> Kontinuierliche Prozessoptimierung > Debitorenbuchhaltung (Accounts Receivable) (AR) > Microsoft Dynamics 365 > Datenvorlage

Ihre Debitoren-Datenvorlage

Microsoft Dynamics 365

← Zurück zum Optimierungsleitfaden

Attribute im Debitorenbuchhaltung (Accounts Receivable) (AR) (21) Aktivitäten im Debitorenbuchhaltung (Accounts Receivable) (AR) (15) Extraktionsanleitungen (2)

Ihre Debitoren-Datenvorlage

Diese Vorlage bietet ein vollständiges Framework zur Abbildung Ihres Invoice-to-Cash-Prozesses innerhalb von Microsoft Dynamics 365. Sie skizziert die relevanten Datenfelder und Meilensteine, die für den Aufbau eines hochwertigen Event-Logs für Process Mining erforderlich sind. Indem Sie dieser Struktur folgen, können Sie detaillierte Einblicke in Zahlungsverzögerungen gewinnen und Ihre Inkasso-Workflows optimieren.

Wesentliche Datenfelder für die Hauptbuchanalyse
Standard-Prozessmeilensteine zur Nachverfolgung
Technische Extraktionsanleitung für Microsoft Dynamics 365

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

Vorlage herunterladen

Attribute im Debitorenbuchhaltung (Accounts Receivable) (AR)

Dies sind die empfohlenen Datenfelder, die in Ihrem Event Log enthalten sein sollten für eine vollständige Analyse Ihrer Debitorenperformance.

