> Kontinuierliche Prozessoptimierung > Debitorenbuchhaltung (Accounts Receivable) (AR) > HighRadius > Datenvorlage

Ihre Debitoren-Datenvorlage

HighRadius

Attribute im Debitorenbuchhaltung (Accounts Receivable) (AR) (19) Aktivitäten im Debitorenbuchhaltung (Accounts Receivable) (AR) (13) Extraktionsanleitungen (2)

Ihre Debitoren-Datenvorlage

Diese Vorlage beschreibt die wesentlichen Komponenten zur Analyse Ihrer Rechnungs-`Workflows` innerhalb von HighRadius. Es bietet eine strukturierte Übersicht über die notwendigen `Datenpunkte`, Prozessmeilensteine und technischen Schritte, die zum Aufbau eines vollständigen `Event-Logs` erforderlich sind. Wenn Sie dieser Anleitung folgen, können Sie Ihren Inkasso-Zyklus erfolgreich `abbilden` und Möglichkeiten zur Verbesserung Ihres `Cashflows` identifizieren.

Spezifische `Datenattribute` für Ihren `Prozess`
Standardisierte Aktivitätsmeilensteine
HighRadius Extraktionsanweisungen

Neu bei Event-Logs? Erfahren Sie wie Sie ein Process-Mining-Event-Log erstellen.

Vorlage herunterladen

Attribute im Debitorenbuchhaltung (Accounts Receivable) (AR)

Diese Tabelle listet die empfohlenen `Datenfelder` auf, die zum Aufbau eines detaillierten `Event-Logs` für die Analyse Ihrer Rechnungsverwaltung und Inkasso-Leistungsfähigkeit erforderlich sind.

