> Kontinuierliche Prozessoptimierung > Lieferkettenmanagement > Microsoft Dynamics 365 SCM > Datenvorlage

Ihr Lieferkettenmanagement Daten Template

Microsoft Dynamics 365 SCM

Lieferkettenmanagement Attribute (21) Lieferkettenmanagement Aktivitäten (15) Extraktionsanleitungen (4)

Ihr Lieferkettenmanagement Daten Template

Diese vollständige Daten-Vorlage bietet einen strukturierten Ansatz zur Erfassung der wesentlichen Informationen, die für ein leistungsstarkes Process Mining Ihrer Lieferkettenmanagement erforderlich sind. Sie skizziert die wichtigen Attribute und Aktivitäten, die verfolgt werden müssen, zusammen mit einer klaren Anleitung, wie diese Daten speziell aus Microsoft Dynamics 365 SCM extrahiert werden können. Verwenden Sie diese Vorlage, um sicherzustellen, dass Ihr Event Log perfekt für eine detaillierte Analyse vorbereitet ist.

Empfohlene Attribute für eine detaillierte Analyse
Wichtige Lieferkettenmanagementnaktivitäten, die Sie in Ihrem Prozess verfolgen sollten
Praktische Extraktionsanleitung für Microsoft Dynamics 365 SCM

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

Vorlage herunterladen

Lieferkettenmanagement Attribute

Dies sind die empfohlenen Datenfelder, die in Ihr Event Log aufgenommen werden sollten, um eine gründliche und genaue Analyse Ihrer Lieferkettenmanagement Prozesse zu ermöglichen.

