> Průběžné zlepšování procesů > Správa pohledávek > HighRadius > Datová šablona

Šablona dat pro správu pohledávek

HighRadius

Atributy správy pohledávek(19) Aktivity správy pohledávek(13) Návody k extrakci dat(2)

Šablona dat pro správu pohledávek

Tato šablona shrnuje základní prvky potřebné k analýze workflow fakturace v HighRadius. Přehledně uvádí potřebné datové body, milníky procesu a technické kroky pro sestavení úplného záznamu událostí. Podle tohoto návodu můžete zmapovat celý cyklus inkasa a najít možnosti, jak zlepšit cash flow.

Konkrétní datové atributy procesu
Standardizované milníky aktivit
Pokyny k extrakci dat z HighRadius

Pracujete se záznamy událostí poprvé? Přečtěte si, jak vytvořit záznam událostí pro process mining.

Stáhnout šablonu

Atributy správy pohledávek

Tabulka uvádí doporučená datová pole potřebná k sestavení podrobného záznamu událostí pro analýzu správy faktur a výkonnosti inkasa.

3 Povinné 6 Doporučené 10 Volitelné

	Název	Popis
	Aktivita ActivityName	Název události nebo činnosti provedené s fakturou.
Popis Tento atribut zaznamenává konkrétní krok nebo činnost v cyklu od objednávky po úhradu. Zachycuje události, jako je vytvoření faktury, automatické odeslání zprávy, telefonát pracovníka vymáhání pohledávek, zaznamenání sporu nebo přiřazení platby. Analytici pomocí tohoto pole rekonstruují průběh procesu a zobrazují pořadí jednotlivých kroků. Odchylky v jejich pořadí pomáhají odhalit odchylky od postupu, opakované úkony a jednání v rozporu s pravidly. Proč je to důležité Určuje jednotlivé kroky procesu a je nezbytný pro objevování procesů a analýzu variant. Kde data získat Tabulky HighRadius Activity Log, Notes History nebo Transaction History Příklady Faktura vytvořenaUpomínka k platbě odeslánaPřípad sporu otevřenPlatba v plné výši přijata
	Časové razítko události EventDateTime	Konkrétní datum a čas, kdy aktivita proběhla.
Popis Tento atribut zaznamenává přesný okamžik, kdy v systému HighRadius došlo k události. Poskytuje časový údaj potřebný k seřazení aktivit a výpočtu doby mezi jednotlivými kroky procesu. Při analýze se časové razítko používá k výpočtu doby průchodu, například Days Sales Outstanding (DSO) nebo doby řešení sporu. Umožňuje také analyzovat průchodnost a využití zdrojů v konkrétních obdobích. Proč je to důležité Přesné časové údaje jsou nutné pro výpočet všech KPI založených na době trvání i pro správné seřazení událostí. Kde data získat Sloupec časových razítek v protokolech transakcí HighRadius Příklady 2023-10-01T08:30:00Z2023-10-15T14:22:10Z2023-11-05T09:15:00Z
	Číslo faktury InvoiceNumber	Jedinečný identifikátor faktury, který slouží jako ID případu.
Popis Číslo faktury je hlavní identifikátor pro sledování finančního závazku od jeho vytvoření až po konečné uhrazení. Propojuje všechny související činnosti, včetně sporů, příslibů úhrady a plateb, do jedné historie případu. Při analýze se tento atribut používá ke seskupení záznamů událostí do jednotlivých instancí procesu. Umožňuje vypočítat dobu průchodu pro každou fakturu a slouží jako primární klíč při spojování procesních dat s dalšími tabulkami kmenových dat v prostředí HighRadius nebo ve zdrojovém systému ERP. Proč je to důležité Určuje jedinečný případ a zajišťuje, že jsou všechny události správně přiřazeny ke konkrétní finanční transakci. Kde data získat Data faktur HighRadius / tabulka hlaviček nebo zdrojový systém ERP (například SAP VBAK, Oracle Headers) Příklady INV-2023-001900123456US-102938550002931
	Automatické provedení IsAutomated	Příznak označující, zda systém provedl aktivitu bez zásahu člověka.
Popis Tento logický atribut rozlišuje kroky provedené automatizačním nástrojem HighRadius, například automatické odeslání zprávy nebo párování plateb, od ručních kroků uživatelů. Je důležitý pro nástroj Sledování automatizace párování plateb a KPI Podíl faktur zpracovaných bez ručního zásahu. Analytici díky němu mohou měřit návratnost automatizace a určit, které kroky procesu stále vyžadují výrazný ruční zásah. Proč je to důležité Měří efektivitu nasazení HighRadius. Kde data získat Protokol aktivit (rozlišení systémového a lidského uživatele) Příklady truefalse
	Částka faktury InvoiceAmount	Celková peněžní hodnota faktury.
Popis Tento atribut představuje původní celkovou částku vyúčtovanou zákazníkovi. Slouží jako základ pro výpočet neuhrazených zůstatků a posouzení finančního dopadu sporů nebo prodlev. Process mining používá toto pole k vážení případů podle jejich hodnoty. Pomáhá například rozlišit prioritní inkaso vysokých částek od administrativní zátěže spojené s nízkými částkami v KPI Počet sporů o nízké částky. Proč je to důležité Umožňuje vážit analýzu podle finančního dopadu, nejen podle počtu případů. Kde data získat Tabulka Invoice Header (pole Amount) Příklady 1500.00250.5010000.00
	Datum splatnosti DueDate	Datum, do kterého je zákazník podle smlouvy povinen zaplatit.
Popis Datum splatnosti se určuje podle platebních podmínek vztahujících se k datu vystavení faktury. Představuje cílový termín pro proces inkasa. Porovnáním tohoto atributu s datem přijetí platby v plné výši lze vypočítat míru dodržování platebních podmínek. Podle něj se určuje, zda byla platba uhrazena včas, pozdě, nebo předčasně. Proč je to důležité Referenční datum pro určení prodlení a výpočet Days Sales Outstanding (DSO). Kde data získat Tabulka Invoice Header (pole Due Date) Příklady 2023-11-302023-12-15
	Jméno pracovníka vymáhání pohledávek CollectorName	Jméno pracovníka nebo uživatele odpovědného za činnosti spojené s inkasem.
Popis Tento atribut označuje konkrétního uživatele nebo pracovníka HighRadius, který provedl ruční činnost, například zaznamenal hovor, odeslal individuální e-mail nebo prověřil spor. Používá se v dashboardu Ukazatele produktivity pracovníků vymáhání pohledávek k hodnocení výkonu jednotlivců a rozložení pracovní zátěže. Vedoucí tak mohou určit potřebu školení nebo přerozdělit portfolio mezi členy týmu pro inkaso. Proč je to důležité Umožňuje analyzovat výkonnost na úrovni zdrojů. Kde data získat Protokol aktivit / tabulka uživatelů Příklady Jan NovákJana SvobodováSprávce systémuPracovníkInkasa_01
	Název zákazníka CustomerName	Název zákaznického účtu spojeného s fakturou.
Popis Tento atribut označuje subjekt odpovědný za úhradu faktury. V HighRadius je propojen se záznamem dlužníka v kmenových datech. Analýza výkonnosti procesu podle názvu zákazníka odhalí konkrétní účty, které mohou vyžadovat individuální strategii inkasa nebo u kterých se opakují prodlevy v platbách. Podporuje dashboard Matice rizika zákazníků a prodlení. Proč je to důležité Nezbytný pro rozdělení analýzy podle účtů a hledání problémových zákazníků. Kde data získat Kmenová data zákazníků nebo hlavička faktury Příklady Acme CorpGlobal IndustriesTechStart IncRetail Giant Ltd
	Odchylka od platební lhůty PaymentTermVariance	Počet dní mezi datem splatnosti a datem platby.