3 Erforderlich 6 Empfohlen 10 Optional

	Name	Beschreibung
	Aktivität ActivityName	Der Name des `Ereignisse` oder den Antrag bearbeitet.er Aktion, die auf der Rechnung ausgeführt wurde.
Beschreibung Dieses `Attribut` erfasst den spezifischen Schritt oder den Antrag bearbeitet.ie Aktion, die im `Credit-to-Cash`-Lebenszyklus stattfand. Es erfasst `Ereignisse` wie Rechnungserstellung, automatisierte Korrespondenz, Anrufe von `Collectoren`, Streitigkeitserfassung und Zahlungszuordnung. Analysten verwenden dieses Feld, um den `Prozessfluss` zu rekonstruieren und die Abfolge der Schritte zu visualisieren. Variationen in der Abfolge dieser `Aktivitäten` helfen, Prozessabweichungen, `Rework-Loops` und nicht-konformes Verhalten zu identifizieren. Bedeutung Es definiert die Schritte des Prozesses und ist wichtig für die Prozesserkennung und Variantenanalyse. Datenquelle HighRadius Aktivitätsprotokoll, Notizhistorie oder Transaktionshistorientabellen Beispiele Rechnung erstelltZahlungserinnerung gesendetStreitfall eröffnetVollständige Zahlung erhalten
	Ereignis-Zeitstempel EventDateTime	Das spezifische Datum und die Uhrzeit, wann die Aktivität stattfand.
Beschreibung Dieses `Attribut` markiert den genauen `Moment`, zu dem ein `Event` innerhalb des HighRadius-Systems stattfand. Es liefert die temporale `Dimension`, die für die Sequenzierung von `Aktivitäten` und die Berechnung von Dauern zwischen Prozessschritten erforderlich ist. In der Analyse wird der `Zeitstempel` verwendet, um `Durchlaufzeiten` wie `Days Sales Outstanding (DSO)` oder den Antrag bearbeitet.ie Zeit bis zur Streitbeilegung zu berechnen. Er ermöglicht auch die Analyse des Durchsatzes und der Ressourcenauslastung über bestimmte Zeiträume. Bedeutung Eine präzise Zeitmessung ist erforderlich, um alle zeitdauerbasierten `KPIs` zu berechnen und `Ereignisse` korrekt zu ordnen. Datenquelle HighRadius Transaktionsprotokoll-Zeitstempelspalte Beispiele 2023-10-01T08:30:00Z2023-10-15T14:22:10Z2023-11-05T09:15:00Z
	Rechnungsnummer InvoiceNumber	Der eindeutige Bezeichner für das Rechnungsdokument, der als `Case-ID` dient.
Beschreibung Die Rechnungsnummer ist der zentrale Bezeichner zur Verfolgung der finanziellen Verpflichtung von der Erstellung bis zur endgültigen Begleichung. Sie verknüpft alle zugehörigen `Aktivitäten`, einschließlich Streitigkeiten, Zahlungsversprechen und Zahlungen, zu einer einzigen Fallhistorie. In der Analyse wird dieses `Attribut` verwendet, um `Event-Logs` zu eindeutigen `Prozessinstanzen` zu gruppieren. Es ermöglicht die Berechnung der Durchlaufzeiten pro Rechnung und ist der Primärschlüssel für die Verknüpfung von `ProzessDaten` mit anderen StammDatentabellen in der HighRadius-Umgebung oder den Antrag bearbeitet.em Quell-`ERP`. Bedeutung Es identifiziert den eindeutigen Fall und stellt sicher, dass alle Ereignisse korrekt mit der spezifischen Finanztransaktion verknüpft sind. Datenquelle HighRadius RechnungsDaten / Header-Tabelle oder Quell-ERP (z.B. SAP VBAK, Oracle Headers) Beispiele INV-2023-001900123456US-102938550002931
	Fälligkeitsdatum DueDate	Das Datum, bis zu dem der Kunde vertraglich zur Zahlung verpflichtet ist.
Beschreibung Das Fälligkeitsdatum wird durch die auf das Rechnungsstellungsdatum angewendeten Zahlungsbedingungen bestimmt. Es dient als Zielfrist für den Inkasso-Prozess. Der Vergleich des Datums des vollständigen Zahlungseingangs mit diesem `Attribut` ermöglicht die Berechnung der Zahlungsziel-`Compliance-Rate`. Er ist maßgeblich für die Bestimmung, ob eine Zahlung pünktlich, zu spät oder zu früh erfolgt ist. Bedeutung Der Referenzpunkt zur Bestimmung von Verspätungen und zur Berechnung der `Days Sales Outstanding (DSO)`. Datenquelle Rechnungs-Header-Tabelle (Fälligkeitsdatumsfeld) Beispiele 2023-11-302023-12-15