5 Erforderlich 8 Empfohlen 8 Optional

	Name	Beschreibung
	Logistikauftrag LogisticsOrder	Die eindeutige Kennung für eine spezifische Lieferkettenmanagementn-Erfüllungsanfrage, die als primärer Case-Identifikator dient.
Beschreibung Der Logistikauftrag ist die eindeutige Kennung für den gesamten Logistikprozess, der alle Aktivitäten von der Kundennachfrage bis zur endgültigen Lieferung miteinander verbindet. Dieses Attribut dient als roter Faden, der verschiedene Subprozesse wie Beschaffung, Produktion und Versand für eine spezifische Erfüllungsanfrage miteinander verknüpft. In der Analyse ist jedes Event einem Logistikauftrag zugeordnet, was eine vollständige End-to-End-Rekonstruktion des Prozessflusses ermöglicht. Dies erlaubt die Verfolgung des Weges eines Auftrags über verschiedene Abteilungen und Systeme hinweg, die Identifizierung von Engpässe und die genaue Messung der gesamten Zykluszeit von Anfang bis Ende. Bedeutung Es ist der wichtige Schlüssel, um alle zugehörigen Prozessereignisse miteinander zu verknüpfen und so eine End-to-End-Analyse des Lieferkettenmanagementnprozesses für eine einzelne Lieferanfrage zu ermöglichen. Datenquelle Dies ist ein konzeptioneller Identifikator, der wahrscheinlich durch die Kombination von Feldern aus Tabellen wie SalesTable (Kundenauftrag), WHSLoadTable (Lade-ID) oder InventTransOrigin (Referenz-ID) abgeleitet wird, um eine eindeutige Case-ID über verschiedene Module hinweg zu erstellen. Beispiele LO-2024-00123LO-2024-00124LO-2024-00125
	Aktivität ActivityName	Der Name des Geschäftsereignisses oder den Antrag bearbeitet.er Aufgabe, die an einem Punkt im Logistikprozess aufgetreten ist.
Beschreibung Dieses Attribut erfasst das spezifische Geschäftsereignis oder den Antrag bearbeitet.ie Aufgabe, die aufgetreten ist, wie z.B. „Bestellung erteilt“, „Waren produziert“ oder „Versand geplant“. Diese Aktivitäten sind die grundlegenden Bausteine des Prozesses. Die Analyse der Reihenfolge, Häufigkeit und Dauer dieser Aktivitäten bildet den Kern des Process Mining. Sie ermöglicht die automatische Erkennung und Visualisierung von Prozesskarten, die Detektion von Abweichungen von Standardprozeduren und die Identifizierung häufiger oder ineffizienter Prozessschritte, die reif für Verbesserungen sind. Bedeutung Es definiert die Schritte des Prozesses und ermöglicht so die Visualisierung des Prozessflusses, die Analyse von Variationen und die Identifizierung von Engpässen oder nicht-konformen Aktivitäten. Datenquelle Abgeleitet aus Geschäftslogik basierend auf Statusänderungen in verschiedenen Transaktionstabellen, wie SalesTable, PurchTable, ProdTable, oder BelegbuchungsDaten aus Tabellen wie CustInvoiceJour. Beispiele Bestellung aufgegebenProduzierte GüterKundenrechnung gebuchtWaren geliefert
	Ereigniszeit EventTime	Der Zeitstempel, der angibt, wann die Aktivität stattfand.
Beschreibung Dieses Attribut liefert das genaue Datum und die Uhrzeit, zu der eine Aktivität im System erfasst wurde. Es ist die Basis für jede zeitbasierte Prozessanalyse, einschließlich der Berechnung von Durchlaufzeiten, des Verständnisses der Prozessleistung und der Identifizierung von Engpässe. Die chronologische Reihenfolge der Ereignisse basierend auf diesem Zeitstempel ermöglicht es Process-Mining-Tools, die präzise Abfolge der Aktivitäten so zu rekonstruieren, wie sie tatsächlich stattgefunden haben. Dies ist unerlässlich, um den tatsächlichen Prozessfluss und seine Dynamik zu verstehen, anstatt sich auf idealisierte Prozessmodelle zu verlassen. Bedeutung Dieser Zeitstempel ist maßgeblich für die korrekte Reihenfolge der Ereignisse und für die Berechnung aller zeitbasierten Metriken, wie Durchlaufzeiten und Durchlaufzeiten. Datenquelle Diese Daten stammen in der Regel aus Datums-/Uhrzeitfeldern für die Erstellung oder Statusänderung in D365 SCM-Tabellen. Beispiele hierfür sind CreatedDateTime in SalesTable, DeliveryDate in PurchLine oder physische TransaktionsDaten in InventTrans. Beispiele 2023-04-15T09:00:00Z2023-04-18T14:30:00Z2023-05-01T11:22:00Z
	Letzte Datenaktualisierung LastDataUpdate	Der `Zeitstempel`, wann die `Daten` zuletzt aus dem Quellsystem aktualisiert wurden.
Beschreibung Dieses Attribut gibt Datum und Uhrzeit der letzten Datenextraktion oder -aktualisierung an. Es ist ein kritisches MetaDatenelement für jedes Prozessanalyse Dashboard. Diese Information hilft Benutzern, die Aktualität der von ihnen analysierten Daten zu verstehen und sicherzustellen, dass ihre Schlussfolgerungen auf neuesten Informationen basieren. Sie ist auch wichtig für die Verwaltung von Datenpipelines und die Überprüfung, ob Datenladeprozesse wie erwartet und termingerecht ablaufen. Bedeutung Informiert Benutzer über die Aktualität der Daten, was wichtig ist, um zeitnahe und relevante Geschäftsentscheidungen auf Basis der Analyse zu treffen. Datenquelle Dieser Wert wird am Ende jedes Aktualisierungszyklus vom Datenextraktions- oder ETL-Tool generiert und auf dem Datensatz zugewiesen. Beispiele 2023-06-10T02:00:00Z2023-06-11T02:00:00Z2023-06-12T02:00:00Z
	Quellsystem SourceSystem	Das führende System, aus dem die Event-Daten extrahiert wurden.
Beschreibung Dieses Attribut identifiziert das System oder Modul, aus dem die Daten stammen. In einer komplexen Lieferkettenmanagementnumgebung können Daten aus mehreren Modulen innerhalb von Dynamics 365 SCM stammen, wie z.B. Vertrieb, Beschaffung oder Lagerverwaltung. Die Angabe des Quellsystems ist maßgeblich für die Daten-Governance, die Behebung von Dateninkonsistenzen und das Verständnis des Kontexts der aufgezeichneten Aktivitäten. Sie stellt ... sicher die Datenqualität und bietet eine Rückverfolgbarkeit zum Ursprung der Informationen, was insbesondere in integrierten Umgebungen wichtig ist. Bedeutung Bietet Kontext zum Datenursprung, der für die Datenvalidierung, Fehlerbehebung und das Verständnis von Prozessvariationen, die Systemgrenzen überschreiten, notwendig ist. Datenquelle Dies ist in der Regel ein statischer Wert, der während des Datenextraktionsprozesses hinzugefügt wird, um die Datensätze aus diesem spezifischen System zu kennzeichnen. Beispiele Microsoft Dynamics 365 SCMD365-PRODAX2012-FIN
