> Kontinuierliche Prozessverbesserung > Lead to Cash > Pipedrive > Daten Template

Ihr Daten-Template für Lead to Cash

Pipedrive

← Zurück zum Leitfaden zur Prozessverbesserung

Lead-to-Cash-Attribute (20) Lead-to-Cash-Aktivitäten (13) Anleitungen zum Datenexport (3)

Ihr Daten-Template für Lead to Cash

Dieses Template zeigt Ihnen, wie Sie die wichtigsten Daten für die Analyse Ihres Lead-to-Cash-Prozesses in Pipedrive erfassen. Es enthält die erforderlichen Attribute und zentralen Aktivitäten, die Sie verfolgen sollten, sowie praktische Hinweise zum direkten Export dieser Informationen aus Ihrem Pipedrive-System. Mit dieser Vorlage bereiten Sie Ihre Daten für umfassendes Process Mining und die Prozessoptimierung vor.

Empfohlene Attribute für die Erfassung
Wichtige Aktivitäten zur Nachverfolgung
Anleitung zum Datenexport aus Pipedrive

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

Template herunterladen

Lead-to-Cash-Attribute

Diese empfohlenen Datenfelder sind wichtig für ein aussagekräftiges Event Log und ermöglichen eine umfassende Analyse Ihres Lead-to-Cash-Prozesses.