	Ist automatisiert IsAutomated	Flag, das anzeigt, ob die Aktivität vom System ohne menschliches Eingreifen durchgeführt wurde.
Beschreibung Dieses `Boolesche Attribut` unterscheidet zwischen Schritten, die von der HighRadius Automatisierungs-`Engine` (z. B. `Auto-Korrespondenz` oder `Cash Matching`) ausgeführt werden, und manuellen Schritten, die von Benutzern vorgenommen werden. Es ist maßgeblich für den `Cash Application Automatisierung Tracker` und den `Touchless Invoice Rate KPI`. Es ermöglicht Analysten, den `ROI` der Automatisierung zu messen und Prozessschritte zu identifizieren, die immer noch einen hohen manuellen Aufwand erfordern. Bedeutung Misst die Effizienz der HighRadius-Implementierung. Datenquelle Aktivitätsprotokoll (Prüfung Systembenutzer vs. menschlicher Benutzer) Beispiele JaNein
	Kundenname CustomerName	Der Name des Kundenkontos, das der Rechnung zugeordnet ist.
Beschreibung Dieses `Attribut` identifiziert die für die Zahlung der Rechnung verantwortliche Einheit. In HighRadius ist dies mit dem StammDatensatz für den Schuldner verknüpft. Die Analyse der `Prozess-Performance` nach Kundennamen hebt spezifische Konten hervor, die maßgeschneiderte Inkasso-Strategien erfordern könnten oder konsistente Zahlungsverzögerungen aufweisen. Es unterstützt das `Dashboard` zur `Customer Risk and Aging Matrix`. Bedeutung Wesentliche Bedeutung für die Segmentierung der Analyse nach Konto, um Problemkunden zu finden. Datenquelle KundenstammDaten oder Rechnungs-Header Beispiele Acme CorpGlobale IndustrienTechStart IncRetail Giant GmbH
	Name des Sachbearbeiters CollectorName	Der Name des Agenten oder Benutzers, der für die Inkasso-`Aktivität` verantwortlich ist.
Beschreibung Dieses `Attribut` identifiziert den spezifischen HighRadius-Benutzer oder -Agenten, der manuelle `Aktivitäten` wie das Protokollieren eines Anrufs, das Senden einer speziellen `E-Mail` oder den Antrag bearbeitet.ie Überprüfung einer Streitigkeit durchgeführt hat. Es wird im `Dashboard` für `Collector Productivity Benchmarks` verwendet, um die individuelle Leistung und die Arbeitslastverteilung zu bewerten. Dies hilft Managern, Schulungsbedarfe zu identifizieren oder Portfolios im Inkasso-Team neu zu verteilen. Bedeutung Ermöglicht Leistungsanalysen auf Ressourcenebene. Datenquelle Aktivitätsprotokoll / Benutzertabelle Beispiele John DoeJane SmithSystemadministratorCollectionAgent_01
	Rechnungsbetrag InvoiceAmount	Der Gesamtbetrag der Rechnung.
Beschreibung Dieses `Attribut` stellt den ursprünglich dem Kunden in Rechnung gestellten Gesamtbetrag dar. Es ist die Basis für die Berechnung ausstehende Zahlungen identifizieren.ender Salden und die Bewertung der finanziellen Auswirkungen von Streitigkeiten oder Verzögerungen. Die `Process Mining-Analyse` verwendet dieses Feld, um `Fälle` nach Wert zu gewichten. Zum Beispiel hilft es, zwischen hochprioritären Inkasso-Fällen mit hohem Wert und geringwertigem administrativem Aufwand im `Low Value Streitfalle Volume KPI` zu unterscheiden. Bedeutung Ermöglicht eine Analyse, die nach finanziellen Auswirkungen gewichtet wird, anstatt nur nach Fallzahl. Datenquelle Rechnungs-Header-Tabelle (Betragsfeld) Beispiele 1500.00250.5010000.00
	Zahlungszielabweichung PaymentTermVariance	Die Anzahl der Tage zwischen Fälligkeitsdatum und Zahlungsdatum.
Beschreibung Dieses berechnete `Attribut` misst die Abweichung von den vereinbarten Zahlungsbedingungen. Eine positive Zahl deutet auf eine verspätete Zahlung hin, während eine negative Zahl auf eine vorzeitige Zahlung hinweist. Es ist die direkte `Metrik` für den `Einhaltung der Zahlungsbedingungen Audit`. Durch die Aggregation dieser Abweichung können Unternehmen systematische Spätzahler identifizieren und Kreditbedingungen oder Inkasso-Strategien entsprechend anpassen. Bedeutung Direktes Maß der Einhaltung von Vertragsbedingungen durch den Kunden. Datenquelle Berechnet aus Fälligkeitsdatum und Zahlungsdatum Beispiele 5 Tage-2 Tage0 Tage