	Angefordertes Lieferdatum RequestedDeliveryDate	Der vom Kunden angeforderte Liefertermin.
Beschreibung Dieses Attribut erfasst das Lieferdatum, das der Kunde bei der Bestellung angegeben hat. Es dient als primärer Benchmark, anhand dessen die tatsächliche Lieferleistung gemessen wird. Dieses Datum ist die Grundlage für das Dashboard „On-Time Delivery Leistungsfähigkeit Monitor“ und den KPI „On-Time Delivery Rate“. Der Vergleich des angeforderten Lieferdatums mit dem tatsächlichen Lieferdatum ist die Standardmethode zur Berechnung der Lieferleistung und ein wichtiges Maß für die Kundenzufriedenheit. Bedeutung Dies ist die Basislinie zur Messung der On-Time-Delivery-Leistungsfähigkeit, ein kritischer KPI für die Kundenzufriedenheit und die Zuverlässigkeit der Lieferkettenmanagement. Datenquelle Zu finden im Feld ReceiptDateRequested der Tabelle SalesLine oder ShippingDateRequested der SalesTable. Beispiele 2023-05-102023-06-012023-07-20
	Benutzer-ID UserId	Der Bezeichner des Benutzers, der den Antrag bearbeitet.ie `Activity` durchgeführt hat.
Beschreibung Dieses Attribut speichert die ID des Mitarbeiters oder Systembenutzers, der eine spezifische Aktivität ausgeführt hat. Dies könnte ein Einkäufer sein, der eine Bestellung erstellt hat, oder ein Lagerarbeiter, der eine Sendung bestätigt hat. Die Analyse von Aktivitäten nach Benutzern hilft, die Arbeitslastverteilung zu verstehen, Schulungsbedarfe zu identifizieren und Prozessabweichungen zu untersuchen. Es ist auch wichtig für die Compliance-Analyse, da es Prüfer ermöglicht, Aktionen auf spezifische Personen zurückzuführen. Diese Sicht ist unerlässlich für das Leistungsfähigkeit Management und die Ressourcenoptimierung. Bedeutung Ermöglicht die Analyse der Prozessleistung nach Benutzer oder Team, hilft, Automatisierungsmöglichkeiten zu identifizieren, und ist maßgeblich für Compliance- und Audit-Trail-Analysen. Datenquelle Findet sich in den Feldern 'Erstellt von' oder 'Geändert von' in den meisten Transaktionstabellen in D365 SCM, wie CreatedBy in SalesTable oder PurchTable. Beispiele j.doea.smithAX_BATCH_USER
	Bestellnummer PurchaseOrderNumber	Die eindeutige Kennung für eine an einen Lieferanten gesendete Bestellung.
Beschreibung Dies ist die offizielle Dokumentnummer, die zur Bestellung von Rohmaterialien oder Waren von einem externen Lieferanten verwendet wird. Sie enthält Details zu Artikeln, Mengen, Preisen und LieferDaten. Die Analyse des Prozesses nach Bestellnummer ist unerlässlich für die Dashboards „Beschaffung Lead Time Breakdown“ und „Lieferant Leistungsfähigkeit Benchmarking“. Sie ermöglicht die Verfolgung des gesamten Purchase-to-Pay-Zyklus, von der Anforderung bis zur Lieferantenzahlung, und hilft, Verzögerungen bei der Materialbeschaffung zu identifizieren. Bedeutung Diese ID ist maßgeblich für die Analyse des Beschaffungsanteils der Lieferkettenmanagement, die Überwachung der Lieferantenleistung und das Verständnis der Material-Durchlaufzeiten. Datenquelle Zu finden im Feld PurchId der Tabelle PurchTable. Beispiele PO-000541PO-000542PO-000543
	Fertigungsauftragsnummer ProductionOrderNumber	Die eindeutige Kennung für einen Produktions- oder Fertigungsauftrag.
Beschreibung Diese Nummer identifiziert einen Auftrag zur Produktion einer bestimmten Produktmenge innerhalb der Fertigungsstätte. Sie verfolgt den Verbrauch von Rohmaterialien und den Output an FertigProdukten. Für Unternehmen mit Fertigungskomponente ist diese ID wichtig für die Verfolgung des Produktionsprozesses. Sie unterstützt das Dashboard „Production Schedule Adherence Tracker“, indem sie geplante ProduktionsDaten mit tatsächlichen Fertigstellungsterminen verknüpft und so Abweichungen oder Verzögerungen im Fertigungsprozess hervorhebt. Bedeutung Es ermöglicht eine detaillierte Analyse des FertigungsLebenszyklus und hilft, die Einhaltung von Produktionsplänen zu messen und Engpässe in der Fertigung zu identifizieren. Datenquelle Zu finden im Feld ProdId der Tabelle ProdTable. Beispiele PRD-000112PRD-000113PRD-000114
	Kundenname CustomerName	Der Name des Kunden, der den Antrag bearbeitet.en Vertriebsauftrag aufgegeben hat.
Beschreibung Dieses Attribut identifiziert den Kunden, der mit einem Kundenauftrag verbunden ist. Es ermöglicht eine kundenorientierte Sicht auf den Lieferkettenmanagementnprozess. Die Analyse des Logistikprozesses nach Kunden kann einzigartige Erfüllungsmuster, Präferenzen oder Herausforderungen aufdecken, die mit spezifischen Kunden verbunden sind. Es ist besonders nützlich für das Key Account Management und für die Anpassung von Servicelevels, um die Kundenzufriedenheit und -bindung zu verbessern. Bedeutung Ermöglicht kundenorientierte Analysen, die helfen, zu identifizieren, welche Kunden die meisten Verzögerungen erfahren und Service Level für Schlüsselkonten zu bewerten. Datenquelle Abgeleitet durch Verknüpfung der Verkaufsauftragstabelle (SalesTable) mit der Kundenstammtabelle (CustTable) über die Kundenkontonummer. Beispiele Alpine Ski HouseAdventure WorksCity Power & Light
	Lieferantenname SupplierName	Der Name des Lieferanten, der Rohmaterialien oder Waren liefert.
