> Kontinuierliche Prozessverbesserung > Lead to Cash > SAP Sales Cloud > Daten Template

Ihr Lead-to-Cash-Datentemplate

SAP Sales Cloud

← Zurück zum Leitfaden zur Prozessverbesserung

Lead-to-Cash-Attribute (17) Lead-to-Cash-Aktivitäten (15) Anleitungen zur Datenextraktion (2)

Ihr Lead-to-Cash-Datentemplate

Dieses Template bietet eine strukturierte Anleitung, mit der Sie die erforderlichen Daten für die Analyse Ihres Lead-to-Cash-Prozesses erfassen. Es beschreibt die wichtigen Attribute und Aktivitäten für den Aufbau eines umfassenden Event Logs. Außerdem finden Sie praktische Hinweise zum Extrahieren dieser Daten aus Ihrem SAP-Sales-Cloud-System, damit Sie mit Process Mining beginnen können.

Empfohlene Attribute für die Datenerfassung
Wichtige Aktivitäten für die Nachverfolgung
Anleitung zur Datenextraktion aus SAP Sales Cloud

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

Template herunterladen

Lead-to-Cash-Attribute

Diese Datenfelder sollten Sie in Ihr Event Log aufnehmen, um Ihren Lead-to-Cash-Prozess in SAP Sales Cloud umfassend zu analysieren.