	Geschäftseinheit BusinessUnit	Die interne Abteilung oder Tochtergesellschaft, die die Rechnung ausgestellt hat.
Beschreibung Dieses `Attribut` segmentiert `Daten` nach Organisationsstruktur, wie z. B. 'Nordamerika-Vertrieb', 'EMEA Dienste' oder spezifischen Produktbereichen. Es ermöglicht dem `Einhaltung der Zahlungsbedingungen Audit`, die Leistung in verschiedenen Teilen der Organisation zu vergleichen. Dies hilft zu isolieren, ob Inkasso-Probleme systemischer Natur sind oder auf spezifische Geschäftspraktiken beschränkt sind. Bedeutung Ermöglicht vergleichende Analysen über verschiedene organisatorische Bereiche hinweg. Datenquelle Rechnungs-Header / ERP-Mapping Beispiele UnterhaltungselektronikIndustrieteileSoftwaredienstleistungenNordamerika-West
	Kreditwürdigkeit CreditRating	Der dem Kunden zugewiesene Kreditwürdigkeits-`Wert` oder den Antrag bearbeitet.ie Bewertung.
Beschreibung Dieses `Attribut` spiegelt das `Risikolevel` des Kunden wider, oft aus Kreditauskunfteien oder den Antrag bearbeitet.em internen `Scoring` innerhalb der HighRadius `Credit Cloud` bezogen. Es ist eine `Dimension` in der `Customer Risk and Aging Matrix`. Die Analyse der Überalterung im Verhältnis zur Kreditwürdigkeit hilft, Risiken mit hoher Exposition zu identifizieren, bei denen Kunden mit schlechten Bewertungen große ausstehende Zahlungen identifizieren.ende Salden haben. Bedeutung Wesentliche Bedeutung für Risikomanagement und Priorisierung des Inkassos. Datenquelle Kreditmanagementmodul / Kundenstammsatz Beispiele AAAB+Hohes RisikoNiedriges Risiko
	Kundensegment CustomerSegment	Kategorisierung des Kunden nach Größe, Branche oder strategischem Wert.
Beschreibung Dieses `Attribut` gruppiert Kunden in Stufen wie 'Strategisch', 'Mid-Market', 'KMU' oder 'Hohes `Risiko`'. Es wird im `Dashboard` zur `Streitfalle Resolution Leistungsfähigkeit` verwendet, um zu sehen, ob verschiedene Segmente unterschiedliche `Service-Levels` erfahren. Es stellt sicher, dass hochwertige Kunden während des Inkasso-Prozesses die angemessene Aufmerksamkeit erhalten. Bedeutung Segmentiert Analysen, um sie an die Geschäftsstrategie und `Service Level Agreements` anzupassen. Datenquelle KundenstammDaten Beispiele Strategischer SchlüsselkundeWholesaleRetailRegierung
	Letzte Datenaktualisierung LastDataUpdate	Der `Zeitstempel`, wann die `Daten` zuletzt im `Mining Modell` aktualisiert wurden.
Beschreibung Dieses `Attribut` zeichnet auf, wann der `Datensatz` im `Process Mining-Datenset` extrahiert oder zuletzt aktualisiert wurde. Es stellt sicher, dass Analysten über die `Datenaktualität` und potenzielle `Latenz` im `Reporting` Hinweisrmiert sind. Es ist besonders wichtig für fortlaufende Überwachungs-`Dashboards`, bei denen Benutzer wissen müssen, ob sie Echtzeit-`Daten` oder eine Momentaufnahme vom Vortag betrachten. Bedeutung Es stellt ... sicher Transparenz hinsichtlich der Aktualität der für KPIs verwendeten Daten. Datenquelle ETL-Zeitstempel Beispiele 2023-12-01T00:00:00Z2023-12-02T06:00:00Z
	Offener Betrag OpenAmount	Der verbleibende unbezahlte Saldo auf der Rechnung.
Beschreibung Dieses `Attribut` verfolgt den noch vom Kunden geschuldeten Betrag. Es wird aktualisiert, wenn Teilzahlungen gebucht werden. Es ist wesentlich für die `Partial Payment Complexity Analysis`. Es ermöglicht Analysten, nach vollständig offenen im Vergleich zu teilweise bezahlten Rechnungen zu filtern und Inkasso-Bemühungen auf hochwertige offene Posten zu priorisieren. Bedeutung Wesentlich für die Bestimmung des aktuellen Einbindungs und des Erfolgs von Teilinkasso. Datenquelle Rechnungs-Header / Tabelle offener Posten Beispiele 0.00500.0012000.00