5 Erforderlich 8 Empfohlen 8 Optional

	Name	Beschreibung
	Aktivität Activity	Das spezifische Event oder den Antrag bearbeitet.ie Aufgabe, die an der Rechnung durchgeführt wurde.
Beschreibung Dieses Attribut beschreibt den im Prozess auftretenden Schritt, wie z.B. Rechnung gebucht, Zahlung erhalten oder Streitfall eröffnet. In Microsoft Dynamics 365 werden diese oft vom Transaktionstyp (TransTyp) oder den Antrag bearbeitet.er spezifischen Tabelle, in der den Antrag bearbeitet.er Datensatz protokolliert wird (z.B. CustSettlement für Zahlungen), abgeleitet. Dieses Attribut ist wichtig für die Visualisierung der Prozessdarstellung (Process Map). Bedeutung Es definiert die Knoten in der Prozesskarte und ermöglicht die Analyse des Prozessflusses und die Variantenfindung. Datenquelle Abgeleitet aus der TransTyp-Enum oder den Antrag bearbeitet.em Tabellenkontext (CustTrans, CustSettlement usw.) Beispiele Rechnung gebucht`Zahlung erhalten`Mahnung versandtZinsnotiz gebucht
	Ereignis-Zeitstempel EventTimestamp	Das genaue Datum und die Uhrzeit, zu der den Antrag bearbeitet.ie Aktivität stattgefunden hat.
Beschreibung Dieses Attribut zeichnet den spezifischen Zeitpunkt auf, zu dem ein Event im System protokolliert wurde. Es wird verwendet, um Zeitspannen zwischen Aktivitäten zu berechnen, Prozesslaufzeiten zu bestimmen und Ereignisse sequenziell zu ordnen. In D365 ist dies in der Regel das CreatedDateTime oder TransDate in Kombination mit einer Zeitkomponente. Bedeutung Zeitstempel sind wichtig für die Berechnung aller zeitbasierten KPIs, wie z.B. die Rechnungszykluszeit und die Versandlaufzeit. Datenquelle Häufig CreatedDateTime- oder TransDate-Felder über verschiedene Tabellen hinweg Beispiele 2023-10-15T08:30:00Z2023-10-15T14:45:22Z2023-11-01T09:00:00Z
	Rechnungsnummer InvoiceNumber	Der eindeutige Identifikator für das Finanzrechnungsdokument.
Beschreibung Die Rechnungsnummer ist der Primärschlüssel zur Verfolgung des Lebenszyklus einer Forderung innerhalb von Microsoft Dynamics 365. Sie verknüpft die ursprüngliche Bestellung, die gebuchte Rechnung, nachfolgende Zahlungen und alle Inkassoaktivitäten zu einem einzigen Case. In der Analyse dient dieses Attribut als Case-ID, um den End-to-End-Prozessfluss zu rekonstruieren. Bedeutung Es ist die grundlegende Analyseeinheit für das Forderungsmanagement, die es der Process Mining Engine ermöglicht, unterschiedliche Ereignisse zu einem kohärenten Fall zusammenzufassen. Datenquelle CustInvoiceJour.InvoiceId oder CustTrans.Invoice Beispiele INV-2023-001CIV-88921US-004321DE-99120
	Letzte Datenaktualisierung LastDataUpdate	Der `Zeitstempel`, wann die `Daten` extrahiert oder aktualisiert wurde.
Beschreibung Dieses Attribut gibt an, wann die Daten zuletzt aus Microsoft Dynamics 365 abgerufen wurden. Es hilft Benutzern, die Aktualität der Analyse und die Gültigkeit der KPIs zu verstehen. Es wird in der Regel vom Extraktionstool zum Zeitpunkt der Abfrage generiert. Bedeutung Es bietet Kontext zur Datenlatenz und hilft Benutzern, der Aktualität der Dashboards zu vertrauen. Datenquelle Generiert durch das ETL-/Extraktionsskript Beispiele 2023-11-05T00:00:00Z2023-11-05T12:00:00Z
	Quellsystem SourceSystem	Der Name des Systems, aus dem die Daten stammen.
Beschreibung Dieses Attribut identifiziert das führende System für die Daten, das in diesem Kontext Microsoft Dynamics 365 ist. Es ist nützlich, wenn Daten aus mehreren ERP-Instanzen oder externen Inkassotools in einer einzigen Ansicht kombiniert werden. Dies ermöglicht Analysten, Prozesse nach ihrer Ursprungsumgebung zu filtern oder zu segmentieren. Bedeutung Es stellt ... sicher die Datenherkunft und Nachvollziehbarkeit, insbesondere in Multi-System-Umgebungen. Datenquelle Fest kodiert während der Extraktion oder abgeleitet aus der Verbindungszeichenfolge Beispiele D365 F&O ProdD365 FinanceDynamics AX 2012
	Benutzer User	Die Benutzer-ID der Person oder den Antrag bearbeitet.es Systemkontos, die die Aktivität durchgeführt hat.
Beschreibung Dieses Attribut identifiziert, wer den spezifischen Prozessschritt ausgeführt hat, abgeleitet aus den Feldern CreatedBy oder ModifiedBy. Es hilft bei der Analyse der Ressourcennutzung, der Identifizierung von Schulungsbedarf und der Unterscheidung zwischen automatisierten Systemaufgaben und manuellen Benutzerinterventionen. Bedeutung Ermöglicht die Analyse der Ressourcenleistung und die Berechnung der Automatisierungsrate. Datenquelle CreatedBy-Feld in Transaktionstabellen Beispiele AdminJSmithWorkflowAgentBSmith
	Buchungskreis CompanyCode	Der Identifikator der juristischen Person innerhalb von D365.
Beschreibung Dieses Attribut repräsentiert die DatenAreaId in D365, die der juristischen Person oder den Antrag bearbeitet.em Unternehmen entspricht, in dem die Transaktion stattgefunden hat. Es ist wichtig für das Filtern von Daten in Multi-Company-Deployments und stellt sicher, dass Rechnungsnummern, die sich zwischen Unternehmen überlappen können, eindeutig behandelt werden. Bedeutung Wesentlich für die Eindeutigkeit in Multi-Entity-Umgebungen und für die regionale Analyse. Datenquelle DatenAreaId-Feld in allen Tabellen Beispiele USMFDEMFGBSI
	Fälligkeitsdatum DueDate	Das Datum, bis zu dem der Zahlungseingang erwartet wird.
Beschreibung Das Fälligkeitsdatum ist die Zahlungsfrist, wie in den Zahlungsbedingungen definiert. Es wird mit dem tatsächlichen Zahlungsdatum verglichen, um die Pünktlichkeit zu bestimmen und die Days Sales Outstanding (DSO) zu berechnen. Es ist ein Standardfeld im Kunden TransaktionsDatensatz. Bedeutung Grundlegend für die Berechnung der pünktlichen Zahlungsrate und die Analyse überfälliger Rechnungen. Datenquelle CustTrans.DueDate Beispiele 2023-11-302023-12-15
	Geschäftseinheit BusinessUnit	Die betriebliche Einheit oder Abteilung, die für die Rechnung verantwortlich ist.
Beschreibung Dieses Attribut segmentiert Daten nach interner Organisationsstruktur, wie z.B. Elektronik-Division oder Dienstleistungs-Division. In D365 ist dies oft eine finanzielle Dimension, die mit der Transaktion verknüpft ist. Es unterstützt das Dashboard für die Rechnungserstellungs-Durchlaufzeit, indem es Vergleiche zwischen den Einheiten ermöglicht. Bedeutung Ermöglicht internes Benchmarking, um die effizientesten Abteilungen zu finden. Datenquelle Finanzdimensionen (DefaultDimension) auf CustInvoiceJour Beispiele BU-001Sales-NorthDienste-Global
	Ist automatisiert IsAutomated	Flag, das anzeigt, ob die Aktivität von einem Systemkonto durchgeführt wurde.
Beschreibung Dieses Attribut bestimmt, ob ein spezifischer Schritt von einem Benutzer oder einem automatisierten Batch-Job durchgeführt wurde. Es wird berechnet, indem das Benutzer-Attribut mit einer Listee bekannter Systemkonten (z.B. 'Workflow', 'Batch') verglichen wird. Es unterstützt den KPI der Manuellen Clearing-Rate. Bedeutung Wesentlich für die Identifizierung von Automatisierungsmöglichkeiten und die Messung des aktuellen Automatisierungsgrades. Datenquelle Abgeleitet aus der Benutzerfeldlogik Beispiele JaNein
	Kundengruppe CustomerGroup	Die Klassifizierung oder den Antrag bearbeitet.as Segment, dem der Kunde angehört.
Beschreibung Dieses Attribut kategorisiert Kunden in logische Gruppen, wie z.B. Großhandel, Einzelhandel oder Intercompany. Es wird verwendet, um vergleichende Analysen durchzuführen, z.B. zu prüfen, ob bestimmte Segmente längere Zahlungszyklen oder höhere Streitquoten aufweisen. In D365 ist dies das Feld CustGroup. Bedeutung Ermöglicht den Vergleich der Prozessleistung über verschiedene Marktsegmente hinweg. Datenquelle CustTable.CustGroup Beispiele WholesaleRetailIntercompanyExport
	Kundenkonto CustomerAccount	Der eindeutige Identifikator oder den Antrag bearbeitet.ie Kontonummer des Kunden.
Beschreibung Das Kundenkonto identifiziert die spezifische Einheit, die fakturiert wird. In D365 ist dies das Feld AccountNum. Das Gruppieren nach diesem Attribut ermöglicht die Analyse von Zahlungsverhalten, Streithäufigkeiten und Clearing-Zeiten bei verschiedenen Kunden. Bedeutung Wesentliche zur Identifizierung von Hochrisikokunden und zur Segmentierung der Leistung nach Kunden. Datenquelle CustInvoiceJour.InvoiceAccount oder CustTrans.AccountNum Beispiele US-001DE-550CUST-9921
	Rechnungsbetrag InvoiceAmount	Der Gesamtbetrag der Rechnung.
Beschreibung Dieses Attribut repräsentiert den finanziellen Wert des Rechnungsdokuments. Es wird verwendet, um das Gesamtrisiko im Debitorenbuchhaltung (Accounts Receivable) (AR) zu berechnen und hochwertige Inkassofälle zu priorisieren. Dieses Feld ist in der Regel in der Rechnungsjournaltabelle zu finden. Bedeutung Wesentlich für die Analyse der finanziellen Auswirkungen und die Identifizierung von Engpässen mit hohem Wert. Datenquelle CustInvoiceJour.InvoiceAmount Beispiele 1500.00250.5010000.00
	Ist abgestimmt IsCleared	Flag, das anzeigt, ob die Rechnung vollständig beglichen wurde.
Beschreibung Dieses Boolesche Attribut gibt an, ob der Rechnungssaldo durch Zahlung oder Abschreibung Null erreicht hat. Es ermöglicht das schnelle Filtern von offenen vs. geschlossenen Fällen, um die Durchschnittliche Rechnungszykluszeit zu berechnen. Bedeutung Unterscheidet zwischen aktiven und historischen Fällen. Datenquelle Abgeleitet aus dem Vorhandensein des CustTrans.Closed-Datums Beispiele JaNein
	Ist Gutschrift IsCreditMemo	Flag, das anzeigt, ob das Dokument eine Gutschrift ist.
Beschreibung Dieses Boolesche Attribut identifiziert, ob die Transaktion eine dem Kunden ausgestellte Gutschrift darstellt. Es wird verwendet, um die Gutschriftserstellungsrate zu berechnen und Standardrechnungen aus der Nacharbeitsanalyse zu filtern. Bedeutung Unterstützt direkt das Dashboard für Gutschriften und Nacharbeitsfrequenzen. Datenquelle Abgeleitet von CustInvoiceJour.InvoiceAmount < 0 oder TransTyp Beispiele JaNein
	Skontodatum CashDiscountDate	Das Datum, bis zu dem ein Skonto gültig ist.
Beschreibung Dieses Attribut gibt die Frist an, bis zu der den Antrag bearbeitet.er Kunde einen Skonto für frühe Zahlung erhalten kann. Es wird mit dem Zahlungsdatum verglichen, um den KPI der Verpassten Skontoquote zu berechnen und die Effektivität von Skontoanreizen zu analysierenn. Bedeutung Wichtig für das Dashboard zur Optimierung von Skontoerträgen. Datenquelle CustTrans.CashDisc oder berechnet aus CashDiscCode Beispiele 2023-11-102023-11-15
	Streitgrund DisputeReason	Der Grundcode, der zugewiesen wird, wenn ein Case in Streit ist.
Beschreibung Dieses Attribut erfasst den kategorischen Grund, warum eine Rechnung bestritten wurde, wie z.B. 'Preisfehler' oder 'Beschädigte Ware'. Es ist maßgeblich für das Streitfalle Resolution Lebenszyklus Dashboard, um Grundursachen von Zahlungsverzögerungen zu identifizieren. Bedeutung Ermöglicht eine Ursachenanalyse für den KPI 'Streitfallbeileidungszeit'. Datenquelle CustTrans.ReasonRefRecId oder zugehörige Inkassofalltabelle Beispiele PriceDiscrepancyWaren beschädigtMissingPOServiceQuality
	Überfälligkeitstage DaysOverdue	Die Anzahl der Tage, um die die Zahlung im Vergleich zum Fälligkeitsdatum verspätet war.
Beschreibung Diese Metrik berechnet die Differenz zwischen dem Zahlungsdatum und dem Fälligkeitsdatum. Positive Werte zeigen verspätete Zahlungen an, während negative Werte frühe Zahlunegn anzeigen. Sie bietet eine granulare Ansicht der Zahlungsleistung jenseits einfacher Boolescher Flags. Bedeutung Verleiht der Analyse des KPI für die Pünktliche Zahlungsquote mehr Tiefe. Datenquelle Calculated: Zahlungsdatum – Fälligkeitsdatum Beispiele 50-230
	Verkaufsauftrags-ID SalesOrderId	Die Referenznummer der Bestellung, die mit der Rechnung verbunden ist.
Beschreibung Dieses Attribut verknüpft die Rechnung mit der ursprünglichen Bestellung. Es ermöglicht eine prozessübergreifende Analyse, falls Daten aus dem Order-to-Cash-Prozess verfügbar sind, und hilft, stromaufwärts liegende Ursachen für Fakturierungsprobleme zu untersuchen. Bedeutung Verbindet den Fakturierungsprozess mit dem Verkaufsprozess. Datenquelle CustInvoiceJour.SalesId Beispiele SO-10022SO-55912
	Währung Currency	Der Währungscode der Rechnungstransaktion.
Beschreibung Dieses Attribut gibt die Währung an, in der den Antrag bearbeitet.ie Rechnung ausgestellt wurde (z.B. USD, EUR). Es ist wichtig für die Standardisierung von Finanzwerten, wenn eine globale Analyse über verschiedene Regionen hinweg erforderlich ist. Bedeutung Notwendig zum Verständnis der Wertverteilung in Mehrwährungssystemen. Datenquelle CustInvoiceJour.CurrencyCode Beispiele USDEURGBPJPY
	Zahlungsbedingungen PaymentTerms	Der Code, der den Antrag bearbeitet.en vereinbarten Zahlungsplan definiert.
Beschreibung Dieses Attribut enthält den Code, der festlegt, wann die Zahlung fällig ist (z.B. Net30, Net60). Es wird verwendet, um zu analysierenn, ob Kunden ihre spezifischen Bedingungen einhalten und um zu validieren, ob das Fälligkeitsdatum korrekt berechnet wurde. Bedeutung Liefert den Kontext für das Fälligkeitsdatum und hilft zu identifizieren, ob Bedingungen zu nachsichtig oder zu streng sind. Datenquelle CustInvoiceJour.Payment oder CustTable.PaymTermId Beispiele Net30Net45CODEOM