3 Erforderlich 6 Empfohlen 8 Optional

	Name	Beschreibung
	Aktivitätsname ActivityName	Der Name der Geschäftsaktivität oder des Ereignisses, das zu einem bestimmten Zeitpunkt im Prozess stattgefunden hat.
Beschreibung Der Aktivitätsname bezeichnet einen bestimmten Schritt oder ein Ereignis im Lead-to-Cash-Prozess, zum Beispiel „Lead qualifiziert“, „Angebot erstellt“ oder „Zahlung eingegangen“. Diese Ereignisse bilden die Abfolge der Aktionen im Prozessablauf jeder Verkaufschance. Die Analyse dieser Aktivitäten ist der Kern des Process Mining. Sie ermöglicht die Visualisierung von Prozesslandkarten, das Erkennen von Engpässen zwischen Schritten und die Messung der Häufigkeit verschiedener Prozesspfade. So wird sichtbar, wie der Vertrieb tatsächlich abläuft. Warum das wichtig ist Dieses Attribut legt die Schritte in der Prozesslandkarte fest und ist damit grundlegend für die Visualisierung und Analyse des Prozessablaufs. Woher beziehen Abgeleitet aus Statusänderungen von Geschäftsobjekten, der Erstellung von Dokumenten oder bestimmten Benutzeraktionen, die in Transaktionsprotokollen von SAP Sales Cloud erfasst sind. Beispiele Lead erfasstVerkaufschance erstelltAngebot an Kunden gesendetZahlung eingegangen
	Ereigniszeitpunkt EventTime	Der Timestamp, der angibt, wann eine bestimmte Aktivität oder ein Ereignis stattgefunden hat.
Beschreibung Der Ereigniszeitpunkt erfasst Datum und Uhrzeit, zu denen eine Aktivität abgeschlossen wurde. Diese Zeitangaben sind wichtig, um den Zeitpunkt und die Dauer einzelner Prozessschritte zu verstehen. Sie liefern die chronologische Reihenfolge für den Prozessablauf. Bei der Prozessanalyse dienen Timestamps dazu, Zykluszeiten zwischen Aktivitäten zu berechnen, die Gesamtdauer des Vertriebsprozesses zu messen und Verzögerungen oder Engpässe zu erkennen. Die Analyse von Timestamps über einen längeren Zeitraum kann außerdem Trends in der Prozessleistung aufzeigen. Warum das wichtig ist Der Timestamp ist entscheidend, um Ereignisse chronologisch zu ordnen und zeitbasierte Analysen durchzuführen, etwa zur Zykluszeit und zur Erkennung von Engpässen. Woher beziehen In SAP Sales Cloud finden sich die Angaben meist in den Feldern „Erstellungsdatum“ oder „Zuletzt geändert“ der Geschäftsobjekte Lead, Verkaufschance, Angebot und Kundenauftrag. Beispiele 2023-04-15T10:30:00Z2023-05-02T14:00:00Z2023-06-20T09:15:00Z
	Verkaufschance SalesOpportunityId	Die eindeutige Kennung einer Verkaufschance. Sie dient als primäre Case-ID für den Lead-to-Cash-Prozess.
Beschreibung Die ID der Verkaufschance identifiziert jeden potenziellen Verkauf eindeutig, vom ersten Lead bis zum endgültigen Abschluss als gewonnenes oder verlorenes Geschäft. Sie bildet den zentralen Bezugspunkt für alle zugehörigen Aktivitäten, etwa Lead-Qualifizierung, Angebotserstellung, Auftragsabwicklung und Zahlung. Für das Process Mining ist diese ID entscheidend, um den durchgängigen Ablauf jeder Verkaufschance zu rekonstruieren. Sie ermöglicht die Verknüpfung aller Ereignisse und damit die Analyse von Prozessvarianten, Zykluszeiten und Conversion-Raten für jede einzelne Verkaufschance. Warum das wichtig ist Dies ist die zentrale Case-ID, die alle Aktivitäten im Prozess verknüpft. So lässt sich der gesamte Lebenszyklus jeder Verkaufschance nachvollziehen. Woher beziehen Dies ist der Primärschlüssel des Geschäftobjekts „Verkaufschance“ in SAP Sales Cloud. Beispiele OP-8000123456OP-8000123457OP-8000123458
	Kundenauftragswert SalesOrderAmount	Der Gesamtwert des mit der Verkaufschance verknüpften Kundenauftrags.
Beschreibung Dieses Attribut gibt den Gesamtwert der Waren oder Dienstleistungen an, die nach dem erfolgreichen Abschluss einer Verkaufschance und der Erstellung eines Kundenauftrags verkauft werden. Es bildet den Umsatz ab, der durch den erfolgreichen Abschluss des Verkaufsprozesses erzielt wird. Der Kundenauftragswert ist eine wichtige finanzielle Dimension für die Analyse. Damit lassen sich Verkaufschancen nach ihrem Wert gruppieren, etwa in kleine, mittlere und große Aufträge, um Unterschiede im Prozessverlauf zu erkennen. Außerdem liefert er den Wertbezug für Kennzahlen wie die Abschlussquote, indem er den Gesamtwert gewonnener und verlorener Verkaufschancen gegenüberstellt. Warum das wichtig ist Ergänzt den Prozess um eine finanzielle Dimension und ermöglicht wertbasierte Analysen von Verkaufszyklen und Ergebnissen. Woher beziehen Dieser Wert stammt aus dem Feld „Total Net Value“ des zugehörigen Geschäftsdatenobjekts „Sales Order“ in SAP Sales Cloud. Beispiele 50000.00125000.507800.00
	Lead-Quelle LeadSource	Der Marketingkanal oder Ursprung des ursprünglichen Leads.
Beschreibung Die Lead-Quelle gibt an, wie ein potenzieller Kunde erstmals auf das Unternehmen aufmerksam wurde, zum Beispiel über ein Webformular, eine Messe oder eine Empfehlung durch einen Partner. Diese Information wird üblicherweise bei der Erstellung des Leads erfasst. Dieses Attribut ist entscheidend für das Dashboard „Lead-Conversion-Rate nach Quelle“. Die Analyse dieser Dimension zeigt Marketing- und Vertriebsteams, welche Kanäle die wertvollsten Leads liefern. So können sie Ressourcen gezielter einsetzen und Marketingkampagnen optimieren. Warum das wichtig ist Unverzichtbar, um die Wirksamkeit verschiedener Marketingkanäle zu messen und Strategien zur Lead-Generierung zu optimieren. Woher beziehen Zu finden in den Lead- und Verkaufschancen-Geschäftsobjekten in SAP Sales Cloud. Das Feld heißt häufig „Quelle“ oder „Ursprung“. Beispiele WebinarPartnerempfehlungMesseWebsite-Anfrage
	Produktkategorie ProductCategory	Die Kategorie des Produkts oder der Dienstleistung, die im Rahmen der Verkaufschance angeboten wird.
Beschreibung Die Produktkategorie fasst einzelne Produkte oder Dienstleistungen einer Verkaufschance zu übergeordneten Gruppen zusammen, zum Beispiel „Hardware“, „Software“ oder „Beratungsleistungen“. Das vereinfacht die Analyse, wenn viele verschiedene Produkte beteiligt sind. Eine Auswertung nach Produktkategorie zeigt, wie sich der Verkaufsprozess je nach Angebot unterscheidet. In Dashboards wie „Rabattverteilung“ und „Effizienz der Auftragsabwicklung“ lässt sich damit prüfen, ob bestimmte Kategorien mit höheren Rabatten oder längeren Abwicklungszeiten verbunden sind. Warum das wichtig ist Ermöglicht die Analyse von Prozessabweichungen nach Produkttyp oder Dienstleistung, da sich die Verkaufszyklen deutlich unterscheiden können. Woher beziehen Wird aus den Produktstammdaten abgeleitet, die mit den Positionen eines Sales Quote oder Sales Order in SAP Sales Cloud verknüpft sind. Beispiele SoftwarelizenzHardwareProfessionelle DienstleistungenSupport-Abonnement
	Rabattprozentsatz DiscountPercentage	Der auf das Verkaufsangebot oder den Auftrag angewendete Rabatt in Prozent.
Beschreibung Dieses Attribut erfasst den Gesamtrabatt einer Verkaufschance, in der Regel zum Zeitpunkt des Angebots oder der Auftragserstellung. Angegeben wird er als Prozentsatz des Listenpreises. Die Kennzahl ist wichtig, um die finanzielle Leistung und die Einhaltung der Vertriebsrichtlinien zu analysieren. Im Dashboard „Rabattverteilung“ zeigt sie das Rabattverhalten nach Vertriebsmitarbeitenden und Produkten. Außerdem fließt sie in die KPI „Einhaltung der Rabattfreigaben“ ein, mit der Sie prüfen, ob hohe Rabatte die vorgesehenen Freigabe-Workflows durchlaufen. Warum das wichtig ist Wichtig für die Analyse der Preisstrategie, des Rabattverhaltens im Vertrieb und der Auswirkungen auf die Rentabilität. Woher beziehen Wird anhand der Preiselemente in den zugehörigen Geschäftsdatenobjekten „Sales Quote“ oder „Sales Order“ in SAP Sales Cloud berechnet. Beispiele 0.050.100.25
	Status der Verkaufschance OpportunityStatus	Der aktuelle Status oder das Ergebnis der Verkaufschance, zum Beispiel „Offen“, „Gewonnen“ oder „Verloren“.
Beschreibung Dieses Attribut zeigt den Gesamtstatus der Verkaufschance zu einem bestimmten Zeitpunkt. Es gibt an, ob die Verkaufschance noch läuft, erfolgreich abgeschlossen oder an einen Wettbewerber beziehungsweise aus anderen Gründen verloren wurde. Der Endstatus ist grundlegend für die Berechnung wichtiger KPIs wie der Abschlussquote von Verkaufschancen. Außerdem können Sie Analysen auf erfolgreiche Prozesspfade beschränken oder untersuchen, welche Prozessmuster am häufigsten zu verlorenen Geschäften führen. Warum das wichtig ist Legt das Ergebnis des Case fest. Dies ist entscheidend für die Berechnung von Abschluss- und Verlustraten sowie für den Vergleich der Prozesspfade erfolgreicher und erfolgloser Verkaufschancen. Woher beziehen Das Feld „Status“ im Geschäftobjekt „Verkaufschance“ in SAP Sales Cloud. Beispiele OffenIn BearbeitungGewonnenVerlorenGestoppt
	Vertriebsmitarbeiter SalesRepresentative	Der Mitarbeitende, der für die Betreuung der Verkaufschance verantwortlich ist.
Beschreibung Dieses Attribut gibt an, welcher Benutzer oder Mitarbeitende Eigentümer des Leads oder der Verkaufschance ist. Diese Person ist häufig der wichtigste Kontakt für den Kunden und dafür verantwortlich, das Geschäft im Vertriebsprozess voranzubringen. In der Analyse ist der Vertriebsmitarbeiter eine wichtige Dimension für Leistungsvergleiche. Damit lassen sich Zykluszeiten, Abschlussquoten und die Einhaltung des Prozesses nach Person, Team oder Region bewerten. So können Sie Leistungsträger und Coaching-Bedarf erkennen. Warum das wichtig ist Ermöglicht Leistungsvergleiche nach Mitarbeitenden und hilft dabei, Coaching-Bedarf und bewährte Vorgehensweisen im Vertrieb zu erkennen. Woher beziehen Verknüpft mit der Partnerrolle „Eigentümer“ oder „Verantwortlicher Mitarbeitender“ im Verkaufschancen- oder Lead-Geschäftsobjekt in SAP Sales Cloud. Beispiele John SmithMaria GarciaChen Wei
	Kundenname CustomerName	Der Name des Unternehmens oder der Person, die mit der Verkaufschance verknüpft ist.
Beschreibung Dieses Attribut gibt den potenziellen Kunden für das Geschäft an. Es verknüpft den Vertriebsprozess mit einem bestimmten Kundenkonto im System. Die Analyse nach Kunden ermöglicht eine kundenzentrierte Sicht auf den Vertriebsprozess. Sie kann zeigen, bei welchen Kunden die Vertriebszyklen am längsten dauern oder die meisten Nacharbeiten anfallen. Außerdem ist sie wichtig für KPIs wie die „Zykluszeit des Zahlungseingangs“ nach Kunde. Warum das wichtig ist Ermöglicht eine kundenzentrierte Analyse, um Muster bei Vertriebszyklen oder Zahlungsverhalten bestimmter Kundenkonten zu erkennen. Woher beziehen Verknüpft mit der Partnerrolle „Kunde“ oder „Interessent“ im Verkaufschancen-Geschäftsobjekt in SAP Sales Cloud. Beispiele Global Tech Inc.Innovate Solutions Ltd.Dynamic Corp
	Letzte Datenaktualisierung LastDataUpdate	Der Timestamp, an dem die Daten zuletzt aus dem Quellsystem extrahiert oder aktualisiert wurden.
Beschreibung Dieses Attribut gibt an, wann die Daten im Event Log zuletzt aktualisiert wurden. So lässt sich einschätzen, wie aktuell die analysierten Daten sind und wie relevant die Erkenntnisse daher ausfallen. Bei jeder Prozessanalyse ist es wichtig zu wissen, wie aktuell die Daten sind. So können Beteiligte beurteilen, ob die Erkenntnisse den aktuellen Betrieb oder einen früheren Zeitraum abbilden. Das beeinflusst die darauf basierenden Entscheidungen. Warum das wichtig ist Zeigt, wie aktuell die Daten sind, damit Analysen und Entscheidungen auf dem neuesten Informationsstand beruhen. Woher beziehen Dieser Metadaten-Timestamp wird während der Datenextraktion und -transformation (ETL) hinzugefügt. Beispiele 2024-07-20T02:00:00Z2024-07-21T02:00:00Z
	Quellsystem SourceSystem	Gibt an, aus welchem System die Daten stammen.
Beschreibung Dieses Attribut gibt die Quellanwendung an, in der die Ereignisdaten erzeugt wurden. Für diesen Prozess ist das üblicherweise „SAP Sales Cloud“. Es können aber auch andere integrierte Systeme beteiligt sein, etwa eine Marketing-Automatisierungsplattform zur Erfassung von Leads. In einer Systemlandschaft mit mehreren Anwendungen ist dieses Attribut wichtig, um die Datenherkunft nachzuvollziehen und Probleme bei der Datenintegration zu beheben. Es macht transparent, woher die einzelnen Informationen stammen, und schafft so eine klare Grundlage für die Analyse. Warum das wichtig ist Hilft dabei, in integrierten Umgebungen die Datenherkunft zu unterscheiden und bei der Analyse Herkunft und Kontext der Daten nachzuvollziehen. Woher beziehen Dieser statische Wert wird üblicherweise während der Datenextraktion hinzugefügt, um die Herkunft der Datensätze zu kennzeichnen. Beispiele SAP Sales CloudSAP C4CSSC_PROD_100
	Region Region	Die geografische Region, in der sich der Kunde oder das Vertriebsteam befindet.
Beschreibung Die Region bezeichnet das geografische Gebiet, dem die Verkaufschance zugeordnet ist. Maßgeblich sind häufig der Standort des Kunden oder die Struktur der Vertriebsorganisation. Dabei kann es sich um ein Land, einen Bundesstaat oder ein individuell festgelegtes Vertriebsgebiet handeln. Dieses Attribut eignet sich besonders für die Segmentierung. Im Dashboard „Leistung der Abschlussquote nach Region“ vergleichen Sie damit die Ergebnisse verschiedener Regionen. So lassen sich regionale Unterschiede bei Prozesseffizienz, Markterfolg und Vertriebsstrategien erkennen. Warum das wichtig ist Ermöglicht geografische Analysen der Vertriebsleistung und macht regionale Unterschiede bei Abschlussquoten, Zykluszeiten und der Prozessausführung sichtbar. Woher beziehen Wird häufig aus der Kundenadresse oder der Verkaufsorganisation abgeleitet, die der Verkaufschance in SAP Sales Cloud zugeordnet ist. Beispiele NordamerikaEMEAAPACLATAM
	Verkaufsorganisation SalesOrganization	Die Organisationseinheit, die für den Verkauf verantwortlich ist.
Beschreibung Die Verkaufsorganisation bezeichnet eine bestimmte Einheit, Abteilung oder ein Team im Unternehmen, das für einen Verkaufsvorgang verantwortlich ist. In SAP ist sie ein wichtiger Bestandteil der Unternehmensstruktur. Mit diesem Attribut können Sie Analysen nach Unternehmensbereichen aufschlüsseln. So lassen sich Prozessleistung, Abschlussquoten und Zykluszeiten verschiedener Geschäftseinheiten oder Vertriebsabteilungen vergleichen und die Effizienz auf Organisationsebene bewerten. Warum das wichtig ist Ermöglicht Leistungsvergleiche und Prozessanalysen zwischen verschiedenen Geschäftseinheiten oder Unternehmensbereichen. Woher beziehen Dieses wichtige Zuordnungsfeld der Organisationsstruktur befindet sich in SAP Sales Cloud am Opportunity oder Sales Order. Beispiele US01DE01Unternehmensvertrieb Nord
	Versandart ShippingMethod	Die Versandart, mit der das physische Produkt an den Kunden geliefert wird.
Beschreibung Dieses Attribut gibt die Logistik- oder Lieferart eines Auftrags an, zum Beispiel „Landtransport“, „Luftfracht“ oder „Digitale Lieferung“. Es ist für Prozesse mit physischen Waren relevant. Im Dashboard „Effizienz der Auftragsabwicklung“ lässt sich damit analysieren, ob verschiedene Versandarten mit unterschiedlichen Abwicklungszeiten zusammenhängen. So erkennen Sie Ineffizienzen in bestimmten Logistikkanälen und können Kundenerwartungen besser steuern. Warum das wichtig ist Hilft dabei, Engpässe in der Auftragsabwicklung zu erkennen, indem die Lieferleistung nach Logistikkanal aufgeschlüsselt wird. Woher beziehen In SAP Sales Cloud üblicherweise auf Positions- oder Kopfebene des Geschäftsdatenobjekts „Sales Order“ zu finden. Beispiele LandtransportLuftfracht am nächsten TagDigitaler DownloadFracht
	Wurde nachbearbeitet IsReworked	Kennzeichnet, ob eine Aktivität oder ein Case nachbearbeitet wurde.
Beschreibung Dieses boolesche Kennzeichen wird auf „true“ gesetzt, wenn im Prozess eine Nachbearbeitungsschleife erkannt wird. Beispiele sind ein Sales Order, der nach seiner Erstellung geändert wird, oder ein mehrfach überarbeitetes Angebot. Das Kennzeichen wird anhand der Aktivitätsfolge ermittelt. Dieses berechnete Attribut ist wichtig, um Prozessineffizienzen zu quantifizieren. Es unterstützt direkt das Dashboard „Häufigkeit der Nachbearbeitung von Kundenaufträgen“ und die KPI „Nachbearbeitungsquote bei Kundenaufträgen“. Damit können Sie Nachbearbeitungen einfach filtern und zählen, ohne in der Analyse komplexe Muster definieren zu müssen. Warum das wichtig ist Kennzeichnet Cases mit Nachbearbeitungsschleifen und macht Prozessineffizienzen direkt messbar. So lassen sich Häufigkeit und Ursachen der Nachbearbeitung einfacher analysieren. Woher beziehen Dieses Attribut ist im Quellsystem nicht vorhanden. Es wird während der Datentransformation berechnet, indem wiederholte Aktivitätsfolgen erkannt werden, zum Beispiel „Sales Order Created“ gefolgt von „Sales Order Reworked“. Beispiele truefalse
	Zahlungsbedingungen PaymentTerms	Die vereinbarten Zahlungsbedingungen, zum Beispiel „30 Tage netto“ oder „60 Tage netto“.
Beschreibung Die Zahlungsbedingungen legen fest, wann ein Kunde die Waren oder Dienstleistungen bezahlen soll. Sie werden bei der Auftragserstellung oder Vertragsverhandlung vereinbart und bestimmen das Fälligkeitsdatum der Rechnung. Dieses Attribut ist eine wichtige Dimension für das Dashboard „Dauer des Zahlungseingangs“. Durch eine Segmentierung nach Zahlungsbedingungen können Sie prüfen, ob Kunden die vereinbarten Fristen einhalten und welche Bedingungen mit längeren oder kürzeren Zahlungszyklen verbunden sind. Warum das wichtig ist Liefert Kontext für die Analyse des Zahlungseingangs und hilft zu unterscheiden, ob Verzögerungen am Zahlungsverhalten der Kunden oder an großzügigen Zahlungsfristen liegen. Woher beziehen In SAP Sales Cloud in den Daten des Sales Order oder des Kundenstamms zu finden. Beispiele 30 Tage netto60 Tage nettoFällig bei Erhalt

Erforderlich Empfohlen Optional

Lead-to-Cash-Aktivitäten

Diese wichtigen Prozessschritte und Meilensteine sollten Sie in Ihrem Event Log erfassen, um Ihren Lead-to-Cash-Prozess zuverlässig zu entdecken und zu analysieren.