	Quellsystem SourceSystem	Der Name des Systems, aus dem die Daten stammen.
Beschreibung Dieses `Attribut` zeigt an, ob der `Datenpunkt` direkt innerhalb der HighRadius-Plattformmodule (`Collections Cloud` oder `Cash Application Cloud`) entstand oder ob er aus einem externen `ERP`-System (`SAP` oder `Oracle`) aufgenommen wurde. Es ist nützlich für die `Datenherkunft` und Validierung. Bei der Analyse von Prozessreibung hilft die Kenntnis des Quellsystems zu identifizieren, ob Verzögerungen durch `Integrationslags` oder native Systemverarbeitungszeiten verursacht werden. Bedeutung Es bietet Kontext zum Datenursprung, insbesondere in Umgebungen mit mehreren ERP-Systemen, die Daten an HighRadius liefern. Datenquelle SystemKonfiguration oder fest kodiert basierend auf der `Extraktionslogik` Beispiele HighRadiusSAP ECCOracle NetSuiteMicrosoft Dynamics
	Region Region	Geografische Region, die mit der Rechnung oder den Antrag bearbeitet.em Kunden verbunden ist.
Beschreibung Dieses `Attribut` definiert das geografische Gebiet, wie z. B. 'Nordamerika', 'EMEA' oder 'APAC', das für die Transaktion relevant ist. Es hilft beim regionalen `Benchmarking` und beim Verständnis, wie kulturelle oder regulatorische Unterschiede das Zahlungsverhalten und die Inkasso-Geschwindigkeiten beeinflussen. Es ist nützlich für das `Reporting` auf hoher Managementebene. Bedeutung Unterstützt die geografische Leistungsanalyse. Datenquelle KundenstammDaten oder Rechnungs-Header Beispiele N/AEMEALATAMAPAC
	Streitgrundcode DisputeReasonCode	Der einer Streitigkeit zugewiesene Kategorie-Code.
Beschreibung Dieses `Attribut` klassifiziert die Art der Zahlungsverweigerung eines Kunden, wie z. B. 'Preisfehler', 'Beschädigte Ware' oder 'Fehlende Dokumentation'. In HighRadius `Deductions Cloud` sind dies Standardcodes. Die Analyse dieser `Codes` hilft, die Grundursachen der Nichtzahlung zu identifizieren. Die Aggregation dieser `Daten` ermöglicht es dem Unternehmen, vorgelagerte Probleme im Vertrieb oder in der Logistik zu beheben, die nachgelagerte Inkasso-Verzögerungen verursachen. Bedeutung Wesentlich für die Ursachenanalyse von Zahlungsverzögerungen. Datenquelle Modul für Streitfall-/Abzugsmanagement Beispiele P01 (Preisgestaltung)Q02 (Qualität)S03 (Mangel)Administratorfehler
	Währungscode CurrencyCode	Der `ISO`-Währungscode für den Rechnungsbetrag.
Beschreibung Dieses `Attribut` gibt die Währung an, in der den Antrag bearbeitet.ie Rechnung ausgestellt wurde (z. B. USD, EUR, GBP). Bei der Analyse eines globalen `Prozesses` ist dies notwendig, um die Felder 'Rechnungsbetrag' und 'Offener Betrag' korrekt zu interpretieren. Es stellt sicher, dass Aggregationen korrekt gehandhabt werden (normalerweise durch Umrechnung in eine Berichterstattungswährung). Bedeutung Erforderlich für eine genaue finanzielle Aggregation in `Multiwährungs-Umgebungen`. Datenquelle Rechnungs-Header Beispiele USDEURGBPJPY
	Zahlungsversprechensdatum PromiseToPayDate	Das Datum, an dem der Kunde versprochen hat, eine Zahlung zu leisten.
Beschreibung Dieses `Attribut` zeichnet das Zusage-Datum auf, das ein Kunde während einer Inkasso-Interaktion gegeben hat. Es ist ein Hauptmerkmal in der HighRadius `Collections Cloud`. Dieses `Datum` wird im `Promise to Pay Reliability Index` verwendet und mit dem tatsächlichen Zahlungsdatum verglichen, um festzustellen, ob der Kunde sein Versprechen gehalten hat. Es hilft, die Qualität der Zusage und die Effektivität der Verhandlung des `Collectors` zu bewerten. Bedeutung Schlüssel für die Cashflow-Prognose und die Messung der Kundenverlässlichkeit. Datenquelle Collections Modul / P2P Transaktionstabelle Beispiele 2023-12-102023-12-20