3 Erforderlich 4 Empfohlen 13 Optional

	Name	Beschreibung
	Aktivitätsname ActivityName	Der Name des konkreten Geschäftsvorfalls oder der Aufgabe, die im Vertriebsprozess stattgefunden hat.
Beschreibung Dieses Attribut beschreibt einen einzelnen Schritt im Lead-to-Cash-Prozess, etwa „Deal erstellt“, „Angebot versandt“ oder „Zahlung eingegangen“. Aktivitäten bilden die grundlegenden Bausteine für die Visualisierung des Prozessflusses. Die Analyse der Reihenfolge und Häufigkeit von Aktivitäten zeigt die häufigsten Prozesspfade, Engpässe durch aufgestaute Arbeit und Abweichungen von der standardisierten Vorgehensweise im Vertrieb. So wird deutlich, wie der Prozess tatsächlich abläuft. Warum das wichtig ist Es legt die Prozessschritte fest und ermöglicht die Visualisierung und Analyse des Prozessflusses, die Erkennung von Engpässen und die Konformitätsprüfung. Woher beziehen Wird üblicherweise abgeleitet, indem Pipedrive-Ereignisse, etwa Änderungen der Deal-Phase oder die Erstellung zugehöriger Objekte wie Rechnungen, einer festgelegten Aktivitätenliste zugeordnet werden. Beispiele Deal erstelltAngebot versendetDeal gewonnenRechnung versandtZahlung eingegangen
	Ereigniszeit EventTime	Der Timestamp, der angibt, wann die Aktivität stattgefunden hat.
Beschreibung Die Ereigniszeit oder Startzeit erfasst das genaue Datum und die Uhrzeit, zu der eine bestimmte Aktivität aufgezeichnet wurde. Diese Zeitangabe ist erforderlich, um Ereignisse chronologisch anzuordnen und die Dauer zwischen einzelnen Prozessschritten zu berechnen. In der Analyse dient dieser Timestamp zur Berechnung wichtiger Kennzahlen wie Durchlaufzeit, Verarbeitungszeit und Wartezeit. Zeitbasierte Dashboards können damit die Leistung überwachen und Verzögerungen im Vertriebsprozess aufzeigen. Warum das wichtig ist Dieser Timestamp ist entscheidend, um Ereignisse zu ordnen, Prozessdauern zu berechnen und die Leistung anhand zeitbasierter Zielwerte zu analysieren. Woher beziehen Wird über die Pipedrive-API aus Feldern wie „add_time“ oder „update_time“ des Deal-, Activity- oder eines zugehörigen Objekts abgerufen. Beispiele 2023-04-15T10:00:00Z2023-04-16T14:30:00Z2023-05-01T09:05:00Z
	Verkaufschance SalesOpportunityId	Die eindeutige Kennung einer Verkaufschance. Sie dient als Case-ID, um den gesamten Lead-to-Cash-Prozess nachzuverfolgen.
Beschreibung Die ID der Verkaufschance ist der Primärschlüssel, der alle zugehörigen Aktivitäten von der ersten Lead-Erstellung bis zum Zahlungseingang miteinander verknüpft. Sie steht für einen einzelnen potenziellen Verkauf, der in Pipedrive nachverfolgt wird. In der Prozessanalyse ist diese Kennung entscheidend, um den durchgängigen Ablauf jedes Deals zu rekonstruieren. Sie ermöglicht es, alle Ereignisse, etwa „Deal erstellt“, „Angebot versandt“ und „Zahlung eingegangen“, zu einem zusammenhängenden Case zusammenzufassen. So lassen sich Prozessvarianten, Durchlaufzeiten und Konversionsraten analysieren. Warum das wichtig ist Diese Kennung bildet die Grundlage der Prozessansicht. Sie verknüpft alle zugehörigen Ereignisse zu einem vollständigen Verlauf für jeden Vertriebsdeal. Woher beziehen Wird über die Pipedrive-API aus dem Feld „id“ des Deal-Objekts abgerufen. Beispiele 12543125441254512546
	Deal-Status DealStatus	Das aktuelle Ergebnis oder der Status des Deals, zum Beispiel gewonnen, verloren oder offen.
Beschreibung Der Deal-Status gibt das endgültige Ergebnis oder den aktuellen übergeordneten Status einer Verkaufschance an. Er ist eine zentrale Dimension für die Analyse von Vertriebserfolgsquoten und Prozesseffizienz. Dieses Attribut ist grundlegend für die Berechnung der Gewinn- und Verlustraten. Außerdem können Sie damit die Prozesslandkarte filtern und die Abläufe gewonnener und verlorener Deals vergleichen. Dabei werden oft wichtige Unterschiede in der Prozessausführung sichtbar, die zum Erfolg oder Misserfolg beitragen. Diese Erkenntnisse helfen bei der Prozessverbesserung. Warum das wichtig ist Er ist entscheidend für die Berechnung der Gewinn- und Verlustraten sowie für den Vergleich der Prozessabläufe erfolgreicher und erfolgloser Deals. Woher beziehen Wird über die Pipedrive-API aus dem Feld „status“ des Deal-Objekts abgerufen. Beispiele gewonnenverlorenoffen
	Deal-Verantwortlicher DealOwner	Der Vertriebsmitarbeiter, der für die Betreuung der Verkaufschance zuständig ist.
Beschreibung Der Deal-Verantwortliche ist der Benutzer, dem ein bestimmter Deal zugewiesen wurde. Dieses Attribut ist wichtig, um die Ressourcenverteilung und die Leistung im Vertriebsteam zu verstehen. Es ermöglicht Leistungsanalysen auf Ebene einzelner Mitarbeitender oder Teams. Dashboards lassen sich nach Deal-Verantwortlichem filtern, um Kennzahlen wie Vertriebszyklusdauer, Konversionsraten und durchschnittlichen Deal-Wert zu vergleichen. So können Sie leistungsstarke Mitarbeitende und Bereiche mit Schulungsbedarf erkennen. Warum das wichtig ist Ermöglicht die Analyse der Leistung einzelner Vertriebsmitarbeitender und hilft dabei, besonders erfolgreiche Mitarbeitende sowie Verbesserungsbedarf zu erkennen. Woher beziehen Wird aus dem Feld „user_id“ des Deal-Objekts abgerufen, das über die Pipedrive-API mit dem User-Objekt verknüpft ist. Beispiele John SmithJane DoePeter Jones
	Deal-Wert DealValue	Der gesamte Geldwert der Verkaufschance.
Beschreibung Der Deal-Wert bezeichnet den potenziellen oder tatsächlichen Umsatz einer Verkaufschance. Er ist eine wichtige Kennzahl, um Deals zu priorisieren und ihre finanziellen Auswirkungen auf die Vertriebspipeline einzuschätzen. In der Prozessanalyse dient dieses Attribut dazu, Cases nach ihrem finanziellen Umfang zu segmentieren. So lässt sich die Prozessausführung bei Deals mit hohem und niedrigem Wert vergleichen. Außerdem ist es eine zentrale Kennzahl in Dashboards zur Analyse der Vertriebsleistung, der Wirksamkeit von Rabatten und der gesamten Umsatzentwicklung. Warum das wichtig ist Ermöglicht die finanzielle Analyse des Vertriebsprozesses. So lassen sich hochwertige Deals priorisieren und die Auswirkungen auf den Umsatz nachvollziehen. Woher beziehen Wird über die Pipedrive-API aus dem Feld „value“ des Deal-Objekts abgerufen. Beispiele 5000.0025000.501500.75
	Rabatt in Prozent DiscountPercentage	Der auf den Deal gewährte Rabatt in Prozent.
Beschreibung Dieses Attribut gibt an, ob und in welcher Höhe ein prozentualer Rabatt auf einen Vertriebsdeal gewährt wurde. Es ist ein wichtiger Faktor, um die Preisstrategie und ihre Auswirkungen auf die Rentabilität zu verstehen. Die Analyse des Rabatts in Prozent hilft dabei, die Wirksamkeit von Rabattstrategien zu bewerten. Sie können den Wert mit anderen Attributen wie Deal-Wert, Vertriebsmitarbeiter oder Produkt vergleichen, um zu erkennen, wo Rabatte am häufigsten gewährt werden und ob sie zu höheren Abschlussquoten führen oder lediglich die Margen schmälern. Warum das wichtig ist Diese Kennzahl ist entscheidend für die Analyse von Preisstrategien, Vertriebsmargen und der Gesamtrentabilität von Deals. Woher beziehen Dies ist häufig ein benutzerdefiniertes Feld des Deal-Objekts in Pipedrive. Informationen zur Einrichtung benutzerdefinierter Felder finden Sie in der Pipedrive-Dokumentation. Beispiele 0.050.100.150.0
	Deal-Phase DealStage	Die konkrete Phase der Vertriebspipeline, in der sich der Deal aktuell befindet.
Beschreibung Die Deal-Phase bezeichnet einen bestimmten Schritt in der festgelegten Vertriebspipeline eines Unternehmens, zum Beispiel „Qualifiziert“, „Angebot unterbreitet“ oder „Verhandlung“. Sie zeigt den Fortschritt eines Deals genauer als der übergeordnete Deal-Status. Die Analyse der Deal-Phasen ist wichtig, um den Vertriebsprozess zu verstehen und zu erkennen, an welchen Stellen Deals ins Stocken geraten. Wenn Teams die Verweildauer in jeder Phase erfassen, können sie Engpässe erkennen und Verbesserungen gezielt auf die problematischsten Abschnitte des Vertriebszyklus ausrichten. Warum das wichtig ist Zeigt den Fortschritt eines Deals durch den Vertriebsprozess im Detail und hilft, Engpässe sowie Konversionsraten zwischen den Phasen zu erkennen. Woher beziehen Wird aus dem Feld „stage_id“ des Deal-Objekts abgerufen, das über die Pipedrive-API mit dem Stage-Objekt verknüpft ist. Beispiele Lead eingegangenKontakt hergestelltDemo vereinbartAngebot unterbreitetVerhandlungen begonnen
	Deal-Währung DealCurrency	Die Währung des Deal-Werts.
Beschreibung Dieses Attribut gibt an, in welcher Währung der Deal-Wert angegeben ist, zum Beispiel USD, EUR oder GBP. Es liefert den erforderlichen Kontext für alle Finanzkennzahlen. Bei der Analyse von Deals aus mehreren Regionen oder Ländern ist dieses Attribut für korrekte Finanzberichte und Zusammenfassungen unerlässlich. Es stellt sicher, dass Währungsumrechnungen vor der Zusammenfassung der Finanzdaten korrekt vorgenommen werden und verhindert so irreführende Schlussfolgerungen. Warum das wichtig ist Liefert den erforderlichen Kontext zum Deal-Wert und ermöglicht genaue Finanzanalysen und Berichte über verschiedene Regionen hinweg. Woher beziehen Wird über die Pipedrive-API aus dem Feld „currency“ des Deal-Objekts abgerufen. Beispiele USDEURGBP
	Ereignisendzeit EventEndTime	Der Timestamp, der angibt, wann eine Aktivität mit messbarer Dauer abgeschlossen wurde.
Beschreibung Die Ereignisendzeit kennzeichnet den Abschluss einer Aktivität mit messbarer Dauer, etwa eines Meetings oder einer Aufgabe. Zusammen mit der Startzeit ermöglicht sie eine genaue Berechnung der Dauer einzelner Aktivitäten. Dieses Attribut ist erforderlich, um die Verarbeitungszeit einzelner Aktivitäten zu berechnen. Die Analyse der Dauer zeigt, welche Aufgaben besonders viel Zeit beanspruchen und wo sich Optimierung, Automatisierung oder eine andere Ressourcenverteilung anbieten. Warum das wichtig ist Ermöglicht die genaue Berechnung der Dauer einzelner Aktivitäten. So lassen sich zeitaufwendige Aufgaben und Engpässe erkennen. Woher beziehen Wird über die Pipedrive-API aus Feldern wie „due_date“ oder einem Abschluss-Timestamp der Activity-Objekte abgerufen. Beispiele 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	Lead-Quelle LeadSource	Die Quelle oder der Kanal, über den der Lead gewonnen wurde.
Beschreibung Die Lead-Quelle gibt an, wie ein potenzieller Kunde erstmals auf das Unternehmen aufmerksam wurde, zum Beispiel über ein Webinar, einen Kaltanruf oder eine Partnerempfehlung. Diese Information ist für die Marketing- und Vertriebsstrategie wichtig. Die Analyse der Lead-Quelle zeigt, wie wirksam die verschiedenen Marketingkanäle sind. Sie können Konversionsraten und Vertriebszyklusdauer für Leads aus unterschiedlichen Quellen vergleichen und so Marketingausgaben und Vertriebsaktivitäten gezielt optimieren. Warum das wichtig ist Hilft, die Wirksamkeit verschiedener Marketingkanäle zu messen, indem Konversionsraten und Prozessleistung der Leads aus den jeweiligen Quellen analysiert werden. Woher beziehen Wird aus dem Feld „source_name“ des Lead-Objekts abgerufen und anschließend dem Deal zugeordnet. Beispiele Organische SucheBezahlte soziale MedienEmpfehlungMesse
	Letzte Datenaktualisierung LastDataUpdate	Der Timestamp der letzten Datenaktualisierung aus dem Quellsystem.
Beschreibung Dieses Attribut gibt an, wann die Daten zuletzt extrahiert und im Process-Mining-Datensatz aktualisiert wurden. Es zeigt eindeutig, wie aktuell die analysierten Daten sind. Für jede Analyse ist die Aktualität der Daten entscheidend. Anhand dieses Attributs können Benutzer einschätzen, ob die angezeigten Erkenntnisse den aktuellen Prozessstand widerspiegeln. Das ist wichtig für die operative Überwachung und fundierte Entscheidungen. Warum das wichtig ist Zeigt an, wie aktuell die Daten sind, damit Benutzer den Aktualitätsstand der Prozessanalyse einschätzen können. Woher beziehen Dieser Wert wird während der Datenübernahme oder des ETL-Prozesses erzeugt und gespeichert. Beispiele 2023-10-27T02:00:00Z2023-10-28T02:00:00Z
	Nacharbeit IsRework	Ein Kennzeichen für Aktivitäten, die zu einer Nacharbeitsschleife gehören.
Beschreibung „Nacharbeit“ ist ein boolescher Wert, der üblicherweise vom Process-Mining-Tool berechnet wird. Er kennzeichnet Fälle, in denen der Prozess von einem linearen Ablauf abweicht und vorherige Schritte wiederholt. Wechselt ein Deal beispielsweise von „Verhandlung“ zurück zu „Angebot versandt“, gilt dies als Nacharbeit. Nacharbeit zu erkennen ist für die Prozessoptimierung wichtig, da sie auf Ineffizienz, unnötigen Aufwand und mögliche Unklarheiten für den Kunden hinweist. Die Analyse der entsprechend gekennzeichneten Aktivitäten zeigt, an welchen Stellen der Prozess nicht wie vorgesehen abläuft und wo gezielte Verbesserungen ansetzen können. Warum das wichtig ist Hilft, Ineffizienz im Prozess zu quantifizieren, indem Aktivitäten gekennzeichnet werden, die zu einem wiederholten oder kreisförmigen Prozesspfad gehören. Woher beziehen Wird von der Process-Mining-Software berechnet, indem die Reihenfolge der Aktivitäten in jedem Case analysiert wird. Beispiele truefalse
	Name der Organisation OrganizationName	Der Name des Kundenunternehmens oder der Organisation, die dem Deal zugeordnet ist.
Beschreibung Dieses Attribut bezeichnet den Unternehmenskunden, der mit der Verkaufschance verknüpft ist. Es zeigt, welche Unternehmen sich in der Vertriebspipeline befinden. Die Analyse nach Organisationsname hilft dabei, das Kundenverhalten zu verstehen und wichtige Kunden zu erkennen. Sie können die Prozessanalyse segmentieren, um Abläufe bei strategischen Kunden mit denen bei kleineren Kunden zu vergleichen oder den gesamten Vertriebsverlauf mit einem bestimmten Unternehmen nachzuverfolgen. Warum das wichtig ist Identifiziert den Kunden und ermöglicht eine kundenorientierte Analyse sowie die Segmentierung des Vertriebsprozesses. Woher beziehen Wird aus dem Feld „org_id“ des Deal-Objekts abgerufen, das über die Pipedrive-API mit dem Organization-Objekt verknüpft ist. Beispiele ABC CorporationGlobal Tech Inc.Innovate Solutions
	Produkt ProductAttached	Das Produkt oder die Dienstleistung der Verkaufschance.
Beschreibung Dieses Attribut gibt an, welches Produkt oder welche Dienstleistung im Rahmen des Deals verkauft wird. Damit lassen sich Vertriebsaktivitäten zu bestimmten Angeboten detaillierter analysieren. Mit dem Produktattribut können Sie Vertriebsprozesse für verschiedene Produktlinien vergleichen. So wird sichtbar, ob bestimmte Produkte längere Vertriebszyklen, andere Konversionsraten oder abweichende Prozessschritte aufweisen. Daraus lassen sich gezieltere Vertriebsstrategien ableiten. Warum das wichtig ist Ermöglicht die Analyse des Vertriebsprozesses nach Produktlinie und hilft, Unterschiede bei Vertriebszyklen und Erfolgsquoten verschiedener Angebote zu erkennen. Woher beziehen Wird über die Pipedrive-API aus dem Product-Objekt abgerufen, das mit einem Deal verknüpft ist. Beispiele Standard-SaaS-AbonnementEnterprise-PlattformlizenzPaket für professionelle Dienstleistungen
	Pünktliche Zahlung IsOnTimePayment	Ein boolescher Wert, der angibt, ob die Zahlung innerhalb der vereinbarten Zahlungsfrist eingegangen ist.
Beschreibung Dieses Attribut ist ein binärer Wert (True/False), der angibt, ob eine Zahlung fristgerecht eingegangen ist. Er wird ermittelt, indem die tatsächliche Rechnungszahlungsdauer mit den festgelegten Zahlungsbedingungen verglichen wird. Der Wert vereinfacht die Analyse des Zahlungsverhaltens. Damit lässt sich die Kennzahl für pünktliche Zahlungen schnell berechnen und nach verspäteten Zahlungen filtern. So können Sie gezielt untersuchen, warum bestimmte Kunden oder Deal-Arten zu Zahlungsverzögerungen führen. Warum das wichtig ist Vereinfacht die Analyse der Einhaltung von Zahlungsfristen und dient zur Berechnung der Kennzahl für pünktliche Zahlungen. Woher beziehen Wird durch den Vergleich der Attribute „InvoicePaymentTime“ und „PaymentTerms“ berechnet. Beispiel: Wenn „PaymentTerms“ den Wert „Net 30“ hat und „InvoicePaymentTime“ höchstens 30 Tage beträgt, ist der Wert True. Beispiele truefalse
	Quellsystem SourceSystem	Gibt an, aus welchem System die Daten extrahiert wurden.
Beschreibung Dieses Attribut gibt die Herkunft der Daten an, in diesem Fall Pipedrive. Es ist besonders hilfreich, wenn Daten aus mehreren Systemen für eine umfassende Prozessansicht zusammengeführt werden. Bei einer Analyse mit nur einem System ist der Wert oft statisch. Dennoch liefert er wichtigen Kontext und unterstützt Datenverwaltung und Rückverfolgbarkeit. Er bestätigt, dass die Ereignisse und Attribute zur Pipedrive-Instanz gehören. Warum das wichtig ist Gibt wichtigen Aufschluss über die Herkunft der Daten und sorgt für Rückverfolgbarkeit und Klarheit, insbesondere wenn Daten aus mehreren Systemen zusammengeführt werden. Woher beziehen Wird üblicherweise als statischer Wert während der Datentransformation hinzugefügt. Beispiele Pipedrive
	Rechnungszahlungsdauer InvoicePaymentTime	Die Zeitspanne zwischen dem Versand einer Rechnung und dem Eingang der Zahlung.
Beschreibung Die Rechnungszahlungsdauer misst die Effizienz des Forderungsmanagements. Sie erfasst die Zeit zwischen der Aktivität „Rechnung versandt“ und der Aktivität „Zahlung eingegangen“. Diese Kennzahl ist wichtig, um den Cashflow zu überwachen und Verzögerungen beim Zahlungseingang zu erkennen. Die Analyse zeigt, wie Kunden zahlen und wie wirksam Mahn- und Inkassostrategien sind. Das wirkt sich unmittelbar auf den Zyklus vom Angebot bis zur Zahlung aus. Warum das wichtig ist Misst direkt die Effizienz des Zahlungseinzugs und ist für die Steuerung des Cashflows wichtig. Woher beziehen Wird für einen Case als Differenz zwischen den Timestamps der Aktivitäten „Zahlung eingegangen“ und „Rechnung versandt“ berechnet. Beispiele 28 Tage45 Tage10 Tage
	Region Region	Die geografische Region des Kunden oder der Verkaufschance.
Beschreibung Dieses Attribut ordnet Deals geografischen Gebieten wie Nordamerika, EMEA oder APAC zu. So lassen sich Vertriebsleistung und Prozesse nach Standort analysieren. Durch die Segmentierung nach Region können Unternehmen regionale Unterschiede bei Vertriebszyklusdauer, Abschlussquoten und Prozessvarianten erkennen. Diese Erkenntnisse unterstützen regionale Vertriebsstrategien, die Ressourcenverteilung und die Standardisierung von Prozessen. Warum das wichtig ist Ermöglicht die geografische Analyse des Vertriebsprozesses und zeigt regionale Unterschiede bei Leistung und Kundenverhalten auf. Woher beziehen Dies ist üblicherweise ein benutzerdefiniertes Feld des Deal- oder Organization-Objekts. Die Region lässt sich auch aus den Adressfeldern der Organisation ableiten. Beispiele NordamerikaEMEAAPACLATAM
	Zahlungsbedingungen PaymentTerms	Die vereinbarten Zahlungsbedingungen, zum Beispiel „Net 30“ oder „Net 60“.
Beschreibung Die Zahlungsbedingungen legen fest, innerhalb welcher Frist ein Kunde eine Rechnung nach deren Versand begleichen soll. Dieses Attribut ist wichtig für die Verwaltung offener Forderungen und des Cashflows. Im Process Mining dienen die Zahlungsbedingungen als Vergleichsgrundlage für die Bewertung des Zahlungsverhaltens. Sie werden zur Berechnung von Kennzahlen wie der pünktlichen Zahlungsquote herangezogen, indem das tatsächliche Zahlungsdatum mit dem Fälligkeitsdatum verglichen wird, das sich aus Rechnungsdatum und Zahlungsbedingungen ergibt. Warum das wichtig ist Dient als Grundlage für die Messung pünktlicher Zahlungen und die Analyse von Verzögerungen beim Zahlungseingang. Woher beziehen Dies ist üblicherweise ein benutzerdefiniertes Feld des Deal- oder Organization-Objekts in Pipedrive. Die Angabe kann auch aus einem integrierten Buchhaltungssystem stammen. Beispiele Netto 30 TageNetto 60 TageFällig bei Erhalt