Beschreibung Dieses Attribut enthält den Namen des Lieferanten, von dem Materialien bezogen werden. Es ist eine Schlüsseldimension für die Analyse beschaffungsbezogener Aktivitäten. Es wird ausgiebig in den Dashboards „Beschaffung Lead Time Breakdown“ und „Lieferant Leistungsfähigkeit Benchmarking“ verwendet. Die Analyse von Prozessmetriken nach Lieferanten hilft, die leistungsstarksten und effizientesten Partner zu identifizieren, sowie diejenigen, die häufig verspätet sind oder Störungen verursachen. Diese Informationen sind wichtig für strategisches Sourcing und das Lieferantenbeziehungsmanagement. Bedeutung Ermöglicht die Segmentierung und das Benchmarking der Beschaffungsleistung nach Lieferanten, was für die Verbesserung von Lieferantenbeziehungen und die Reduzierung von Materiallieferzeiten wichtig ist. Datenquelle Abgeleitet durch Verknüpfung der Bestelltabelle (PurchTable) mit der Lieferantenstammtabelle (VendTable) über die Lieferantenkontonummer. Beispiele Contoso Raw MaterialsFabrikam Inc.Northwind Traders
	Pünktliche Lieferung IsOnTimeDelivery	Ein Kennzeichen, das anzeigt, ob die Bestellung am oder vor dem gewünschten Datum geliefert wurde.
Beschreibung Dies ist ein berechnetes boolesches Attribut, das angibt, ob ein Logistikauftrag pünktlich geliefert wurde. Es wird abgeleitet, indem der Zeitstempel der Aktivität „Waren geliefert“ mit dem „Angeforderten Lieferdatum“ verglichen wird. Dieses Attribut ist die Grundlage für die Berechnung des KPIs „On-Time Delivery Rate“ und ein primärer Filter im Dashboard „On-Time Delivery Leistungsfähigkeit Monitor“. Es vereinfacht die Analyse, indem es einen Datumsvergleich in einen einfachen Boolescher Wert (Wahr/Falsch) umwandelt, was das Filtern und Zählen verspäteter Aufträge vereinfacht. Bedeutung Misst direkt die Kundenserviceleistung und ist ein wichtiger Input für den KPI 'On-Time Delivery', was die Analyse der Lieferleistungsstarkkeit vereinfacht. Datenquelle Dies ist ein berechnetes Feld. Die Logik lautet: WENN (Zeitstempel „Waren geliefert“ <= „Angefordertes Lieferdatum“) DANN True SONST False. Beispiele JaNein
	Verkaufsauftragsnummer SalesOrderNumber	Die eindeutige Kennung für einen Kundenauftrag.
Beschreibung Dies ist die primäre Referenznummer für die Anfrage eines Kunden nach Waren oder Dienstleistungen. Der Kundenauftrag initiiert viele nachgelagerte Lieferkettenmanagementnaktivitäten, einschließlich Beschaffung und Produktion. Im Process Mining ist die Kundenauftragsnummer eine kritische Dimension für Filterung und Analyse. Sie ermöglicht Geschäftsanwendern, den vollständigen Erfüllungsprozess für einen spezifischen Kundenauftrag zu verfolgen und ist oft eine primäre Komponente der konzeptionellen Logistikauftrags-Case-ID. Bedeutung Es verknüpft den Lieferkettenmanagementnprozess direkt mit der Kundennachfrage und ermöglicht so die Analyse des Order-to-Cash-Zyklus und der kundenspezifischen Auftragserfüllungsleistung. Datenquelle Zu finden im Feld SalesId der Tabelle SalesTable. Beispiele SO-001872SO-001873SO-001874
	Auftragswert OrderValue	Der Gesamtbetrag des Kundenauftrags.
Beschreibung Dieses Attribut stellt den gesamten finanziellen Wert eines Kundenauftrags dar. Es ist eine Schlüsselmetrik, um die geschäftlichen Auswirkungen der Prozessleistung zu verstehen. Die Analyse von Prozessmetriken, wie z.B. Zykluszeit oder verspätete Lieferungen, im Kontext des Auftragswertes ermöglicht die Priorisierung von Verbesserungsbemühungen. Zum Beispiel können Verzögerungen, die hochpreisige Aufträge betreffen, kritischer sein als solche, die kleinere Aufträge betreffen. Dies verleiht der Prozessanalyse eine finanzielle Dimension. Bedeutung Bietet finanziellen Kontext für die Prozessanalyse, wodurch die Priorisierung von Problemen basierend auf ihrer monetären Auswirkung ermöglicht wird. Datenquelle Berechnet aus der Tabelle SalesLine durch Summieren des Feldes LineAmount für alle Zeilen, die zu einem bestimmten Verkaufsauftrag (SalesId) gehören. Beispiele 15200.50850.00125000.75
	Geplantes Versanddatum ScheduledShipmentDate	Das Datum, an dem der Versand geplant war.
Beschreibung Dieses Attribut stellt das geplante oder terminierte Datum dar, an dem eine Sendung das Lager oder den Antrag bearbeitet.ie Produktionsstätte verlassen soll. Es ist ein wichtiger interner Meilenstein im Erfüllungsprozess. Dieses Datum wird zur Berechnung des KPI „Shipment Schedule Adherence Rate“ verwendet. Der Vergleich des geplanten Datums mit dem tatsächlichen Datum der Aktivität „Waren für den Transport verladen“ hilft, die Zuverlässigkeit und Vorhersehbarkeit der internen Logistikplanung und -ausführung zu messen. Bedeutung Hilft, die interne Termin-Treue und die Vorhersagbarkeit des Versandprozesses zu messen, was sich auf die nachgelagerte Transportplanung auswirkt. Datenquelle Zu finden in Feldern wie ConfirmedShipDate auf SalesLine oder verwandten Feldern in der WHSLoadTable für geplante Ladungen. Beispiele 2023-05-082023-05-302023-07-18
	Ist Nacharbeit IsRework	Ein Kennzeichen, das angibt, ob eine Aktivität oder Prozessschleife eine Nacharbeit darstellt.
Beschreibung Dies ist ein berechnetes boolesches Attribut, das Aktivitäten oder Prozesspfade identifiziert, die Nacharbeits- oder Korrekturschleifen darstellen. Wenn zum Beispiel eine Aktivität „Qualitätskontrolle durchgeführt“ fehlschlägt und zu einem früheren Schritt „Waren produziert“ zurückführt, würde dies als Nacharbeit gekennzeichnet werden. Dieses Attribut ist unerlässlich für die Berechnung des KPIs „Order Fulfillment Rework Rate“. Durch die Kennzeichnung von Nacharbeit können Analysten die Häufigkeit und Auswirkungen von Qualitätsproblemen oder Prozessfehlern leicht quantifizieren und so Bereiche identifizieren, die Prozessoptimierungen und -kontrolle benötigen. Bedeutung Hilft, Prozessineffizienzen und Qualitätsprobleme zu quantifizieren, indem Aktivitäten explizit gekennzeichnet werden, die nicht Teil des 'optimalen Pfades' sind. Datenquelle Dies ist ein berechnetes Feld, in der Regel abgeleitet unter Verwendung von Geschäftsregeln. Zum Beispiel das Kennzeichnen spezifischer Aktivitätsnamen wie „Waren umpacken“ als Nacharbeit oder den Antrag bearbeitet.as Identifizieren von Rückwärtsschleifen im Prozessfluss. Beispiele JaNein