Erforderlich Empfohlen Optional

Aktivitäten im Debitorenbuchhaltung (Accounts Receivable) (AR)

Dies sind die wichtigsten Prozessschritte und Meilensteine, die in Ihrem Event Log erfasst werden müssen, um Ihren Zahlungsabwicklungsfluss genau zu entdecken.

8 Empfohlen 7 Optional

	Aktivität	Beschreibung
	Gutschrift ausgestellt	Die Buchung einer Gutschrift, die den ursprünglichen Rechnungsbetrag ausgleicht. Oft das Ergebnis einer beigelegten Streitigkeit oder Rücksendung.
Bedeutung Eine hohe Frequenz weist auf Umsatzverluste und vorgelagerte Qualitätsprobleme hin. Unterscheidet sich von der Zahlung, da es sich um eine bargeldlose Begleichung handelt. Datenquelle CustTrans-Tabelle, wobei der Typ 'Gutschrift' ist oder CustInvoiceJour mit einem negativen InvoiceAmount. Erfassen Protokolliert, wenn Transaktion in CustTrans gebucht wird Ereignistyp explicit
	Rechnung ausgeglichen	Die endgültige Statusänderung, bei der den Antrag bearbeitet.er Rechnungssaldo Null wird und die Transaktion im System als 'Geschlossen' markiert ist.
Bedeutung Das absolute Ende der Prozessinstanz. Wird für die Berechnung der Gesamtzykluszeit verwendet. Datenquelle CustTrans.Closed-Feld (Datum). Dieses Datum wird gefüllt, wenn die Summe der Verrechnungen dem Rechnungsbetrag entspricht. Erfassen Abgeleitet aus dem CustTrans.Closed-Datumsfeld Ereignistyp inferred
	Rechnung gebucht	Die erste Erfassung der Rechnung im Finanzbuch. Diese Aktivität erfasst die Erstellung der finanziellen Verbindlichkeit in der Tabelle CustInvoiceJour.
Bedeutung Kennzeichnet den offiziellen Beginn des Forderungsmanagement-Lebenszyklus und den Start der Zahlungsfrist. Wesentlich für die Berechnung der Days Sales Outstanding (DSO). Datenquelle CustInvoiceJour-Tabelle. Das CreatedDateTime- oder InvoiceDate-Feld dient als Zeitstempel. Erfassen Protokolliert, wenn Transaktion in CustInvoiceJour gebucht wird Ereignistyp explicit
	Rechnung versandt	Das Ereignis, bei dem die Rechnung per E-Mail, Druck oder EDI an den Kunden gesendet wird. Dies wird oft aus der Erhöhung des 'Gedruckt'-Zählers oder den Antrag bearbeitet.en Druckverwaltungs-Logs abgeleitet.
Bedeutung Verzögerungen zwischen Buchung und Versand verkürzen direkt das effektive Zahlungsfenster für den Kunden, was zu als verspätet empfundenen Zahlungen führt. Datenquelle Abgeleitet aus CustInvoiceJour.PrintedOriginals, das von 0 auf 1 wechselt, oder verfolgt über die PrintJobHeader-Tabelle, wenn die Protokollierung aktiviert ist. Erfassen Statusfeld vor/nachher oder PrintJobHeader-Protokoll vergleichen Ereignistyp inferred
	Streitfall eröffnet	Die Erstellung eines Falls im Case Management-Modul, verknüpft mit der Rechnung, signalisiert eine Kundenuneinigkeit. Blockiert Standard-Inkassoflüsse.
Bedeutung Streitfälle sind eine Hauptursache für verspätete Zahlungen. Deren Verfolgung identifiziert Qualitätsprobleme in vorgelagerten Prozessen wie Preisgestaltung oder Fulfillment. Datenquelle CaseDetailBase-Tabelle, wobei die Kategorie sich auf Inkasso/Forderungsmanagement bezieht und RefRecId mit dem Rechnungsbezug verknüpft ist. Erfassen Protokolliert, wenn Transaktion X im Case Management ausgeführt wird Ereignistyp explicit
	Teilzahlung gebucht	Die Erfassung einer Zahlung, die den offenen Saldo der Rechnung nicht vollständig deckt. Oft löst dies einen verbleibenden Saldo aus, der verfolgt werden muss.
Bedeutung Unterscheidet zwischen Teilzahlungsverhalten und vollständigen Begleichungen. Wichtig für die Genauigkeit der Cashflow-Prognose. Datenquelle CustSettlement-Tabelle, die eine Zahlung (CustTrans) mit der Rechnung (CustTrans) verknüpft, wobei SettlementAmount < InvoiceAmount. Erfassen Protokolliert, wenn Transaktion X in CustSettlement ausgeführt wird Ereignistyp explicit
	Vollständige Zahlung erhalten	Die Buchung einer Zahlungstransaktion, die den verbleibenden Saldo der Rechnung abdeckt. Dies ist das Cash-Inflow-Event.
Bedeutung Das kritischste ErfolgsEvent. Wird zur Berechnung der Pünktlichen Zahlungsquote und der Effektivität von Skontobedingungen verwendet. Datenquelle CustTrans-Tabelle mit Typ 'Zahlung', verknüpft über CustSettlement mit der Rechnung, wodurch der Saldo auf null gebracht wird. Erfassen Protokolliert, wenn Transaktion in CustTrans gebucht und beglichen wird Ereignistyp explicit
	Zahlungserinnerung gesendet	Erfasst die Ausstellung eines formalen Mahnbriefs an den Kunden. Dies wird aus dem Mahnjournal erfasst.
Bedeutung Zeigt den Beginn aktiver Inkassobemühungen an. Die Frequenzanalyse hilft, die Mahnstrategie zu optimieren und Verwaltungskosten zu reduzieren. Datenquelle CustCollectionLetterJour-Tabelle. Erfasst das Datum, an dem der Mahnbuchstabencode für die spezifische Rechnungsbuchung gebucht wurde. Erfassen Protokolliert, wenn Transaktion in CustCollectionLetterJour gebucht wird Ereignistyp explicit
	Fälligkeitsdatum überschritten	Ein berechneter Meilenstein, der anzeigt, dass das aktuelle Datum das Fälligkeitsdatum der Rechnung überschritten hat, während die Rechnung noch offen ist. Dies kennzeichnet die Rechnung als überfällig.
Bedeutung Wesentlich für die Altersstrukturanalyse und das Auslösen von Inkasso-Workflows. Es segmentiert den Prozess zwischen Standardfakturierung und Inkassomanagement. Datenquelle Berechnet durch den Vergleich von CustInvoiceJour.DueDate mit der aktuellen Simulationszeit oder den Antrag bearbeitet.em Zahlungs-Zeitstempel. Erfassen Ableiten durch Vergleich des Feldes DueDate mit der aktuellen Zeit Ereignistyp calculated
	Kontoauszug abgeglichen	Das Abstimmungsereignis, bei dem die im AR erfasste Zahlung mit einer Zeile auf dem importierten Kontoauszug abgeglichen wird.
Bedeutung Validiert, dass Gelder tatsächlich auf der Bank sind. Verzögerungen hier weisen auf Ineffizienzen in den Cash- und Bank Management Prozessen hin. Datenquelle BankReconciliationLine- oder BankAccountTrans-Status abgeglichen. Erfordert das Modul für erweiterte Bankabstimmung. Erfassen Protokolliert, wenn Transaktion in der Bankabstimmung abgeglichen wird Ereignistyp explicit
	Streitfall gelöst	Die Schließung des Streitfalls, wodurch die Rechnung zur Zahlung oder Gutschrift freigegeben wird. Markiert das Ende des Unterprozesses zur Ausnahmebehandlung.
Bedeutung Das Zeitstempel-Delta zwischen 'Geöffnet' und 'Gelöst' ist ein Schlüssel-KPI für die administrative Effizienz. Datenquelle CaseDetailBase-Tabelle, bei der sich der Status auf Geschlossen/Gelöst ändert. Erfassen Statusfeld vor/nachher in CaseDetailBase vergleichen Ereignistyp inferred
	Streitfall in Prüfung	Zeigt an, dass der Streitfall von 'Eröffnet' in den Status 'In Bearbeitung' gewechselt ist. Stellt die Bearbeitungszeit des Lösungsteams dar.
Bedeutung Engpässe an dieser Stelle erhöhen den Cash Conversion Cycle. Trennt Wartezeiten von aktiven Lösungszeiten. Datenquelle Abgeleitet aus Änderungen des CaseDetailBase.Status-Feldes oder CaseLog-Tabelleneinträgen, die der Statusprogression entsprechen. Erfassen Statusfeld vor/nachher in CaseDetailBase vergleichen Ereignistyp inferred
	Zahlung abgeschrieben	Der Vorgang, die Rechnung als uneinbringlich zu erklären und den Saldo über ein Abschreibungsjournal zu entfernen. Stellt einen finanziellen Verlust dar.
Bedeutung Endzustand für gescheiterte Inkassoprozesse. Wesentlich für die Analyse von Forderungsausfallquoten und der Wirksamkeit der Kreditpolitik. Datenquelle CustTrans-Tabelle, wobei der Typ 'Abschreibung' ist oder GeneralJournalEntry speziell mit Abschreibungs-Gründecodes markiert ist. Erfassen Protokolliert, wenn Transaktion mit Abschreibungstyp gebucht wird Ereignistyp explicit
	Zahlungsversprechen erhalten	Eine spezifische Zusage, die von einem Inkassomitarbeiter protokolliert wurde, dass der Kunde bis zu einem bestimmten Datum zahlen wird. Erfasst aus dem Modul für Inkassomanagement.
Bedeutung Misst die Effektivität von Inkassoanrufen. Der Vergleich dieses Datums mit dem tatsächlichen Zahlungseingang zeigt die Zuverlässigkeit von Kundenzusagen auf. Datenquelle CustPromiseToPay-Tabelle. Verknüpft mit der Kundenbuchung über TransRecId. Erfassen Protokolliert, wenn Datensatz in CustPromiseToPay erstellt wird Ereignistyp explicit
	Zinsnotiz generiert	Die Erstellung einer Zinsnotiz für überfällige Zahlungen. Stellt eine finanzielle Strafe dar, die auf das Kundenkonto angewendet wird.
Bedeutung Zeigt schwerwiegende Zahlungsverzüge an. Die Analyse hilft festzustellen, ob Strafen die Zahlung effektiv beschleunigen oder den Antrag bearbeitet.ie Kundenbeziehungen schädigen. Datenquelle CustInterestJour-Tabelle. Diese Tabelle protokolliert Zinsnoten, die für spezifische Kundenbuchungen generiert wurden. Erfassen Protokolliert, wenn Transaktion in CustInterestJour gebucht wird Ereignistyp explicit