Popis Tento vypočítaný atribut měří odchylku od dohodnutých platebních podmínek. Kladná hodnota znamená opožděnou platbu, záporná hodnota platbu před termínem. Jde o přímý ukazatel pro audit dodržování platebních podmínek. Souhrnná analýza odchylek pomáhá odhalit zákazníky, kteří pravidelně platí pozdě, a podle toho upravit úvěrové podmínky nebo strategii inkasa. Proč je to důležité Přímé měřítko toho, zda zákazník dodržuje smluvní podmínky. Kde data získat Vypočítává se z data splatnosti a data platby Příklady 5 dní-2 dny0 dní
	Datum příslibu platby PromiseToPayDate	Datum, kdy zákazník slíbil provést platbu.
Popis Tento atribut zaznamenává datum, ke kterému se zákazník zavázal při jednání o inkasu pohledávky. Jde o důležitý údaj v HighRadius Collections Cloud. Používá se v indexu spolehlivosti příslibů platby. Porovnáním tohoto data se skutečným datem platby zjistíte, zda zákazník svůj příslib dodržel. Údaj pomáhá vyhodnotit, jak kvalitní byl příslib a jak úspěšně pracovník inkasa se zákazníkem jednal. Proč je to důležité Důležitý údaj pro předpověď peněžních toků a měření spolehlivosti zákazníků. Kde data získat Modul inkasa pohledávek / tabulka transakcí P2P Příklady 2023-12-102023-12-20
	Kód důvodu sporu DisputeReasonCode	Kód kategorie přiřazený případu sporu.
Popis Tento atribut klasifikuje důvod, proč zákazník odmítá zaplatit, například „Chyba v ceně“, „Poškozené zboží“ nebo „Chybějící dokumentace“. V HighRadius Deductions Cloud se používají standardní kódy. Analýza těchto kódů pomáhá odhalit příčiny neuhrazených faktur. Souhrnná data umožňují firmě odstranit problémy v prodeji nebo logistice, které následně zdržují inkaso. Proč je to důležité Nezbytný pro analýzu příčin opožděných plateb. Kde data získat Modul správy sporů a srážek Příklady P01 (cena)Q02 (kvalita)S03 (nedodané množství)Chyba administrativy
	Kód měny CurrencyCode	Kód měny fakturované částky podle normy ISO.
Popis Tento atribut určuje měnu, ve které byla faktura vystavena, například USD, EUR nebo GBP. Při analýze globálního procesu je nutný pro správnou interpretaci polí Částka faktury a Otevřená částka. Zajišťuje správné sčítání částek, obvykle po převodu na vykazovací měnu. Proč je to důležité Nezbytný pro přesné souhrnné finanční výpočty v prostředí s více měnami. Kde data získat Hlavička faktury Příklady USDEURGBPJPY
	Obchodní jednotka BusinessUnit	Interní divize nebo dceřiná společnost, která vystavila fakturu.
Popis Tento atribut rozděluje data podle organizační struktury, například na „Prodej v Severní Americe“, „Služby v regionu EMEA“ nebo jednotlivé produktové divize. Umožňuje porovnat výsledky různých částí organizace v rámci auditu dodržování platebních podmínek. Pomáhá určit, zda se problémy s inkasem týkají celé organizace, nebo jen konkrétních obchodních postupů. Proč je to důležité Umožňuje porovnávat různé organizační oblasti. Kde data získat Hlavička faktury / mapování ERP Příklady Spotřební elektronikaPrůmyslové dílySoftwarové službySeverozápadní Amerika
	Otevřená částka OpenAmount	Zbývající neuhrazená částka na faktuře.
Popis Tento atribut sleduje částku, kterou zákazník ještě dluží. Aktualizuje se při zaúčtování částečných plateb. Je nezbytný pro analýzu složitosti částečných plateb. Analytici mohou filtrovat zcela neuhrazené a částečně zaplacené faktury a při inkasu upřednostnit neuhrazené položky s vysokou hodnotou. Proč je to důležité Důležitý pro určení aktuální expozice a úspěšnosti částečného inkasa. Kde data získat Hlavička faktury / tabulka otevřených položek Příklady 0.00500.0012000.00
	Poslední aktualizace dat LastDataUpdate	Časové razítko poslední aktualizace dat v modelu process mining.
Popis Tento atribut zaznamenává, kdy byl záznam extrahován nebo naposledy aktualizován v datové sadě pro process mining. Analytici tak vědí, jak aktuální data jsou a s jakým zpožděním se mohou v reportech zobrazovat. Je důležitý zejména u dashboardů pro průběžné monitorování, kde uživatelé potřebují vědět, zda pracují s aktuálními daty, nebo se snímkem z předchozího dne. Proč je to důležité Zajišťuje přehled o aktuálnosti dat použitých pro KPI. Kde data získat Časové razítko ETL Příklady 2023-12-01T00:00:00Z2023-12-02T06:00:00Z
	Region Region	Zeměpisná oblast přiřazená k faktuře nebo zákazníkovi.
Popis Tento atribut určuje zeměpisnou oblast relevantní pro transakci, například „Severní Amerika“, „EMEA“ nebo „APAC“. Pomáhá porovnávat výsledky mezi regiony a pochopit, jak kulturní nebo regulatorní rozdíly ovlivňují platební chování a rychlost inkasa. Hodí se také pro souhrnné reporty vedení. Proč je to důležité Umožňuje analyzovat výsledky podle zeměpisné oblasti. Kde data získat Kmenová data zákazníků nebo hlavička faktury Příklady Severní AmerikaEMEALatinská AmerikaAPAC
	Segment zákazníka CustomerSegment	Zařazení zákazníka podle velikosti, odvětví nebo strategické hodnoty.
Popis Tento atribut rozděluje zákazníky do skupin, například „Strategičtí“, „Střední podniky“, „Malé a střední podniky“ nebo „Vysoce rizikoví“. V dashboardu výkonnosti řešení sporů umožňuje zjistit, zda se úroveň služeb mezi jednotlivými segmenty liší. Pomáhá ověřit, zda se zákazníkům s vysokou hodnotou věnuje při inkasu pohledávek odpovídající pozornost. Proč je to důležité Analýza segmentů pro sladění obchodní strategie a dohodnutých úrovní služeb. Kde data získat Základní údaje o zákaznících Příklady Strategický klíčový zákazníkVelkoobchodMaloobchodVeřejná správa
	Úvěrový rating CreditRating	Hodnocení nebo rating úvěruschopnosti zákazníka.
Popis Tento atribut vyjadřuje míru rizika zákazníka. Údaje obvykle pocházejí od úvěrových registrů nebo z interního hodnocení v HighRadius Credit Cloud. Je jedním z rozměrů matice rizika zákazníků a stáří pohledávek. Analýza stáří pohledávek podle úvěrového ratingu pomáhá odhalit vysoké riziko, kdy zákazníci se špatným ratingem dluží vysoké částky. Proč je to důležité Nezbytný pro řízení rizik a určování priorit při inkasu pohledávek. Kde data získat Modul správy úvěrů / základní údaje o zákaznících Příklady AAAB+Vysoké rizikoNízké riziko
	Zdrojový systém SourceSystem	Název systému, ze kterého data pocházejí.
Popis Tento atribut uvádí, zda data vznikla přímo v modulech platformy HighRadius, například Collections Cloud nebo Cash Application Cloud, nebo zda byla načtena z externího systému ERP, například SAP nebo Oracle. Pomáhá sledovat původ dat a ověřovat jejich správnost. Při analýze problémů v procesu vám znalost zdrojového systému pomůže určit, zda zpoždění způsobila prodleva při integraci, nebo zpracování v samotném systému. Proč je to důležité Poskytuje kontext o původu dat, zejména pokud do HighRadius dodává data více systémů ERP. Kde data získat Konfigurace systému nebo pevně nastavená hodnota podle logiky extrakce Příklady HighRadiusSAP ECCOracle NetSuiteMicrosoft Dynamics