Erforderlich Empfohlen Optional

Aktivitäten im Debitorenbuchhaltung (Accounts Receivable) (AR)

Diese Einträge stellen die kritischen Prozessschritte und Transaktionsmeilensteine dar, die Sie erfassen sollten, um Ihren `End-to-End`-Rechnungsweg zu visualisieren.

8 Empfohlen 5 Optional

	Aktivität	Beschreibung
	Kontoauszug abgeglichen	Die `Cash Application Engine` (oder den Antrag bearbeitet.er Benutzer) verknüpft erfolgreich eine Position des Kontoauszugs mit dieser spezifischen Rechnung.
Bedeutung Kernmetrik für die 'Rate der automatisierten Cash Application'. Unterscheidet zwischen dem Erhalt von Geldern und der Anwendung von Geldern. Datenquelle Cash Application Modul; Erstellung eines AbgleichsDatensatzes. Erfassen Protokolliert, wenn die Abgleichsregel ausgeführt wird Ereignistyp explicit
	Rechnung ausgeglichen	Die endgültige Statusänderung, bei der den Antrag bearbeitet.er Rechnungsbetrag auf null sinkt und im System geschlossen wird.
Bedeutung Der End-`Zeitstempel` für 'Average `Days Sales Outstanding`'. Stellt den Abschluss des `Prozesses` dar. Datenquelle Rechnungs-Header-Tabelle; Status = 'Geschlossen' oder 'Geklärt'. Erfassen Statusfeld vor/nachher vergleichen Ereignistyp inferred
	Rechnung erstellt	Die erstmalige Erstellung oder Aufnahme der Rechnung in die HighRadius-Plattform aus dem `ERP`-System. Dies markiert den Beginn des Inkasso-Lebenszyklus.
Bedeutung Legt den Basiszeitstempel für Alterungsberechnungen und Days Sales Outstanding (DSO)-Metriken fest. Datenquelle Tabelle der offenen Rechnungen oder `Datenintegrations-Logs`, in denen die Rechnungsnummer zum ersten Mal erscheint. Erfassen Protokolliert, wenn Datensatz in Rechnungs-Header-Tabelle eingefügt wird Ereignistyp explicit
	Streitfall eröffnet	Die Erstellung eines Abzugs- oder Streitfalls, der mit der Rechnung verknüpft ist und eine Zahlungsverweigerung des Kunden für einen Teil oder den Antrag bearbeitet.en gesamten Saldo anzeigt.
Bedeutung Löst die Analyse der 'Streitfalle Resolution Leistungsfähigkeit' aus und pausiert das Standard-Mahnwesen für den strittigen Betrag. Datenquelle Deductions-/Streitfälle-Modul; Erstellungszeitstempel der mit der Rechnung verknüpften Case-ID. Erfassen Protokolliert, wenn ein Streitfall generiert wird Ereignistyp explicit
	Streitfall gelöst	Der Abschluss der Streitigkeitsuntersuchung, der zu einer Entscheidung führt (z. B. gültiger Abzug oder ungültiger Anspruch).
Bedeutung `Stop-Clock Event` für 'Streitfalle Resolution Durchlaufzeit'. Verzögerungen hier wirken sich direkt auf die Überalterung aus. Datenquelle Deductions-Modul; Statusänderung zu 'Geschlossen', 'Gelöst' oder 'Genehmigt'. Erfassen Statusfeld vor/nachher vergleichen Ereignistyp inferred
	Vollständige Zahlung erhalten	Der Geldeingang, der den Antrag bearbeitet.ie Schuld vollständig tilgt. Dies ist das effektive Zahlungsdatum für Alterungszwecke.
Bedeutung Wird zur Berechnung der 'Promise to Pay Fulfillment Rate' und des tatsächlichen vs. erwarteten `Cashflows` verwendet. Datenquelle Zahlungstransaktionsdatum, das mit dem endgültigen Ausgleichsbeleg verknüpft ist. Erfassen Protokolliertes Transaktionsdatum der Clearing-Zahlung Ereignistyp explicit
	Zahlungserinnerung gesendet	Eine automatisierte Korrespondenz (E-Mail/Brief), die über das Collections-Modul an den Kunden gesendet wird. Dies verfolgt die Ausführung der Mahnstrategie.
Bedeutung Wesentlich für das Dashboard 'Wirksamkeit der Inkassoerinnerungen', um zu messen, ob Korrespondenz tatsächlich Zahlungen auslöst. Datenquelle Registerkarte Korrespondenzhistorie oder Kommunikationsprotokolle, die mit der Rechnungs-ID verknüpft sind. Erfassen Protokolliert, wenn die Mahnstrategie eine Aktion ausführt Ereignistyp explicit
	Zahlungsversprechen erstellt	Eine formelle, im System erfasste Zusage, bei der ein Kunde verspricht, einen bestimmten Betrag bis zu einem bestimmten Datum zu zahlen.
Bedeutung Wesentliche Bedeutung für den 'Promise to Pay Reliability Index', um den Cashflow zu prognostizieren und die Kundenverlässlichkeit zu messen. Datenquelle P2P (Zahlungsversprechen)-`Modul`/Registerkarte, verknüpft mit der Rechnung. Erfassen Protokolliert, wenn ein P2P-Datensatz erstellt wird Ereignistyp explicit
	Fälligkeitsdatum überschritten	Ein berechnetes Ereignis, das anzeigt, dass die Rechnung über das vereinbarte Zahlungszieldatum hinaus offen bleibt.
Bedeutung Wesentlich für das 'Einhaltung der Zahlungsbedingungen Audit'. Markiert den Übergang von aktuell zu überfällig. Datenquelle Berechnet durch Vergleich des Rechnungsfälligkeitsdatums mit dem aktuellen Datum (falls offen) oder den Antrag bearbeitet.em Zahlungsdatum (falls geschlossen). Erfassen Ableiten durch Vergleich des Feldes Fälligkeitsdatum mit dem Aktivitätsdatum Ereignistyp calculated
	Gutschrift ausgestellt	Eine Gutschrift wird erstellt, um den Rechnungsbetrag auszugleichen, oft resultierend aus einer gültigen Streitbeilegung oder Rücksendung.
Bedeutung Verfolgt die 'Credit Memo Processing Efficiency' und die Zeitverzögerung zwischen Streitbeilegung und finanzieller Buchung. Datenquelle ERP-Synchronisierungsprotokolle oder Gutschriftentabelle, verknüpft mit der ursprünglichen Rechnungs-ID. Erfassen Protokolliert, wenn GS-Dokument mit Rechnung verknüpft wird Ereignistyp explicit
	Inkassoanruf protokolliert	Eine manuelle Notiz oder Interaktion, die von einem Inkassomitarbeiter bezüglich dieser Rechnung erfasst wurde. Zeigt menschliches Eingreifen im Prozess an.
Bedeutung Unterstützt 'Collector Productivity `Benchmarks`' und unterscheidet zwischen automatisierten und manuellen Inkasso-Bemühungen. Datenquelle Registerkarte 'Notizen/Verlauf' im Inkasso-`Modul`. Erfassen Protokolliert, wenn Benutzer eine Anrufnotiz speichert Ereignistyp explicit
	Streitfall in Prüfung	Der Streitfall wechselt von 'Neu' zu einem aktiven Untersuchungsstatus. Dies stellt den Beginn der eigentlichen Arbeit des Analysten dar.
Bedeutung Wird im 'Streitfalle `Workflow Bottleneck Finder`' verwendet, um die Verzögerung zwischen Erstellung und aktiver Arbeitszeit zu messen. Datenquelle Prüfprotokoll des Deductions-Moduls; Statusänderung zu 'In Bearbeitung' oder 'In Prüfung'. Erfassen Statusfeld vor/nachher vergleichen Ereignistyp inferred
	Teilzahlung gebucht	Eine Zahlung wird verbucht, die nur einen Teil des gesamten Rechnungsbetrags abdeckt und einen Restbetrag offen lässt.
Bedeutung Speist die 'Analyse der Teilzahlungskomplexität' und weist auf potenzielle Reibungspunkte bei der Cash Application hin. Datenquelle Cash Application Modul; Zahlungstransaktion mit Rechnung verknüpft, wobei Zahlungsbetrag < Offener Betrag. Erfassen Protokolliert, wenn Zahlung verbucht, Status aber offen bleibt Ereignistyp explicit