Erforderlich Empfohlen Optional

Lead-to-Cash-Aktivitäten

Erfassen Sie diese wichtigen Prozessschritte und Meilensteine in Ihrem Event Log, damit Sie den Prozess zuverlässig entdecken und wirksam optimieren können.

5 Empfohlen 8 Optional

	Aktivität	Beschreibung
	Angebot versendet	Bezeichnet den Zeitpunkt, zu dem ein formelles Angebot oder ein Proposal an den Kunden übermittelt wird. Dies wird häufig daraus abgeleitet, dass der Deal in eine bestimmte Pipeline-Phase wie „Proposal Made“ oder „Quote Sent“ wechselt.
Warum das wichtig ist Dies ist ein wichtiger Meilenstein im Vertriebsprozess. Die Zeit zwischen diesem Ereignis und „Deal gewonnen“ zeigt, wie lange die Entscheidungs- und Verhandlungsphase dauert. Woher beziehen Das Ereignis wird aus dem Änderungsprotokoll des Deals abgeleitet, wenn sich „stage_id“ zu einer für Angebote vorgesehenen Phase ändert. Als Timestamp dient der Zeitpunkt des Phasenwechsels. Erfassung Ermitteln Sie, wann „stage_id“ eines Deals auf eine bestimmte Phase „Proposal“ aktualisiert wird. Ereignistyp inferred
	Deal erstellt	Kennzeichnet den offiziellen Beginn einer Verkaufschance. Dieses Ereignis wird ausgelöst, wenn ein neuer Deal manuell erstellt oder automatisch aus einem konvertierten Lead angelegt wird.
Warum das wichtig ist Dies ist die erste Aktivität im Verkaufszyklus. Die Zeit zwischen diesem Ereignis und „Deal gewonnen“ oder „Deal verloren“ zeigt die Gesamtdauer des Verkaufszyklus. Woher beziehen Dieses Ereignis wird explizit in der Pipedrive-Entität „Deals“ erfasst. Als Ereigniszeit dient der Erstellungs-Timestamp („add_time“) des Deal-Datensatzes. Erfassung Verwenden Sie das Feld „add_time“ aus der Entität „Deals“. Ereignistyp explicit
	Deal gewonnen	Kennzeichnet den erfolgreichen Abschluss eines Deals und zeigt an, dass der Kunde mündlich oder schriftlich zugestimmt hat. In Pipedrive wird dieser Statuswechsel standardmäßig ausdrücklich erfasst.
Warum das wichtig ist Dies ist der wichtigste Meilenstein für den Erfolg. Er ist entscheidend für die Berechnung der Abschlussquote, der Dauer des Vertriebszyklus erfolgreicher Deals und der Gesamtleistung des Vertriebs. Woher beziehen Dieses Ereignis wird ausdrücklich erfasst, wenn der Status eines Deals auf „won“ geändert wird. Das Feld „won_time“ in der Entität Deals enthält den genauen Timestamp. Erfassung Verwenden Sie den Timestamp aus dem Feld „won_time“ der Entität Deals. Ereignistyp explicit
	Deal verloren	Kennzeichnet den erfolglosen Abschluss eines Deals. Dazu kommt es, wenn der Vertriebsprozess beendet wird, weil sich der Kunde für einen Wettbewerber entscheidet, kein Interesse mehr hat oder andere Gründe vorliegen.
Warum das wichtig ist Dies ist der wichtigste Endpunkt für erfolglose Deals. Wann und warum Deals verloren gehen, liefert entscheidende Erkenntnisse zur Verbesserung der Vertriebsstrategie, der Schulung und der Qualifizierungsprozesse. Woher beziehen Dieses Ereignis wird ausdrücklich erfasst, wenn der Status eines Deals auf „lost“ geändert wird. Das Feld „lost_time“ in der Entität Deals speichert den Timestamp. Erfassung Verwenden Sie den Timestamp aus dem Feld „lost_time“ der Entität Deals. Ereignistyp explicit
	Zahlung eingegangen	Kennzeichnet den erfolgreichen Zahlungseingang des Kunden und schließt damit den Zahlungszyklus der Verkaufschance ab. Dies ist das letzte Ereignis im Lead-to-Cash-Prozess und stammt aus einem Finanzsystem.
Warum das wichtig ist Dies ist der letzte Schritt, in dem der Wert realisiert wird. Er markiert das tatsächliche Ende des Lead-to-Cash-Prozesses und ist entscheidend für die Messung der durchgängigen Durchlaufzeit und die Analyse von Zahlungsverzögerungen. Woher beziehen Wird aus einem Buchhaltungs- oder Zahlungsabwicklungssystem übernommen. Die Zahlungsbestätigung muss dem Pipedrive-Deal zugeordnet werden. Erfassung Ereignisdaten aus einem externen Finanzsystem, verknüpft mit dem Deal über eine eindeutige Kennung. Ereignistyp explicit
	Angebot nachverfolgt	Erfasst Vertriebsaktivitäten wie Anrufe oder E-Mails, die nach dem Versand eines Angebots an den Kunden stattfinden. Dieses Ereignis zeigt, dass der Vertrieb den Kunden während der Entscheidungsphase aktiv begleitet.
Warum das wichtig ist Misst, wie zeitnah und wie häufig Nachfassaktionen erfolgen. Das ist wichtig, um den Kontakt aufrechtzuerhalten und Deals abzuschließen. Die Daten fließen in das Dashboard „Pünktlichkeit der Angebotsnachverfolgung“ ein. Woher beziehen Das Ereignis wird aus der Pipedrive-Entität „Activities“ ermittelt. Es handelt sich um eine abgeschlossene Aktivität, die nach dem Ereignis „Angebot versendet“ für denselben Deal stattfindet. Erfassung Ermitteln Sie eine abgeschlossene Aktivität, deren „done_time“ nach dem Timestamp des Ereignisses „Angebot versendet“ liegt. Ereignistyp explicit
	Auftrag erfüllt	Zeigt an, dass das Produkt versandt oder die Dienstleistung für den Kunden erbracht wurde. Dieses Ereignis stammt aus einem externen Fulfillment- oder Betriebssystem.
Warum das wichtig ist Die Erfassung der Auftragserfüllung ist wichtig, um die Durchlaufzeit vom Auftrag bis zur Lieferung zu verstehen. Verzögerungen wirken sich unmittelbar auf die Kundenzufriedenheit und die Umsatzrealisierung aus. Woher beziehen Wird aus einem externen ERP-, Bestands- oder Service-Management-System übernommen. Diese Daten müssen dem entsprechenden Pipedrive-Deal zugeordnet werden. Erfassung Ereignisdaten aus einem externen System, verknüpft über die Deal-ID oder eine andere gemeinsame Kennung. Ereignistyp explicit
	Deal qualifiziert	Zeigt an, dass der Deal festgelegte Kriterien erfüllt und als aussichtsreiche Verkaufschance weiterverfolgt werden sollte. Dies wird üblicherweise daraus abgeleitet, dass ein Deal von einer frühen Pipeline-Phase wie „Lead In“ in eine stärker qualifizierte Phase wie „Contact Made“ oder „Needs Defined“ wechselt.
Warum das wichtig ist Dieser Meilenstein hilft Ihnen, die Wirksamkeit der Lead-Qualifizierung zu beurteilen und zu erkennen, wie lange Deals in den ersten, noch nicht qualifizierten Phasen verbleiben. Woher beziehen Das Ereignis wird aus dem Änderungsprotokoll oder Verlauf des Deals abgeleitet, wenn sich das Feld „stage_id“ zu einer Phase ändert, die eine Qualifizierung kennzeichnet. Erfassung Ermitteln Sie im Verlauf des Deals den Wechsel zu einer vordefinierten Phase „qualified“. Ereignistyp inferred
	Deal wieder geöffnet	Bezeichnet einen Deal, der zuvor als verloren markiert und für weitere Vertriebsaktivitäten wieder aufgenommen wurde. Das Ereignis wird abgeleitet, wenn sich der Status eines Deals von „lost“ zurück zu „open“ ändert.
Warum das wichtig ist Diese Aktivität macht Schleifen durch Nacharbeit und erneute Kontaktaufnahme sichtbar. Die Analyse solcher Fälle kann Muster im Kundenverhalten oder bei der Wirksamkeit der Vertriebsnachverfolgung aufzeigen. Woher beziehen Wird aus dem Änderungsprotokoll des Deals abgeleitet. Das Ereignis wird erkannt, wenn sich das Feld „status“ von „lost“ zu „open“ ändert. Erfassung Suchen Sie im Verlauf des Deals nach einem Statuswechsel von „lost“ zu „open“. Ereignistyp inferred
	Erstkontakt hergestellt	Bezeichnet die erste relevante Interaktion mit dem potenziellen Kunden, der dem Deal zugeordnet ist. Sie wird üblicherweise als abgeschlossene Aktivität erfasst, zum Beispiel als Anruf, E-Mail oder Meeting, das mit dem Deal verknüpft ist.
Warum das wichtig ist Damit lässt sich die Zeit bis zum Erstkontakt messen und sicherstellen, dass Leads zeitnah angesprochen werden. Außerdem erhalten Sie Einblick in die Reaktionsgeschwindigkeit des Vertriebsteams. Woher beziehen Das Ereignis wird aus der Pipedrive-Entität „Activities“ ermittelt. Dazu wird die früheste abgeschlossene Aktivität gesucht, die mit der Deal-ID verknüpft ist. Erfassung Ermitteln Sie anhand des Felds „done_time“ die erste abgeschlossene Aktivität, die einem Deal zugeordnet ist. Ereignistyp explicit
	Rechnung versandt	Bezeichnet den Zeitpunkt, zu dem dem Kunden eine Rechnung zur Zahlung zugesandt wird. Dieses Ereignis wird üblicherweise nach der Auftragserfüllung in einem externen Buchhaltungs- oder Abrechnungssystem ausgelöst.
Warum das wichtig ist Damit beginnt der Zahlungszyklus. Die Zeit zwischen diesem Ereignis und „Zahlung eingegangen“ ist entscheidend für die Überwachung offener Forderungen und des Cashflows. Woher beziehen Stammt aus einem externen Buchhaltungs- oder ERP-System wie Xero oder QuickBooks. Die Ereignisdaten müssen integriert und dem Pipedrive-Deal zugeordnet werden. Erfassung Ereignisdaten aus einem externen Abrechnungssystem, die über eine API-Integration dem Deal zugeordnet werden. Ereignistyp explicit
	Verhandlung begonnen	Kennzeichnet den Beginn aktiver Verhandlungen über Preis, Bedingungen oder Leistungsumfang. Dies wird üblicherweise daraus abgeleitet, dass ein Deal nach dem Versand eines Angebots in eine Pipeline-Phase „Negotiation“ wechselt.
Warum das wichtig ist Wenn Sie die Verhandlungsphase gesondert betrachten, erkennen Sie, wie lange dieser Abschnitt dauert und bei welchen Deals sich die Verhandlungen besonders hinziehen. Woher beziehen Das Ereignis wird aus dem Änderungsprotokoll des Deals abgeleitet, wenn „stage_id“ auf eine ausdrücklich als Verhandlungsphase bezeichnete Phase aktualisiert wird. Erfassung Ermitteln Sie im Verlauf des Deals den Wechsel zu einer vordefinierten Phase „Negotiation“. Ereignistyp inferred
	Verkaufsauftrag erstellt	Bezeichnet die Erstellung eines formellen Verkaufsauftrags in einem nachgelagerten System, etwa einem ERP- oder Buchhaltungssystem, nachdem ein Deal gewonnen wurde. Diese Aktivität ist nicht in Pipedrive enthalten und setzt Daten aus einem integrierten System voraus.
Warum das wichtig ist Dieses Ereignis kennzeichnet die Übergabe vom Vertrieb an den Betrieb oder die Finanzabteilung. Die Zeitspanne zwischen „Deal gewonnen“ und dieser Aktivität macht mögliche Verzögerungen bei der Auftragsbearbeitung sichtbar. Woher beziehen Wird in der Regel aus einem angebundenen ERP- oder Finanzsystem übernommen. Die Daten müssen eingelesen und mit der Pipedrive-Deal-ID verknüpft werden. Erfassung Ereignisdaten werden über eine API aus einem externen System übertragen und aktualisieren häufig ein benutzerdefiniertes Feld des Pipedrive-Deals. Ereignistyp explicit