Povinné Doporučené Volitelné

Aktivity správy pohledávek

Tyto záznamy představují důležité kroky procesu a transakční milníky, které je vhodné zachytit, abyste si mohli zobrazit celý průběh faktury od začátku do konce.

8 Doporučené 5 Volitelné

	Aktivita	Popis
	Faktura vyrovnána	Závěrečná změna stavu, při které zůstatek faktury klesne na nulu a faktura se v systému uzavře.
Proč je to důležité Koncové časové razítko pro výpočet „Průměrné doby inkasa pohledávek“. Označuje dokončení procesu. Kde data získat Tabulka Invoice Header, Status = „Closed“ nebo „Cleared“. Zachycení Porovnejte hodnotu stavového pole před změnou a po ní. Typ události inferred
	Faktura vytvořena	První vytvoření faktury nebo její načtení ze systému ERP do platformy HighRadius. Tím začíná cyklus inkasa.
Proč je to důležité Určuje výchozí časový údaj pro výpočet doby prodlení a ukazatele Days Sales Outstanding (DSO). Kde data získat Tabulka Open Invoices nebo protokoly Data Integration, kde se číslo faktury objeví poprvé. Zachycení Zaznamená se při vložení záznamu do tabulky hlaviček faktur. Typ události explicit
	Platba v plné výši přijata	Přijetí platby, která zcela uhradí dluh. Pro výpočet doby prodlení se používá skutečné datum platby.
Proč je to důležité Používá se k výpočtu „Míry plnění příslibů úhrady“ a porovnání skutečných a očekávaných peněžních toků. Kde data získat Datum platební transakce uvedené u závěrečného dokladu o vyrovnání. Zachycení Zaznamená se datum transakce, při které byla platba vyrovnána. Typ události explicit
	Položka bankovního výpisu spárována	Nástroj Cash Application nebo uživatel úspěšně propojí položku bankovního výpisu s konkrétní fakturou.
Proč je to důležité Základní ukazatel pro „Míru automatického párování plateb“. Rozlišuje mezi přijetím peněz a jejich přiřazením k faktuře. Kde data získat Modul Cash Application, vytvoření záznamu o spárování. Zachycení Zaznamená se při spuštění pravidla párování. Typ události explicit
	Případ sporu otevřen	Vytvoření případu srážky nebo sporu propojeného s fakturou. Znamená, že zákazník odmítá uhradit část nebo celý zůstatek.
Proč je to důležité Spouští analýzu „Výkonnost řešení sporů“ a pozastavuje běžné upomínání sporné částky. Kde data získat Modul Deductions/Disputes, časové razítko vytvoření ID případu propojeného s fakturou. Zachycení Zaznamená se při vytvoření případu sporu. Typ události explicit
	Příslib úhrady vytvořen	Formální závazek zaznamenaný v systému, ve kterém zákazník slibuje uhradit konkrétní částku do stanoveného data.
Proč je to důležité Nezbytný pro „Index spolehlivosti příslibů úhrady“, který slouží k předvídání peněžních toků a měření spolehlivosti zákazníků. Kde data získat Modul nebo karta P2P (Promise to Pay) propojená s fakturou. Zachycení Zaznamená se při vytvoření záznamu P2P. Typ události explicit
	Spor vyřešen	Ukončení šetření sporu, které vede k rozhodnutí, například o oprávněnosti srážky nebo neoprávněnosti nároku.
Proč je to důležité Událost ukončující měření „Doby řešení sporu“. Prodlevy v této fázi přímo prodlužují dobu prodlení. Kde data získat Modul Deductions, změna stavu na „Closed“, „Resolved“ nebo „Approved“. Zachycení Porovnejte hodnotu stavového pole před změnou a po ní. Typ události inferred
	Upomínka k platbě odeslána	Automatická zpráva (e-mail nebo dopis) odeslaná zákazníkovi prostřednictvím modulu Collections. Zaznamenává provedení strategie upomínání.
Proč je to důležité Tento údaj je důležitý pro dashboard „Účinnost upomínek k úhradě“, který měří, zda zpráva skutečně vede k platbě. Kde data získat Karta Correspondence History nebo protokoly Communication propojené s ID faktury. Zachycení Zaznamená se při provedení akce v rámci strategie upomínání. Typ události explicit
	Částečná platba zaúčtována	Platba pokryje pouze část celkové částky faktury a zanechá neuhrazený zůstatek.
Proč je to důležité Vstupuje do analýzy „Složitost částečných plateb“ a může upozornit na problémy při párování plateb. Kde data získat Modul Cash Application, platební transakce propojená s fakturou, kde Payment Amount < Open Amount. Zachycení Zaznamená se při přiřazení platby, pokud faktura zůstává otevřená. Typ události explicit
	Datum splatnosti uplynulo	Vypočtená událost označující, že faktura zůstává neuhrazená i po smluvně stanoveném datu splatnosti.