7 Empfohlen 8 Optional

	Aktivität	Beschreibung
	Angebot an Kunden gesendet	Diese Aktivität kennzeichnet den Zeitpunkt, an dem ein formelles Angebot dem Kunden offiziell zur Prüfung vorgelegt wird. Sie wird üblicherweise aus einer Statusänderung des Vertriebsangebots abgeleitet, zum Beispiel von „In Vorbereitung“ zu „Gesendet“ oder „Vorgeschlagen“.
Warum das wichtig ist Dieser wichtige Meilenstein markiert den Beginn der Verhandlungs- und Entscheidungsphase des Kunden. Die Dauer zwischen diesem Ereignis und der Angebotsannahme ist entscheidend, um die Geschwindigkeit von Geschäftsabschlüssen und Engpässe in Verhandlungen zu verstehen. Woher beziehen Abgeleitet aus der Statusänderungshistorie des Vertriebsangebots. Suchen Sie nach dem Timestamp, an dem der Status auf einen Wert gesetzt wird, der anzeigt, dass das Angebot gesendet wurde. Erfassung Ermitteln Sie den Timestamp der Statusänderung auf „Gesendet“ im Vertriebsangebotsobjekt. Ereignistyp inferred
	Kundenauftrag erstellt	Diese Aktivität kennzeichnet die Erstellung eines formellen Kundenauftrags. Das interne Dokument gibt den Startschuss für Lieferung und Abrechnung. Das System protokolliert sie ausdrücklich, wenn ein Benutzer ein Kundenauftragsobjekt erstellt und mit der übergeordneten Verkaufschance verknüpft.
Warum das wichtig ist Hier wird der Vorgang vom Vertrieb an den operativen Bereich übergeben. Die Zeit zwischen „Verkaufschance gewonnen“ und „Kundenauftrag erstellt“ kann interne Verzögerungen aufdecken. Nacharbeiten ab diesem Punkt weisen auf Probleme mit der Datenqualität hin. Woher beziehen Dieses Ereignis entspricht dem Erstellungs-Timestamp des Kundenauftragsobjekts, das mit der Verkaufschance verknüpft ist. Erfassung Verwenden Sie Datum und Uhrzeit der Erstellung des zugehörigen Kundenauftragsdatensatzes. Ereignistyp explicit
	Verkaufschance erfolglos abgeschlossen	Diese Aktivität markiert das endgültige Ende einer erfolglosen Verkaufschance. Entweder ging das Geschäft an einen Wettbewerber oder der Kunde entschied sich gegen einen Kauf. Erfasst wird sie, wenn ein Benutzer den Status der Verkaufschance auf „Verloren“ oder „Erfolglos abgeschlossen“ setzt.
Warum das wichtig ist Es ist wichtig, Zeitpunkt und Gründe für den Verlust von Verkaufschancen zu analysieren, um die Vertriebsstrategie zu verbessern. Dieser Endpunkt ermöglicht die Analyse verlorener Geschäfte, etwa der durchschnittlichen Phase, in der sie abgebrochen wurden, oder der häufigsten Verlustgründe. Woher beziehen Abgeleitet aus der Statusänderungshistorie des Verkaufschancen-Objekts. Maßgeblich ist der Timestamp, an dem der Status auf „Verloren“ oder „Erfolglos abgeschlossen“ gesetzt wird. Erfassung Ermitteln Sie den Timestamp der Statusänderung auf „Verloren“ im Verkaufschancen-Objekt. Ereignistyp inferred
	Verkaufschance erfolgreich abgeschlossen	Diese Aktivität kennzeichnet den abschließenden Status einer erfolgreichen Verkaufschance, nachdem alle nachgelagerten Aktivitäten wie Auftragserstellung und Lieferung abgeschlossen sind. Sie wird erfasst, wenn ein Benutzer den Status der Verkaufschance auf „Abgeschlossen“ setzt und als Grund „Gewonnen“ angibt.
Warum das wichtig ist Dieses Ereignis bildet den erfolgreichen Endpunkt für die Process-Mining-Analyse. Damit lässt sich die durchgängige Dauer des Vertriebszyklus für alle gewonnenen Geschäfte berechnen. Es sorgt für einen eindeutigen Prozessabschluss. Woher beziehen Abgeleitet aus der Statusänderungshistorie des Verkaufschancen-Objekts. Maßgeblich ist der Timestamp, an dem der Status auf „Abgeschlossen“ und der Grund auf „Gewonnen“ gesetzt wird. Erfassung Ermitteln Sie den Timestamp der Statusänderung auf „Abgeschlossen“ mit dem Grundcode „Gewonnen“. Ereignistyp inferred
	Verkaufschance erstellt	Dieses Ereignis markiert den offiziellen Beginn der Verkaufschance: Ein qualifizierter Lead wird zu einer konkreten Vertriebschance. Das System erfasst es ausdrücklich, wenn das Geschäftobjekt „Verkaufschance“ angelegt wird. Dabei werden häufig Daten aus dem ursprünglichen Lead übernommen.
Warum das wichtig ist Diese Aktivität ist der zentrale Ausgangspunkt für die Analyse des Vertriebszyklus. Sie ermöglicht es, die Dauer des Vertriebszyklus, die Abschlussquote von Verkaufschancen und die Leistung des Vertriebsteams ab dem Zeitpunkt zu messen, an dem ein Geschäft konkret wird. Woher beziehen Dieses Ereignis entspricht dem Erstellungs-Timestamp des Geschäftobjekts „Verkaufschance“ in SAP Sales Cloud. Erfassung Verwenden Sie Datum und Uhrzeit der Erstellung des Datensatzes der Verkaufschance. Ereignistyp explicit
	Verkaufschance gewonnen	Diese Aktivität zeigt an, dass der Geschäftsabschluss erfolgreich war und das Unternehmen den Auftrag gewonnen hat. Sie wird erfasst, wenn ein Benutzer den Status der Verkaufschance auf „Gewonnen“ setzt. Dies ist eine standardmäßige, ausdrücklich ausgeführte Aktion im System.
Warum das wichtig ist Dieser wichtige Meilenstein dient zur Messung von Abschlussquoten und Vertriebsleistung. Häufig löst er nachgelagerte Prozesse wie die Auftragserstellung und -abwicklung aus und markiert damit einen zentralen Übergang im Lead-to-Cash-Zyklus. Woher beziehen Abgeleitet aus der Statusänderungshistorie des Verkaufschancen-Objekts. Maßgeblich ist der Timestamp, an dem der Status auf „Gewonnen“ gesetzt wird. Erfassung Ermitteln Sie den Timestamp der Statusänderung auf „Gewonnen“ im Verkaufschancen-Objekt. Ereignistyp inferred
	Zahlung eingegangen	Diese Aktivität bestätigt, dass die Zahlung des Kunden eingegangen und verarbeitet wurde. Damit ist der finanzielle Vorgang abgeschlossen. Die Information stammt fast immer aus einem externen Finanz- oder ERP-System, das den Rechnungs- oder Auftragsstatus in SAP Sales Cloud aktualisiert.
Warum das wichtig ist Dies ist der letzte Schritt der Wertschöpfung im Lead-to-Cash-Prozess. Die „Zykluszeit des Zahlungseingangs“ von der Rechnung bis zur Zahlung ist eine wichtige KPI für das Cashflow-Management und die Bewertung des Forderungsmanagements. Woher beziehen Abgeleitet aus einer Statusänderung des Rechnungs- oder Kundenauftragsobjekts auf „Bezahlt“ oder „Ausgeglichen“. Diese Daten stammen aus einem externen Finanzsystem. Erfassung Ermitteln Sie den Timestamp, an dem sich der Rechnungsstatus auf „Bezahlt“ oder „Ausgeglichen“ ändert. Ereignistyp inferred
	Angebot erstellt	Dieses Ereignis kennzeichnet die Erstellung eines formellen Vertriebsangebots, das mit der Verkaufschance verknüpft ist. Es handelt sich um einen internen Schritt, bevor das Angebot an den Kunden gesendet wird. Erfasst wird er ausdrücklich, wenn ein Benutzer einen neuen Angebotsdatensatz erstellt.
Warum das wichtig ist Diese Aktivität grenzt die interne Vorbereitungszeit von der Zeit ab, in der dem Kunden das Angebot vorliegt. So lässt sich die Effizienz der Angebotserstellung analysieren und feststellen, wie lange Vertriebsmitarbeitende für die Preisermittlung benötigen. Woher beziehen Dieses Ereignis entspricht dem Erstellungs-Timestamp des Vertriebsangebots, das mit der Verkaufschance verknüpft ist. Erfassung Verwenden Sie Datum und Uhrzeit der Erstellung des zugehörigen Vertriebsangebotsdatensatzes. Ereignistyp explicit
	Angebot vom Kunden angenommen	Dieses Ereignis zeigt an, dass der Kunde den Angebotsbedingungen formell oder informell zugestimmt hat. In der Regel erfasst ein Vertriebsmitarbeiter dies durch eine manuelle Statusänderung im Vertriebsangebots- oder Verkaufschancen-Objekt.
Warum das wichtig ist Dies ist ein deutliches Kaufsignal und ein wichtiger Meilenstein vor dem Vertragsabschluss oder der Auftragserstellung. Damit lässt sich die Wirksamkeit von Angeboten messen und die Dauer des Entscheidungsprozesses beim Kunden ermitteln. Woher beziehen Abgeleitet aus einer Statusänderung des Vertriebsangebots auf „Angenommen“ oder einer ähnlichen Statusänderung im verknüpften Verkaufschancen-Objekt. Erfassung Ermitteln Sie den Timestamp, an dem sich der Status des Vertriebsangebots auf „Angenommen“ ändert. Ereignistyp inferred
	Auftrag erfüllt	Diese Aktivität zeigt an, dass die Produkte versandt oder die Dienstleistungen an den Kunden erbracht wurden. Das Ereignis wird häufig über eine Integration mit einem ERP- oder Logistiksystem erfasst, das den Status des Kundenauftrags in SAP Sales Cloud aktualisiert.
Warum das wichtig ist Damit ist der Lieferabschnitt des Prozesses abgeschlossen. Die Zeit zwischen „Kundenauftrag erstellt“ und „Auftrag erfüllt“ ist wichtig, um die Effizienz der Auftragsabwicklung und ihre Auswirkungen auf die Kundenzufriedenheit zu überwachen. Woher beziehen Üblicherweise abgeleitet aus einer Statusänderung des Kundenauftragsobjekts, etwa auf „Erfüllt“ oder „Versandt“. Der Status wird häufig über eine Integration mit einem externen System aktualisiert. Erfassung Ermitteln Sie den Timestamp der Statusänderung des Kundenauftrags auf „Erfüllt“ oder „Geliefert“. Ereignistyp inferred
	Kundenauftrag nachbearbeitet	Dieses Ereignis steht für eine Änderung oder Korrektur an einem bereits übermittelten Kundenauftrag. Es lässt sich anhand von Schleifen im Statusverlauf erkennen, etwa wenn der Status von „Übermittelt“ zurück zu „In Bearbeitung“ oder „Überarbeitung ausstehend“ wechselt.
Warum das wichtig ist Nacharbeiten zu erkennen ist wichtig, um Ineffizienzen im Prozess, Eingabefehler und Kommunikationslücken zwischen Vertrieb und operativem Bereich aufzudecken. Häufige Nacharbeiten weisen auf Qualitätsprobleme hin, die Verzögerungen und höhere Kosten verursachen. Woher beziehen Abgeleitet aus der Statusänderungshistorie des Kundenauftragsobjekts. Dazu muss die Abfolge der Statusänderungen analysiert werden, um Rückschritte oder Schleifen zu erkennen. Erfassung Erkennen Sie Statusübergänge, die eine Schleife bilden, zum Beispiel von „Übermittelt“ zu „In Bearbeitung“. Ereignistyp inferred
	Lead erfasst	Diese Aktivität kennzeichnet die erstmalige Anlage eines Lead-Datensatzes in SAP Sales Cloud. Sie steht für den ersten Kontakt oder das erste Interesse eines potenziellen Kunden. Erfasst wird der Lead meist automatisch über ein Webformular oder einen Listenimport, alternativ durch manuelle Eingabe.
Warum das wichtig ist Dieses Ereignis zu verfolgen ist wichtig, um die Wirksamkeit verschiedener Lead-Quellen zu analysieren und das gesamte Lead-Aufkommen zu messen. Es bildet den Ausgangspunkt für die Berechnung von Lead-Conversion-Raten und die Analyse des oberen Bereichs des Vertriebstrichters. Woher beziehen Dieses Ereignis wird anhand des Erstellungs-Timestamps des Lead-Geschäftsobjekts erfasst. Die Lead-Quelle ist in der Regel als Attribut desselben Objekts verfügbar. Erfassung Verwenden Sie Datum und Uhrzeit der Erstellung des Lead-Datensatzes. Ereignistyp explicit
	Lead qualifiziert	Dieses Ereignis kennzeichnet den Zeitpunkt, an dem ein Lead geprüft wurde und die Kriterien für einen aussichtsreichen Vertriebsinteressenten erfüllt. Erfasst wird es üblicherweise, wenn ein Benutzer den Status des Leads manuell auf „Qualifiziert“ oder einen ähnlichen Wert setzt. Damit ist der Lead bereit für die Konvertierung.
Warum das wichtig ist Diese Aktivität trennt unbearbeitete Leads von ernsthaften Interessenten und ermöglicht so die Analyse der Effizienz des Qualifizierungsprozesses. Sie hilft dabei, die Qualität von Leads aus verschiedenen Quellen zu bewerten und Engpässe zwischen der Erfassung eines Leads und dem aktiven Vertrieb zu erkennen. Woher beziehen Abgeleitet aus der Statusänderungshistorie des Lead-Geschäftsobjekts. Suchen Sie nach dem Timestamp, an dem das Statusfeld auf „Qualifiziert“ gesetzt wird. Erfassung Ermitteln Sie den Timestamp der Statusänderung auf „Qualifiziert“ im Lead-Objekt. Ereignistyp inferred
	Lösung vorgeschlagen	Diese Aktivität zeigt an, dass dem Kunden eine mögliche Lösung oder Produktkonfiguration vorgestellt wurde. Sie wird üblicherweise aus einer Änderung der Vertriebsphase oder des Status im Verkaufschancen-Objekt abgeleitet, etwa beim Wechsel in die Phase „Angebot“ oder „Lösungsdesign“.
Warum das wichtig ist Die Analyse der Verweildauer in dieser Phase und des Übergangs zur Angebotserstellung hilft, Engpässe im Lösungsprozess zu erkennen. Sie zeigt, wie lange es vom ersten Kontakt bis zu einem konkreten Angebot dauert. Woher beziehen Abgeleitet aus dem Änderungsprotokoll oder der Statushistorie des Verkaufschancen-Objekts, insbesondere wenn die Vertriebsphase auf einen Wert wie „Lösung vorgeschlagen“ oder „Wertversprechen“ gesetzt wird. Erfassung Ermitteln Sie den Timestamp, an dem sich das Feld für die Vertriebsphase der Verkaufschance so ändert, dass ein Angebot angezeigt wird. Ereignistyp inferred
	Rechnung erstellt	Dieses Ereignis steht für die Erstellung der Kundenrechnung und leitet die abschließende Finanzphase des Prozesses ein. Es kann anhand der Erstellung eines Rechnungsobjekts in SAP Sales Cloud erfasst werden, häufiger jedoch über ein integriertes Abrechnungssystem.
Warum das wichtig ist Diese Aktivität löst den Zahlungseingang aus. Verzögerungen bei der Rechnungserstellung wirken sich direkt auf den Cashflow aus. Deshalb ist es wichtig, die Zeit zwischen Lieferung und Rechnungsstellung zu überwachen. Woher beziehen Als Quelle kommt der Erstellungs-Timestamp eines mit dem Kundenauftrag verknüpften Rechnungsobjekts oder eine Aktualisierung aus einem externen ERP infrage. Welche Quelle verwendet wird, hängt von der Systemlandschaft ab. Erfassung Verwenden Sie das Erstellungsdatum des Rechnungsdatensatzes oder einen Aktivitätsprotokolleintrag aus einem integrierten ERP. Ereignistyp explicit