Anleitungen zum Datenexport

So exportieren Sie Ihre Daten aus Pipedrive

Schritte

Bei Pipedrive anmelden: Melden Sie sich mit einem Benutzerkonto an, das Daten exportieren darf. In der Regel handelt es sich dabei um ein Administratorkonto.
Datenexport aufrufen: Klicken Sie oben rechts auf Ihr Profilbild und wählen Sie „Einstellungen“. Suchen Sie im Navigationsmenü links den Bereich „Tools und Apps“ und klicken Sie auf „Daten exportieren“.
Deal-Daten exportieren: Wählen Sie in der Ansicht „Daten exportieren“ die Option „Deals“ und anschließend das Dateiformat „CSV“. Legen Sie am besten einen bestimmten Zeitraum fest, zum Beispiel die letzten 6 Monate, damit die Datei nicht zu groß wird. Klicken Sie auf „Exportieren“ und warten Sie, bis die Datei erstellt und heruntergeladen wurde. Sie enthält wichtige Deal-Informationen wie Erstellungszeitpunkt, Zeitpunkt des Abschlusses und Zeitpunkt des Verlusts.
Aktivitätsdaten exportieren: Wiederholen Sie den Vorgang für „Aktivitäten“. Wählen Sie „Aktivitäten“ und das Format „CSV“, wenden Sie denselben Zeitraumfilter wie für die Deals an und exportieren Sie die Datei. Sie enthält Einträge zu Anrufen, E-Mails, Besprechungen und benutzerdefinierten Aktivitäten, die mit Deals verknüpft sind.
Externe Daten zusammentragen: Exportieren Sie die zugehörigen Daten aus nachgelagerten Systemen. Für Ereignisse wie „Verkaufsauftrag erstellt“, „Auftrag erfüllt“, „Rechnung versendet“ und „Zahlung eingegangen“ benötigen Sie Exporte aus Ihrem ERP-, Buchhaltungs- oder Fulfillment-System. Achten Sie darauf, dass diese Dateien eine gemeinsame Kennung enthalten, über die sich die Datensätze der Pipedrive-Deal-ID zuordnen lassen.
Umgebung für die Datenverarbeitung einrichten: Verwenden Sie ein Werkzeug, mit dem sich mehrere CSV-Dateien verarbeiten und zusammenführen lassen, zum Beispiel Python mit der Bibliothek pandas, Microsoft Excel mit Power Query oder ein anderes Datenaufbereitungstool.
Daten laden und zusammenführen: Laden Sie die Dateien Deals.csv und Activities.csv sowie die im vorherigen Schritt exportierten externen Dateien.
Event Log erstellen: Erstellen Sie ein einheitliches Event Log, indem Sie die Rohdaten per Skript in das erforderliche Aktivitätsformat umwandeln. Legen Sie für jede der 13 erforderlichen Aktivitäten die entsprechenden Zeilen an. Zum Beispiel:
- Ereignisse vom Typ „Deal erstellt“ werden aus der Spalte add_time in der Datei Deals.csv erzeugt.
- Ereignisse vom Typ „Deal gewonnen“ werden aus der Spalte won_time in der Datei Deals.csv erzeugt.
- „Erstkontakt hergestellt“ ist die früheste abgeschlossene Aktivität für jeden Deal in der Datei Activities.csv.
- Weitere Aktivitäten wie „Angebot versendet“ oder „Verhandlung begonnen“ werden aus bestimmten Aktivitätsbetreffzeilen oder -typen in Activities.csv abgeleitet.
Attribute zuordnen: Stellen Sie sicher, dass jede Ereigniszeile alle erforderlichen Spalten enthält: SalesOpportunityId, ActivityName und EventTime. Ergänzen Sie empfohlene Attribute wie DealValue, DealOwner und DealStatus, indem Sie die Deal-Daten verknüpfen.
Abschließender Export: Speichern Sie die fertige und geprüfte Tabelle als einzelne CSV-Datei mit UTF-8-Kodierung. Diese Datei kann nun zur Analyse in ProcessMind hochgeladen werden.

Konfiguration

Zu exportierende Objekte: Exportieren Sie mindestens „Deals“ und „Aktivitäten“. Wenn Sie zusätzliche Dimensionsdaten benötigen, können Sie auch „Organisationen“ oder „Personen“ exportieren.
Dateiformat: Wählen Sie CSV, damit die Datei mit Datenverarbeitungstools wie Python oder Power Query kompatibel ist.
Zeitraumfilter: Wählen Sie unter „Filtern nach“ einen bestimmten Zeitraum aus, zum Beispiel „Deal-Erstellungszeit“ innerhalb der „letzten 180 Tage“. Das ist wichtig, um Exportdauer und Dateigröße zu begrenzen.
Benutzerberechtigungen: Sie benötigen ein Administratorkonto oder einen Berechtigungssatz, der den Datenexport aus dem Pipedrive-Konto ausdrücklich erlaubt.
Benutzerdefinierte Aktivitätstypen: Ob sich Prozessschritte wie „Deal qualifiziert“ oder „Angebot versendet“ zuverlässig extrahieren lassen, hängt davon ab, ob Ihre Organisation benutzerdefinierte Aktivitätstypen in Pipedrive verwendet. Stellen Sie sicher, dass diese eingerichtet sind und vom Vertriebsteam einheitlich verwendet werden.

a Beispielabfrage python

import pandas as pd

class=class="hl-string">"hl-comment"># --- 1. Load Data ---
class=class="hl-string">"hl-comment"># Load Pipedrive exports. Replace class="hl-string">'deals.csv' and class="hl-string">'activities.csv' with your actual file paths.
deals_df = pd.read_csv(class="hl-string">'deals.csv')
activities_df = pd.read_csv(class="hl-string">'activities.csv')

class=class="hl-string">"hl-comment"># Placeholder: Load data from external systems. These files should contain a Deal ID column.
class=class="hl-string">"hl-comment"># Replace with actual file loads from your ERP, Accounting, or Fulfillment systems.
sales_orders_df = pd.DataFrame({class="hl-string">'Deal ID': [], class="hl-string">'Order Created Date': []}) class=class="hl-string">"hl-comment"># Example from ERP
fulfillments_df = pd.DataFrame({class="hl-string">'Deal ID': [], class="hl-string">'Fulfillment Date': []})   class=class="hl-string">"hl-comment"># Example from Fulfillment System
invoices_df = pd.DataFrame({class="hl-string">'Deal ID': [], class="hl-string">'Invoice Sent Date': []})         class=class="hl-string">"hl-comment"># Example from Accounting System
payments_df = pd.DataFrame({class="hl-string">'Deal ID': [], class="hl-string">'Payment Received Date': []})     class=class="hl-string">"hl-comment"># Example from Accounting System

class=class="hl-string">"hl-comment"># --- 2. Prepare and Clean Data ---
class=class="hl-string">"hl-comment"># Rename columns for consistency and convert date columns to datetime objects
deals_df.rename(columns={class="hl-string">'ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Value': class="hl-string">'DealValue', class="hl-string">'Owner name': class="hl-string">'DealOwner', class="hl-string">'Status': class="hl-string">'DealStatus', class="hl-string">'Add time': class="hl-string">'EventTime_Created', class="hl-string">'Won time': class="hl-string">'EventTime_Won', class="hl-string">'Lost time': class="hl-string">'EventTime_Lost'}, inplace=True)
activities_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Subject': class="hl-string">'ActivityName', class="hl-string">'Done time': class="hl-string">'EventTime'}, inplace=True)