Extraktionsanleitungen

So rufen Sie Ihre Daten aus Microsoft Dynamics 365 ab

Schritte

Azure-Ressourcen konfigurieren: Stellen Sie eine Azure SQL-Datenbank bereit, die als Bring Your Own Datenbase (BYOD)-Ziel dient. Stellen Sie sicher, dass die Verbindungszeichenfolge AnmeldeHinweisrmationen mit Lese-/Schreibberechtigungen enthält.
Datenverwaltung in D365 konfigurieren: Navigieren Sie zu System Administration > Workspaces > Daten Management. Klicken Sie auf die Kachel 'Configure Entity Export to Datenbase'. Geben Sie die Verbindungszeichenfolge aus dem vorherigen Schritt ein, um die externe Datenbank zu registrieren.
Erforderliche Entitäten auswählen: Erstellen Sie ein neues Exportprojekt innerhalb des Daten Management Workspace. Fügen Sie die folgenden Standardentitäten zum Projekt hinzu: CustInvoiceJournalHeaderEntity, CustTransactionEntity, CustSettlementEntity, CustCollectionLetterJournalHeaderEntity, CaseDetailEntity, CaseAssociationEntity, CustInterestJournalEntity, BankAccountTransEntity und CustPromiseToPayEntity.
Quelle auf Ziel abbilden: Stellen Sie sicher, dass alle Felder korrekt abgebildet sind, insbesondere dass RecId- und CreatedDateTime-Felder enthalten sind, da diese für die Ereignissequenzierung wichtig sind.
Ersten Export ausführen: Führen Sie den Exportjob manuell (Jobtyp: Export) aus, um eine vollständige Ladung historischer Daten in die Azure SQL-Datenbank durchzuführen. Überwachen Sie die Ausführungsübersicht, um sicherzustellen, dass alle Datensätze erfolgreich übertragen wurden.
Inkrementelle Updates planen: Konfigurieren Sie einen wiederkehrenden Datenjob, um das Exportprojekt regelmäßig (z.B. alle 4 Stunden oder nächtlich) mit 'Incremental Push' auszuführen, um nur geänderte Datensätze zu aktualisieren.
Mit Azure SQL verbinden: Verwenden Sie SQL Server Management Studio (SSMS) oder ein ähnliches Tool, um sich mit der BYOD Azure SQL-Datenbank zu verbinden.
Transformationsskript ausführen: Führen Sie das unten im Abschnitt 'Query' bereitgestellte SQL-Skript für die BYOD-Tabellen aus. Dieses Skript vereinheitlicht die unterschiedlichen Tabellen zu einer einzigen Event Log-Struktur.
Überprüfen und Extrahieren: Überprüfen Sie die Ausgabe auf Konsistenz (siehe Validierungsschritte). Exportieren Sie das Ergebnis als CSV- oder Parquet-Datei zur Aufnahme in ProcessMind.

