Skip to Content

BI / Power BI

Obiettivo: portare i dati di rilevazione presenze nel tuo data warehouse o direttamente in Power BI / Looker / Metabase con la sincronizzazione incrementale.

Scopes consigliati (sola lettura): org:fichajes:read, org:ausencias:read, org:saldos:read, org:estructura:read.

Per la BI usa una chiave dedicata di sola lettura. Così puoi revocarla o ruotarla senza toccare le integrazioni di scrittura.

Pattern: polling incrementale con updated_since

updated_since=<ISO8601> restituisce solo ciò che è stato modificato da quell’istante, ma non tutti gli elenchi lo accettano: sì employees, check-ins, absences, locations, units e webhook-endpoints; su vacation-balances e work-summaries è accettato ma non filtra (obsoleto, rimozione il 27-08-2027). Il pattern:

Caricamento iniziale (backfill)

Percorri ogni risorsa paginando per cursor fino a has_more=false. Salva l’istante di inizio come marca temporale (watermark).

Caricamenti incrementali

A ogni esecuzione pianificata, richiedi ?updated_since=<watermark> e aggiorna la marca temporale all’istante precedente all’inizio della chiamata.

Deduplica per id

Poiché updated_since si basa su updated_at, uno stesso record può ricomparire se è cambiato. Fai upsert per id (UUID) nel tuo storage.

Ricarica gli aggregati per intervallo

vacation-balances e work-summaries non filtrano per updated_since: sono aggregati, non c’è un delta da chiedere. A ogni passata richiedi di nuovo l’intervallo che ti serve — year= per i saldi, from/to per i riepiloghi — e fai upsert sulla chiave reale di ciascuna risorsa: (employee_id, period_start, period_end) per work-summaries e (employee_id, year) per vacation-balances. Per una chiusura mensile basta ricaricare il mese in corso e quello precedente.

Esempio in Python

import os, requests from datetime import date, datetime, timedelta, timezone BASE = os.environ["KINMU_BASE_URL"] KEY = os.environ["KINMU_API_KEY"] SYNC_START = date(2026, 1, 1) # inizio dello storico che ti interessa session = requests.Session() session.headers.update({"Authorization": f"Bearer {KEY}"}) def sync(resource, since=None): rows, cursor = [], None params = {"limit": 100} if since: params["updated_since"] = since while True: if cursor: params["cursor"] = cursor r = session.get(f"{BASE}/{resource}", params=params, timeout=30) r.raise_for_status() body = r.json() rows.extend(body["data"]) if not body["meta"]["has_more"]: break cursor = body["meta"]["next_cursor"] return rows def first_day_of_previous_month(day): first = day.replace(day=1) return (first - timedelta(days=1)).replace(day=1) # Marca temporale PRIMA di chiamare, per non perdere i record scritti durante la sync watermark = datetime.now(timezone.utc).isoformat() today = datetime.now(timezone.utc).date() last_watermark = load_last_watermark() # ISO 8601 | None employees = sync("employees", since=last_watermark) # La finestra `from`/`to` delimita QUALI eventi ti interessano (il `timestamp` della timbratura). # `updated_since` delimita QUALI MODIFICHE portare (`updated_at`): le tranche senza modifiche tornano vuote. # Sono due assi diversi: per questo l'intervallo parte sempre da SYNC_START, dato che una correzione # fatta oggi su una timbratura di gennaio arriva solo se la tranche di gennaio è ancora nella finestra. checkins = [] chunk_from = SYNC_START while chunk_from <= today: chunk_to = min(chunk_from + timedelta(days=91), today) checkins += sync(f"check-ins?from={chunk_from}&to={chunk_to}", since=last_watermark) chunk_from = chunk_to + timedelta(days=1) # Aggregati: senza `updated_since` si ricarica l'intero intervallo. Si parte dal primo # giorno del MESE PRECEDENTE (a gennaio si passa all'anno scorso) per raccogliere le # consolidazioni tardive della chiusura precedente. previous_month = first_day_of_previous_month(today) balances = [] for year in sorted({previous_month.year, today.year}): balances += sync(f"vacation-balances?year={year}") summaries = sync(f"work-summaries?period=month&from={previous_month}&to={today}") save_watermark(watermark)

Prendi la marca temporale prima di avviare la sincronizzazione, non dopo. Così i record scritti mentre il processo era in esecuzione entrano nella passata successiva.

Risorse utili per la BI

RisorsaCosa offre
work-summariesMetriche di giornata pronte per l’aggregazione (ore, straordinari, notturne). updated_since qui non filtra (obsoleto): ricarica per intervallo.
check-insGrana a livello di evento per analisi di presenza e puntualità.
absencesAssenteismo per tipo e periodo.
vacation-balancesSaldi e accantonamenti ferie. updated_since qui non filtra (obsoleto): ricarica per year.
locations / unitsDimensioni per segmentare (sede, reparto).

Connessione da Power BI

Power BI può consumare l’API direttamente con Web.Contents e header di autorizzazione. Esempio semplificato in Power Query (M):

let BaseUrl = "https://api.kinmu.app/v1", ApiKey = "kinmu_sk_live_…", // usa Parámetros / almacén de credenciales, no lo escribas en claro Source = Json.Document( Web.Contents(BaseUrl, [ RelativePath = "work-summaries", Query = [ period = "month", from = "2026-01-01", #"to" = "2026-12-31", limit = "100" ], Headers = [ Authorization = "Bearer " & ApiKey, Accept = "application/json" ] ]) ), Data = Source[data], Table = Table.FromRecords(Data) in Table

Per paginare in Power Query, avvolgi la chiamata in una funzione che segua meta.next_cursor con List.Generate finché has_more è false.

Rispetta i rate limit: per grandi volumi, pianifica l’aggiornamento fuori dalle ore di punta e tieni d’occhio X-Kinmu-Quota-Remaining.

Alternativa event-driven

Se preferisci non fare polling, sottoscrivi i webhooks (checkin.created, absence.approved, vacation_balance.updated, …) e aggiorna il tuo storage a ogni evento ricevuto. Le due strade si combinano bene: webhooks per il tempo reale + un polling notturno con updated_since come rete di sicurezza.

Last updated on