for col in [class="hl-string">'EventTime_Created', class="hl-string">'EventTime_Won', class="hl-string">'EventTime_Lost']: 
    deals_df[col] = pd.to_datetime(deals_df[col], errors=class="hl-string">'coerce')
activities_df[class="hl-string">'EventTime'] = pd.to_datetime(activities_df[class="hl-string">'EventTime'], errors=class="hl-string">'coerce')


class=class="hl-string">"hl-comment"># --- 3. Extract Activities from Pipedrive Data ---

class=class="hl-string">"hl-comment"># Activity: Deal Created
event_created = deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Created']].copy()
event_created.rename(columns={class="hl-string">'EventTime_Created': class="hl-string">'EventTime'}, inplace=True)
event_created[class="hl-string">'ActivityName'] = class="hl-string">'Deal Created'

class=class="hl-string">"hl-comment"># Activity: Deal Won
event_won = deals_df[deals_df[class="hl-string">'EventTime_Won'].notna()][[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Won']].copy()
event_won.rename(columns={class="hl-string">'EventTime_Won': class="hl-string">'EventTime'}, inplace=True)
event_won[class="hl-string">'ActivityName'] = class="hl-string">'Deal Won'

class=class="hl-string">"hl-comment"># Activity: Deal Lost
event_lost = deals_df[deals_df[class="hl-string">'EventTime_Lost'].notna()][[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Lost']].copy()
event_lost.rename(columns={class="hl-string">'EventTime_Lost': class="hl-string">'EventTime'}, inplace=True)
event_lost[class="hl-string">'ActivityName'] = class="hl-string">'Deal Lost'

class=class="hl-string">"hl-comment"># Filter for relevant, completed activities linked to a deal
completed_activities = activities_df[activities_df[class="hl-string">'EventTime'].notna() & activities_df[class="hl-string">'SalesOpportunityId'].notna()].copy()
completed_activities[class="hl-string">'SalesOpportunityId'] = completed_activities[class="hl-string">'SalesOpportunityId'].astype(int)

class=class="hl-string">"hl-comment"># Activity: Initial Contact Made (first completed activity for each deal)
event_initial_contact = completed_activities.sort_values(class="hl-string">'EventTime', ascending=True).drop_duplicates(class="hl-string">'SalesOpportunityId')
event_initial_contact = event_initial_contact[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime']].copy()
event_initial_contact[class="hl-string">'ActivityName'] = class="hl-string">'Initial Contact Made'

class=class="hl-string">"hl-comment"># Infer other activities based on activity subject keywords. Adjust keywords as needed.
event_qualified = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'qualify|qualification', case=False, na=False)].copy()
event_qualified[class="hl-string">'ActivityName'] = class="hl-string">'Deal Qualified'

event_proposal_sent = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'proposal|quote', case=False, na=False)].copy()
event_proposal_sent[class="hl-string">'ActivityName'] = class="hl-string">'Proposal Sent'

class=class="hl-string">"hl-comment"># Proposal Follow-Up: Any call or email activity after a proposal was sent
if not event_proposal_sent.empty:
    merged_followup = pd.merge(completed_activities, event_proposal_sent[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime']].rename(columns={class="hl-string">'EventTime':class="hl-string">'ProposalTime'}), on=class="hl-string">'SalesOpportunityId')
    follow_ups = merged_followup[merged_followup[class="hl-string">'EventTime'] > merged_followup[class="hl-string">'ProposalTime']]
    event_follow_up = follow_ups[follow_ups[class="hl-string">'ActivityName'].str.contains(class="hl-string">'call|email|follow-up', case=False, na=False)].copy()
    event_follow_up[class="hl-string">'ActivityName'] = class="hl-string">'Proposal Follow-Up'
else:
    event_follow_up = pd.DataFrame(columns=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName'])

event_negotiation = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'negotiation|negotiate', case=False, na=False)].copy()
event_negotiation[class="hl-string">'ActivityName'] = class="hl-string">'Negotiation Started'

class=class="hl-string">"hl-comment"># Placeholder for Deal Reopened: Logic is complex and not reliably available from standard export.
event_reopened = pd.DataFrame(columns=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName'])

class=class="hl-string">"hl-comment"># --- 4. Extract Activities from External Data (Placeholders) ---

class=class="hl-string">"hl-comment"># Rename columns and convert dates for external data
class=class="hl-string">"hl-comment"># This section needs to be adapted to your specific file structures
event_so_created = sales_orders_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Order Created Date': class="hl-string">'EventTime'}).assign(ActivityName=class="hl-string">'Sales Order Created')
event_fulfilled = fulfillments_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Fulfillment Date': class="hl-string">'EventTime'}).assign(ActivityName=class="hl-string">'Order Fulfilled')
event_invoice_sent = invoices_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Invoice Sent Date': class="hl-string">'EventTime'}).assign(ActivityName=class="hl-string">'Invoice Sent')
event_payment_received = payments_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Payment Received Date': class="hl-string">'EventTime'}).assign(ActivityName=class="hl-string">'Payment Received')


class=class="hl-string">"hl-comment"># --- 5. Combine and Finalize Event Log ---

event_log_frames = [
    event_created,
    event_won,
    event_lost,
    event_initial_contact,
    event_qualified[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_proposal_sent[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_follow_up[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_negotiation[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_reopened,
    event_so_created,
    event_fulfilled,
    event_invoice_sent,
    event_payment_received
]

event_log = pd.concat(event_log_frames)

class=class="hl-string">"hl-comment"># Merge with deal attributes
final_event_log = pd.merge(event_log, deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'Status']], on=class="hl-string">'SalesOpportunityId', how=class="hl-string">'left')

class=class="hl-string">"hl-comment"># Clean up and select final columns
final_event_log.rename(columns={class="hl-string">'Status':class="hl-string">'DealStatus'}, inplace=True)
final_event_log.dropna(subset=[class="hl-string">'EventTime', class="hl-string">'SalesOpportunityId'], inplace=True)

class=class="hl-string">"hl-comment"># Placeholder for DiscountPercentage - Assuming it's a custom field in your deals export
if class="hl-string">'Discount percentage' in deals_df.columns:
    final_event_log = pd.merge(final_event_log, deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'Discount percentage']], on=class="hl-string">'SalesOpportunityId', how=class="hl-string">'left')
    final_event_log.rename(columns={class="hl-string">'Discount percentage':class="hl-string">'DiscountPercentage'}, inplace=True)
else:
    final_event_log[class="hl-string">'DiscountPercentage'] = None

class=class="hl-string">"hl-comment"># Reorder columns to match requirements
output_columns = [class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'DealStatus', class="hl-string">'DiscountPercentage']
final_event_log = final_event_log[output_columns]

class=class="hl-string">"hl-comment"># --- 6. Save Final Event Log ---
final_event_log.to_csv(class="hl-string">'pipedrive_event_log.csv', index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')

print(class="hl-string">'Event log created successfully.')

Schritte

Python-Umgebung einrichten: Stellen Sie sicher, dass Python 3.6 oder neuer auf Ihrem System installiert ist. Öffnen Sie ein Terminal oder eine Eingabeaufforderung und installieren Sie die erforderlichen Python-Bibliotheken mit folgendem Befehl: pip install requests pandas.
Pipedrive-API-Zugangsdaten abrufen: Melden Sie sich bei Ihrem Pipedrive-Konto an. Öffnen Sie die Einstellungen, indem Sie auf Ihr Profilbild klicken, wählen Sie „Persönliche Einstellungen“ und wechseln Sie zum Tab „API“. Kopieren Sie Ihr persönliches API-Token. Außerdem benötigen Sie Ihre Unternehmensdomain. Das ist der Präfix Ihrer Pipedrive-URL, zum Beispiel your-company in your-company.pipedrive.com.
Extraktionsskript konfigurieren: Öffnen Sie das bereitgestellte Python-Skript in einem Texteditor oder einer IDE. Suchen Sie oben den Konfigurationsbereich und ersetzen Sie die Platzhalterwerte für API_TOKEN und COMPANY_DOMAIN durch Ihre Zugangsdaten.
Extraktionszeitraum festlegen: Legen Sie im Konfigurationsbereich des Skripts für die Variable START_DATE das früheste Erstellungsdatum der Deals fest, die Sie in die Analyse aufnehmen möchten. Verwenden Sie das Format „YYYY-MM-DD“.
Pipeline- und Phasen-IDs zuordnen: Das Skript leitet mehrere Aktivitäten daraus ab, dass Deals zwischen Phasen wechseln. Geben Sie dazu die IDs Ihrer Vertriebspipeline und der wichtigsten Phasen an. Sie finden diese IDs, indem Sie in der Pipedrive-Benutzeroberfläche die Phase aufrufen und die URL prüfen oder die API verwenden. Aktualisieren Sie im Skript die Variablen PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID und NEGOTIATION_STAGE_ID.
Skript ausführen: Starten Sie das Skript im Terminal mit dem Befehl python your_script_name.py. Das Skript ruft anschließend Deals, Aktivitäten und Änderungsprotokolle über die Pipedrive-API ab.
Ablauf überwachen: Das Skript gibt Fortschrittsmeldungen in der Konsole aus, die anzeigen, welche Daten gerade abgerufen werden. Je nach Datenmenge und API-Ratenbegrenzungen kann der Vorgang mehrere Minuten dauern.
Extraktion externer Daten einrichten: Für Aktivitäten wie „Verkaufsauftrag erstellt“ und „Zahlung eingegangen“ enthält das Skript Platzhalterfunktionen. Passen Sie diese Funktionen an, damit sie eine Verbindung zu Ihren externen Systemen, etwa einem ERP- oder Buchhaltungssystem, herstellen und die relevanten Ereignisdaten abrufen. Ordnen Sie die Pipedrive-SalesOpportunityId den Datensätzen in diesen Systemen zu.
Ausgabe prüfen: Nach Abschluss des Skripts wird eine CSV-Datei mit dem Namen pipedrive_event_log.csv erstellt. Sie enthält das strukturierte Event Log mit allen extrahierten Aktivitäten.
Upload vorbereiten: Öffnen Sie die CSV-Datei und prüfen Sie, ob sie korrekt erstellt wurde. Die Spalten sollten SalesOpportunityId, ActivityName, EventTime und weitere empfohlene Attribute enthalten. Die Datei kann nun zur Analyse in ProcessMind hochgeladen werden.