Konfiguration

Exportmethode: Bring Your Own Datenbase (BYOD) oder Azure Daten Lake Storage Gen2 (ADLS).
Aktualisierungsstrategie: Full Push für die Erstanlage, Incremental Push für wiederkehrende Updates zur Minimierung der Leistungsbeeinträchtigung.
Erforderliche Entitäten: CustInvoiceJournalHeaderEntity (Rechnungen), CustSettlementEntity (Zahlungen/Verrechnungen), CustCollectionLetterJournalHeaderEntity (Mahnungen), CaseDetailEntity (Streitfälle), BankAccountTransEntity (Bankabgleich).
Unternehmensfilter: Wenden Sie Filter auf die Spalte 'DatenAreaId' an, wenn die Analyse auf bestimmte juristische Einheiten beschränkt werden soll.
Datumsbereich: Empfohlenes rollierendes 12-Monats-Fenster basierend auf 'InvoiceDate' oder 'TransDate'.
Change Tracking: Muss in den SQL-Tabellen in D365 für einen effizienten inkrementellen Export aktiviert sein.

a Beispielabfrage config

/* SQL Transformation Script for D365 BYOD Tables */
/* Target: Azure SQL Database containing exported entities */

WITH InvoiceBasics AS (
    SELECT 
        InvoiceNumber AS InvoiceId,
        InvoiceDate,
        DueDate,
        InvoiceAccount AS CustomerAccount,
        SalesId,
        DataAreaId AS CompanyCode,
        InvoiceAmount,
        Currency
    FROM dbo.CustInvoiceJournalHeaderEntity
    WHERE InvoiceDate >= DATEADD(month, -12, GETDATE())
)

/* 1. Invoice Posted */
SELECT 
    T1.InvoiceId AS InvoiceNumber,
    'Invoice Posted' AS Activity,
    CAST(T1.InvoiceDate AS DATETIME) AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    T1.CustomerAccount,
    NULL AS CustomerGroup,
    T1.InvoiceAmount,
    T1.DueDate,
    NULL AS [User],
    NULL AS BusinessUnit,
    T1.CompanyCode,
    1 AS IsAutomated
FROM InvoiceBasics T1

UNION ALL

/* 2. Invoice Dispatched (Inferred from Document Date as Proxy if Print Log unavailable) */
SELECT 
    T1.InvoiceId,
    'Invoice Dispatched' AS Activity,
    DATEADD(minute, 5, CAST(T1.InvoiceDate AS DATETIME)) AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    T1.CustomerAccount,
    NULL,
    T1.InvoiceAmount,
    T1.DueDate,
    NULL,
    NULL,
    T1.CompanyCode,
    1
FROM InvoiceBasics T1

UNION ALL

/* 3. Due Date Passed (Synthetic Event) */
SELECT 
    T1.InvoiceId,
    'Due Date Passed' AS Activity,
    CAST(T1.DueDate AS DATETIME) AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    T1.CustomerAccount,
    NULL,
    T1.InvoiceAmount,
    T1.DueDate,
    NULL,
    NULL,
    T1.CompanyCode,
    1
FROM InvoiceBasics T1
WHERE GETDATE() > T1.DueDate

UNION ALL

/* 4. Payment Reminder Sent */
SELECT 
    Inv.InvoiceId,
    'Payment Reminder Sent' AS Activity,
    CL.JournalDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    CL.CreatedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CustCollectionLetterJournalHeaderEntity CL
JOIN dbo.CustCollectionLetterLineEntity CLL ON CL.JournalNumber = CLL.JournalNumber AND CL.DataAreaId = CLL.DataAreaId
JOIN InvoiceBasics Inv ON CLL.InvoiceId = Inv.InvoiceId AND CLL.DataAreaId = Inv.CompanyCode

UNION ALL

/* 5. Promise to Pay Received */
SELECT 
    Inv.InvoiceId,
    'Promise to Pay Received' AS Activity,
    PTP.PromiseDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    NULL,
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CustPromiseToPayEntity PTP
JOIN InvoiceBasics Inv ON PTP.Invoice = Inv.InvoiceId AND PTP.DataAreaId = Inv.CompanyCode

UNION ALL

/* 6. Dispute Case Opened */
SELECT 
    Inv.InvoiceId,
    'Dispute Case Opened' AS Activity,
    CD.CreatedDateTime AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    CD.CreatedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CaseDetailEntity CD
JOIN dbo.CaseAssociationEntity CA ON CD.CaseId = CA.CaseId AND CD.DataAreaId = CA.DataAreaId
JOIN InvoiceBasics Inv ON CA.RefRecId = Inv.InvoiceId /* Logic assumes linking via Invoice Number or manual mapping might be needed depending on RefTableId */
WHERE CA.RefEntityName = 'CustInvoiceTable'

UNION ALL

/* 7. Dispute Under Review */
SELECT 
    Inv.InvoiceId,
    'Dispute Under Review' AS Activity,
    CD.ModifiedDateTime AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    CD.ModifiedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CaseDetailEntity CD
JOIN dbo.CaseAssociationEntity CA ON CD.CaseId = CA.CaseId AND CD.DataAreaId = CA.DataAreaId
JOIN InvoiceBasics Inv ON CA.RefRecId = Inv.InvoiceId
WHERE CD.Status = 'InProcess'

UNION ALL

/* 8. Dispute Resolved */
SELECT 
    Inv.InvoiceId,
    'Dispute Resolved' AS Activity,
    CD.ClosedDateTime AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    CD.ModifiedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CaseDetailEntity CD
JOIN dbo.CaseAssociationEntity CA ON CD.CaseId = CA.CaseId AND CD.DataAreaId = CA.DataAreaId
JOIN InvoiceBasics Inv ON CA.RefRecId = Inv.InvoiceId
WHERE CD.Status = 'Closed'

UNION ALL

/* 9. Credit Memo Issued */
SELECT 
    T1.InvoiceId,
    'Credit Memo Issued' AS Activity,
    T1.InvoiceDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    T1.CustomerAccount,
    NULL,
    T1.InvoiceAmount,
    T1.DueDate,
    NULL,
    NULL,
    T1.CompanyCode,
    0
FROM dbo.CustInvoiceJournalHeaderEntity T1
WHERE T1.InvoiceAmount < 0

UNION ALL

/* 10. Interest Note Generated */
SELECT 
    Inv.InvoiceId,
    'Interest Note Generated' AS Activity,
    IJ.InterestDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    IJ.CreatedBy AS [User],
    NULL,
    Inv.CompanyCode,
    1
FROM dbo.CustInterestJournalEntity IJ
JOIN InvoiceBasics Inv ON IJ.AccountDisplayValue = Inv.CustomerAccount AND IJ.DataAreaId = Inv.CompanyCode
/* Note: Direct link to specific Invoice ID is often via CustInterestTrans, requiring an additional join */

UNION ALL

/* 11. Partial Payment Posted */
SELECT 
    Inv.InvoiceId,
    'Partial Payment Posted' AS Activity,
    Sett.TransDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Sett.SettleAmountCur AS InvoiceAmount,
    Inv.DueDate,
    Sett.CreatedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CustSettlementEntity Sett
JOIN dbo.CustTransactionEntity Trans ON Sett.TransRecId = Trans.RecId
JOIN InvoiceBasics Inv ON Trans.Invoice = Inv.InvoiceId AND Trans.DataAreaId = Inv.CompanyCode
WHERE ABS(Sett.SettleAmountCur) < ABS(Trans.AmountCur) AND Sett.SettleAmountCur <> 0