	Lager-ID WarehouseId	Die Kennung des Lagers, in dem Waren gelagert oder gehandhabt werden.
Beschreibung Dieses Attribut identifiziert das spezifische Lager oder Verteilungenzentrum, das an einer Aktivität wie Kommissionierung, Verpackung oder Versand beteiligt ist. Es ist unerlässlich für das Dashboard „Warehouse Operations Throughput“, das Leistungsvergleiche zwischen verschiedenen Einrichtungen ermöglicht. Die Analyse nach Lager kann helfen zu identifizieren, welche Standorte am effizientesten sind, welche mit Kapazitätsproblemen kämpfen und wo operative Verbesserungen am dringendsten benötigt werden. Bedeutung Ermöglicht Leistungsvergleiche und Engpassanalysen über verschiedene physische Standorte hinweg und unterstützt so die Verbesserung der Lagereffizienz. Datenquelle Findet sich im Feld InventLocationId in Tabellen, die sich auf Inventar- und Lagerverwaltung beziehen, wie InventSum und WHSWorkTable. Beispiele WH-MainWH-EastDC-West
	Produktkategorie ProductCategory	Die Kategorie, zu der ein Produkt gehört.
Beschreibung Dieses Attribut gruppiert einzelne Produkte in breitere Kategorien, wie „Elektronik“, „Rohmaterialien“ oder „FertigProdukte“. Dies ermöglicht eine übergeordnete Analyse der Lieferkettenmanagement. Anstatt Tausende einzelner SKUs zu betrachten, können Analysten Produktkategorien verwenden, um Trends und Engpässe zu identifizieren, die ganze Produktgruppen betreffen. Dies ist besonders nützlich im Dashboard „Beschaffung Lead Time Breakdown“, um die Lieferantenleistung über verschiedene Materialarten hinweg zu verstehen. Bedeutung Ermöglicht eine aggregierte Analyse über Produktgruppen hinweg, was nützlich für strategische Entscheidungen und die Identifizierung systemischer Probleme ist, die bestimmte Produkttypen betreffen. Datenquelle Abgeleitet durch Verknüpfung der Artikelstammtabelle (InventTable) mit Produktkategorietabellen wie EcoResProductCategory. Beispiele Audio ComponentsVerpackungsmaterialienHydraulikteile
	Produktnummer ProductNumber	Die eindeutige Kennung für das bestellte oder produzierte Produkt.
Beschreibung Dieses Attribut ist die Stock Keeping Unit (SKU) oder Artikelnummer für das Produkt, das an einer Transaktion beteiligt ist. Es kann sich um ein an einen Kunden verkauftes FertigProdukt oder ein von einem Lieferanten gekauftes Rohmaterial handeln. Die Analyse des Lieferkettenmanagementnprozesses nach Produkten hilft, Artikel zu identifizieren, die lange Lieferzeiten, häufige Qualitätsprobleme oder komplexe Produktionswege aufweisen. Diese Informationen sind wichtig für die Bestandsverwaltung, die Nachfrageprognose und die Produktportfolio-Optimierung. Bedeutung Ermöglicht die Analyse der Prozessleistung für verschiedene Produkte, wodurch spezifische Herausforderungen in der Lieferkettenmanagement für bestimmte Artikel aufgedeckt werden können. Datenquelle Findet sich im Feld ItemId in Transaktionszeilentabellen wie SalesLine, PurchLine und ProdBOM. Beispiele A0001D0010M9201
	Spediteurname CarrierName	Der Name des Transportunternehmens oder Carriers, das die Sendung abwickelt.
Beschreibung Dieses Attribut identifiziert den Drittanbieter-Logistikdienstleister oder den Antrag bearbeitet.ie interne Flotte, die für den Transport der Waren verantwortlich ist. Es spezifiziert, welches Unternehmen das Produkt physisch bewegt. Der Carrier ist eine weitere kritische Dimension für das Dashboard „Transportation Efficiency & Costs“. Durch die Analyse von Leistungsmetriken wie Transitzeit und pünktlicher Lieferung nach Carrier können Unternehmen ihre Logistikpartner benchmarken, bessere Tarife aushandeln und fundierte Entscheidungen über die Carrier-Auswahl treffen. Bedeutung Ermöglicht die Leistungsanalyse verschiedener Logistikpartner, was für das Speditionsmanagement und die Optimierung der Transportkosten wichtig ist. Datenquelle Findet sich in Feldern wie 'CarrierService' bei Verkaufsaufträgen oder in dedizierten Transportmanagementmentanagement-Tabellen wie TMSCarrier. Beispiele FedExUPSMaerskDHL
	Transportmanagementmentittel ModeOfTransport	Das für den Versand verwendete Transportmanagementmentittel, wie LKW, Luft oder See.
Beschreibung Dieses Attribut spezifiziert die Transportmanagementmentethode, die verwendet wird, um Waren vom Ursprung zum Zielort zu bepflegen. Beispiele hierfür sind Straßen-, Schienen-, Luft- und Seefracht. Es ist eine Schlüsseldimension für das Dashboard „Transportation Efficiency & Costs“. Die Analyse von Durchlaufzeiten und Kosten nach Transportmanagementmentittel hilft bei der Optimierung von Logistikstrategien, der Auswahl des richtigen Gleichgewichts zwischen Geschwindigkeit und Kosten und der Identifizierung von Ineffizienzen innerhalb spezifischer Transportkanäle. Bedeutung Essentiell für die Analyse von Transportkosten und -effizienz, hilft bei der Optimierung von Logistiknetzwerken und der Reduzierung von Frachtkosten. Datenquelle Findet sich im Feld ModeOfDelivery in Tabellen wie SalesTable oder PurchTable, oder den Antrag bearbeitet.etaillierter in Transportmanagementmentanagement-Tabellen wie TMSRoute. Beispiele LKWLuftSeeRail