Konfiguration

API-Zugangsdaten: Für die Authentifizierung bei der Pipedrive-API benötigt das Skript ein gültiges API_TOKEN und Ihre COMPANY_DOMAIN. Stellen Sie sicher, dass der Benutzer, zu dem das Token gehört, ausreichende Berechtigungen zum Lesen von Deals, Aktivitäten und Benutzern hat.
Zeitraum: Die Variable START_DATE filtert Deals, die am angegebenen Datum oder später erstellt wurden. Für eine erste Analyse empfiehlt sich ein Zeitraum von 3 bis 6 Monaten, damit die Datenmenge überschaubar bleibt.
Pipeline- und Phasen-IDs: Damit Prozessschritte wie „Deal qualifiziert“ oder „Angebot versendet“ korrekt abgeleitet werden, müssen Sie im Skript die numerische ID Ihrer primären Vertriebspipeline (PIPELINE_ID) und die jeweiligen IDs der wichtigen Phasen (STAGE_ID) eintragen. Stimmen die IDs nicht überein, fehlen Aktivitäten.
Leistung und Ratenbegrenzungen: Zwischen API-Aufrufen wartet das Skript kurz, um die Ratenbegrenzungen von Pipedrive einzuhalten. Bei sehr vielen Deals muss diese Wartezeit möglicherweise angepasst oder eine ausgefeiltere Strategie mit längeren Wartezeiten implementiert werden, um API-Fehler zu vermeiden.
Zuordnung benutzerdefinierter Felder: Wenn Sie für wichtige Attribute wie DiscountPercentage benutzerdefinierte Felder verwenden, müssen Sie den API-Schlüssel des jeweiligen Feldes ermitteln. Dabei handelt es sich um eine lange Hash-Zeichenfolge, nicht um den Anzeigenamen. Tragen Sie den Schlüssel in die Datentransformationslogik ein.
Anbindung externer Systeme: Platzhalterfunktionen übernehmen die Extraktion von Ereignissen, die außerhalb von Pipedrive entstehen, etwa bei der Rechnungsstellung oder Auftragsabwicklung. Passen Sie diese Abschnitte an Ihre externen Datenquellen an.

a Beispielabfrage python

import requests
import pandas as pd
import time
import datetime

class=class="hl-string">"hl-comment"># --- CONFIGURATION ---
class=class="hl-string">"hl-comment"># Replace with your Pipedrive API token and company domain
API_TOKEN = class="hl-string">'YOUR_API_TOKEN'
COMPANY_DOMAIN = class="hl-string">'YOUR_COMPANY_DOMAIN' class=class="hl-string">"hl-comment"># e.g., class="hl-string">'your-company-name'

class=class="hl-string">"hl-comment"># Set the start date for deal extraction (YYYY-MM-DD)
START_DATE = class="hl-string">'2023-01-01'

class=class="hl-string">"hl-comment"># Configure your specific Pipeline and Stage IDs
class=class="hl-string">"hl-comment"># Find these in your Pipedrive URL or via the API /stages endpoint
PIPELINE_ID = 1 class=class="hl-string">"hl-comment"># Replace with your main sales pipeline ID
QUALIFIED_STAGE_ID = 2 class=class="hl-string">"hl-comment"># Replace with your class="hl-string">'Qualified' stage ID
PROPOSAL_STAGE_ID = 3 class=class="hl-string">"hl-comment"># Replace with your class="hl-string">'Proposal Sent' stage ID
NEGOTIATION_STAGE_ID = 4 class=class="hl-string">"hl-comment"># Replace with your class="hl-string">'Negotiation' stage ID

class=class="hl-string">"hl-comment"># --- SCRIPT --- 

BASE_URL = fclass="hl-string">'https://{COMPANY_DOMAIN}.pipedrive.com/api/v1'

def get_paginated_data(endpoint, params={}):
    class="hl-string">"""Fetches all pages of data from a Pipedrive API endpoint."""
    all_data = []
    start = 0
    limit = 500
    while True:
        request_params = {
            class="hl-string">'start': start,
            class="hl-string">'limit': limit,
            class="hl-string">'api_token': API_TOKEN
        }
        request_params.update(params)
        
        try:
            response = requests.get(fclass="hl-string">"{BASE_URL}/{endpoint}", params=request_params)
            response.raise_for_status()
            data = response.json()

            if not data.get(class="hl-string">'data'):
                break

            all_data.extend(data[class="hl-string">'data'])

            if not data.get(class="hl-string">'additional_data', {}).get(class="hl-string">'pagination', {}).get(class="hl-string">'more_items_in_collection'):
                break
            
            start += limit
            time.sleep(0.2) class=class="hl-string">"hl-comment"># Respect API rate limits
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching {endpoint}: {e}")
            break
            
    return all_data

def get_deal_flow(deal_id):
    class="hl-string">"""Fetches the change history (flow) for a single deal."""
    params = {class="hl-string">'api_token': API_TOKEN}
    try:
        response = requests.get(fclass="hl-string">"{BASE_URL}/deals/{deal_id}/flow", params=params)
        response.raise_for_status()
        data = response.json()
        return data.get(class="hl-string">'data', [])
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error fetching flow for deal {deal_id}: {e}")
        return []

class=class="hl-string">"hl-comment"># Placeholder functions for external data
def get_sales_order_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching sales order data from external ERP/CRM...")
    class=class="hl-string">"hl-comment"># Example: Connect to your ERP, query for orders linked to deal_ids
    class=class="hl-string">"hl-comment"># Return a list of dicts: [{class="hl-string">'SalesOpportunityId': id, class="hl-string">'ActivityName': class="hl-string">'Sales Order Created', class="hl-string">'EventTime': timestamp}, ...]
    return []

def get_fulfillment_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching order fulfillment data...")
    return []

def get_invoice_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching invoice data from accounting system...")
    return []

def get_payment_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching payment data from financial system...")
    return []


class=class="hl-string">"hl-comment"># --- MAIN EXTRACTION LOGIC ---
if __name__ == class="hl-string">'__main__':
    print(class="hl-string">"Starting Pipedrive data extraction...")
    events = []

    class=class="hl-string">"hl-comment"># 1. Fetch all deals created after the START_DATE and in the specified pipeline
    print(class="hl-string">"Fetching deals...")
    deals = get_paginated_data(class="hl-string">'deals', {class="hl-string">'start_date': START_DATE, class="hl-string">'pipeline_id': PIPELINE_ID})
    if not deals:
        print(class="hl-string">"No deals found for the specified criteria. Exiting.")
        exit()

    deal_ids = [d[class="hl-string">'id'] for d in deals]
    print(fclass="hl-string">"Found {len(deals)} deals.")

    class=class="hl-string">"hl-comment"># 2. Fetch all activities related to the deals
    print(class="hl-string">"Fetching activities...")
    all_activities = get_paginated_data(class="hl-string">'activities', {class="hl-string">'user_id': 0}) class=class="hl-string">"hl-comment"># Get for all users
    deal_activities = [act for act in all_activities if act.get(class="hl-string">'deal_id') in deal_ids and act[class="hl-string">'done']]

    activities_by_deal = {}
    for act in deal_activities:
        if act[class="hl-string">'deal_id'] not in activities_by_deal:
            activities_by_deal[act[class="hl-string">'deal_id']] = []
        activities_by_deal[act[class="hl-string">'deal_id']].append(act)

    class=class="hl-string">"hl-comment"># 3. Process each deal to create events
    print(class="hl-string">"Processing deals and activities to generate event log...")
    for deal in deals:
        deal_id = deal[class="hl-string">'id']
        deal_owner_name = deal.get(class="hl-string">'owner_name', class="hl-string">'')
        base_attributes = {
            class="hl-string">'SalesOpportunityId': deal_id,
            class="hl-string">'DealValue': deal.get(class="hl-string">'value', 0),
            class="hl-string">'DealOwner': deal_owner_name,
            class="hl-string">'DealStatus': deal.get(class="hl-string">'status', class="hl-string">'open'),
            class="hl-string">'DiscountPercentage': deal.get(class="hl-string">'discount_percentage', 0)
        }

        class=class="hl-string">"hl-comment"># Activity: Deal Created
        events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Created', class="hl-string">'EventTime': deal[class="hl-string">'add_time']})

        class=class="hl-string">"hl-comment"># Activity: Deal Won / Lost
        if deal[class="hl-string">'status'] == class="hl-string">'won' and deal[class="hl-string">'won_time']:
            events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Won', class="hl-string">'EventTime': deal[class="hl-string">'won_time']})
        elif deal[class="hl-string">'status'] == class="hl-string">'lost' and deal[class="hl-string">'lost_time']:
            events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Lost', class="hl-string">'EventTime': deal[class="hl-string">'lost_time']})

        class=class="hl-string">"hl-comment"># Activity: Initial Contact Made & Proposal Follow-Up
        proposal_sent_time = None
        if deal_id in activities_by_deal:
            sorted_activities = sorted(activities_by_deal[deal_id], key=lambda x: x[class="hl-string">'marked_as_done_time'])
            if sorted_activities:
                first_activity = sorted_activities[0]
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Initial Contact Made', class="hl-string">'EventTime': first_activity[class="hl-string">'marked_as_done_time']})
            
            class=class="hl-string">"hl-comment"># Find proposal follow-ups (requires proposal time)
            class=class="hl-string">"hl-comment"># This part is revisited after stage changes are processed

        class=class="hl-string">"hl-comment"># Activities from Stage Changes: Qualified, Proposal Sent, Negotiation, Reopened
        time.sleep(0.2) class=class="hl-string">"hl-comment"># Rate limit for flow endpoint
        flow = get_deal_flow(deal_id)
        if not flow:
            continue

        lost_then_reopened = False
        was_lost = False

        for change in sorted(flow, key=lambda x: x[class="hl-string">'add_time']):
            class=class="hl-string">"hl-comment"># Deal Reopened
            if change.get(class="hl-string">'field_key') == class="hl-string">'status' and change.get(class="hl-string">'old_value') == class="hl-string">'lost' and change.get(class="hl-string">'new_value') == class="hl-string">'open':
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Reopened', class="hl-string">'EventTime': change[class="hl-string">'add_time']})
            
            if change.get(class="hl-string">'field_key') != class="hl-string">'stage_id':
                continue

            stage_change_time = change[class="hl-string">'add_time']

            class=class="hl-string">"hl-comment"># Deal Qualified
            if change[class="hl-string">'new_value'] == QUALIFIED_STAGE_ID:
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Qualified', class="hl-string">'EventTime': stage_change_time})

            class=class="hl-string">"hl-comment"># Proposal Sent
            if change[class="hl-string">'new_value'] == PROPOSAL_STAGE_ID:
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Proposal Sent', class="hl-string">'EventTime': stage_change_time})
                proposal_sent_time = stage_change_time

            class=class="hl-string">"hl-comment"># Negotiation Started
            if change[class="hl-string">'new_value'] == NEGOTIATION_STAGE_ID:
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Negotiation Started', class="hl-string">'EventTime': stage_change_time})

        class=class="hl-string">"hl-comment"># Re-check for Proposal Follow-Up now that we have proposal_sent_time
        if proposal_sent_time and deal_id in activities_by_deal:
            for act in activities_by_deal[deal_id]:
                if act[class="hl-string">'marked_as_done_time'] > proposal_sent_time:
                    events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Proposal Follow-Up', class="hl-string">'EventTime': act[class="hl-string">'marked_as_done_time']})
                    break class=class="hl-string">"hl-comment"># Only capture the first follow-up

    class=class="hl-string">"hl-comment"># 4. Add events from external systems (placeholders)
    print(class="hl-string">"Adding data from external system placeholders...")
    events.extend(get_sales_order_data(deal_ids))
    events.extend(get_fulfillment_data(deal_ids))
    events.extend(get_invoice_data(deal_ids))
    events.extend(get_payment_data(deal_ids))

    class=class="hl-string">"hl-comment"># 5. Create and export the final event log
    if not events:
        print(class="hl-string">"No events were generated. The output file will be empty.")
    else:
        print(class="hl-string">"Creating CSV file...")
        df = pd.DataFrame(events)
        class=class="hl-string">"hl-comment"># Ensure required columns are present
        df = df[[class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'DealStatus', class="hl-string">'DiscountPercentage']]
        df.sort_values(by=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime'], inplace=True)
        
        output_filename = class="hl-string">'pipedrive_event_log.csv'
        df.to_csv(output_filename, index=False)
        print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