Proč je to důležité Důležitý údaj pro „Audit dodržování platebních podmínek“. Označuje přechod z aktuálního stavu do prodlení. Kde data získat Vypočítá se porovnáním data splatnosti faktury s aktuálním datem, pokud je faktura otevřená, nebo s datem platby, pokud je uzavřená. Zachycení Odvoďte porovnáním polí Due Date a Activity Date. Typ události calculated
	Dobropis vystaven	Vystavení dobropisu, který sníží zůstatek faktury. Obvykle k němu dojde po uznání sporu nebo při vrácení zboží.
Proč je to důležité Sleduje „Efektivitu zpracování dobropisů“ a dobu mezi vyřešením sporu a zaúčtováním. Kde data získat Protokoly synchronizace ERP nebo tabulka Credit Memo propojená s původním ID faktury. Zachycení Zaznamená se při propojení dokladu CM s fakturou. Typ události explicit
	Hovor v rámci inkasa zaznamenán	Ruční poznámka nebo interakce pracovníka vymáhání pohledávek týkající se této faktury. Označuje ruční zásah do procesu.
Proč je to důležité Podporuje ukazatele „Produktivita pracovníků vymáhání pohledávek“ a rozlišuje automatické a ruční činnosti při inkasu. Kde data získat Karta Notes/History v modulu Collections. Zachycení Zaznamená se při uložení poznámky k hovoru uživatelem. Typ události explicit
	Spor se prověřuje	Stav případu sporu se změní z „New“ na aktivní šetření. Označuje začátek vlastní práce analytika.
Proč je to důležité Používá se v nástroji „Hledání úzkých míst ve workflow řešení sporů“ k měření prodlevy mezi vytvořením případu a zahájením aktivní práce. Kde data získat Auditní protokol modulu Deductions, změna stavu na „In Progress“ nebo „Researching“. Zachycení Porovnejte hodnotu stavového pole před změnou a po ní. Typ události inferred

Doporučené Volitelné

Návody k extrakci dat

Jak získat data z HighRadius

Kroky

Přihlaste se do platformy HighRadius Integrated Receivables a přejděte do modulu Analytics nebo Reports.
Najděte šablonu sestavy Transaction History nebo Open Items. Pro zachycení celého průběhu bude pravděpodobně potřeba nastavit tři samostatné exporty: Invoice Header Data, Collection Activities a Dispute/Deduction History.
Nastavte export Invoice Header: vyberte sloupce Invoice Number, Customer Name, Invoice Amount, Invoice Date, Due Date, Clear Date a Final Status. Použijte filtry pro příslušné kódy společností a období vytvoření, které pokrývá sledované období process mining.
Nastavte export Collection Activities: vyberte sloupce Invoice Number, Activity Type (Call, Email, Note), Activity Date, Collector Name a údaje Promise to Pay. Zahrňte automatické systémové akce i ručně zaznamenané činnosti uživatelů.
Nastavte export Dispute History: vyberte sloupce Invoice Number, Dispute Case ID, Dispute Amount, Status Change Date, Reason Code a Resolution Date. Zachytíte tak průběh srážek.
Nastavte export Payment/Cash App: vyberte sloupce Invoice Number, Payment Reference, Payment Date, Payment Amount a Payment Type (Partial, Full, Credit Memo).
Spusťte sestavy a exportujte výsledky ve formátu CSV.
Načtěte soubory CSV do přípravné databáze nebo nástroje pro transformaci dat, například Python/Pandas nebo databáze SQL, a sjednoťte je.
Spusťte transformační skript uvedený v části Query. Sjednotí názvy sloupců, vypočítá odvozené události, například Due Date Passed, a spojí různé zdroje do jednoho záznamu událostí.
Ověřte, že jsou data ve všech souborech ve stejném formátu, doporučujeme ISO 8601, a že je číslo faktury zapsáno všude stejně, například bez úvodních nul, pokud se zápis liší.
Výslednou sadu dat exportujte do jednoho souboru CSV.
Nahrajte výsledný soubor CSV do ProcessMind a namapujte InvoiceNumber na ID případu, EventDateTime na časové razítko a ActivityName na aktivitu.

Konfigurace

Rozsah dat: Vyberte průběžné období, například posledních 12 měsíců, podle data vytvoření faktury. Zachytíte tak celý životní cyklus.
Zdroje dat: Potřebujete přístup k modulům Collections, Cash Application a Deductions v HighRadius.
Podrobnost dat: Reporty generujte na úrovni faktury, nikoli účtu nebo souhrnu.
Oprávnění uživatele: Uživatel provádějící extrakci potřebuje oprávnění Reporting nebo Analytics Admin, aby měl přístup k historickým záznamům aktivit.
Systémové akce: Ve filtrech výslovně povolte systémové a automatické akce uživatelů. Zachytíte tak automatickou korespondenci v záznamech aktivit.
Mapování: Typy aktivit v HighRadius může být nutné namapovat na standardní názvy aktivit pro process mining, například „Dunning Letter“ na „Odeslána upomínka k platbě“.