Anleitungen zur Datenextraktion

So rufen Sie Ihre Daten aus SAP Sales Cloud ab

Schritte

Voraussetzungen: Stellen Sie sicher, dass Sie in SAP Sales Cloud über einen Benutzer mit Zugriff auf den Arbeitsbereich Analysen verfügen. Dieser Benutzer benötigt insbesondere die Berechtigung, Datenquellen und Berichte zu erstellen und zu bearbeiten.
Kombinierte Datenquelle erstellen: Öffnen Sie in der Work Center-Ansicht Business Analytics die Ansicht Design Data Sources. Erstellen Sie eine neue kombinierte Datenquelle. Verknüpfen Sie die folgenden Standarddatenquellen mit einem Left Outer Join, damit alle Verkaufschancen erfasst werden: Lead Information -> Opportunity Header and Item -> Sales Quote Header and Item -> Sales Order Header and Item. Als Verknüpfungsbedingung dient üblicherweise die Opportunity-ID oder die ID eines Nachfolgedokuments.
Benutzerdefinierten Bericht erstellen: Öffnen Sie die Ansicht Design Reports und erstellen Sie einen Bericht auf Grundlage der zuvor erstellten kombinierten Datenquelle. Fügen Sie der Berichtsansicht alle erforderlichen Merkmale und Kennzahlen hinzu, darunter Kennungen (Lead-ID, Opportunity-ID), alle relevanten Statusfelder und sämtliche Timestamp-Felder (Erstellungsdatum, Statusänderungsdaten usw.). Nehmen Sie auch die benötigten Attribute wie Vertriebsmitarbeiter, Lead-Quelle und Auftragsbetrag auf.
Bericht als OData-Service bereitstellen: Wählen Sie in der Ansicht Design Reports den neu erstellten Bericht aus. Suchen Sie in der Konfiguration oder den Einstellungen des Berichts nach der Option, ihn als OData-Abfrage bereitzustellen. Häufig ist dies ein Kontrollkästchen mit der Bezeichnung Enable for OData. Speichern Sie die Änderungen. Das System erstellt eine eindeutige OData-URL für den Bericht.
OData-URL ermitteln: Öffnen Sie im Work Center Administrator die Ansicht OData Services. Suchen Sie Ihren benutzerdefinierten Bericht in der Liste und kopieren Sie dessen Service-URL. Sie benötigen diese URL für das Python-Skript.
Python-Umgebung einrichten: Stellen Sie sicher, dass Python sowie die Bibliotheken requests und pandas installiert sind. Installieren Sie sie bei Bedarf mit pip: pip install requests pandas.
Python-Skript konfigurieren: Kopieren Sie das bereitgestellte Python-Skript. Ersetzen Sie die Platzhalterwerte für C4C_TENANT_URL, OData_SERVICE_PATH, USERNAME und PASSWORD durch Ihre SAP-Sales-Cloud-Zugangsdaten und die OData-URL aus dem vorherigen Schritt.
Extraktionsskript ausführen: Führen Sie das Python-Skript aus. Es authentifiziert sich bei der OData-API, ruft die Daten seitenweise ab, um große Datenmengen zu verarbeiten, und lädt sie in einen pandas DataFrame.
Datentransformation: Das Skript wandelt die Daten automatisch vom Breitformat (eine Zeile pro Verkaufschance) in ein Event Log im Langformat um. Es prüft für jede mögliche Aktivität, ob ein gültiger Timestamp vorliegt. Ist dies der Fall, erstellt es einen entsprechenden Ereigniseintrag mit dem richtigen ActivityName.
Event Log exportieren: Nach Abschluss speichert das Skript das fertige Event Log im selben Verzeichnis als Datei lead_to_cash_event_log.csv. Diese Datei ist für den direkten Upload in ein Process-Mining-Tool formatiert.

Konfiguration

Konfiguration der Datenquelle: Grundlage dieser Methode ist eine kombinierte Datenquelle in SAP Sales Cloud Analytics. Verwenden Sie unbedingt Left Outer Joins ausgehend vom Opportunity-Objekt, damit auch Verkaufschancen erfasst werden, aus denen keine Angebote oder Aufträge entstehen.
Berichtsmerkmale: Der benutzerdefinierte Bericht muss alle Datums- und Zeitfelder enthalten, die den gewünschten Aktivitäten entsprechen. Dazu gehören Erstellungs-Timestamps für Leads, Verkaufschancen, Angebote und Aufträge sowie Timestamps für Statusänderungen.
OData-API-Filterung: Verwenden Sie den Parameter $filter in der OData-URL des Python-Skripts, um Leistung und Datenvolumen zu steuern. Wir empfehlen, nach einem Datumsbereich zu filtern, zum Beispiel anhand von OpportunityCreationDate. Für eine erste Analyse eignet sich meist ein Zeitraum von 6 bis 12 Monaten.
Seitennavigation: Das bereitgestellte Skript verarbeitet OData-Seiten mithilfe der Parameter $top und $skip. So lassen sich große Datensätze extrahieren, ohne dass die API-Verbindung wegen einer Zeitüberschreitung abbricht.
Voraussetzungen: Für diese Methode benötigen Sie einen dedizierten Analytics-Benutzer mit Berechtigungen für den Zugriff auf die OData-API und die zugrunde liegenden Datenquellen für Leads, Verkaufschancen, Angebote und Aufträge.