Schritte

Wählen Sie einen kommerziellen ETL- oder Automatisierungsdienst mit unterstütztem Pipedrive-Konnektor aus und lizenzieren Sie ihn, zum Beispiel Fivetran oder Make. Prüfen Sie, ob das Produkt Deals, Aktivitäten, den Verlauf von Deal-Phasen, Statusänderungen von Deals, Personen, Organisationen und benutzerdefinierte Felder extrahieren und Daten in Ihr Ziel-Data-Warehouse oder Ihren Data Lake schreiben kann.
Richten Sie mit der unterstützten Authentifizierungsmethode des Konnektors eine Pipedrive-Verbindung mit Leseberechtigung ein. Konfigurieren Sie das Quellkonto, den Arbeitsbereich oder die Organisation entsprechend dem gewählten Tool. Gehen Sie nicht von einem festen Menüpfad oder API-Endpunkt aus, da diese je nach Produkt und Konnektorversion variieren.
Konfigurieren Sie die Zielverbindung und richten Sie einen Ablagebereich für die synchronisierten Quellobjekte ein. Verwenden Sie die vom Konnektor erzeugten Tabellen- oder Sammlungsnamen oder passen Sie die Namen im Skript an Ihre Umgebung an. Bewahren Sie Quellkennungen, Zeitstempel, Status- und Phasenwerte, Kennungen der verantwortlichen Personen, Geldbeträge und benutzerdefinierte Felder auf.
Richten Sie die inkrementelle Synchronisierung für den erforderlichen Zeitraum ein, üblicherweise die vergangenen 3 bis 6 Monate. Verwenden Sie ein Überlappungsfenster, sofern der Konnektor dies unterstützt. Beziehen Sie historische Datensätze ein, die zum Erkennen wiedereröffneter Deals erforderlich sind, sowie den Verlauf von Phasen und Status, nicht nur den aktuellen Deal-Stand.
Synchronisieren Sie die Pipedrive-Objekte und alle integrierten nachgelagerten Objekte, die für „Verkaufsauftrag erstellt“, „Auftrag erfüllt“, „Rechnung versendet“ und „Zahlung eingegangen“ benötigt werden. Diese vier Aktivitäten sind keine nativen Pipedrive-Ereignisse. Dafür benötigen Sie Quelldaten aus einem ERP-, Fulfillment-, Buchhaltungs-, Abrechnungs- oder Finanzsystem. Wenn der Konnektor diese Objekte nicht bereitstellt, laden Sie sie über einen weiteren unterstützten Konnektor in das Zielsystem.
Erstellen Sie normalisierte Ansichten oder Tabellen, die die Konnektorausgabe den logischen Quellobjekten zuordnen, auf die das Extraktionsskript verweist. Ersetzen Sie jeden Platzhalternamen für Tabellen im Skript durch die entsprechende Tabelle oder Ansicht im Zielsystem. Konfigurieren Sie im angegebenen Konfigurationsbereich die quellenspezifischen Phasennamen, Statuswerte, Aktivitätstypen und Verknüpfungsschlüssel für externe Systeme.
Führen Sie das Extraktionsskript aus. Es erstellt ausdrücklich Zeilen für „Deal erstellt“, „Erstkontakt hergestellt“, „Deal qualifiziert“, „Angebot versendet“, „Angebot nachverfolgt“, „Verhandlung begonnen“, „Deal gewonnen“, „Verkaufsauftrag erstellt“, „Auftrag erfüllt“, „Rechnung versendet“, „Zahlung eingegangen“, „Deal verloren“ und „Deal wiedereröffnet“. Aus dem Phasen- oder Statusverlauf abgeleitete Ereignisse werden nur dann ausgegeben, wenn der Quellverlauf den erforderlichen Übergang enthält. ProcessMind leitet nach dem Upload keine fehlenden Ereignisse ab.
Prüfen Sie, ob SalesOpportunityId, ActivityName und EventTime ausgefüllt sind, die Zeitstempel eine einheitliche Zeitzone verwenden und doppelte Quelldatensätze entfernt oder anhand der Quellereignis-ID und des Ereigniszeitstempels kontrolliert werden. Prüfen Sie die empfohlenen Attribute und behalten Sie NULL-Werte bei, wenn die Quelle keine Angaben enthält.
Exportieren Sie das Ergebnis als flache CSV-Datei oder in einem anderen von ProcessMind unterstützten Event-Log-Format. Verwenden Sie SalesOpportunityId als Case-Kennung, ActivityName als Aktivitätsspalte und EventTime als Ereigniszeitstempel. Fügen Sie DealValue, DealOwner, DealStatus und DiscountPercentage als zusätzliche Attribute hinzu. Laden Sie die Datei in ProcessMind hoch oder verbinden Sie den Zieldatensatz. Prüfen Sie anschließend, ob die Aktivitätsnamen exakt den erforderlichen Bezeichnungen entsprechen.

Konfiguration

Quellkonnektor: Richten Sie im gewählten ETL- oder Automatisierungsdienst einen unterstützten Pipedrive-Konnektor ein. Die Funktionen des Konnektors, Synchronisierungsmodi, erzeugten Tabellennamen und Authentifizierungsoptionen unterscheiden sich je nach Produkt und Version.
Erforderliche Quelldaten: Beziehen Sie Deals, Aktivitäten, den Verlauf von Deal-Phasen und -Status, verantwortliche Personen oder Benutzer sowie alle Felder ein, die zur Identifizierung konvertierter Leads dienen. Ergänzen Sie Verkaufsauftrags-, Fulfillment-, Rechnungs- und Zahlungsdaten aus integrierten Systemen.
Zielobjekte: Ersetzen Sie [Your deals table], [Your activities table], [Your deal stage history table], [Your deal status history table], [Your sales orders table], [Your fulfillment table], [Your invoices table] und [Your payments table] durch die vom Konnektor erzeugten Tabellen oder kuratierten Ansichten.
Zeitraum: Beginnen Sie mit Daten aus einem Zeitraum von 3 bis 6 Monaten. Erweitern Sie den Zeitraum, wenn der Prozesszyklus länger ist, wiedereröffnete Deals analysiert werden müssen oder historische Phasen- und Statusübergänge erforderlich sind.
Datumsparameter: Legen Sie [Start date] und [End date] im unterstützten Datumsformat des Zielsystems fest. Verwenden Sie bei inkrementellen Ladevorgängen einen Überlappungszeitraum, um verspätete Aktualisierungen, korrigierte Zeitstempel und verzögerte nachgelagerte Transaktionen zu erfassen.
Phasenkonfiguration: Richten Sie die exakten Phasennamen oder normalisierten Phasenkategorien ein, die das Pipedrive-Konto für Qualifizierung, Angebot und Verhandlung verwendet. Verwenden Sie keine Beispielnamen, sofern sie nicht mit den Quellwerten übereinstimmen.
Aktivitätskonfiguration: Legen Sie anhand der normalisierten Werte des Konnektors die exakten abgeschlossenen Aktivitätstypen fest, die den Erstkontakt und die Nachverfolgung eines Angebots darstellen, zum Beispiel Anruf, E-Mail oder Besprechung.
Verknüpfung mit externen Systemen: Legen Sie den Verknüpfungsschlüssel fest, der einen nachgelagerten Verkaufsauftrag mit einem Pipedrive-Deal verbindet. Verwendet das nachgelagerte System einen anderen Schlüssel, erstellen Sie vor der Extraktion eine Zuordnungsansicht.
Filter: Wenden Sie Filter für Unternehmen, Organisationen, Pipelines, Teams, Währungen oder Geschäftsbereiche nur bei Bedarf an. Dokumentieren Sie jeden Filter, da er die Vollständigkeit der Cases und Ereignisse beeinflusst.
Leistung: Verwenden Sie bei großen Datenmengen inkrementelle Synchronisierung, quellseitige Datumsfilter, partitionierte Zieltabelle sowie indizierte oder geclusterte Case- und Zeitstempelspalten. Vermeiden Sie wiederholte vollständige Scans der Verlaufstabellen.
Dublettenbereinigung: Bewahren Sie nach Möglichkeit eine stabile Quellereignis-ID auf. Entfernen Sie andernfalls Dubletten anhand der Case-Kennung, des Aktivitätsnamens, des Ereigniszeitstempels und der Quell-Datensatz-ID. Erhalten Sie dabei legitime Wiederholungen, etwa mehrere Nachfassaktionen.
Voraussetzungen: Erforderlich sind eine Konnektor-Lizenz, die Pipedrive-Autorisierung, Schreibberechtigungen für das Zielsystem, Zugriff auf den Deal-Verlauf und die Aktivitäten sowie Zugriff auf nachgelagerte ERP-, Fulfillment-, Buchhaltungs-, Abrechnungs- oder Finanzdaten. Für benutzerdefinierte Felder und historische Änderungsdaten können zusätzliche Produktberechtigungen oder Konnektorfunktionen erforderlich sein.

a Beispielabfrage python

import os
from datetime import datetime, timezone
import pandas as pd
from sqlalchemy import create_engine, text

CONNECTION_STRING = os.getenv(class="hl-string">"DESTINATION_CONNECTION_STRING", class="hl-string">"[Connection string]")
START_DATE = os.getenv(class="hl-string">"START_DATE", class="hl-string">"[Start date]")
END_DATE = os.getenv(class="hl-string">"END_DATE", class="hl-string">"[End date]")