Erforderlich Empfohlen Optional

Lieferkettenmanagement Aktivitäten

Dies sind die wichtigsten Prozessschritte und Meilensteine, die in Ihrem Event Log erfasst werden sollten, um eine präzise Prozesserkennung und Leistungsfähigkeit-Einblicke für Ihre Lieferkettenmanagement zu sicherstellen.

8 Empfohlen 7 Optional

	Aktivität	Beschreibung
	Bestellung aufgegeben	Eine formelle Bestellung wird erstellt und bestätigt, wodurch sich das Unternehmen zu einem Kauf von einem Lieferanten verpflichtet. Dieses Ereignis wird protokolliert, wenn der PO-Status auf 'Confirmed' oder 'In external review' aktualisiert wird.
Bedeutung Dies ist ein wichtiger Meilenstein in der Beschaffung und der primäre Ausgangspunkt zur Messung der Lieferanten-Lead Time. Die Analyse der Zeit von diesem Event bis zum Materialeingang hilft, die Lieferantenleistung zu bewerten. Datenquelle Im Modul Beschaffung und Bezug erfasst. Die Bestätigung eines Bestellauftrags wird mit Statusänderungen und Daten in der PurchTable verfolgt. Erfassen Erfasst, wenn der Status eines Bestellauftrags durch eine Journalisierungsaktion auf „Bestätigt“ aktualisiert wird. Ereignistyp explicit
	Kundenauftrag erstellt	Stellt die formale Erstellung eines neuen Kundenauftrags in Dynamics 365 SCM dar. Dies ist ein explizites Event, das mit einem Zeitstempel protokolliert wird, wenn ein Benutzer ein neues Kundenauftragsdokument speichert und den Erfüllungsprozess initiiert.
Bedeutung Diese Aktivität markiert den offiziellen Beginn des Auftragserfüllungszyklus. Sie ist der primäre Anker für die Messung der gesamten Durchlaufzeiten, der On-Time-Delivery-Leistungsfähigkeit und die Analyse von Auftragseingangsmustern. Datenquelle Dies ist ein explizites Event, das im Modul Vertrieb und Marketing erfasst wird. Die Erstellung wird in der SalesTable (Kundenauftragskopf) mit einem spezifischen Erstellungs-Zeitstempel protokolliert. Erfassen Ereignis, das bei der Erstellung eines VerkaufsauftragsDatensatzes in der SalesTable protokolliert wird. Ereignistyp explicit
	Liefernachweis unterzeichnet	Der Kunde hat den Empfang der Waren förmlich bestätigt, oft durch Unterzeichnung eines Lieferscheins. Dies wird in der Regel durch das Anhängen eines Dokuments oder den Antrag bearbeitet.ie Aktualisierung eines Status im System erfasst.
Bedeutung Dies ist die endgültige Bestätigung der erfolgreichen Auftragserfüllung und das definitive Ende des Logistikprozesses. Es ist maßgeblich für die Beilegung von Streitigkeiten und für die Berechnung der gesamten Order Durchlaufzeit. Datenquelle Dies ist keine Standard-Transaktion. Sie wird oft durch Aktualisierung eines Status im Kundenauftrag oder den Antrag bearbeitet.urch Dokumentenverwaltung zur Anbringung eines gescannten Abliefernachweises verwaltet. Erfassen Abgeleitet aus einer Statusaktualisierung oder den Antrag bearbeitet.er Anhängung eines POD-Dokuments an den Verkaufsauftrag oder Versand. Ereignistyp inferred
	Produzierte Güter	Der Fertigungsprozess ist abgeschlossen, und die fertigen Produkte werden im System offiziell als fertig gemeldet. Dies wird durch das Buchen eines „Als fertig gemeldet“-Journals für den Produktionsauftrag erfasst, wodurch der Lagerbestand aktualisiert wird.
Bedeutung Kennzeichnet den Abschluss der Produktionsphase und stellt die Waren für die Qualitätskontrolle und den Versand bereit. Es ist ein wichtiger Meilenstein zur Messung der Einhaltung des Produktionsplans. Datenquelle Im Modul Produktionssteuerung erfasst. Das Buchen des „Als fertig gemeldet“-Journals erstellt eine Zeitstempel-zugewiesene Bestandsbewegung und aktualisiert den Status des Produktionsauftrags. Erfassen Erfasst, wenn ein „Als fertig gemeldet“-Journal für den Produktionsauftrag gebucht wird. Ereignistyp explicit
	Rohmaterialien erhalten	Die bestellten Waren oder Materialien vom Lieferanten werden physisch im Lager empfangen. Dies wird über eine Wareneingangsbuchungstransaktion in Dynamics 365 gegen die Bestellung erfasst.
Bedeutung Diese Aktivität markiert das Ende der Lieferantenlieferzeit und die Verfügbarkeit von Materialien für die Produktion oder Erfüllung. Verzögerungen hier wirken sich direkt auf nachgelagerte Zeitpläne und Kundeliefertermine aus. Datenquelle Im Modul Beschaffung und Bezug oder Bestandsverwaltung erfasst. Die Buchung eines Wareneingangs (VendPackingSlipJour) erstellt einen Zeitstempel-zugewiesenen TransaktionsDatensatz. Erfassen Ereignis, das protokolliert wird, wenn ein Wareneingang (Product Receipt) gegen die Bestellung (Purchase Order) gebucht wird. Ereignistyp explicit
	Waren für den Transport verladen	Die verpackten Waren werden physisch auf das Fahrzeug des Carriers geladen, und der Versand wird im System bestätigt. Dieses Event entspricht der Aktion „Versand bestätigen“ in Dynamics 365.
Bedeutung Kennzeichnet den physischen Abgang der Waren aus dem Lager. Diese Aktivität ist der Ausgangspunkt für die Messung der Dauer von „Waren im Transit“ und für die finanzielle Anerkennung des Versands. Datenquelle In den Modulen Lager- oder Transportmanagementmentanagement erfasst. Die Aktion „Versand bestätigen“ bei einer Ladung oder Sendung (WHSLoadTable) erstellt ein Zeitstempel-zugewiesenes Event. Erfassen Erfasst, wenn die Aktion „Versand bestätigen“ für die zugehörige Ladung oder Sendung ausgeführt wird. Ereignistyp explicit
	Waren geliefert	Die Waren sind am Zielort des Kunden eingetroffen. Dieses Event kann aus Carrier-Tracking-Daten oder einer manuellen Statusaktualisierung abgeleitet werden, da Dynamics 365 keine native „geliefert“-Transaktion hat.
Bedeutung Kennzeichnet den Abschluss der physischen Lieferung. Es liefert das „Tatsächliche Lieferdatum“, das für die Berechnung von On-Time-Leistungsfähigkeit-KPIs und kundenorientierten Metriken notwendig ist. Datenquelle Dies ist oft kein Standardfeld. Es kann in einem benutzerdefinierten Datumsfeld auf dem Kundenauftrag oder den Antrag bearbeitet.er Sendung erfasst werden, manuell aktualisiert oder über eine Integration mit dem System eines Carriers. Erfassen Abgeleitet aus einer manuellen Aktualisierung eines Lieferdatumsfeldes oder über eine externe Spediteur-API-Integration. Ereignistyp inferred
	Waren kommissioniert und verpackt	Lagermitarbeiter haben die Artikel physisch aus dem Lagerbestand entnommen und für den Versand verpackt. Dies wird erfasst, wenn die Kommissionierarbeit abgeschlossen und der Verpackungsstatus im System aktualisiert wird.