a Beispielabfrage python

import requests
import pandas as pd
import numpy as np

class=class="hl-string">"hl-comment"># --- Configuration Placeholders ---
C4C_TENANT_URL = class="hl-string">"[Your SAP Sales Cloud Tenant URL, e.g., my123456.crm.ondemand.com]"
class=class="hl-string">"hl-comment"># The service path comes from the OData Services view for your custom report
ODATA_SERVICE_PATH = class="hl-string">"/sap/c4c/odata/analytics/ds/CUST_REPORT_ID.svc"
USERNAME = class="hl-string">"[Your_Username]"
PASSWORD = class="hl-string">"[Your_Password]"

class=class="hl-string">"hl-comment"># --- OData Service Details ---
class=class="hl-string">"hl-comment"># The entity set is usually the report ID followed by class="hl-string">'ResultSet'
ENTITY_SET = class="hl-string">"CUST_REPORT_IDResultSet"
BASE_API_URL = fclass="hl-string">"https://{C4C_TENANT_URL}{ODATA_SERVICE_PATH}/{ENTITY_SET}"

class=class="hl-string">"hl-comment"># --- Data Extraction ---
def get_odata_data(api_url, username, password):
    records = []
    page_size = 1000
    skip = 0
    
    class=class="hl-string">"hl-comment"># It is highly recommended to add a date filter for performance
    class=class="hl-string">"hl-comment"># e.g., class="hl-string">"$filter=OpportunityCreationDate ge datetime'2023-01-01T00:00:00'"
    odata_params = {
        class="hl-string">"$format": class="hl-string">"json",
        class="hl-string">"$top": page_size,
        class="hl-string">"$skip": skip,
        class="hl-string">"$inlinecount": class="hl-string">"allpages"
        class=class="hl-string">"hl-comment"># class="hl-string">"$filter": class="hl-string">"[Your OData Filter String]"
    }

    print(class="hl-string">"Starting data extraction from SAP Sales Cloud...")
    while True:
        odata_params[class="hl-string">'$skip'] = skip
        response = requests.get(api_url, auth=(username, password), params=odata_params)
        
        if response.status_code != 200:
            print(fclass="hl-string">"Error: Failed to fetch data. Status code: {response.status_code}")
            print(response.text)
            break

        data = response.json()[class="hl-string">'d']
        if class="hl-string">'results' in data and data[class="hl-string">'results']:
            records.extend(data[class="hl-string">'results'])
            count = len(data[class="hl-string">'results'])
            print(fclass="hl-string">"Fetched {len(records)} records...")
            if count < page_size:
                break
            skip += page_size
        else:
            break
            
    print(class="hl-string">"Extraction complete.")
    return pd.DataFrame(records)

source_df = get_odata_data(BASE_API_URL, USERNAME, PASSWORD)

class=class="hl-string">"hl-comment"># --- Data Transformation ---
if not source_df.empty:
    print(class="hl-string">"Starting data transformation into event log format...")
    
    class=class="hl-string">"hl-comment"># Rename columns for clarity (adjust these based on your report's field names)
    class=class="hl-string">"hl-comment"># These are example API field names from the OData service.
    class=class="hl-string">"hl-comment"># You MUST inspect your OData metadata to get the correct field names.
    column_mapping = {
        class="hl-string">'C_OpportunityId': class="hl-string">'SalesOpportunityId',
        class="hl-string">'LeadCreationDateTime': class="hl-string">'LeadCaptured_Time',
        class="hl-string">'LeadConversionDateTime': class="hl-string">'LeadQualified_Time',
        class="hl-string">'OpportunityCreationDateTime': class="hl-string">'OpportunityCreated_Time',
        class="hl-string">'OpportunityProposalStageDateTime': class="hl-string">'SolutionProposed_Time',
        class="hl-string">'QuoteCreationDateTime': class="hl-string">'QuoteCreated_Time',
        class="hl-string">'QuoteSentToCustomerDateTime': class="hl-string">'QuoteSentToCustomer_Time',
        class="hl-string">'QuoteAcceptedDateTime': class="hl-string">'QuoteAccepted_Time',
        class="hl-string">'OpportunityWonDateTime': class="hl-string">'OpportunityWon_Time',
        class="hl-string">'SalesOrderCreationDateTime': class="hl-string">'SalesOrderCreated_Time',
        class="hl-string">'SalesOrderReworkedDateTime': class="hl-string">'SalesOrderReworked_Time',
        class="hl-string">'SalesOrderFulfilledDateTime': class="hl-string">'OrderFulfilled_Time',
        class="hl-string">'InvoiceGeneratedDateTime': class="hl-string">'InvoiceGenerated_Time',
        class="hl-string">'PaymentReceivedDateTime': class="hl-string">'PaymentReceived_Time',
        class="hl-string">'OpportunityClosedWonDateTime': class="hl-string">'OpportunityClosedWon_Time',
        class="hl-string">'OpportunityClosedLostDateTime': class="hl-string">'OpportunityClosedLost_Time',
        class="hl-string">'SalesRepresentativeName': class="hl-string">'SalesRepresentative',
        class="hl-string">'LeadSourceName': class="hl-string">'LeadSource',
        class="hl-string">'OpportunityStatusName': class="hl-string">'OpportunityStatus',
        class="hl-string">'SalesOrderAmountValue': class="hl-string">'SalesOrderAmount',
        class="hl-string">'ProductCategoryName': class="hl-string">'ProductCategory',
        class="hl-string">'QuoteDiscountPercentage': class="hl-string">'DiscountPercentage'
    }
    source_df.rename(columns=column_mapping, inplace=True)

    class=class="hl-string">"hl-comment"># Convert date strings to datetime objects, coercing errors to NaT (Not a Time)
    date_cols = [col for col in source_df.columns if class="hl-string">'_Time' in col]
    for col in date_cols:
        class=class="hl-string">"hl-comment"># OData date format is /Date(timestamp)/. We need to extract the timestamp.
        source_df[col] = source_df[col].str.extract(rclass="hl-string">'\/Date\((\d+)\)\/').astype(float)
        source_df[col] = pd.to_datetime(source_df[col], unit=class="hl-string">'ms', errors=class="hl-string">'coerce')

    class=class="hl-string">"hl-comment"># Define the activities and their corresponding timestamp columns
    activity_mapping = {
        class="hl-string">'Lead Captured': class="hl-string">'LeadCaptured_Time',
        class="hl-string">'Lead Qualified': class="hl-string">'LeadQualified_Time',
        class="hl-string">'Opportunity Created': class="hl-string">'OpportunityCreated_Time',
        class="hl-string">'Solution Proposed': class="hl-string">'SolutionProposed_Time',
        class="hl-string">'Quote Created': class="hl-string">'QuoteCreated_Time',
        class="hl-string">'Quote Sent to Customer': class="hl-string">'QuoteSentToCustomer_Time',
        class="hl-string">'Quote Accepted by Customer': class="hl-string">'QuoteAccepted_Time',
        class="hl-string">'Opportunity Won': class="hl-string">'OpportunityWon_Time',
        class="hl-string">'Sales Order Created': class="hl-string">'SalesOrderCreated_Time',
        class="hl-string">'Sales Order Reworked': class="hl-string">'SalesOrderReworked_Time',
        class="hl-string">'Order Fulfilled': class="hl-string">'OrderFulfilled_Time',
        class="hl-string">'Invoice Generated': class="hl-string">'InvoiceGenerated_Time',
        class="hl-string">'Payment Received': class="hl-string">'PaymentReceived_Time',
        class="hl-string">'Opportunity Closed Won': class="hl-string">'OpportunityClosedWon_Time',
        class="hl-string">'Opportunity Closed Lost': class="hl-string">'OpportunityClosedLost_Time'
    }

    class=class="hl-string">"hl-comment"># Unpivot the DataFrame into an event log format
    event_log_df = pd.DataFrame()
    for activity, time_col in activity_mapping.items():
        if time_col in source_df.columns:
            temp_df = source_df[[class="hl-string">'SalesOpportunityId'] + [col for col in column_mapping.values() if col in source_df.columns]].copy()
            temp_df = temp_df.dropna(subset=[time_col])
            if not temp_df.empty:
                temp_df[class="hl-string">'ActivityName'] = activity
                temp_df.rename(columns={time_col: class="hl-string">'EventTime'}, inplace=True)
                event_log_df = pd.concat([event_log_df, temp_df])

    class=class="hl-string">"hl-comment"># Select and order final columns
    required_cols = [class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime']
    recommended_cols = [class="hl-string">'SalesRepresentative', class="hl-string">'LeadSource', class="hl-string">'OpportunityStatus', class="hl-string">'SalesOrderAmount', class="hl-string">'ProductCategory', class="hl-string">'DiscountPercentage']
    final_cols = required_cols + [col for col in recommended_cols if col in event_log_df.columns]
    
    event_log_df = event_log_df[final_cols]
    event_log_df.sort_values(by=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime'], inplace=True)

    class=class="hl-string">"hl-comment"># --- Export to CSV ---
    event_log_df.to_csv(class="hl-string">'lead_to_cash_event_log.csv', index=False)
    print(class="hl-string">"Event log saved to 'lead_to_cash_event_log.csv'.")
else:
    print(class="hl-string">"No data extracted. Skipping transformation and export.")