UNION ALL

/* 12. Full Payment Received */
SELECT 
    Inv.InvoiceId,
    'Full Payment Received' AS Activity,
    Sett.TransDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Sett.SettleAmountCur AS InvoiceAmount,
    Inv.DueDate,
    Sett.CreatedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CustSettlementEntity Sett
JOIN dbo.CustTransactionEntity Trans ON Sett.TransRecId = Trans.RecId
JOIN InvoiceBasics Inv ON Trans.Invoice = Inv.InvoiceId AND Trans.DataAreaId = Inv.CompanyCode
WHERE ABS(Sett.SettleAmountCur) >= ABS(Trans.AmountCur)

UNION ALL

/* 13. Bank Statement Matched */
SELECT 
    Inv.InvoiceId,
    'Bank Statement Matched' AS Activity,
    Bank.TransDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Bank.AmountCur AS InvoiceAmount,
    Inv.DueDate,
    NULL,
    NULL,
    Inv.CompanyCode,
    1
FROM dbo.BankAccountTransEntity Bank
JOIN dbo.CustSettlementEntity Sett ON Bank.Voucher = Sett.OffsetTransVoucher AND Bank.DataAreaId = Sett.DataAreaId
JOIN dbo.CustTransactionEntity Trans ON Sett.TransRecId = Trans.RecId
JOIN InvoiceBasics Inv ON Trans.Invoice = Inv.InvoiceId

UNION ALL

/* 14. Payment Written Off */
SELECT 
    Inv.InvoiceId,
    'Payment Written Off' AS Activity,
    Trans.TransDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Trans.AmountCur AS InvoiceAmount,
    Inv.DueDate,
    Trans.CreatedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CustTransactionEntity Trans
JOIN InvoiceBasics Inv ON Trans.Invoice = Inv.InvoiceId AND Trans.DataAreaId = Inv.CompanyCode
WHERE Trans.TransactionType = 'WriteOff'

UNION ALL

/* 15. Invoice Cleared */
SELECT 
    Inv.InvoiceId,
    'Invoice Cleared' AS Activity,
    Trans.ClosedDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    NULL,
    NULL,
    Inv.CompanyCode,
    1
FROM dbo.CustTransactionEntity Trans
JOIN InvoiceBasics Inv ON Trans.Invoice = Inv.InvoiceId AND Trans.DataAreaId = Inv.CompanyCode
WHERE Trans.ClosedDate IS NOT NULL AND Trans.ClosedDate <> '1900-01-01'

Schritte

Voraussetzungen einrichten: Stellen Sie sicher, dass Python 3.x auf dem Ausführungsrechner installiert ist. Installieren Sie die erforderlichen Bibliotheken mittels pip: pandas, requests und msal (falls Sie die Microsoft Authentication Library verwenden, obwohl dieses Skript aus Einfachheitsgründen direkte REST verwendet).
Azure App Registration: Jetzt registrieren Sie eine Anwendung in Azure Active Directory (Entra ID), um den Zugriff auf Dynamics 365 zu ermöglichen. Notieren Sie sich die Client-ID, das Client-Secret und die Tenant-ID. Stellen Sie sicher, dass die App über API-Berechtigungen für Dynamics ERP (ODaten) verfügt.
Skript konfigurieren: Öffnen Sie das bereitgestellte Python-Skript. Aktualisieren Sie das config-Wörterbuch am Anfang mit Ihrer spezifischen D365-URL, Client-ID, Client-Secret, Tenant-ID und dem Ziel-Unternehmenscode (dataAreaId).
Datumsbereich festlegen: Ändern Sie die Variablen start_date und end_date im Skript, um das Extraktionsfenster zu definieren. Ein gleitendes Fenster der letzten 90 bis 180 Tage wird für inkrementelle Ladevorgänge empfohlen.
Extraktion ausführen: Führen Sie das Skript aus. Es authentifiziert sich gegen Azure AD, ruft ein Zugriffstoken ab und iteriert durch mehrere ODaten-Entitäten (CustomerInvoices, PaymentJournals, CaseDetails usw.), um Daten abzurufen.
Datenverarbeitung: Das Skript führt automatisch Datentransformationen durch, wie das Umbenennen von Spalten, um sie dem ProcessMind-Schema anzupassen, die Berechnung von 'Due Date Passed'-Ereignissen basierend auf dem Systemdatum und die Unterscheidung zwischen Teil- und vollständigen Zahlungen basierend auf Transaktionsbeträgen.
Zusammenführen und Sortieren: Das Skript verkettet alle Aktivitäts-Datenframes zu einem einzigen Event Log und sortiert sie nach InvoiceNumber und EventZeitstempel.
Exportieren: Der endgültige Datenframe wird in eine CSV-Datei namens AR_Event_Log.csv exportiert. Überprüfen Sie, ob diese Datei im Skriptverzeichnis erstellt wurde.
Validierung: Öffnen Sie die CSV-Datei und überprüfen Sie, ob die Daten im ISO-Format (JJJJ-MM-TT HH:MM:SS) vorliegen und alle erforderlichen Spalten gefüllt sind.
Hochladen: Importieren Sie die generierte CSV-Datei in ProcessMind über den Standard-Dateiupload-Assistenten. Ordnen Sie die Spalten InvoiceNumber dem Case-ID, Activity der Activity und EventZeitstempel dem Zeitstempel zu.

Konfiguration

Batch Size: Das Skript verwendet eine vom Server gesteuerte Standardseitengröße (oft 1000 Datensätze). Das Skript handhabt die Paginierung automatisch über die Eigenschaft @odata.nextLink.
Datumsfilter: Der ODaten $filter-Parameter wird verwendet, um die Datenabfrage auf relevante Datumsbereiche (z.B. InvoiceDate ge 2023-01-01T00:00:00Z) zu beschränken. Dies verbessert die Leistung erheblich.
Unternehmensfilterung: D365 speichert Daten für mehrere juristische Einheiten. Das Skript filtert nach dataAreaId, um sicherzustellen, dass nur Daten für die relevante Geschäftseinheit extrahiert werden.
Authentifizierung: Verwendet OAuth 2.0 (Client Credentials Flow). Sie müssen über ein gültiges Client Secret und eine App Registration verfügen.
Entitätenauswahl: Verwendet Standardentitäten wie CustomerInvoices, CustomerPaymentJournalLinien und CaseDetail. Wenn Ihr Unternehmen benutzerdefinierte Entitäten verwendet, müssen die Endpunkte im endpoints-Wörterbuch aktualisiert werden.
Berechnete Ereignisse: Ereignisse wie 'Due Date Passed' werden während der Skriptausführung berechnet, da sie keinen spezifischen Transaktionsprotokoll in der Datenbank generieren.

a Beispielabfrage python

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

class=class="hl-string">"hl-comment"># === CONFIGURATION ===
config = {
    class="hl-string">"resource": class="hl-string">"https://[YourOrg].operations.dynamics.com",
    class="hl-string">"tenant_id": class="hl-string">"[Your-Tenant-ID]",
    class="hl-string">"client_id": class="hl-string">"[Your-Client-ID]",
    class="hl-string">"client_secret": class="hl-string">"[Your-Client-Secret]",
    class="hl-string">"company_code": class="hl-string">"USMF",  class=class="hl-string">"hl-comment"># Example Company Code
    class="hl-string">"start_date": class="hl-string">"2023-01-01T00:00:00Z"
}

class=class="hl-string">"hl-comment"># === AUTHENTICATION ===
def get_token(config):
    token_url = fclass="hl-string">"https://login.microsoftonline.com/{config['tenant_id']}/oauth2/token"
    payload = {
        class="hl-string">'grant_type': class="hl-string">'client_credentials',
        class="hl-string">'client_id': config[class="hl-string">'client_id'],
        class="hl-string">'client_secret': config[class="hl-string">'client_secret'],
        class="hl-string">'resource': config[class="hl-string">'resource']
    }
    response = requests.post(token_url, data=payload)
    if response.status_code == 200:
        return response.json().get(class="hl-string">'access_token')
    else:
        raise Exception(fclass="hl-string">"Auth Failed: {response.text}")

