำหนดเบื้องต้นและการตั้งค่า: ตรวจสอบว่าติดตั้ง Python 3.6 ขึ้นไปแล้ว ติดตั้งไลบรารีที่จำเป็นด้วย pip: pip install requests pandas ขอข้อมูลรับรอง API ได้แก่ Client ID, Client Secret และ Refresh Token รวมถึง BlackLine Base URL ขององค์กรจากผู้ดูแลระบบ BlackLine.
กำหนดค่าตัวแปรในสคริปต์: เปิด Python script แล้วไปที่ส่วนกำหนดค่า กรอก Client ID, Client Secret, Refresh Token และ Base URL ระบุช่วงเวลาที่ต้องการดึงข้อมูลโดยกำหนดตัวแปร START_DATE และ END_DATE ในรูปแบบ 'YYYY-MM-DD'.
การยืนยันตัวตน: สคริปต์เริ่มจากเรียกใช้ฟังก์ชัน get_access_token ซึ่งส่งข้อมูลรับรองไปยังปลายทางยืนยันตัวตนของ BlackLine (/api/oauth/token) และรับ access token ชั่วคราวที่จำเป็นสำหรับคำขอ API ถัดไปทั้งหมด.
ดึงรายการสมุดรายวันเบื้องต้น: สคริปต์ส่งคำขอแบบแบ่งหน้าไปยังปลายทาง /api/v2/journals โดยกรองตามช่วงวันที่สร้างที่ระบุ จากนั้นวนดึงข้อมูลแต่ละหน้าเพื่อรวบรวมรายละเอียดหลักของรายการสมุดรายวันที่อยู่ในขอบเขตทั้งหมด.
ดึงประวัติเหตุการณ์โดยละเอียด: สำหรับ Journal Entry ID แต่ละรายการที่รวบรวมได้จากขั้นตอนก่อนหน้า สคริปต์จะเรียก API เพิ่มอีกสองครั้ง ครั้งแรกเรียกปลายทางประวัติของรายการ เช่น /api/v2/journals/{id}/history เพื่อดึงประวัติการตรวจสอบโดยละเอียดของการเปลี่ยนสถานะ การอนุมัติ และการปฏิเสธ ครั้งที่สองเรียกปลายทางไฟล์แนบ เช่น /api/v2/journals/{id}/attachments เพื่อตรวจสอบว่าเพิ่มเอกสารประกอบเมื่อใด.
แปลงข้อมูลเป็นบันทึกเหตุการณ์: สคริปต์ประมวลผลข้อมูล JSON ที่ได้จาก API โดยไล่ดูรายการสมุดรายวันแต่ละรายการ รวมถึงประวัติและไฟล์แนบที่เกี่ยวข้อง จากนั้นแปลงข้อมูลดิบให้อยู่ในรูปแบบบันทึกเหตุการณ์ที่มีโครงสร้าง และสร้างหนึ่งแถวต่อกิจกรรมที่กำหนด 12 รายการ เช่น 'Journal Entry Created', 'Journal Entry Submitted' และ 'Journal Entry Approved'.
จับคู่การเปลี่ยนสถานะกับกิจกรรม: สคริปต์สร้างกิจกรรมสำคัญโดยแปลความหมายข้อมูลจากปลายทางประวัติ ตัวอย่างเช่น รายการประวัติที่ระบุว่าเปลี่ยนสถานะเป็น 'Submitted' จะกลายเป็นกิจกรรม 'Journal Entry Submitted' สคริปต์มีตรรกะสำหรับจับคู่ประเภทเหตุการณ์ในประวัติกับชื่อกิจกรรมมาตรฐานที่ ProcessMind กำหนด.
สร้าง DataFrame: สคริปต์ใช้ไลบรารี pandas สร้าง DataFrame โดยเริ่มจาก DataFrame สำหรับเหตุการณ์ 'Created' จากรายการสมุดรายวันหลัก จากนั้นสร้าง DataFrame อีกชุดสำหรับกิจกรรมอื่นที่ได้จากบันทึกประวัติและไฟล์แนบ แล้วนำมารวมเป็นบันทึกเหตุการณ์ชุดเดียว.
เพิ่มข้อมูลกำกับและปรับชื่อคอลัมน์ให้เป็นมาตรฐาน: หลังรวมข้อมูลแล้ว สคริปต์จะเพิ่มคอลัมน์ข้อมูลกำกับที่จำเป็น ได้แก่ SourceSystem (กำหนดค่าเป็น 'BlackLine') และ LastDataUpdate (ใช้เวลาที่เรียกใช้สคริปต์) พร้อมเปลี่ยนชื่อคอลัมน์ให้ตรงกับโครงสร้างที่กำหนด เช่น จับคู่ฟิลด์ id ของ API กับ JournalEntryId.
ส่งออกเป็น CSV: สุดท้าย สคริปต์จะส่งออก DataFrame ของบันทึกเหตุการณ์ที่เสร็จสมบูรณ์เป็นไฟล์ CSV ชื่อ blackline_journal_entry_event_log.csv ซึ่งจัดรูปแบบพร้อมอัปโหลดไปยัง ProcessMind ได้โดยตรง.