Extraktionsanleitungen

So erhalten Sie Ihre Daten von HighRadius

Schritte

Melden Sie sich bei der HighRadius Integrated Receivables Plattform an und bewältigen Sie zum Modul Analysen oder Reports.
Suchen Sie die Berichtsvorlage „Transaktionshistorie“ oder „Offene Posten“. Sie werden wahrscheinlich drei separate Exporte konfigurieren müssen, um den gesamten Lebenszyklus zu erfassen: Rechnungs-Header-Daten, Inkassoaktivitäten und Streitfall-/Abzugshistorie.
Konfigurieren Sie den Rechnungs-Header-Export: Wählen Sie Spalten für Rechnungsnummer, Kundenname, Rechnungsbetrag, Rechnungsdatum, Fälligkeitsdatum, Clearing-Datum und Endstatus aus. Wenden Sie Filter für die relevanten Buchungskreise und einen Erstellungsdatumsbereich an, der Ihr Process-Mining-Fenster abdeckt.
Konfigurieren Sie den Export für Inkassoaktivitäten: Wählen Sie Spalten für Rechnungsnummer, Aktivitätstyp (Anruf, E-Mail, Notiz), Aktivitätsdatum, Inkassospezialist und Details zum Zahlungsversprechen. Stellen Sie sicher, dass Sie sowohl automatisierte Systemaktionen als auch manuelle Benutzerprotokolle einschließen.
Konfigurieren Sie den Export für die Streitfallhistorie: Wählen Sie Spalten für Rechnungsnummer, Streitfall-ID, Streitbetrag, Statusänderungsdatum, Grundcode und Lösungsdatum. Dies erfasst den Lebenszyklus von Abzügen.
Konfigurieren Sie den Zahlungs-/Cash-App-Export: Wählen Sie Spalten für Rechnungsnummer, Zahlungsreferenz, Zahlungsdatum, Zahlungsbetrag und Zahlungsart (Teil-, Vollzahlung, Gutschrift).
Führen Sie diese Berichte aus und exportieren Sie die Resultate im CSV-Format.
Importieren Sie diese CSV-Dateien in eine Staging-Datenbank oder ein Datentransformationstool (wie Python/Pandas oder eine SQL-Datenbank), um die Vereinheitlichungsschritte durchzuführen.
Führen Sie das im Abschnitt „Query“ bereitgestellte Transformationsskript aus, um Spaltennamen zu standardisieren, abgeleitete Ereignisse (wie „Fälligkeitsdatum überschritten“) zu berechnen und die unterschiedlichen Quellen in einem einzigen Event Log zu vereinen.
Überprüfen Sie, ob die Datumsformate konsistent sind (ISO 8601 empfohlen) und die Rechnungsnummer in allen Dateien identisch formatiert ist (z.B. Entfernen führender Nullen bei Inkonsistenzen).
Exportieren Sie das finale Ergebnis als eine einzige CSV-Datei.
Laden Sie die finale CSV-Datei in ProcessMind hoch und ordnen Sie bei der Ingestion-Einrichtung die Rechnungsnummer der Case-ID, das EventDateTime dem Zeitstempel und den Aktivitätsnamen der Aktivität zu.

Konfiguration

Datumsbereich: Wählen Sie ein rollierendes Fenster (z.B. die letzten 12 Monate) basierend auf dem Rechnungsstellungsdatum, um eine vollständige Lebenszyklus-Erfassung zu sicherstellen.
Datenquellen: Erfordert Zugriff auf die Module Collections, Cash Application und Deductions innerhalb von HighRadius.
Granularität: Stellen Sie sicher, dass Berichte auf Rechnungsebene generiert werden, nicht auf Konto- oder Zusammenfassungsebene.
Benutzerberechtigungen: Der extrahierende Benutzer benötigt Berichts- oder Analyse-Administratorrechte, um auf historische Aktivitätsprotokolle zuzugreifen.
Systemaktionen: Aktivieren Sie explizit Filter, um System- oder automatisierte Benutzeraktionen in den Aktivitätsprotokollen zu berücksichtigen, um automatisierte Korrespondenz zu erfassen.
Mapping erforderlich: HighRadius-Aktivitätstypen müssen möglicherweise auf Standard-Process-Mining-Aktivitätsnamen abgebildet werden (z.B. Abbildung von 'Mahnung' auf 'Zahlungserinnerung gesendet').