DEALS_TABLE = class="hl-string">"[Your deals table]"
ACTIVITIES_TABLE = class="hl-string">"[Your activities table]"
DEAL_STAGE_HISTORY_TABLE = class="hl-string">"[Your deal stage history table]"
DEAL_STATUS_HISTORY_TABLE = class="hl-string">"[Your deal status history table]"
SALES_ORDERS_TABLE = class="hl-string">"[Your sales orders table]"
FULFILLMENT_TABLE = class="hl-string">"[Your fulfillment table]"
INVOICES_TABLE = class="hl-string">"[Your invoices table]"
PAYMENTS_TABLE = class="hl-string">"[Your payments table]"

engine = create_engine(CONNECTION_STRING)

sql = fclass="hl-string">"""
WITH
base_deals AS (
    SELECT
        CAST(d.id AS VARCHAR(255)) AS SalesOpportunityId,
        d.id AS deal_source_id,
        d.add_time AS deal_created_time,
        d.value AS DealValue,
        d.owner_name AS DealOwner,
        d.status AS DealStatus,
        d.discount_percentage AS DiscountPercentage
    FROM {DEALS_TABLE} d
    WHERE d.add_time >= :start_date
      AND d.add_time < :end_date
),
completed_activities AS (
    SELECT
        CAST(a.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        a.id AS activity_source_id,
        a.done AS activity_done,
        a.activity_type,
        a.subject,
        a.done_time AS activity_time,
        a.add_time AS activity_created_time
    FROM {ACTIVITIES_TABLE} a
    WHERE a.deal_id IS NOT NULL
      AND COALESCE(a.done_time, a.add_time) >= :start_date
      AND COALESCE(a.done_time, a.add_time) < :end_date
      AND a.done = TRUE
),
stage_history AS (
    SELECT
        CAST(h.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        h.stage_name,
        h.changed_at,
        LAG(h.stage_name) OVER (PARTITION BY h.deal_id ORDER BY h.changed_at, h.id) AS previous_stage
    FROM {DEAL_STAGE_HISTORY_TABLE} h
    WHERE h.changed_at >= :start_date
      AND h.changed_at < :end_date
),
status_history AS (
    SELECT
        CAST(h.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        LOWER(h.status) AS status,
        LOWER(LAG(h.status) OVER (PARTITION BY h.deal_id ORDER BY h.changed_at, h.id)) AS previous_status,
        h.changed_at
    FROM {DEAL_STATUS_HISTORY_TABLE} h
    WHERE h.changed_at >= :start_date
      AND h.changed_at < :end_date
),
external_sales_orders AS (
    SELECT
        CAST(o.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        o.created_at AS event_time,
        o.order_value AS DealValue,
        o.owner_name AS DealOwner,
        o.status AS DealStatus,
        o.discount_percentage AS DiscountPercentage
    FROM {SALES_ORDERS_TABLE} o
    WHERE o.deal_id IS NOT NULL
      AND o.created_at >= :start_date
      AND o.created_at < :end_date
),
external_fulfillment AS (
    SELECT
        CAST(f.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        f.fulfilled_at AS event_time,
        f.order_value AS DealValue,
        f.owner_name AS DealOwner,
        f.status AS DealStatus,
        f.discount_percentage AS DiscountPercentage
    FROM {FULFILLMENT_TABLE} f
    WHERE f.deal_id IS NOT NULL
      AND f.fulfilled_at >= :start_date
      AND f.fulfilled_at < :end_date
),
external_invoices AS (
    SELECT
        CAST(i.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        i.sent_at AS event_time,
        i.invoice_value AS DealValue,
        i.owner_name AS DealOwner,
        i.status AS DealStatus,
        i.discount_percentage AS DiscountPercentage
    FROM {INVOICES_TABLE} i
    WHERE i.deal_id IS NOT NULL
      AND i.sent_at >= :start_date
      AND i.sent_at < :end_date
),
external_payments AS (
    SELECT
        CAST(p.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        p.received_at AS event_time,
        p.payment_value AS DealValue,
        p.owner_name AS DealOwner,
        p.status AS DealStatus,
        p.discount_percentage AS DiscountPercentage
    FROM {PAYMENTS_TABLE} p
    WHERE p.deal_id IS NOT NULL
      AND p.received_at >= :start_date
      AND p.received_at < :end_date
),
events AS (
    SELECT b.SalesOpportunityId, 'Deal Created' AS ActivityName, b.deal_created_time AS EventTime, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM base_deals b
    WHERE b.deal_created_time IS NOT NULL
    UNION ALL
    SELECT a.SalesOpportunityId, 'Initial Contact Made', COALESCE(a.activity_time, a.activity_created_time), b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM completed_activities a
    JOIN base_deals b ON b.SalesOpportunityId = a.SalesOpportunityId
    WHERE LOWER(COALESCE(a.activity_type, '')) IN ('call', 'email', 'meeting')
       OR LOWER(COALESCE(a.subject, '')) LIKE '%initial contact%'
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Qualified', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('contact made', 'needs defined', 'qualified')
      AND LOWER(COALESCE(h.previous_stage, '')) IN ('lead in', 'lead', 'new')
    UNION ALL
    SELECT h.SalesOpportunityId, 'Proposal Sent', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent')
    UNION ALL
    SELECT a.SalesOpportunityId, 'Proposal Follow-Up', COALESCE(a.activity_time, a.activity_created_time), b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM completed_activities a
    JOIN base_deals b ON b.SalesOpportunityId = a.SalesOpportunityId
    WHERE LOWER(COALESCE(a.activity_type, '')) IN ('call', 'email', 'meeting')
      AND COALESCE(a.activity_time, a.activity_created_time) > COALESCE((SELECT MIN(h.changed_at) FROM stage_history h WHERE h.SalesOpportunityId = a.SalesOpportunityId AND LOWER(COALESCE(h.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent')), TIMESTAMP '1900-01-01')
    UNION ALL
    SELECT h.SalesOpportunityId, 'Negotiation Started', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('negotiation', 'negotiating')
      AND EXISTS (SELECT 1 FROM stage_history p WHERE p.SalesOpportunityId = h.SalesOpportunityId AND LOWER(COALESCE(p.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent') AND p.changed_at <= h.changed_at)
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Won', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'won' AND COALESCE(h.previous_status, '') <> 'won'
    UNION ALL
    SELECT o.SalesOpportunityId, 'Sales Order Created', o.event_time, COALESCE(o.DealValue, b.DealValue), COALESCE(o.DealOwner, b.DealOwner), COALESCE(o.DealStatus, b.DealStatus), COALESCE(o.DiscountPercentage, b.DiscountPercentage)
    FROM external_sales_orders o
    LEFT JOIN base_deals b ON b.SalesOpportunityId = o.SalesOpportunityId
    UNION ALL
    SELECT f.SalesOpportunityId, 'Order Fulfilled', f.event_time, COALESCE(f.DealValue, b.DealValue), COALESCE(f.DealOwner, b.DealOwner), COALESCE(f.DealStatus, b.DealStatus), COALESCE(f.DiscountPercentage, b.DiscountPercentage)
    FROM external_fulfillment f
    LEFT JOIN base_deals b ON b.SalesOpportunityId = f.SalesOpportunityId
    UNION ALL
    SELECT i.SalesOpportunityId, 'Invoice Sent', i.event_time, COALESCE(i.DealValue, b.DealValue), COALESCE(i.DealOwner, b.DealOwner), COALESCE(i.DealStatus, b.DealStatus), COALESCE(i.DiscountPercentage, b.DiscountPercentage)
    FROM external_invoices i
    LEFT JOIN base_deals b ON b.SalesOpportunityId = i.SalesOpportunityId
    UNION ALL
    SELECT p.SalesOpportunityId, 'Payment Received', p.event_time, COALESCE(p.DealValue, b.DealValue), COALESCE(p.DealOwner, b.DealOwner), COALESCE(p.DealStatus, b.DealStatus), COALESCE(p.DiscountPercentage, b.DiscountPercentage)
    FROM external_payments p
    LEFT JOIN base_deals b ON b.SalesOpportunityId = p.SalesOpportunityId
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Lost', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'lost' AND COALESCE(h.previous_status, '') <> 'lost'
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Reopened', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'open' AND h.previous_status = 'lost'
)
SELECT SalesOpportunityId, ActivityName, EventTime, DealValue, DealOwner, DealStatus, DiscountPercentage
FROM events
WHERE SalesOpportunityId IS NOT NULL
  AND EventTime IS NOT NULL
ORDER BY SalesOpportunityId, EventTime, ActivityName
"""

with engine.connect() as connection:
    event_log = pd.read_sql(text(sql), connection, params={class="hl-string">"start_date": START_DATE, class="hl-string">"end_date": END_DATE})

event_log[class="hl-string">"EventTime"] = pd.to_datetime(event_log[class="hl-string">"EventTime"], utc=True, errors=class="hl-string">"coerce")
event_log = event_log.dropna(subset=[class="hl-string">"SalesOpportunityId", class="hl-string">"ActivityName", class="hl-string">"EventTime"])
event_log = event_log.sort_values([class="hl-string">"SalesOpportunityId", class="hl-string">"EventTime", class="hl-string">"ActivityName"])
event_log.to_csv(class="hl-string">"processmind_lead_to_cash_event_log.csv", index=False)
print(event_log.to_string(index=False))
print(fclass="hl-string">"Exported {len(event_log)} event rows to processmind_lead_to_cash_event_log.csv")

Möchten Sie loslegen?

Bereiten Sie Ihre Lead-to-Cash-Daten mit diesem Template effizient vor und gewinnen Sie wertvolle Erkenntnisse über Ihren Prozess. Beginnen Sie noch heute damit, Ihre Pipedrive-Abläufe zu optimieren.

Zurück zum Leitfaden zur Prozessverbesserung Template herunterladen

Steigern Sie Ihre Abschlussquote: Optimieren Sie noch heute Ihren Lead-to-Cash-Prozess in Pipedrive

Steigern Sie Ihre Abschlussquote um 20 % und verkürzen Sie Ihre Vertriebszyklen. Legen Sie jetzt los.

Starten Sie Ihre kostenlose Testphase

Keine Kreditkarte erforderlich. 14 Tage kostenlos testen.

Ihr Daten-Template für Lead to Cash

Ihr Daten-Template für Lead to Cash

Lead-to-Cash-Attribute

Lead-to-Cash-Aktivitäten

Anleitungen zum Datenexport

Datenexport aus Pipedrive als CSV/Excel-Datei

Schritte

Konfiguration

a Beispielabfrage python

Datenextraktion mit einem Python-Skript über die Pipedrive-REST-API

Schritte

Konfiguration

a Beispielabfrage python

ETL-Tool eines Drittanbieters mit Pipedrive-Konnektor

Schritte

Konfiguration

a Beispielabfrage python

Möchten Sie loslegen?

Steigern Sie Ihre Abschlussquote: Optimieren Sie noch heute Ihren Lead-to-Cash-Prozess in Pipedrive

Ihr Daten-Template für Lead to Cash

Ihr Daten-Template für Lead to Cash

Lead-to-Cash-Attribute

Lead-to-Cash-Aktivitäten

Anleitungen zum Datenexport

Datenexport aus Pipedrive als CSV/Excel-Datei

Schritte

Konfiguration

a Beispielabfrage python

Datenextraktion mit einem Python-Skript über die Pipedrive-REST-API

Schritte

Konfiguration

a Beispielabfrage python

ETL-Tool eines Drittanbieters mit Pipedrive-Konnektor

Schritte

Konfiguration

a Beispielabfrage python

Möchten Sie loslegen?

Steigern Sie Ihre Abschlussquote: Optimieren Sie noch heute Ihren Lead-to-Cash-Prozess in Pipedrive

Der Schutz Ihrer Daten ist uns wichtig