Bedeutung Stellt den Abschluss der zentralen Lagerabwicklungsaufgabe dar. Es ist eine wichtige Kennzahl für das Dashboard zur Lagerdurchlaufleistung und zur Identifizierung von Engpässe im Kommissionier- und Verpackungsprozess. Datenquelle Im Modul Lagerverwaltung erfasst. Dies wird in der Regel aus dem Status der Lagerarbeit (WHSWorkTable) abgeleitet, der sich zu „Geschlossen“ ändert, oder den Antrag bearbeitet.urch das Buchen eines Lieferscheins. Erfassen Abgeleitet aus der Statusänderung der Lagerarbeit auf 'Closed' oder aus dem Buchungsdatum des Lieferscheins. Ereignistyp inferred
	`Purchase Requisition` erstellt	Eine formelle Anfrage wird an die Einkaufsabteilung gerichtet, die für den Auftrag benötigten Materialien zu beschaffen, in der Regel bei unzureichendem Lagerbestand. Dies ist ein explizites Ereignis, das protokolliert wird, wenn ein neues Purchase Requisition (Purchase Requisition)-Dokument erstellt und gespeichert wird.
Bedeutung Diese Aktivität initiiert den Beschaffungs-Subprozess. Ihre Verfolgung ist maßgeblich für die Analyse des internen Genehmigungsanteils der Beschaffungsdurchlaufzeit und die Identifizierung von Verzögerungen, bevor eine Bestellung (PO) erteilt wird. Datenquelle Im Modul Beschaffung und Bezug erfasst. Die Erstellung eines Datensatzes in der PurchReqTable ist ein diskretes Event mit einem Zeitstempel. Erfassen Ereignis, das bei der Erstellung eines Datensatzes in der Purchase Requisitionstabelle (PurchReqTable) protokolliert wird. Ereignistyp explicit
	Bestellung storniert	Der Kundenauftrag wird storniert, bevor die Erfüllung abgeschlossen ist. Dies wird durch eine Statusänderung im Kopf des Kundenauftrags auf „Storniert“ erfasst.
Bedeutung Stellt ein negatives Prozessergebnis dar. Die Analyse, wann und warum Aufträge storniert werden, kann Probleme bei der Produktverfügbarkeit, den Lieferzeiten oder den Antrag bearbeitet.em Kundenservice aufzeigen, die angegangen werden müssen. Datenquelle Abgeleitet aus der Statusfeldänderung der SalesTable auf 'Abbrechened'. Das Datum dieser Änderung kann erfasst werden, wenn Änderungsverfolgung oder Datenbankprotokollierung aktiviert ist. Erfassen Abgeleitet aus der Statusänderung des Verkaufsauftrags auf 'Abbrechened'. Ereignistyp inferred
	Fertigungsauftrag angelegt	Ein Fertigungsauftrag wird generiert, um die für den Logistikauftrag des Kunden benötigten Fertigwaren herzustellen. Dies ist ein diskretes Ereignis, das im Produktionssteuerungsmodul protokolliert wird.
Bedeutung Leitet den Fertigungsprozess für Make-to-Order-Szenarien ein. Die Verfolgung der Zeit von diesem Ereignis bis zur Fertigstellung der Waren ist maßgeblich für die Analyse von Produktionszykluszeiten und der Einhaltung von Zeitplänen. Datenquelle Im Modul Produktionssteuerung erfasst. Die Erstellung eines neuen Datensatzes in der ProdTable (Produktionsauftragstabelle) enthält einen Erstellungs-Zeitstempel. Erfassen Bei Erstellung eines neuen Datensatzes in der Produktionsauftragstabelle (ProdTable) erfasst. Ereignistyp explicit
	Kundenrechnung gebucht	Eine Verkaufsrechnung wird aus dem Verkaufsauftrag generiert und in den Finanzbüchern verbucht. Dies geschieht oft zum Zeitpunkt des Versands, aber der Prozess kann variieren, was es zu einer eigenständigen Aktivität macht.
Bedeutung Dies ist ein kritischer finanzieller Meilenstein im Order-to-Cash-Zyklus. Die Analyse der Zeit vom Versand bis zur Rechnungsstellung kann Verzögerungen im Abrechnungsprozess aufdecken und den Cashflow beeinflussen. Datenquelle Im Modul Debitorenbuchhaltung (Accounts Receivable) erfasst. Die Buchung einer Verkaufsrechnung erstellt einen Datensatz in der Tabelle CustInvoiceJour mit einem spezifischen Buchungsdatum. Erfassen Erfasst, wenn eine Verkaufsrechnung gebucht wird, wodurch ein CustInvoiceJour-Datensatz erstellt wird. Ereignistyp explicit
	Lager-Pickliste generiert	Eine Kommissionierliste oder Lageraufgabe wird erstellt, die das Personal anweist, welche Artikel für die Auftragserfüllung kommissioniert werden sollen. Dieses Ereignis wird protokolliert, wenn ein Auftrag zur Bearbeitung an das Lager freigegeben wird.
Bedeutung Diese Aktivität initiiert die physischen Lagererfüllungsoperationen. Die Analyse der Zeit von diesem Punkt bis zur Verpackung hilft, die interne Lagereffizienz und Reaktionsfähigkeit zu messen. Datenquelle Im Modul Lagerverwaltung erfasst. Die Erstellung von Lagerarbeiten (WHSWorkTable) oder den Antrag bearbeitet.ie Buchung eines Kommissionierlistenjournals (WMSPickingRoute) ist ein diskretes Event. Erfassen Bei Generierung eines Kommissionierlistenjournals oder Erstellung von Lagerarbeiten erfasst. Ereignistyp explicit
	Qualitätskontrolle durchgeführt	Eine Qualitätsprüfung wird an produzierten oder erhaltenen Waren durchgeführt, um sicherzustellen, dass sie den Standards entsprechen. Dies wird oft als Abschluss einer Qualitätsbestellung oder Validierung im System erfasst.
Bedeutung Stellt Produktqualität und Prozess-Compliance sicher. Das Identifizieren von übersprungenen Qualitätsprüfungen oder langen Inspektionszeiten hilft, Risiken zu mindern und den gesamten Prozessfluss zu verbessern. Datenquelle Im Modul Bestandsverwaltung über Qualitätsaufträge erfasst. Die Validierung oder den Antrag bearbeitet.er Abschluss eines Qualitätsauftrags (InventQualityOrderTable), der mit dem Artikel verknüpft ist, liefert dieses Event. Erfassen Bei Validierung oder Abschluss eines Qualitätsauftrags, der mit dem Artikel-Los oder den Antrag bearbeitet.er Seriennummer verknüpft ist, erfasst. Ereignistyp explicit
	Sendung terminiert	Ein spezifisches Datum und ein Spediteur werden für den Versand der verpackten Waren zugewiesen. Dies wird oft erfasst, wenn eine Ladung geplant oder ein Versand im Transportmanagementmentodul bestätigt wird.
Bedeutung Bietet eine Basislinie zur Messung der Einhaltung des Versandplans. Der Vergleich dieses geplanten Datums mit dem tatsächlichen Verladedatum ist ein wichtiger Leistungsindikator für die Logistikplanung. Datenquelle Im Modul Transportmanagementmentanagement (TMS) erfasst. Die Bestätigung einer Ladung (WHSLoadTable) oder Sendung enthält oft ein geplantes Versanddatum, das erfasst werden kann. Erfassen Bei Bestätigung einer Transportladung oder eines SendungsDatensatzes erfasst. Ereignistyp explicit