Schritte

Prüfen Sie, ob der standardmäßige OData-Zugriff in SAP Sales Cloud für die benötigten Geschäftsdatenobjekte aktiviert ist und ob der Integrationsbenutzer Leseberechtigungen für Opportunity, Lead, Sales Quote, Sales Order, Invoice sowie Zahlungs- oder Abwicklungsdaten besitzt, sofern diese Objekte in Ihrem Mandanten verfügbar sind. Verwenden Sie die in Ihrem System verfügbaren Administrations- und Integrationstools von SAP Sales Cloud. Die genauen Menüpfade und Objektnamen der Services unterscheiden sich je nach Mandant. Richten Sie die Konfiguration daher passend zu Ihrem System ein.
Ermitteln Sie die veröffentlichten Namen der Standard-OData-Services, Entity Sets, Schlüsselfelder, Navigationseigenschaften, Statusfelder, Änderungs-Timestamps, Verantwortlichenfelder, Quellfelder, Betragsfelder, Produktfelder und Beziehungsfelder für die benötigten Geschäftsdatenobjekte. Gehen Sie nicht davon aus, dass ein Objekt oder eine Eigenschaft verfügbar ist. Erfassen Sie die bestätigten Metadaten aus dem Metadatendokument des Services, das unter der konfigurierten OData-Service-URL abrufbar ist.
Konfigurieren Sie im Python-Skript die Verbindungs-URL, Zugangsdaten oder OAuth-Einstellungen, den Datumsbereich, die Seitengröße und unternehmensspezifische Filter. Beginnen Sie zunächst mit einem Zeitraum von drei bis sechs Monaten und erweitern Sie ihn, nachdem Sie Leistung und Vollständigkeit geprüft haben.
Extrahieren Sie Opportunity- und Lead-Datensätze über die bestätigten Standard-OData-Entity-Sets. Rufen Sie Sales Quote- und Sales Order-Datensätze über deren bestätigte Entity Sets ab. Extrahieren Sie Invoice-, Abwicklungs- und Zahlungsdatensätze nur, wenn die entsprechenden Standard-OData-Objekte und Beziehungen in SAP Sales Cloud verfügbar sind. Werden diese Datensätze in einem integrierten ERP- oder Finanzsystem verwaltet, beziehen Sie den entsprechenden freigegebenen OData-Feed aus diesem System und ordnen Sie dessen Kennungen der Verkaufschance zu.
Rufen Sie für jede OData-Anfrage alle Seiten ab, indem Sie dem Link zur nächsten Seite des Services folgen oder den unterstützten Seitennavigationsmechanismus verwenden. Wenden Sie serverseitige Datums- und Unternehmensfilter an, sofern diese unterstützt werden. Speichern Sie die Rohdaten vor der Transformation, damit sich Datensätze und Zuordnungen auditfähig prüfen lassen.
Normalisieren Sie alle Timestamps auf eine Zeitzone, vorzugsweise UTC, und wandeln Sie SAP-Datums- und Datums-/Uhrzeitwerte in ein einheitliches ISO-8601-Format um. Entfernen Sie bei Statuswerten führende und nachgestellte Leerzeichen und vergleichen Sie sie ohne Beachtung der Groß- und Kleinschreibung. Bewahren Sie die ursprünglichen Statuswerte nach Möglichkeit im Audit-Datensatz auf.
Erstellen Sie für jede erforderliche Aktivität eine Ereigniszeile. Verwenden Sie den Erstellungszeitpunkt des Leads für „Lead Captured“, den Timestamp beim Erreichen des Status „Qualified“ für „Lead Qualified“, den Erstellungszeitpunkt der Opportunity für „Opportunity Created“, den Timestamp beim Erreichen der konfigurierten Angebots- oder Lösungsphase für „Solution Proposed“, den Erstellungszeitpunkt des Sales Quote für „Quote Created“, den Timestamp beim Erreichen des Status „Sent“ oder „Proposed“ für „Quote Sent to Customer“, den Timestamp, an dem das Angebot oder die Verkaufschance die Annahme durch den Kunden erfasst, für „Quote Accepted by Customer“, den Timestamp beim Erreichen des Status „Won“ für „Opportunity Won“, den Erstellungszeitpunkt des Sales Order für „Sales Order Created“, einen erkannten Übergang von „Submitted“ zu „In Process“ oder „Pending Revision“ für „Sales Order Reworked“, den Abschlusszeitpunkt der Abwicklung oder Lieferung für „Order Fulfilled“, den Erstellungszeitpunkt der Rechnung für „Invoice Generated“, den Zahlungseingangs- oder Ausgleichszeitpunkt für „Payment Received“, den finalen Status „Closed“ mit dem Grund „Won“ für „Opportunity Closed Won“ und den finalen Status „Lost“ oder „Closed Lost“ für „Opportunity Closed Lost“.
Verknüpfen Sie Ereignisse extern über SalesOpportunityId. Verwenden Sie bestätigte Beziehungsfelder zwischen Lead, Opportunity, Sales Quote, Sales Order, Invoice sowie Abwicklungs- und Zahlungsdatensätzen. Wenn keine direkte Beziehung verfügbar ist, verwenden Sie eine freigegebene Zuordnungstabelle, die von der Integration oder dem Geschäftsprozess gepflegt wird. Leiten Sie eine Beziehung nicht allein aus übereinstimmenden Beschreibungen oder Beträgen ab.
Füllen Sie die empfohlenen Attribute für jedes Ereignis aus, sofern sie über die Quellbeziehung verfügbar sind. Übernehmen Sie SalesRepresentative, LeadSource, OpportunityStatus, SalesOrderAmount, ProductCategory und DiscountPercentage aus dem jeweils relevanten Quelldatensatz. Lassen Sie den Wert null, wenn die Quelle keinen verlässlichen Wert liefert.
Sortieren Sie das fertige Event Log nach SalesOpportunityId und EventTime. Entfernen Sie nur exakt identische Zeilen, die durch wiederholte API-Seiten oder Wiederholungsversuche entstanden sind. Fassen Sie unterschiedliche Statusübergänge oder Ereignisse mit demselben Timestamp nicht zusammen, außer eine Geschäftsregel erlaubt dies ausdrücklich.
Prüfen Sie, ob alle 15 Aktivitätsnamen vorhanden sind, Pflichtfelder ausgefüllt wurden, Timestamps im angefragten Zeitraum liegen oder ausdrücklich als zugehörige historische Ereignisse dokumentiert sind und Verknüpfungen nicht zu unerwarteten Case-Duplikaten führen. Exportieren Sie die Daten als UTF-8-CSV oder in einem anderen von ProcessMind unterstützten Event-Log-Format. Verwenden Sie exakt die erforderlichen Spaltennamen SalesOpportunityId, ActivityName und EventTime sowie, sofern verfügbar, die empfohlenen Attribute. Laden Sie die resultierende Datei in ProcessMind hoch. Gehen Sie nicht davon aus, dass die Plattform fehlende Ereignisse ableitet.

Konfiguration

Konfiguration des OData-Services: Verwenden Sie ausschließlich Standard-OData-Services und Entity Sets von SAP Sales Cloud, die in den Servicemetadaten Ihres Mandanten bestätigt sind. Richten Sie Service-, Entity- und Eigenschaftsnamen sowie Navigationspfade passend zu Ihrem System ein.
Verbindung und Berechtigungen: Konfigurieren Sie die freigegebene SAP-Sales-Cloud-URL, die Authentifizierungsmethode, Client-Zugangsdaten, Berechtigungsbereiche und Leseberechtigungen. Für den Zugriff auf externe ERP-, Logistik-, Abrechnungs- oder Zahlungsdaten benötigen Sie eine separate Berechtigung, wenn SAP Sales Cloud diese Ereignisse nicht bereitstellt.
Datumsbereich: Beginnen Sie mit drei bis sechs Monaten. Berücksichtigen Sie einen kurzen Rückblickzeitraum, wenn Erstellungs- und Status-Timestamps vor dem ausgewählten Prozesszeitraum liegen können. Dokumentieren Sie, ob der Filter den Erstellungszeitpunkt, den Zeitpunkt der letzten Änderung, den Zeitpunkt des Statusübergangs oder einen anderen bestätigten Timestamp verwendet.
Erforderlicher Case-Schlüssel: Ordnen Sie jedes Ereignis SalesOpportunityId zu. Geben Sie kein Ereignis ohne verlässliche Beziehung zu einer Verkaufschance aus, es sei denn, der Datensatz lässt sich über eine freigegebene Zuordnungstabelle auflösen.
Statuszuordnung: Richten Sie exakte, mandantenspezifische Zuordnungen für „Qualified“, Angebots- oder Lösungsphasen, „Sent“, „Proposed“, „accepted“, „Won“, „Closed“, „Lost“, „Closed Lost“, „Submitted“, „In Process“, „Pending Revision“, den Abschluss der Abwicklung, die Rechnungserstellung und den Zahlungseingang ein. Statusbezeichnungen können je nach Konfiguration und Sprache abweichen.
Filter: Wenden Sie bestätigte Filter für Unternehmen, Organisationseinheit, Dokumenttyp, Vertriebsbereich, Status und Datum nur an, wenn die entsprechenden Felder verfügbar sind und ihre fachliche Bedeutung geklärt ist. Gehen Sie nicht davon aus, dass „Company Code“ und „Document Type“ in jedem SAP-Sales-Cloud-Objekt vorhanden sind.
Seitennavigation und Drosselung: Verwenden Sie die unterstützte Seitengröße und den Mechanismus für Folgeseiten des OData-Services. Behandeln Sie vorübergehende HTTP-Fehler mit Wiederholungsversuchen, beachten Sie die Ratenbegrenzungen des Mandanten und vermeiden Sie zu viele parallele Anfragen.
Anforderungen an die Änderungshistorie: Für Aktivitäten auf Basis eines Status benötigen Sie eine Statushistorie oder ein Änderungsprotokoll mit Timestamps. Aus einem aktuellen Statusfeld allein lässt sich nicht zuverlässig ableiten, wann ein früherer Status erreicht wurde.
Externe Ereignisquellen: Daten zur Auftragsabwicklung, Rechnungserstellung und zum Zahlungseingang werden möglicherweise in integrierten ERP-, Logistik-, Abrechnungs- oder Finanzsystemen verwaltet. Richten Sie freigegebene systemübergreifende Kennungen und quellenspezifische Extraktionsregeln ein.
Datenqualität: Bewahren Sie Nullwerte, wenn Angaben nicht verfügbar sind. Ersetzen Sie historische Werte nicht durch den aktuellen Status oder den aktuellen Verantwortlichen, es sei denn, die Geschäftsregel erlaubt diese Einschränkung ausdrücklich.
Voraussetzungen: Prüfen Sie die erforderliche SAP-Sales-Cloud-Edition, die API-Verfügbarkeit, die Integrationskonfiguration, die Verfügbarkeit der Geschäftsdatenobjekte, die Mandantenberechtigungen sowie erforderliche Lizenzen für externe Systeme, bevor Sie die Extraktion planen.

a Beispielabfrage python

import os
import time
from datetime import datetime, timezone
from typing import Any, Dict, Iterable, List, Optional

import pandas as pd
import requests

class=class="hl-string">"hl-comment"># Configure these values for your tenant and approved OData services.
BASE_URL = os.environ.get(class="hl-string">"SAP_SALES_CLOUD_ODATA_BASE_URL", class="hl-string">"[Your SAP Sales Cloud OData base URL]")
USERNAME = os.environ.get(class="hl-string">"SAP_SALES_CLOUD_USERNAME", class="hl-string">"[Your username]")
PASSWORD = os.environ.get(class="hl-string">"SAP_SALES_CLOUD_PASSWORD", class="hl-string">"[Your password]")
START_DATE = os.environ.get(class="hl-string">"EXTRACTION_START_DATE", class="hl-string">"[YYYY-MM-DD]")
END_DATE = os.environ.get(class="hl-string">"EXTRACTION_END_DATE", class="hl-string">"[YYYY-MM-DD]")
OUTPUT_FILE = os.environ.get(class="hl-string">"OUTPUT_FILE", class="hl-string">"lead_to_cash_event_log.csv")
PAGE_SIZE = int(os.environ.get(class="hl-string">"ODATA_PAGE_SIZE", class="hl-string">"500"))

class=class="hl-string">"hl-comment"># Replace each value below with the confirmed standard OData service URL and entity set
class=class="hl-string">"hl-comment"># from the metadata document in your tenant. Do not use an unconfirmed object name.
SERVICES = {
    class="hl-string">"lead": class="hl-string">"[Confirmed Lead OData service URL]",
    class="hl-string">"opportunity": class="hl-string">"[Confirmed Opportunity OData service URL]",
    class="hl-string">"sales_quote": class="hl-string">"[Confirmed Sales Quote OData service URL]",
    class="hl-string">"sales_order": class="hl-string">"[Confirmed Sales Order OData service URL]",
    class="hl-string">"invoice": class="hl-string">"[Confirmed Invoice OData service URL or approved integrated billing service URL]",
    class="hl-string">"fulfillment": class="hl-string">"[Confirmed fulfillment OData service URL or approved integrated logistics service URL]",
    class="hl-string">"payment": class="hl-string">"[Confirmed payment OData service URL or approved integrated financial service URL]",
}