Ukázkový dotaz sql

/* 
Title: HighRadius Event Log Transformation Script
Description: This script assumes the raw CSV exports from HighRadius have been loaded into four staging tables:
1. STG_INVOICES (Header data)
2. STG_ACTIVITIES (Collections notes, calls, correspondence)
3. STG_DISPUTES (Deduction and dispute lifecycle)
4. STG_PAYMENTS (Cash application details)
*/

/* 1. Invoice Created */
SELECT 
    InvoiceNumber AS InvoiceNumber,
    'Invoice Created' AS ActivityName,
    InvoiceDate AS EventDateTime,
    CustomerName AS CustomerName,
    InvoiceAmount AS InvoiceAmount,
    DueDate AS DueDate,
    'System' AS CollectorName,
    'True' AS IsAutomated,
    NULL AS PaymentTermVariance,
    0 AS DaysSalesOutstanding
FROM STG_INVOICES

UNION ALL

/* 2. Payment Reminder Sent */
SELECT 
    InvoiceNumber,
    'Payment Reminder Sent',
    ActivityDate,
    CustomerName,
    NULL,
    NULL,
    UserName AS CollectorName,
    CASE WHEN UserName = 'System' THEN 'True' ELSE 'False' END,
    NULL,
    NULL
FROM STG_ACTIVITIES
WHERE ActivityType IN ('Dunning', 'Correspondence', 'Email Sent')

UNION ALL

/* 3. Collection Call Logged */
SELECT 
    InvoiceNumber,
    'Collection Call Logged',
    ActivityDate,
    CustomerName,
    NULL,
    NULL,
    UserName AS CollectorName,
    'False' AS IsAutomated,
    NULL,
    NULL
FROM STG_ACTIVITIES
WHERE ActivityType IN ('Call', 'Outbound Call')

UNION ALL

/* 4. Promise to Pay Created */
SELECT 
    InvoiceNumber,
    'Promise to Pay Created',
    PromiseDate,
    CustomerName,
    PromiseAmount,
    NULL,
    UserName AS CollectorName,
    'False' AS IsAutomated,
    NULL,
    NULL
FROM STG_ACTIVITIES
WHERE ActivityType = 'Promise to Pay' AND PromiseDate IS NOT NULL

UNION ALL

/* 5. Dispute Case Opened */
SELECT 
    InvoiceNumber,
    'Dispute Case Opened',
    CreateDate,
    CustomerName,
    DisputeAmount,
    NULL,
    AnalystName AS CollectorName,
    'False' AS IsAutomated,
    NULL,
    NULL
FROM STG_DISPUTES

UNION ALL

/* 6. Dispute Under Review */
SELECT 
    InvoiceNumber,
    'Dispute Under Review',
    StatusDate,
    CustomerName,
    NULL,
    NULL,
    AnalystName AS CollectorName,
    'False' AS IsAutomated,
    NULL,
    NULL
FROM STG_DISPUTES
WHERE Status = 'In Review'

UNION ALL

/* 7. Dispute Resolved */
SELECT 
    InvoiceNumber,
    'Dispute Resolved',
    ResolutionDate,
    CustomerName,
    NULL,
    NULL,
    AnalystName AS CollectorName,
    'False' AS IsAutomated,
    NULL,
    NULL
FROM STG_DISPUTES
WHERE Status IN ('Closed', 'Resolved', 'Denied', 'Approved')

UNION ALL

/* 8. Credit Memo Issued */
SELECT 
    InvoiceNumber,
    'Credit Memo Issued',
    PaymentDate,
    CustomerName,
    PaymentAmount,
    NULL,
    'System' AS CollectorName,
    'True' AS IsAutomated,
    NULL,
    NULL
FROM STG_PAYMENTS
WHERE PaymentType = 'Credit Memo'

UNION ALL

/* 9. Partial Payment Posted */
SELECT 
    P.InvoiceNumber,
    'Partial Payment Posted',
    P.PaymentDate,
    I.CustomerName,
    P.PaymentAmount,
    I.DueDate,
    'System' AS CollectorName,
    'True' AS IsAutomated,
    DATEDIFF(day, I.DueDate, P.PaymentDate) AS PaymentTermVariance,
    DATEDIFF(day, I.InvoiceDate, P.PaymentDate) AS DaysSalesOutstanding
FROM STG_PAYMENTS P
JOIN STG_INVOICES I ON P.InvoiceNumber = I.InvoiceNumber
WHERE P.PaymentType = 'Payment' AND P.PaymentAmount < I.InvoiceAmount

UNION ALL

/* 10. Bank Statement Matched */
SELECT 
    InvoiceNumber,
    'Bank Statement Matched',
    MatchDate,
    CustomerName,
    NULL,
    NULL,
    'CashApp System' AS CollectorName,
    'True' AS IsAutomated,
    NULL,
    NULL
FROM STG_PAYMENTS
WHERE MatchDate IS NOT NULL

UNION ALL

/* 11. Full Payment Received */
SELECT 
    P.InvoiceNumber,
    'Full Payment Received',
    P.PaymentDate,
    I.CustomerName,
    P.PaymentAmount,
    I.DueDate,
    'System' AS CollectorName,
    'True' AS IsAutomated,
    DATEDIFF(day, I.DueDate, P.PaymentDate) AS PaymentTermVariance,
    DATEDIFF(day, I.InvoiceDate, P.PaymentDate) AS DaysSalesOutstanding
FROM STG_PAYMENTS P
JOIN STG_INVOICES I ON P.InvoiceNumber = I.InvoiceNumber
WHERE P.PaymentType = 'Payment' AND P.PaymentAmount >= I.InvoiceAmount

UNION ALL

/* 12. Due Date Passed */
SELECT 
    InvoiceNumber,
    'Due Date Passed',
    DueDate,
    CustomerName,
    InvoiceAmount,
    DueDate,
    'System' AS CollectorName,
    'True' AS IsAutomated,
    NULL,
    DATEDIFF(day, InvoiceDate, DueDate) AS DaysSalesOutstanding
FROM STG_INVOICES
WHERE DueDate < GETDATE() AND (ClearDate IS NULL OR ClearDate > DueDate)