class=class="hl-string">"hl-comment"># === ODATA FETCHER ===
def get_odata_data(token, entity_url, filter_str):
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}', class="hl-string">'Accept': class="hl-string">'application/json'}
    results = []
    next_link = fclass="hl-string">"{config['resource']}/data/{entity_url}?$filter={filter_str}&$format=json"
    
    while next_link:
        print(fclass="hl-string">"Fetching: {next_link}")
        try:
            res = requests.get(next_link, headers=headers)
            if res.status_code != 200:
                print(fclass="hl-string">"Error fetching data: {res.text}")
                break
            data = res.json()
            results.extend(data.get(class="hl-string">'value', []))
            next_link = data.get(class="hl-string">'@odata.nextLink', None)
        except Exception as e:
            print(fclass="hl-string">"Exception: {e}")
            break
    return pd.DataFrame(results)

class=class="hl-string">"hl-comment"># === MAIN EXTRACTION ===
def main():
    token = get_token(config)
    all_events = []
    company_filter = fclass="hl-string">"dataAreaId eq '{config['company_code']}'"
    date_filter = fclass="hl-string">"InvoiceDate ge {config['start_date']}"

    class=class="hl-string">"hl-comment"># 1. INVOICE BASIC EVENTS (Posted, Dispatched, Credit Memo, Cleared)
    class=class="hl-string">"hl-comment"># Entity: CustomerInvoices (or SalesInvoiceHeaders)
    print(class="hl-string">"Processing Invoices...")
    df_inv = get_odata_data(token, class="hl-string">"CustomerInvoices", fclass="hl-string">"{company_filter} and {date_filter}")
    
    if not df_inv.empty:
        class=class="hl-string">"hl-comment"># Activity: Invoice Posted
        posted = df_inv.copy()
        posted[class="hl-string">'Activity'] = class="hl-string">'Invoice Posted'
        posted[class="hl-string">'EventTimestamp'] = posted[class="hl-string">'InvoiceDate']
        all_events.append(posted)

        class=class="hl-string">"hl-comment"># Activity: Invoice Dispatched (Assumed same day as posted if not tracked separately)
        dispatched = df_inv.copy()
        dispatched[class="hl-string">'Activity'] = class="hl-string">'Invoice Dispatched'
        dispatched[class="hl-string">'EventTimestamp'] = dispatched[class="hl-string">'InvoiceDate']  class=class="hl-string">"hl-comment"># Often inferred
        all_events.append(dispatched)

        class=class="hl-string">"hl-comment"># Activity: Credit Memo Issued
        credit_memos = df_inv[df_inv[class="hl-string">'InvoiceAmount'] < 0].copy()
        credit_memos[class="hl-string">'Activity'] = class="hl-string">'Credit Memo Issued'
        credit_memos[class="hl-string">'EventTimestamp'] = credit_memos[class="hl-string">'InvoiceDate']
        all_events.append(credit_memos)

        class=class="hl-string">"hl-comment"># Activity: Invoice Cleared (Closed)
        class=class="hl-string">"hl-comment"># Note: ClosedDate might need to be cast to datetime
        cleared = df_inv[df_inv[class="hl-string">'ClosedDate'].notnull()].copy()
        if not cleared.empty:
            cleared[class="hl-string">'Activity'] = class="hl-string">'Invoice Cleared'
            cleared[class="hl-string">'EventTimestamp'] = cleared[class="hl-string">'ClosedDate']
            all_events.append(cleared)

        class=class="hl-string">"hl-comment"># Activity: Due Date Passed (Calculated)
        class=class="hl-string">"hl-comment"># Logic: If not closed, and DueDate < Now
        now = datetime.datetime.now()
        overdue = df_inv[(df_inv[class="hl-string">'ClosedDate'].isnull())].copy()
        class=class="hl-string">"hl-comment"># Convert DueDate to datetime objects for comparison
        overdue[class="hl-string">'DueDate_DT'] = pd.to_datetime(overdue[class="hl-string">'DueDate'])
        overdue = overdue[overdue[class="hl-string">'DueDate_DT'] < now]
        if not overdue.empty:
            overdue[class="hl-string">'Activity'] = class="hl-string">'Due Date Passed'
            class=class="hl-string">"hl-comment"># Timestamp is the day it became overdue
            overdue[class="hl-string">'EventTimestamp'] = overdue[class="hl-string">'DueDate'] 
            all_events.append(overdue)

    class=class="hl-string">"hl-comment"># 2. PAYMENTS (Partial, Full, WriteOff)
    class=class="hl-string">"hl-comment"># Entity: CustomerPaymentJournalLines
    print(class="hl-string">"Processing Payments...")
    class=class="hl-string">"hl-comment"># Note: Filter by TransDate usually
    df_pay = get_odata_data(token, class="hl-string">"CustomerPaymentJournalLines", fclass="hl-string">"{company_filter}")
    
    if not df_pay.empty:
        class=class="hl-string">"hl-comment"># Activity: Partial vs Full Payment
        class=class="hl-string">"hl-comment"># Logic requires comparing payment amount to invoice balance. simplified here based on Amount
        class=class="hl-string">"hl-comment"># Assuming we join with invoices later, strictly classifying based on available fields
        class=class="hl-string">"hl-comment"># Here we assume a field class="hl-string">'PaymentStatus' or we treat all as Partial unless marked Settled
        
        class=class="hl-string">"hl-comment"># Full Payment
        full_pay = df_pay.copy()
        full_pay[class="hl-string">'Activity'] = class="hl-string">'Full Payment Received'
        full_pay[class="hl-string">'EventTimestamp'] = full_pay[class="hl-string">'TransDate']
        all_events.append(full_pay)
        
        class=class="hl-string">"hl-comment"># Partial Payment (In a real scenario, this requires logic checking settlement vs invoice total)
        class=class="hl-string">"hl-comment"># Adding a duplicate row for demonstration of structure
        partial_pay = df_pay[df_pay[class="hl-string">'Amount'] < 1000].copy() class=class="hl-string">"hl-comment"># Placeholder logic
        partial_pay[class="hl-string">'Activity'] = class="hl-string">'Partial Payment Posted'
        partial_pay[class="hl-string">'EventTimestamp'] = partial_pay[class="hl-string">'TransDate']
        all_events.append(partial_pay)

        class=class="hl-string">"hl-comment"># Activity: Payment Written Off
        class=class="hl-string">"hl-comment"># Filter by specific Transaction Type or Journal Name
        write_off = df_pay[df_pay[class="hl-string">'JournalName'].str.contains(class="hl-string">'WriteOff', case=False, na=False)].copy()
        write_off[class="hl-string">'Activity'] = class="hl-string">'Payment Written Off'
        write_off[class="hl-string">'EventTimestamp'] = write_off[class="hl-string">'TransDate']
        all_events.append(write_off)

    class=class="hl-string">"hl-comment"># 3. COLLECTIONS (Reminders, Promise to Pay)
    class=class="hl-string">"hl-comment"># Entity: CollectionLetterJournals
    print(class="hl-string">"Processing Collections...")
    df_col = get_odata_data(token, class="hl-string">"CollectionLetterJournals", fclass="hl-string">"{company_filter}")
    if not df_col.empty:
        reminders = df_col.copy()
        reminders[class="hl-string">'Activity'] = class="hl-string">'Payment Reminder Sent'
        reminders[class="hl-string">'EventTimestamp'] = reminders[class="hl-string">'LetterDate']
        all_events.append(reminders)

    class=class="hl-string">"hl-comment"># Entity: CustomerPromiseToPay
    df_promise = get_odata_data(token, class="hl-string">"CustomerPromiseToPay", fclass="hl-string">"{company_filter}")
    if not df_promise.empty:
        promises = df_promise.copy()
        promises[class="hl-string">'Activity'] = class="hl-string">'Promise to Pay Received'
        promises[class="hl-string">'EventTimestamp'] = promises[class="hl-string">'CreatedDateTime']
        all_events.append(promises)