class=class="hl-string">"hl-comment"># Replace property names and relationship paths with names confirmed from service metadata.
FIELDS = {
    class="hl-string">"lead": {
        class="hl-string">"id": class="hl-string">"[Confirmed Lead identifier property]",
        class="hl-string">"opportunity_id": class="hl-string">"[Confirmed Lead to Opportunity relationship property]",
        class="hl-string">"created_at": class="hl-string">"[Confirmed Lead creation timestamp property]",
        class="hl-string">"status": class="hl-string">"[Confirmed Lead status property]",
        class="hl-string">"status_changed_at": class="hl-string">"[Confirmed Lead status change timestamp property]",
        class="hl-string">"sales_representative": class="hl-string">"[Confirmed Lead representative property]",
        class="hl-string">"lead_source": class="hl-string">"[Confirmed Lead source property]",
        class="hl-string">"opportunity_status": class="hl-string">"[Confirmed related Opportunity status property or blank]",
        class="hl-string">"sales_order_amount": class="hl-string">"[Confirmed related Sales Order amount property or blank]",
        class="hl-string">"product_category": class="hl-string">"[Confirmed Lead product category property or blank]",
        class="hl-string">"discount_percentage": class="hl-string">"[Confirmed related discount property or blank]",
    },
    class="hl-string">"opportunity": {
        class="hl-string">"id": class="hl-string">"[Confirmed Opportunity identifier property]",
        class="hl-string">"created_at": class="hl-string">"[Confirmed Opportunity creation timestamp property]",
        class="hl-string">"stage": class="hl-string">"[Confirmed Opportunity stage property]",
        class="hl-string">"status": class="hl-string">"[Confirmed Opportunity status property]",
        class="hl-string">"status_changed_at": class="hl-string">"[Confirmed Opportunity status change timestamp property]",
        class="hl-string">"status_reason": class="hl-string">"[Confirmed Opportunity status reason property]",
        class="hl-string">"sales_representative": class="hl-string">"[Confirmed Opportunity representative property]",
        class="hl-string">"lead_source": class="hl-string">"[Confirmed Opportunity lead source property]",
        class="hl-string">"sales_order_amount": class="hl-string">"[Confirmed Opportunity or related Sales Order amount property]",
        class="hl-string">"product_category": class="hl-string">"[Confirmed Opportunity product category property]",
        class="hl-string">"discount_percentage": class="hl-string">"[Confirmed Opportunity or related discount property]",
    },
    class="hl-string">"sales_quote": {
        class="hl-string">"id": class="hl-string">"[Confirmed Sales Quote identifier property]",
        class="hl-string">"opportunity_id": class="hl-string">"[Confirmed Sales Quote to Opportunity relationship property]",
        class="hl-string">"created_at": class="hl-string">"[Confirmed Sales Quote creation timestamp property]",
        class="hl-string">"status": class="hl-string">"[Confirmed Sales Quote status property]",
        class="hl-string">"status_changed_at": class="hl-string">"[Confirmed Sales Quote status change timestamp property]",
        class="hl-string">"accepted_at": class="hl-string">"[Confirmed Sales Quote acceptance timestamp property or blank]",
        class="hl-string">"sales_representative": class="hl-string">"[Confirmed Sales Quote representative property]",
        class="hl-string">"sales_order_amount": class="hl-string">"[Confirmed Sales Quote amount property]",
        class="hl-string">"product_category": class="hl-string">"[Confirmed Sales Quote product category property]",
        class="hl-string">"discount_percentage": class="hl-string">"[Confirmed Sales Quote discount property]",
    },
    class="hl-string">"sales_order": {
        class="hl-string">"id": class="hl-string">"[Confirmed Sales Order identifier property]",
        class="hl-string">"opportunity_id": class="hl-string">"[Confirmed Sales Order to Opportunity relationship property]",
        class="hl-string">"created_at": class="hl-string">"[Confirmed Sales Order creation timestamp property]",
        class="hl-string">"status": class="hl-string">"[Confirmed Sales Order status property]",
        class="hl-string">"status_changed_at": class="hl-string">"[Confirmed Sales Order status change timestamp property]",
        class="hl-string">"previous_status": class="hl-string">"[Confirmed Sales Order previous status property or status history field]",
        class="hl-string">"sales_order_amount": class="hl-string">"[Confirmed Sales Order amount property]",
        class="hl-string">"product_category": class="hl-string">"[Confirmed Sales Order product category property]",
        class="hl-string">"discount_percentage": class="hl-string">"[Confirmed Sales Order discount property]",
    },
    class="hl-string">"invoice": {
        class="hl-string">"id": class="hl-string">"[Confirmed Invoice identifier property]",
        class="hl-string">"opportunity_id": class="hl-string">"[Confirmed Invoice to Opportunity relationship property]",
        class="hl-string">"created_at": class="hl-string">"[Confirmed Invoice creation timestamp property]",
        class="hl-string">"invoice_date": class="hl-string">"[Confirmed Invoice date property]",
    },
    class="hl-string">"fulfillment": {
        class="hl-string">"id": class="hl-string">"[Confirmed fulfillment identifier property]",
        class="hl-string">"opportunity_id": class="hl-string">"[Confirmed fulfillment to Opportunity relationship property]",
        class="hl-string">"completed_at": class="hl-string">"[Confirmed fulfillment completion timestamp property]",
        class="hl-string">"status": class="hl-string">"[Confirmed fulfillment status property]",
    },
    class="hl-string">"payment": {
        class="hl-string">"id": class="hl-string">"[Confirmed payment identifier property]",
        class="hl-string">"opportunity_id": class="hl-string">"[Confirmed payment to Opportunity relationship property]",
        class="hl-string">"received_at": class="hl-string">"[Confirmed payment receipt or clearing timestamp property]",
        class="hl-string">"status": class="hl-string">"[Confirmed payment status property]",
    },
}

session = requests.Session()
session.auth = (USERNAME, PASSWORD)
session.headers.update({class="hl-string">"Accept": class="hl-string">"application/json"})


def is_placeholder(value: Any) -> bool:
    return not value or (isinstance(value, str) and value.startswith(class="hl-string">"["))


def parse_time(value: Any) -> Optional[pd.Timestamp]:
    if value is None or value == class="hl-string">"":
        return None
    parsed = pd.to_datetime(value, utc=True, errors=class="hl-string">"coerce")
    if pd.isna(parsed):
        return None
    return parsed


def text(value: Any) -> Optional[str]:
    if value is None:
        return None
    value = str(value).strip()
    return value or None


def get_value(record: Dict[str, Any], property_name: str) -> Any:
    if is_placeholder(property_name):
        return None
    if class="hl-string">"/" in property_name:
        current: Any = record
        for part in property_name.split(class="hl-string">"/"):
            if not isinstance(current, dict):
                return None
            current = current.get(part)
        return current
    return record.get(property_name)


def fetch_all(service_url: str, select_fields: Iterable[str], filter_expression: Optional[str] = None) -> List[Dict[str, Any]]:
    if is_placeholder(service_url):
        return []
    fields = [field for field in select_fields if not is_placeholder(field) and field]
    params: Dict[str, Any] = {class="hl-string">"$top": PAGE_SIZE}
    if fields:
        params[class="hl-string">"$select"] = class="hl-string">",".join(dict.fromkeys(fields))
    if filter_expression:
        params[class="hl-string">"$filter"] = filter_expression
    records: List[Dict[str, Any]] = []
    next_url: Optional[str] = service_url
    first_request = True
    while next_url:
        response = session.get(next_url, params=params if first_request else None, timeout=120)
        response.raise_for_status()
        payload = response.json()
        page = payload.get(class="hl-string">"value", [])
        if not isinstance(page, list):
            raise ValueError(class="hl-string">"The OData response value property is not an array")
        records.extend(page)
        next_url = payload.get(class="hl-string">"@odata.nextLink") or payload.get(class="hl-string">"odata.nextLink")
        first_request = False
        if next_url:
            time.sleep(0.1)
    return records


def common_attributes(record: Dict[str, Any], field_map: Dict[str, str]) -> Dict[str, Any]:
    return {
        class="hl-string">"SalesRepresentative": text(get_value(record, field_map.get(class="hl-string">"sales_representative", class="hl-string">""))),
        class="hl-string">"LeadSource": text(get_value(record, field_map.get(class="hl-string">"lead_source", class="hl-string">""))),
        class="hl-string">"OpportunityStatus": text(get_value(record, field_map.get(class="hl-string">"opportunity_status", class="hl-string">""))) or text(get_value(record, field_map.get(class="hl-string">"status", class="hl-string">""))),
        class="hl-string">"SalesOrderAmount": get_value(record, field_map.get(class="hl-string">"sales_order_amount", class="hl-string">"")),
        class="hl-string">"ProductCategory": text(get_value(record, field_map.get(class="hl-string">"product_category", class="hl-string">""))),
        class="hl-string">"DiscountPercentage": get_value(record, field_map.get(class="hl-string">"discount_percentage", class="hl-string">"")),
    }


def add_event(events: List[Dict[str, Any]], opportunity_id: Any, activity: str, event_time: Any, attributes: Dict[str, Any]) -> None:
    case_id = text(opportunity_id)
    timestamp = parse_time(event_time)
    if not case_id or timestamp is None:
        return
    row = {
        class="hl-string">"SalesOpportunityId": case_id,
        class="hl-string">"ActivityName": activity,
        class="hl-string">"EventTime": timestamp.isoformat(),
    }
    row.update(attributes)
    events.append(row)


start_filter = None if is_placeholder(START_DATE) else START_DATE
end_filter = None if is_placeholder(END_DATE) else END_DATE

def date_filter(field_name: str) -> Optional[str]:
    if is_placeholder(field_name) or not start_filter or not end_filter:
        return None
    return fclass="hl-string">"{field_name} ge '{start_filter}T00:00:00Z' and {field_name} lt '{end_filter}T00:00:00Z'"


lead_fields = list(FIELDS[class="hl-string">"lead"].values())
opportunity_fields = list(FIELDS[class="hl-string">"opportunity"].values())
quote_fields = list(FIELDS[class="hl-string">"sales_quote"].values())
order_fields = list(FIELDS[class="hl-string">"sales_order"].values())
invoice_fields = list(FIELDS[class="hl-string">"invoice"].values())
fulfillment_fields = list(FIELDS[class="hl-string">"fulfillment"].values())
payment_fields = list(FIELDS[class="hl-string">"payment"].values())