UNION ALL

/* 13. Invoice Cleared */
SELECT 
    InvoiceNumber,
    'Invoice Cleared',
    ClearDate,
    CustomerName,
    InvoiceAmount,
    DueDate,
    'System' AS CollectorName,
    'True' AS IsAutomated,
    DATEDIFF(day, DueDate, ClearDate) AS PaymentTermVariance,
    DATEDIFF(day, InvoiceDate, ClearDate) AS DaysSalesOutstanding
FROM STG_INVOICES
WHERE ClearDate IS NOT NULL

Kroky

Předpoklady a příprava prostředí Ověřte, že máte nainstalovaný Python 3.8 nebo novější. Budete potřebovat knihovny requests a pandas. Pokud nejsou nainstalované, přidejte je pomocí pip. Od správce systému si vyžádejte HighRadius API Client ID, Client Secret a Base URL. Tyto údaje obvykle najdete v části Administration nebo Developer Portal v HighRadius.
Nastavte přihlašovací údaje API Otevřete dodaný skript Pythonu a najděte konfigurační část na začátku. Nahraďte zástupné hodnoty CLIENT_ID, CLIENT_SECRET a BASE_URL. Ověřte, že uživatel přiřazený k těmto údajům má oprávnění k modulům Collections, Cash Application a Deductions.
Nastavte parametry extrakce dat Ve skriptu nastavte proměnné START_DATE a END_DATE. Doporučujeme extrahovat data po měsících nebo čtvrtletích, abyste předešli vypršení časového limitu. Skript očekává standardní formát data ISO 8601 (YYYY-MM-DD).
Spuštění skriptu: ověření Skript nejprve provede tok OAuth2 a získá bearer token. Token má omezenou platnost, obvykle 1 hodinu. Počáteční získání tokenu skript zajistí automaticky.
Spuštění skriptu: načtení dat Skript postupně volá konkrétní koncové body. Nejprve načte data hlaviček faktur. Poté pomocí čísel faktur jako referenčních klíčů podle potřeby projde související koncové body pro aktivity (poznámky), přísliby plateb, spory a historii plateb.
Transformace dat a mapování aktivit Skript převede nezpracované odpovědi JSON do záznamu událostí v plochém formátu. Konkrétní kódy HighRadius namapuje na požadované názvy aktivit. Například porovná invoice_balance s total_amount a rozliší 'Partial Payment Posted' od 'Full Payment Received'. Událost 'Due Date Passed' vypočítá porovnáním data splatnosti s datem zúčtování nebo aktuálním datem.
Zpracování stránkování API HighRadius obvykle vracejí výsledky po stránkách. Dodaný skript obsahuje cyklus, který načítá další stránky, dokud nepřestanou přicházet záznamy. Během zpracování ověřte stabilitu síťového připojení.
Sloučení dat Všechny extrahované seznamy (faktury, aktivity, spory a platby) se spojí do jednoho Pandas DataFrame. Skript jej seřadí podle InvoiceNumber a EventDateTime, aby události následovaly chronologicky.
Ověření a kontrola kvality Před dokončením skript vypíše souhrn jedinečných extrahovaných aktivit. Ověřte, zda jejich počty odpovídají provozním objemům. Zkontrolujte, že sloupec EventDateTime používá formát YYYY-MM-DD HH:MM:SS.
Export do CSV Výsledný DataFrame se exportuje do souboru HighRadius_EventLog.csv. Soubor obsahuje konkrétní sloupce požadované pro ProcessMind.
Závěrečná kontrola Otevřete soubor CSV. Zkontrolujte, zda sloupce InvoiceNumber nebo ActivityName neobsahují hodnoty NULL. Ověřte, že data nejsou v budoucnosti, pokud nejde o očekávaná data splatnosti. EventDateTime by měl vždy označovat minulost nebo současnost.
Nahrajte data do ProcessMind Importujte vytvořený soubor CSV do ProcessMind. Namapujte InvoiceNumber na ID případu, ActivityName na aktivitu a EventDateTime na časové razítko.

Konfigurace

Základní URL API: Zjistěte, zda se připojujete k produkčnímu prostředí, nebo k prostředí Sandbox. Struktura URL se obvykle liší, například https://[client].highradius.com/api oproti https://[client]-sandbox.highradius.com/api.
Rozsah oprávnění klienta: Ověřte, že má klient API přístup read k rozsahům radiusOne, collections, deductions a cashApp.
Rozsah dat: Pokud je objem transakcí vysoký, tedy přes 100 000 faktur za měsíc, omezte každé spuštění extrakce na období nejvýše 3 měsíců.
Limit stránkování: Výchozí nastavení skriptu je 1 000 záznamů na stránku. Pokud server vrací chyby časového limitu, upravte parametr limit ve voláních API.
Omezení rychlosti požadavků: HighRadius může omezovat počet požadavků. Pokud narazíte na chyby HTTP 429, vložte do smyček stránkování příkaz time.sleep(1).

Ukázkový dotaz python

import requests
import pandas as pd
import json
from datetime import datetime, timedelta

class=class="hl-string">"hl-comment"># ==========================================
class=class="hl-string">"hl-comment"># CONFIGURATION
class=class="hl-string">"hl-comment"># ==========================================
BASE_URL = class="hl-string">"https://[Your Instance].highradius.com/api/v1"
TOKEN_URL = class="hl-string">"https://[Your Instance].highradius.com/oauth/token"
CLIENT_ID = class="hl-string">"[Your Client ID]"
CLIENT_SECRET = class="hl-string">"[Your Client Secret]"
SCOPE = class="hl-string">"read_write"

class=class="hl-string">"hl-comment"># Extraction Window
START_DATE = class="hl-string">"2023-01-01"
END_DATE = class="hl-string">"2023-01-31"

class=class="hl-string">"hl-comment"># Global container for event log rows
event_log = []

def get_access_token():
    payload = {
        class="hl-string">'grant_type': class="hl-string">'client_credentials',
        class="hl-string">'client_id': CLIENT_ID,
        class="hl-string">'client_secret': CLIENT_SECRET,
        class="hl-string">'scope': SCOPE
    }
    try:
        response = requests.post(TOKEN_URL, data=payload)
        response.raise_for_status()
        return response.json().get(class="hl-string">'access_token')
    except Exception as e:
        print(fclass="hl-string">"Authentication failed: {e}")
        return None