a Beispielabfrage config

/* 
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

Schritte

Voraussetzungen und Umgebungseinrichtung Stellen Sie sicher, dass Python 3.8 oder höher installiert ist. Sie benötigen die Bibliotheken requests und pandas. Installieren Sie diese gegebenenfalls über pip. Besorgen Sie sich Ihre HighRadius API Client ID, Client Secret und Base URL von Ihrem Systemadministrator. Diese finden Sie in der Regel im Bereich Administration oder Developer Portal von HighRadius.
API-ZugangsDaten konfigurieren Öffnen Sie das bereitgestellte Python-Skript. Suchen Sie den Konfigurationsbereich am Anfang. Ersetzen Sie die Platzhalter für CLIENT_ID, CLIENT_SECRET und BASE_URL. Stellen Sie sicher, dass der mit diesen ZugangsDaten verknüpfte Benutzer über Berechtigungen für den Zugriff auf die Module Collections, Cash Application und Deductions verfügt.
Datenextraktionsparameter festlegen Definieren Sie die Variablen START_DATE und END_DATE im Skript. Es wird empfohlen, Daten in monatlichen oder vierteljährlichen Abschnitten zu extrahieren, um Timeouts zu vermeiden. Das Skript erwartet Standard-ISO 8601-Datumsformate (JJJJ-MM-TT).
Skriptausführung: Authentifizierung Das Skript führt zunächst einen OAuth2-Flow aus, um ein Bearer-Token zu erhalten. Dieses Token ist für eine begrenzte Zeit (normalerweise 1 Stunde) gültig. Das Skript übernimmt den anfänglichen Token-Abruf automatisch.
Skriptausführung: Datenabruf Das Skript fragt sequenziell bestimmte Endpunkte ab. Es ruft zunächst die RechnungsDaten auf Kopfebene ab. Anschließend durchläuft es verwandte Endpunkte für Aktivitäten (Notizen), Zahlungsversprechen, Streitigkeiten und Zahlungshistorie unter Verwendung der Rechnungsnummern als Referenzschlüssel, wo dies erforderlich ist.
Datentransformation und Aktivitäts-Mapping Das Skript verarbeitet rohe JSON-Antworten in eine flache Event-Log-Struktur. Es bildet spezifische HighRadius-Codes auf die erforderlichen Aktivitätsnamen ab. Zum Beispiel überprüft es den invoice_balance gegen den total_amount, um zwischen 'Teilzahlung gebucht' und 'Vollständige Zahlung erhalten' zu unterscheiden. Es berechnet auch das Ereignis 'Fälligkeitsdatum überschritten', indem es das Fälligkeitsdatum mit dem Clearing-Datum oder den Antrag bearbeitet.em aktuellen Datum vergleicht.
Umgang mit Paginierung HighRadius APIs paginieren in der Regel Resultate. Das bereitgestellte Skript enthält einen Schleifenmechanismus, um alle Datenseiten abzurufen, bis keine weiteren Datensätze mehr zurückgegeben werden. Stellen Sie sicher, dass Ihre Netzwerkverbindung während dieses Vorgangs stabil ist.
Datenkonsolidierung Alle extrahierten Listeen (Rechnungen, Aktivitäten, Streitigkeiten, Zahlungen) werden in einem einzigen Pandas DatenFrame zusammengeführt. Das Skript sortiert diesen DatenFrame nach InvoiceNumber und EventDateTime, um einen chronologischen Ereignisfluss zu sicherstellen.
Validierung und Qualitätsprüfung Vor der Finalisierung druckt das Skript eine Zusammenfassung der extrahierten eindeutigen Aktivitäten aus. Überprüfen Sie, ob die Zählungen im Vergleich zu Ihren operativen Volumina angemessen erscheinen. Stellen Sie sicher, dass die Spalte EventDateTime korrekt als JJJJ-MM-TT HH:MM:SS formatiert ist.
Export nach CSV Der endgültige DatenFrame wird in eine Datei namens HighRadius_EventLog.csv exportiert. Diese Datei ist mit den spezifischen Spalten formatiert, die für ProcessMind erforderlich sind.
Abschließende Überprüfung Öffnen Sie die CSV-Datei. Überprüfen Sie auf NULL-Werte in InvoiceNumber oder ActivityName. Stellen Sie sicher, dass Datumsangaben nicht in der Zukunft liegen, es sei denn, sie beziehen sich auf erwartete FälligkeitsDaten (obwohl EventDateTime immer in der Vergangenheit oder Gegenwart liegen sollte).
Upload nach ProcessMind Importieren Sie die generierte CSV-Datei in ProcessMind. Ordnen Sie InvoiceNumber der Case-ID, ActivityName der Aktivität und EventDateTime dem Zeitstempel zu.

Konfiguration

API Base URL: Bestimmen Sie, ob Sie sich mit einer Produktions- oder Sandbox-Umgebung verbinden. Die URL-Struktur unterscheidet sich üblicherweise (z.B. https://[client].highradius.com/api vs https://[client]-sandbox.highradius.com/api).
Client Scope: Stellen Sie sicher, dass der API-Client read-Zugriff auf die Scopes radiusOne, collections, deductions und cashApp hat.
Date Range: Halten Sie die Extraktionsfenster bei hohem Transaktionsvolumen (über 100.000 Rechnungen pro Monat) auf 3 Monate oder weniger pro Lauf.
Pagination Limit: Das Skript verwendet standardmäßig 1000 Datensätze pro Seite. Passen Sie den limit-Parameter in den API-Aufrufen an, falls der Server Timeout-Fehler zurückgibt.
Throttle/Rate Limiting: HighRadius kann Ratenbegrenzungen durchsetzen. Falls Sie HTTP 429-Fehler erhalten, fügen Sie einen time.sleep(1)-Befehl innerhalb der Paginierungsschleifen ein.

a Beispielabfrage 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()

Ihre Debitoren-Datenvorlage

Ihre Debitoren-Datenvorlage

Attribute im Debitorenbuchhaltung (Accounts Receivable) (AR)

Aktivitäten im Debitorenbuchhaltung (Accounts Receivable) (AR)

Extraktionsanleitungen

HighRadius Analyse- und Reporting-Export

Schritte

Konfiguration

a Beispielabfrage config

HighRadius REST API Datenextraktion

Schritte

Konfiguration

a Beispielabfrage python

Bereit, um loszulegen?

Debitorenbuchhaltung (Accounts Receivable) (AR) optimieren und `Cashflow` noch heute sichern

Ihre Debitoren-Datenvorlage

Ihre Debitoren-Datenvorlage

Attribute im Debitorenbuchhaltung (Accounts Receivable) (AR)

Aktivitäten im Debitorenbuchhaltung (Accounts Receivable) (AR)

Extraktionsanleitungen

HighRadius Analyse- und Reporting-Export

Schritte

Konfiguration

a Beispielabfrage config

HighRadius REST API Datenextraktion

Schritte

Konfiguration

a Beispielabfrage python

Ihre Privatsphäre ist uns wichtig

Bereit, um loszulegen?

Debitorenbuchhaltung (Accounts Receivable) (AR) optimieren und Cashflow noch heute sichern

Debitorenbuchhaltung (Accounts Receivable) (AR) optimieren und `Cashflow` noch heute sichern