leads = fetch_all(SERVICES[class="hl-string">"lead"], lead_fields, date_filter(FIELDS[class="hl-string">"lead"][class="hl-string">"created_at"]))
opportunities = fetch_all(SERVICES[class="hl-string">"opportunity"], opportunity_fields, date_filter(FIELDS[class="hl-string">"opportunity"][class="hl-string">"created_at"]))
quotes = fetch_all(SERVICES[class="hl-string">"sales_quote"], quote_fields, date_filter(FIELDS[class="hl-string">"sales_quote"][class="hl-string">"created_at"]))
orders = fetch_all(SERVICES[class="hl-string">"sales_order"], order_fields, date_filter(FIELDS[class="hl-string">"sales_order"][class="hl-string">"created_at"]))
invoices = fetch_all(SERVICES[class="hl-string">"invoice"], invoice_fields, date_filter(FIELDS[class="hl-string">"invoice"][class="hl-string">"created_at"]))
fulfillments = fetch_all(SERVICES[class="hl-string">"fulfillment"], fulfillment_fields, date_filter(FIELDS[class="hl-string">"fulfillment"][class="hl-string">"completed_at"]))
payments = fetch_all(SERVICES[class="hl-string">"payment"], payment_fields, date_filter(FIELDS[class="hl-string">"payment"][class="hl-string">"received_at"]))

events: List[Dict[str, Any]] = []

for record in leads:
    field_map = FIELDS[class="hl-string">"lead"]
    opportunity_id = get_value(record, field_map[class="hl-string">"opportunity_id"]) or get_value(record, field_map[class="hl-string">"id"])
    attributes = common_attributes(record, field_map)
    add_event(events, opportunity_id, class="hl-string">"Lead Captured", get_value(record, field_map[class="hl-string">"created_at"]), attributes)
    if text(get_value(record, field_map[class="hl-string">"status"])).lower() == class="hl-string">"qualified":
        add_event(events, opportunity_id, class="hl-string">"Lead Qualified", get_value(record, field_map[class="hl-string">"status_changed_at"]) or get_value(record, field_map[class="hl-string">"created_at"]), attributes)

for record in opportunities:
    field_map = FIELDS[class="hl-string">"opportunity"]
    opportunity_id = get_value(record, field_map[class="hl-string">"id"])
    attributes = common_attributes(record, field_map)
    add_event(events, opportunity_id, class="hl-string">"Opportunity Created", get_value(record, field_map[class="hl-string">"created_at"]), attributes)
    stage = text(get_value(record, field_map[class="hl-string">"stage"])).lower()
    if stage in {class="hl-string">"proposal", class="hl-string">"solution design", class="hl-string">"solution proposed"}:
        add_event(events, opportunity_id, class="hl-string">"Solution Proposed", get_value(record, field_map[class="hl-string">"status_changed_at"]) or get_value(record, field_map[class="hl-string">"created_at"]), attributes)
    status = text(get_value(record, field_map[class="hl-string">"status"])).lower()
    reason = text(get_value(record, field_map[class="hl-string">"status_reason"])).lower()
    if status == class="hl-string">"won":
        add_event(events, opportunity_id, class="hl-string">"Opportunity Won", get_value(record, field_map[class="hl-string">"status_changed_at"]), attributes)
    if status in {class="hl-string">"closed", class="hl-string">"closed won"} and reason == class="hl-string">"won":
        add_event(events, opportunity_id, class="hl-string">"Opportunity Closed Won", get_value(record, field_map[class="hl-string">"status_changed_at"]), attributes)
    if status in {class="hl-string">"lost", class="hl-string">"closed lost"}:
        add_event(events, opportunity_id, class="hl-string">"Opportunity Closed Lost", get_value(record, field_map[class="hl-string">"status_changed_at"]), attributes)

for record in quotes:
    field_map = FIELDS[class="hl-string">"sales_quote"]
    opportunity_id = get_value(record, field_map[class="hl-string">"opportunity_id"])
    attributes = common_attributes(record, field_map)
    add_event(events, opportunity_id, class="hl-string">"Quote Created", get_value(record, field_map[class="hl-string">"created_at"]), attributes)
    status = text(get_value(record, field_map[class="hl-string">"status"])).lower()
    status_time = get_value(record, field_map[class="hl-string">"status_changed_at"]) or get_value(record, field_map[class="hl-string">"created_at"])
    if status in {class="hl-string">"sent", class="hl-string">"proposed"}:
        add_event(events, opportunity_id, class="hl-string">"Quote Sent to Customer", status_time, attributes)
    if status in {class="hl-string">"accepted", class="hl-string">"customer accepted"} or get_value(record, field_map[class="hl-string">"accepted_at"]):
        add_event(events, opportunity_id, class="hl-string">"Quote Accepted by Customer", get_value(record, field_map[class="hl-string">"accepted_at"]) or status_time, attributes)

for record in orders:
    field_map = FIELDS[class="hl-string">"sales_order"]
    opportunity_id = get_value(record, field_map[class="hl-string">"opportunity_id"])
    attributes = common_attributes(record, field_map)
    add_event(events, opportunity_id, class="hl-string">"Sales Order Created", get_value(record, field_map[class="hl-string">"created_at"]), attributes)
    status = text(get_value(record, field_map[class="hl-string">"status"])).lower()
    previous_status = text(get_value(record, field_map[class="hl-string">"previous_status"])).lower()
    if previous_status == class="hl-string">"submitted" and status in {class="hl-string">"in process", class="hl-string">"pending revision"}:
        add_event(events, opportunity_id, class="hl-string">"Sales Order Reworked", get_value(record, field_map[class="hl-string">"status_changed_at"]), attributes)

for record in fulfillments:
    field_map = FIELDS[class="hl-string">"fulfillment"]
    opportunity_id = get_value(record, field_map[class="hl-string">"opportunity_id"])
    status = text(get_value(record, field_map[class="hl-string">"status"])).lower()
    if status in {class="hl-string">"fulfilled", class="hl-string">"completed", class="hl-string">"delivered", class="hl-string">"shipped"} or get_value(record, field_map[class="hl-string">"completed_at"]):
        add_event(events, opportunity_id, class="hl-string">"Order Fulfilled", get_value(record, field_map[class="hl-string">"completed_at"]), {})

for record in invoices:
    field_map = FIELDS[class="hl-string">"invoice"]
    opportunity_id = get_value(record, field_map[class="hl-string">"opportunity_id"])
    add_event(events, opportunity_id, class="hl-string">"Invoice Generated", get_value(record, field_map[class="hl-string">"created_at"]) or get_value(record, field_map[class="hl-string">"invoice_date"]), {})

for record in payments:
    field_map = FIELDS[class="hl-string">"payment"]
    opportunity_id = get_value(record, field_map[class="hl-string">"opportunity_id"])
    status = text(get_value(record, field_map[class="hl-string">"status"])).lower()
    if status in {class="hl-string">"received", class="hl-string">"cleared", class="hl-string">"processed", class="hl-string">"paid"} or get_value(record, field_map[class="hl-string">"received_at"]):
        add_event(events, opportunity_id, class="hl-string">"Payment Received", get_value(record, field_map[class="hl-string">"received_at"]), {})

columns = [
    class="hl-string">"SalesOpportunityId",
    class="hl-string">"ActivityName",
    class="hl-string">"EventTime",
    class="hl-string">"SalesRepresentative",
    class="hl-string">"LeadSource",
    class="hl-string">"OpportunityStatus",
    class="hl-string">"SalesOrderAmount",
    class="hl-string">"ProductCategory",
    class="hl-string">"DiscountPercentage",
]

result = pd.DataFrame(events)
for column in columns:
    if column not in result.columns:
        result[column] = None
result = result[columns]
result = result.drop_duplicates()
result[class="hl-string">"EventTime"] = pd.to_datetime(result[class="hl-string">"EventTime"], utc=True, errors=class="hl-string">"coerce")
result = result.dropna(subset=[class="hl-string">"SalesOpportunityId", class="hl-string">"ActivityName", class="hl-string">"EventTime"])
result = result.sort_values([class="hl-string">"SalesOpportunityId", class="hl-string">"EventTime", class="hl-string">"ActivityName"], kind=class="hl-string">"stable")
result[class="hl-string">"EventTime"] = result[class="hl-string">"EventTime"].dt.strftime(class="hl-string">"%Y-%m-%dT%H:%M:%SZ")
result.to_csv(OUTPUT_FILE, index=False, encoding=class="hl-string">"utf-8")

required_activities = {
    class="hl-string">"Lead Captured",
    class="hl-string">"Lead Qualified",
    class="hl-string">"Opportunity Created",
    class="hl-string">"Solution Proposed",
    class="hl-string">"Quote Created",
    class="hl-string">"Quote Sent to Customer",
    class="hl-string">"Quote Accepted by Customer",
    class="hl-string">"Opportunity Won",
    class="hl-string">"Sales Order Created",
    class="hl-string">"Sales Order Reworked",
    class="hl-string">"Order Fulfilled",
    class="hl-string">"Invoice Generated",
    class="hl-string">"Payment Received",
    class="hl-string">"Opportunity Closed Won",
    class="hl-string">"Opportunity Closed Lost",
}
missing_activities = sorted(required_activities.difference(set(result[class="hl-string">"ActivityName"].dropna().unique())))
print(fclass="hl-string">"Wrote {len(result)} event rows to {OUTPUT_FILE}")
if missing_activities:
    print(class="hl-string">"Activities with no extracted rows in this data range or configuration:")
    for activity in missing_activities:
        print(fclass="hl-string">"- {activity}")

Bereit für den Einstieg?

Mit diesem Datentemplate haben Sie alles, was Sie benötigen, um mit der Optimierung Ihres Lead-to-Cash-Prozesses zu beginnen. Verbessern Sie Ihren Umsatzzyklus noch heute.

Zurück zum Leitfaden zur Prozessverbesserung Template herunterladen

Optimieren Sie jetzt Ihren Lead-to-Cash-Prozess und steigern Sie Ihre Abschlussquote!

Vermeiden Sie verlorene Deals und steigern Sie Ihre Abschlussquote mit unserer kostenlosen Testphase um 20 %.

Starten Sie Ihre kostenlose Testphase

Keine Kreditkarte erforderlich. In wenigen Minuten eingerichtet.

Ihr Lead-to-Cash-Datentemplate

Ihr Lead-to-Cash-Datentemplate

Lead-to-Cash-Attribute

Lead-to-Cash-Aktivitäten

Anleitungen zur Datenextraktion

Datenextraktion über die SAP-Sales-Cloud-Analytics-OData-API

Schritte

Konfiguration

a Beispielabfrage python

Abfrage von Standard-OData-Geschäftsdatenobjekten in SAP Sales Cloud

Schritte

Konfiguration

a Beispielabfrage python

Bereit für den Einstieg?

Optimieren Sie jetzt Ihren Lead-to-Cash-Prozess und steigern Sie Ihre Abschlussquote!

Ihr Lead-to-Cash-Datentemplate

Ihr Lead-to-Cash-Datentemplate

Lead-to-Cash-Attribute

Lead-to-Cash-Aktivitäten

Anleitungen zur Datenextraktion

Datenextraktion über die SAP-Sales-Cloud-Analytics-OData-API

Schritte

Konfiguration

a Beispielabfrage python

Abfrage von Standard-OData-Geschäftsdatenobjekten in SAP Sales Cloud

Schritte

Konfiguration

a Beispielabfrage python

Bereit für den Einstieg?

Optimieren Sie jetzt Ihren Lead-to-Cash-Prozess und steigern Sie Ihre Abschlussquote!

Der Schutz Ihrer Daten ist uns wichtig