def fetch_paged_data(endpoint, token, params={}):
    headers = {class="hl-string">"Authorization": fclass="hl-string">"Bearer {token}", class="hl-string">"Content-Type": class="hl-string">"application/json"}
    all_records = []
    page = 1
    while True:
        params[class="hl-string">'page'] = page
        params[class="hl-string">'limit'] = 1000
        try:
            resp = requests.get(fclass="hl-string">"{BASE_URL}/{endpoint}", headers=headers, params=params)
            if resp.status_code != 200:
                break
            data = resp.json()
            records = data.get(class="hl-string">'data', [])
            if not records:
                break
            all_records.extend(records)
            page += 1
        except Exception:
            break
    return all_records

def process_extraction():
    token = get_access_token()
    if not token:
        return

    class=class="hl-string">"hl-comment"># 1. Fetch Invoices (Header Data)
    print(class="hl-string">"Fetching Invoices...")
    invoices = fetch_paged_data(class="hl-string">"invoices", token, {class="hl-string">"filter_date_from": START_DATE, class="hl-string">"filter_date_to": END_DATE})
    
    class=class="hl-string">"hl-comment"># Process Invoice Headers and Derived Events
    invoice_ids = []
    for inv in invoices:
        inv_num = str(inv.get(class="hl-string">'invoice_number', class="hl-string">''))
        cust_name = inv.get(class="hl-string">'customer_name', class="hl-string">'')
        amount = float(inv.get(class="hl-string">'amount', 0.0))
        create_date = inv.get(class="hl-string">'create_date')  class=class="hl-string">"hl-comment"># YYYY-MM-DD
        due_date = inv.get(class="hl-string">'due_date')
        clear_date = inv.get(class="hl-string">'clear_date')
        status = inv.get(class="hl-string">'status', class="hl-string">'Open')
        
        invoice_ids.append(inv_num)
        
        class=class="hl-string">"hl-comment"># Event: Invoice Created
        event_log.append({
            class="hl-string">"InvoiceNumber": inv_num,
            class="hl-string">"ActivityName": class="hl-string">"Invoice Created",
            class="hl-string">"EventDateTime": fclass="hl-string">"{create_date} 00:00:00",
            class="hl-string">"CustomerName": cust_name,
            class="hl-string">"InvoiceAmount": amount,
            class="hl-string">"DueDate": due_date,
            class="hl-string">"IsAutomated": True
        })
        
        class=class="hl-string">"hl-comment"># Event: Invoice Cleared
        if status.lower() in [class="hl-string">'closed', class="hl-string">'cleared'] and clear_date:
             event_log.append({
                class="hl-string">"InvoiceNumber": inv_num,
                class="hl-string">"ActivityName": class="hl-string">"Invoice Cleared",
                class="hl-string">"EventDateTime": fclass="hl-string">"{clear_date} 23:59:59",
                class="hl-string">"CustomerName": cust_name,
                class="hl-string">"InvoiceAmount": amount,
                class="hl-string">"DueDate": due_date,
                class="hl-string">"IsAutomated": True
            })
             
        class=class="hl-string">"hl-comment"># Event: Due Date Passed (Calculated)
        class=class="hl-string">"hl-comment"># Logic: If closed and cleared after due date OR if open and today is after due date
        d_due = datetime.strptime(due_date, class="hl-string">"%Y-%m-%d")
        limit_date = datetime.strptime(clear_date, class="hl-string">"%Y-%m-%d") if clear_date else datetime.now()
        
        if limit_date > d_due:
            overdue_ts = d_due + timedelta(days=1)
            event_log.append({
                class="hl-string">"InvoiceNumber": inv_num,
                class="hl-string">"ActivityName": class="hl-string">"Due Date Passed",
                class="hl-string">"EventDateTime": overdue_ts.strftime(class="hl-string">"%Y-%m-%d %H:%M:%S"),
                class="hl-string">"CustomerName": cust_name,
                class="hl-string">"InvoiceAmount": amount,
                class="hl-string">"DueDate": due_date,
                class="hl-string">"IsAutomated": True
            })

        class=class="hl-string">"hl-comment"># Event: Credit Memo Issued
        if inv.get(class="hl-string">'document_type', class="hl-string">'').lower() == class="hl-string">'credit_memo':
             event_log.append({
                class="hl-string">"InvoiceNumber": inv_num,
                class="hl-string">"ActivityName": class="hl-string">"Credit Memo Issued",
                class="hl-string">"EventDateTime": fclass="hl-string">"{create_date} 12:00:00",
                class="hl-string">"CustomerName": cust_name,
                class="hl-string">"InvoiceAmount": amount,
                class="hl-string">"DueDate": due_date,
                class="hl-string">"IsAutomated": True
            })

    class=class="hl-string">"hl-comment"># 2. Fetch Activities / Notes (Calls, Reminders)
    print(class="hl-string">"Fetching Activities...")
    class=class="hl-string">"hl-comment"># In a real scenario, you might iterate invoice_ids in chunks if the API requires filtering by ID
    class=class="hl-string">"hl-comment"># Here we assume an endpoint allowing date filtering similar to invoices
    activities = fetch_paged_data(class="hl-string">"activities", token, {class="hl-string">"date_from": START_DATE, class="hl-string">"date_to": END_DATE})
    
    for act in activities:
        inv_num = str(act.get(class="hl-string">'invoice_number', class="hl-string">''))
        act_type = act.get(class="hl-string">'activity_type', class="hl-string">'').lower()
        act_date = act.get(class="hl-string">'activity_date') class=class="hl-string">"hl-comment"># Assume valid timestamp
        user = act.get(class="hl-string">'performed_by', class="hl-string">'System')
        
        activity_name = None
        if class="hl-string">'email' in act_type or class="hl-string">'letter' in act_type or class="hl-string">'reminder' in act_type:
            activity_name = class="hl-string">"Payment Reminder Sent"
        elif class="hl-string">'call' in act_type:
            activity_name = class="hl-string">"Collection Call Logged"
            
        if activity_name:
            event_log.append({
                class="hl-string">"InvoiceNumber": inv_num,
                class="hl-string">"ActivityName": activity_name,
                class="hl-string">"EventDateTime": act_date,
                class="hl-string">"CollectorName": user,
                class="hl-string">"IsAutomated": user == class="hl-string">'System'
            })