    class=class="hl-string">"hl-comment"># 4. DISPUTES (Opened, Review, Resolved)
    class=class="hl-string">"hl-comment"># Entity: CaseDetails (requires filtering for Collections/Dispute category)
    print(class="hl-string">"Processing Disputes...")
    df_case = get_odata_data(token, class="hl-string">"CaseDetails", fclass="hl-string">"{company_filter} and Category eq 'Collections'")
    if not df_case.empty:
        class=class="hl-string">"hl-comment"># Opened
        opened = df_case.copy()
        opened[class="hl-string">'Activity'] = class="hl-string">'Dispute Case Opened'
        opened[class="hl-string">'EventTimestamp'] = opened[class="hl-string">'CreatedDateTime']
        all_events.append(opened)

        class=class="hl-string">"hl-comment"># Under Review (In Process)
        in_process = df_case[df_case[class="hl-string">'Status'] == class="hl-string">'InProcess'].copy()
        in_process[class="hl-string">'Activity'] = class="hl-string">'Dispute Under Review'
        in_process[class="hl-string">'EventTimestamp'] = in_process[class="hl-string">'ModifiedDateTime']
        all_events.append(in_process)

        class=class="hl-string">"hl-comment"># Resolved (Closed)
        resolved = df_case[df_case[class="hl-string">'Status'] == class="hl-string">'Closed'].copy()
        resolved[class="hl-string">'Activity'] = class="hl-string">'Dispute Resolved'
        resolved[class="hl-string">'EventTimestamp'] = resolved[class="hl-string">'ClosedDateTime']
        all_events.append(resolved)

    class=class="hl-string">"hl-comment"># 5. INTEREST
    class=class="hl-string">"hl-comment"># Entity: InterestNotes
    print(class="hl-string">"Processing Interest Notes...")
    df_interest = get_odata_data(token, class="hl-string">"InterestNotes", fclass="hl-string">"{company_filter}")
    if not df_interest.empty:
        interest = df_interest.copy()
        interest[class="hl-string">'Activity'] = class="hl-string">'Interest Note Generated'
        interest[class="hl-string">'EventTimestamp'] = interest[class="hl-string">'NoteDate']
        all_events.append(interest)

    class=class="hl-string">"hl-comment"># 6. BANK RECONCILIATION
    class=class="hl-string">"hl-comment"># Entity: BankReconciliationLines (Placeholder for matching)
    print(class="hl-string">"Processing Bank Reconciliation...")
    class=class="hl-string">"hl-comment"># This entity availability varies by version
    df_bank = get_odata_data(token, class="hl-string">"BankReconciliationLines", fclass="hl-string">"{company_filter}")
    if not df_bank.empty:
        matched = df_bank[df_bank[class="hl-string">'Reconciled'] == True].copy()
        matched[class="hl-string">'Activity'] = class="hl-string">'Bank Statement Matched'
        matched[class="hl-string">'EventTimestamp'] = matched[class="hl-string">'TransactionDate']
        class=class="hl-string">"hl-comment"># Need to join with Invoice via Payment Reference ideally
        class=class="hl-string">"hl-comment"># For this script, we assume InvoiceNumber is present or mapped
        all_events.append(matched)

    class=class="hl-string">"hl-comment"># === UNIFICATION & EXPORT ===
    if not all_events:
        print(class="hl-string">"No events extracted.")
        return

    final_df = pd.concat(all_events, ignore_index=True)

    class=class="hl-string">"hl-comment"># Map columns to schema
    class=class="hl-string">"hl-comment"># Note: Column names class="hl-string">'InvoiceNumber', class="hl-string">'InvoiceAccount' etc. depend on exact Entity schema
    class=class="hl-string">"hl-comment"># You may need to rename based on your D365 entity fields, e.g., class="hl-string">'InvoiceNum' -> class="hl-string">'InvoiceNumber'
    schema_map = {
        class="hl-string">'InvoiceNumber': class="hl-string">'InvoiceNumber',
        class="hl-string">'InvoiceId': class="hl-string">'InvoiceNumber', class=class="hl-string">"hl-comment"># Alternative common name
        class="hl-string">'InvoiceAccount': class="hl-string">'CustomerAccount',
        class="hl-string">'CustomerAccount': class="hl-string">'CustomerAccount',
        class="hl-string">'InvoiceAmount': class="hl-string">'InvoiceAmount',
        class="hl-string">'Amount': class="hl-string">'InvoiceAmount', class=class="hl-string">"hl-comment"># Fallback for payments
        class="hl-string">'CurrencyCode': class="hl-string">'Currency',
        class="hl-string">'DueDate': class="hl-string">'DueDate',
        class="hl-string">'CreatedBy': class="hl-string">'User',
        class="hl-string">'BusinessUnit': class="hl-string">'BusinessUnit',
        class="hl-string">'DataAreaId': class="hl-string">'CompanyCode'
    }
    
    class=class="hl-string">"hl-comment"># Normalize columns
    for col in final_df.columns:
        if col in schema_map:
            final_df.rename(columns={col: schema_map[col]}, inplace=True)

    class=class="hl-string">"hl-comment"># Add constant fields
    final_df[class="hl-string">'SourceSystem'] = class="hl-string">'Microsoft D365'
    final_df[class="hl-string">'LastDataUpdate'] = datetime.datetime.now().isoformat()
    
    class=class="hl-string">"hl-comment"># Select final columns (fill missing with None)
    required_cols = [
        class="hl-string">'InvoiceNumber', class="hl-string">'Activity', class="hl-string">'EventTimestamp', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'CustomerAccount', class="hl-string">'CustomerGroup', class="hl-string">'InvoiceAmount', class="hl-string">'DueDate', class="hl-string">'User',
        class="hl-string">'BusinessUnit', class="hl-string">'CompanyCode', class="hl-string">'IsAutomated'
    ]
    
    for col in required_cols:
        if col not in final_df.columns:
            final_df[col] = None
            
    output_df = final_df[required_cols]
    
    class=class="hl-string">"hl-comment"># Export
    output_df.to_csv(class="hl-string">"AR_Event_Log.csv", index=False)
    print(class="hl-string">"Extraction complete. Saved to AR_Event_Log.csv")

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

Ihre Debitoren-Datenvorlage

Ihre Debitoren-Datenvorlage

Attribute im Debitorenbuchhaltung (Accounts Receivable) (AR)

Aktivitäten im Debitorenbuchhaltung (Accounts Receivable) (AR)

Extraktionsanleitungen

D365 Daten Management Framework Entitätenexport

Schritte

Konfiguration

a Beispielabfrage config

Python ODaten API Extraktion für AR Ereignisse

Schritte

Konfiguration

a Beispielabfrage python

Bereit, um loszulegen?

Optimieren Sie Ihr Debitorenbuchhaltung (Accounts Receivable) (AR) und steigern Sie Ihren Cashflow jetzt

Ihre Debitoren-Datenvorlage

Ihre Debitoren-Datenvorlage

Attribute im Debitorenbuchhaltung (Accounts Receivable) (AR)

Aktivitäten im Debitorenbuchhaltung (Accounts Receivable) (AR)

Extraktionsanleitungen

D365 Daten Management Framework Entitätenexport

Schritte

Konfiguration

a Beispielabfrage config

Python ODaten API Extraktion für AR Ereignisse

Schritte

Konfiguration

a Beispielabfrage python

Ihre Privatsphäre ist uns wichtig

Bereit, um loszulegen?

Optimieren Sie Ihr Debitorenbuchhaltung (Accounts Receivable) (AR) und steigern Sie Ihren Cashflow jetzt