การกำหนดค่า

ข้อมูลรับรอง API: ต้องมี Client ID, Client Secret และ Refresh Token ที่ใช้งานได้สำหรับ BlackLine REST API จัดเก็บข้อมูลเหล่านี้อย่างปลอดภัย และอย่าฝังข้อมูลไว้ในสคริปต์ที่ใช้จริง.
Base URL: สคริปต์ต้องใช้ Base URL ของ BlackLine API สำหรับองค์กรของคุณ เช่น https://api.blackline.com.
ช่วงวันที่: สคริปต์กำหนดช่วงเวลาด้วยตัวแปร START_DATE และ END_DATE สำหรับการวิเคราะห์เบื้องต้น แนะนำให้ใช้ข้อมูลย้อนหลัง 3 ถึง 6 เดือน เพื่อให้มีข้อมูลเพียงพอโดยไม่มากเกินไป.
ขีดจำกัดการแบ่งหน้า: ตัวแปร LIMIT กำหนดจำนวนระเบียนที่ดึงต่อคำขอ API โดยทั่วไปค่าเริ่มต้นคือ 100 การปรับค่านี้อาจส่งผลต่อประสิทธิภาพ จึงควรใช้ค่าที่แนะนำ เว้นแต่ฝ่ายสนับสนุน BlackLine จะแนะนำเป็นอย่างอื่น.
สิทธิ์ที่จำเป็น: ผู้ใช้ API ที่เชื่อมกับข้อมูลรับรองต้องมีสิทธิ์อ่านรายการสมุดรายวัน ประวัติรายการสมุดรายวัน และไฟล์แนบในรหัสบริษัทที่ต้องการวิเคราะห์.
สภาพแวดล้อม Python: ต้องมีสภาพแวดล้อม Python 3.6 ขึ้นไปที่ใช้งานได้ และติดตั้งไลบรารี requests กับ pandas ก่อนเรียกใช้สคริปต์.

ตัวอย่างคำค้น 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()

พร้อมเริ่มต้นหรือยัง?

ใช้เทมเพลตนี้เพื่อเตรียมข้อมูลได้สะดวกขึ้น และดูข้อมูลเชิงลึกเกี่ยวกับกระบวนการ Record to Report สำหรับรายการสมุดรายวัน เริ่มปรับปรุงประสิทธิภาพและการปฏิบัติตามข้อกำหนดได้ตั้งแต่วันนี้.

กลับไปยังคู่มือการปรับปรุง

ดาวน์โหลดเทมเพลต

เพิ่มประสิทธิภาพกระบวนการ Record to Report สำหรับรายการสมุดรายวันตั้งแต่วันนี้

ลดเวลารอบการทำรายการสมุดรายวันลง 30% และปิดบัญชีได้รวดเร็วและแม่นยำยิ่งขึ้น.

เริ่มทดลองใช้ฟรี

ไม่ต้องใช้บัตรเครดิต • ตั้งค่าเสร็จในไม่กี่นาที

เทมเพลตข้อมูล Record to Report สำหรับรายการสมุดรายวัน

เทมเพลตข้อมูล Record to Report สำหรับรายการสมุดรายวัน

คุณลักษณะของรายการสมุดรายวันในกระบวนการ Record to Report

กิจกรรมในกระบวนการ Record to Report สำหรับรายการสมุดรายวัน

คู่มือการดึงข้อมูล

ส่งออกรายงาน Journal Entry & Services ของ BlackLine

ขั้นตอน

การกำหนดค่า

ตัวอย่างคำค้น python

ดึงข้อมูลด้วย Python Script ผ่าน BlackLine REST API

ขั้นตอน

การกำหนดค่า

ตัวอย่างคำค้น python

พร้อมเริ่มต้นหรือยัง?

เพิ่มประสิทธิภาพกระบวนการ Record to Report สำหรับรายการสมุดรายวันตั้งแต่วันนี้