    class=class="hl-string">"hl-comment"># 3. Fetch Promises to Pay
    print(class="hl-string">"Fetching Promises to Pay...")
    ptps = fetch_paged_data(class="hl-string">"promises", token, {class="hl-string">"created_from": START_DATE, class="hl-string">"created_to": END_DATE})
    for ptp in ptps:
        event_log.append({
            class="hl-string">"InvoiceNumber": str(ptp.get(class="hl-string">'invoice_number', class="hl-string">'')),
            class="hl-string">"ActivityName": class="hl-string">"Promise to Pay Created",
            class="hl-string">"EventDateTime": ptp.get(class="hl-string">'created_at'),
            class="hl-string">"CollectorName": ptp.get(class="hl-string">'created_by'),
            class="hl-string">"IsAutomated": False
        })

    class=class="hl-string">"hl-comment"># 4. Fetch Disputes
    print(class="hl-string">"Fetching Disputes...")
    disputes = fetch_paged_data(class="hl-string">"disputes", token, {class="hl-string">"date_from": START_DATE, class="hl-string">"date_to": END_DATE})
    for disp in disputes:
        inv_num = str(disp.get(class="hl-string">'invoice_number', class="hl-string">''))
        create_ts = disp.get(class="hl-string">'create_date')
        status_history = disp.get(class="hl-string">'status_history', [])
        
        class=class="hl-string">"hl-comment"># Event: Dispute Case Opened
        event_log.append({
            class="hl-string">"InvoiceNumber": inv_num,
            class="hl-string">"ActivityName": class="hl-string">"Dispute Case Opened",
            class="hl-string">"EventDateTime": create_ts,
            class="hl-string">"IsAutomated": False
        })
        
        class=class="hl-string">"hl-comment"># Process Audit Trail for Status Changes
        for history in status_history:
            status = history.get(class="hl-string">'status', class="hl-string">'').lower()
            hist_date = history.get(class="hl-string">'date')
            
            if status == class="hl-string">'in_review' or status == class="hl-string">'investigation':
                event_log.append({
                    class="hl-string">"InvoiceNumber": inv_num,
                    class="hl-string">"ActivityName": class="hl-string">"Dispute Under Review",
                    class="hl-string">"EventDateTime": hist_date,
                    class="hl-string">"IsAutomated": False
                })
            elif status == class="hl-string">'resolved' or status == class="hl-string">'closed':
                 event_log.append({
                    class="hl-string">"InvoiceNumber": inv_num,
                    class="hl-string">"ActivityName": class="hl-string">"Dispute Resolved",
                    class="hl-string">"EventDateTime": hist_date,
                    class="hl-string">"IsAutomated": False
                })

    class=class="hl-string">"hl-comment"># 5. Fetch Payments
    print(class="hl-string">"Fetching Payments...")
    payments = fetch_paged_data(class="hl-string">"payments", token, {class="hl-string">"date_from": START_DATE, class="hl-string">"date_to": END_DATE})
    for pay in payments:
        inv_num = str(pay.get(class="hl-string">'invoice_number', class="hl-string">''))
        pay_date = pay.get(class="hl-string">'payment_date')
        pay_amount = float(pay.get(class="hl-string">'payment_amount', 0.0))
        inv_total = float(pay.get(class="hl-string">'invoice_total_amount', 0.0))
        is_matched = pay.get(class="hl-string">'is_matched', False)
        
        class=class="hl-string">"hl-comment"># Determine Partial vs Full
        class=class="hl-string">"hl-comment"># Note: logic simplified; usually compare accumulated payments
        if pay_amount < inv_total:
            act_name = class="hl-string">"Partial Payment Posted"
        else:
            act_name = class="hl-string">"Full Payment Received"
            
        event_log.append({
            class="hl-string">"InvoiceNumber": inv_num,
            class="hl-string">"ActivityName": act_name,
            class="hl-string">"EventDateTime": pay_date,
            class="hl-string">"InvoiceAmount": inv_total,
            class="hl-string">"IsAutomated": True
        })
        
        class=class="hl-string">"hl-comment"># Event: Bank Statement Matched
        class=class="hl-string">"hl-comment"># Trigger if the system flags this payment as successfully matched to bank line
        if is_matched:
             event_log.append({
                class="hl-string">"InvoiceNumber": inv_num,
                class="hl-string">"ActivityName": class="hl-string">"Bank Statement Matched",
                class="hl-string">"EventDateTime": pay_date, class=class="hl-string">"hl-comment"># Often same time as posting
                class="hl-string">"IsAutomated": True
            })

    class=class="hl-string">"hl-comment"># Export
    df = pd.DataFrame(event_log)
    class=class="hl-string">"hl-comment"># Ensure required columns exist even if empty
    required_cols = [class="hl-string">"InvoiceNumber", class="hl-string">"ActivityName", class="hl-string">"EventDateTime"]
    for col in required_cols:
        if col not in df.columns:
            df[col] = None
            
    class=class="hl-string">"hl-comment"># Fill recommended cols with None if missing
    recommended_cols = [class="hl-string">"CustomerName", class="hl-string">"InvoiceAmount", class="hl-string">"DueDate", class="hl-string">"CollectorName", class="hl-string">"IsAutomated"]
    for col in recommended_cols:
        if col not in df.columns:
            df[col] = None

    df.dropna(subset=[class="hl-string">"InvoiceNumber", class="hl-string">"ActivityName", class="hl-string">"EventDateTime"], inplace=True)
    df.sort_values(by=[class="hl-string">"InvoiceNumber", class="hl-string">"EventDateTime"], inplace=True)
    
    output_file = class="hl-string">"HighRadius_EventLog.csv"
    df.to_csv(output_file, index=False)
    print(fclass="hl-string">"Extraction Complete. {len(df)} rows saved to {output_file}")

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

Chcete začít?

Začněte mapovat životní cyklus faktur a zlepšete likviditu i dobu inkasa pohledávek. Náš tým vám pomůže s technickým nasazením.

Zpět na průvodce zlepšováním

Stáhnout šablonu

Zlepšete správu pohledávek a cash flow

Zkraťte DSO o 15 až 20 dní díky automatizovaným přehledům o procesech

Začněte používat zkušební verzi zdarma

Bez platební karty. Nastavení zabere jen několik minut.

Šablona dat pro správu pohledávek

Šablona dat pro správu pohledávek

Atributy správy pohledávek

Aktivity správy pohledávek

Návody k extrakci dat

Export dat z analytiky a reportů HighRadius

Kroky

Konfigurace

Ukázkový dotaz sql

Extrakce dat z REST API HighRadius

Kroky

Konfigurace

Ukázkový dotaz python

Chcete začít?

Zlepšete správu pohledávek a cash flow