Extraktionsanleitungen

So erhalten Sie Ihre Daten aus Microsoft Dynamics 365 SCM

Schritte

Zum Arbeitsbereich Daten Management bewältigen: Melden Sie sich bei Dynamics 365 SCM an. Verwenden Sie die Suchleiste, um den Arbeitsbereich Daten Management zu finden und dorthin zu bewältigen.
Neues Exportprojekt erstellen: Wählen Sie im Arbeitsbereich Daten Management die Kachel Export. Wählen Sie auf der folgenden Seite Neu, um ein neues Exportprojekt zu erstellen.
Projektdetails definieren: Geben Sie einen Gruppennamen (z.B. SCM_EventLog_Export), eine Beschreibung an und legen Sie den Daten project operations type als Export fest. Wählen Sie die Project category als Project.
Erforderliche Daten Entities hinzufügen: Wählen Sie im Abschnitt Ausgewählte Entitäten die Option Entität hinzufügen. Suchen und fügen Sie jede der erforderlichen Daten Entities zum Projekt hinzu. Sie müssen eine Entität für jede Quelle von Event-Daten hinzufügen. Eine vollständige Listee der empfohlenen Entitäten finden Sie im Abschnitt Abfrage.
Entitätsexportoptionen konfigurieren: Wählen Sie für jede hinzugefügte Entität ein ZielDatenformat (CSV wird empfohlen). Sie können auch Filter anwenden, um die Daten zu begrenzen. Wählen Sie für jede Entität die Option Filter und fügen Sie Bereichskriterien hinzu, z.B. für das Feld CreatedDateTime, um Daten für die letzten 3 bis 6 Monate zu extrahieren. Es ist maßgeblich, nach dem primären Unternehmen oder den Antrag bearbeitet.er juristischen Person zu filtern.
Entitäten sequenzieren (Optional): Sie können eine Ausführungsreihenfolge für die Entitäten definieren, falls Abhängigkeiten bestehen, aber für diese Event Log-Extraktion können sie in der Regel parallel ausgeführt werden.
Exportprojekt speichern und ausführen: Speichern Sie die ProjektKonfiguration. Um den Export auszuführen, wählen Sie Exportieren aus dem Aktionsbereich. Sie können es sofort ausführen oder den Antrag bearbeitet.ie Ausführung im Batch-Modus außerhalb der Spitzenzeiten planen.
Exportauftrag überwachen: Navigieren Sie zum Abschnitt Jobhistorie, um den Fortschritt Ihres Exportauftrags zu überwachen. Warten Sie, bis der Status als Erfolgreich angezeigt wird.
Datenpaket herunterladen: Sobald der Auftrag abgeschlossen ist, wählen Sie Paket herunterladen von der Seite Jobhistorie. Dies lädt eine einzelne ZIP-Datei herunter, die separate CSV-Dateien für jede Daten Entity enthält.
Daten kombinieren und modernisieren: Entpacken Sie das Paket. Sie haben mehrere Dateien. Verwenden Sie ein externes Tool wie Power Query, ein Python-Skript oder ein anderes ETL-Tool, um die folgenden Transformationen durchzuführen:
- Öffnen Sie jede CSV-Datei.
- Ordnen Sie die Quellspalten jeder Datei der standardisierten Event Log-Struktur (LogisticsOrder, ActivityName, Ereigniszeitpunkt (Event Time) usw.) zu.
- Fügen Sie für jede Datei eine neue Spalte für ActivityName hinzu und füllen Sie diese mit dem statischen Aktivitätsnamen (z.B. 'Customer Order Created' für alle Zeilen der Sales Order Entität).
- Vereinen Sie alle transformierten Daten aus allen Dateien in einer einzigen Tabelle.
- Berechnen Sie abgeleitete Attribute wie BeschaffungLeadTime, falls erforderlich.
Finalen Event Log exportieren: Speichern Sie die kombinierten und transformierten Daten als einzelne CSV-Datei. Stellen Sie sicher, dass die Spaltenüberschriften den erforderlichen Attributen für Ihr Process-Mining-Tool entsprechen. Diese Datei ist nun bereit für den Upload.

Konfiguration

Daten Entities: Der Kern der Konfiguration ist die Auswahl der korrekten Daten Entities. Zu den Schlüsselentitäten gehören Sales order headers V2, Purchase order headers V2, Production orders V3, Product receipt headers, Sales invoice headers V2, Warehouse work headers und Shipments.
Ziel-Datenformat: CSV ist das empfohlene Format aufgrund seiner Einfachheit und breiten Kompatibilität mit Nachbearbeitungstools.
Filterstrategie: Wenden Sie immer Filter an, um das Datenvolumen zu steuern. Die zwei wichtigsten Filter sind:
- Unternehmen/Juristische Person: Filtern Sie jede Entität nach der spezifischen juristischen Person (z.B. DAT.DatenAreaId = 'usmf').
- Datumsbereich: Wenden Sie einen Datumsbereichsfilter auf ein primäres Datumsfeld, wie CreatedDateTime in der Sales order headers V2 Entität, an, um einen relevanten Zeitraum (z.B. die letzten 6 Monate) zu extrahieren.
Inkrementeller vs. vollständiger Export: Für die initiale Extraktion ist ein vollständiger Export notwendig. Für nachfolgende Delta-Ladungen können Sie inkrementelle Exporte konfigurieren, dies erhöht jedoch die Komplexität der Nachbearbeitungslogik.
Voraussetzungen: Benutzer, die den Exportauftrag konfigurieren und ausführen, benötigen entsprechende Berechtigungen, wie die Sicherheitsrolle Daten management administrator. Das Unternehmen muss auch die relevanten D365 SCM-Module einsetzen, einschließlich Vertrieb und Marketing, Beschaffung und Einkauf, Produktionssteuerung und Lagerverwaltung.

a Beispielabfrage config

/*
This is a conceptual representation of the configuration within the Dynamics 365 Data Management Framework.
You will create one export project and add each of the following 'Data Entities' to it.
For each entity, you will select the specified 'Source Field' and map it to the target attribute.
The post-processing script is responsible for combining these separate files and standardizing column names.
The LogisticsOrder is primarily the SalesOrderNumber.
*/

-- Activity: Customer Order Created
Data Entity: Sales order headers V2
Filter: [Specify date range on CREATEDDATETIME]
Fields to Export:
  - LogisticsOrder: SALESORDERNUMBER
  - ActivityName: 'Customer Order Created'
  - EventTime: CREATEDDATETIME
  - UserId: CREATEDBY
  - SalesOrderNumber: SALESORDERNUMBER
  - CustomerName: CUSTOMERACCOUNTNUMBER
  - RequestedDeliveryDate: REQUESTEDSHIPPINGDATE

-- Activity: Order Canceled
Data Entity: Sales order headers V2
Filter: SALESORDERSTATUS = 'Canceled' AND [Specify date range on MODIFIEDDATETIME]
Fields to Export:
  - LogisticsOrder: SALESORDERNUMBER
  - ActivityName: 'Order Canceled'
  - EventTime: MODIFIEDDATETIME
  - UserId: MODIFIEDBY
  - SalesOrderNumber: SALESORDERNUMBER

-- Activity: Purchase Requisition Created
Data Entity: Purchase requisition lines V2
Filter: [Specify date range on CREATEDDATETIME]
Fields to Export:
  - LogisticsOrder: SALESORDERNUMBER -- (May require joining to find the originating sales order)
  - ActivityName: 'Purchase Requisition Created'
  - EventTime: CREATEDDATETIME
  - UserId: CREATEDBY
  - SalesOrderNumber: SALESORDERNUMBER

-- Activity: Purchase Order Issued
Data Entity: Purchase order headers V2
Filter: DOCUMENTSTATE = 'Confirmed' OR DOCUMENTSTATE = 'InExternalReview' AND [Specify date range on CONFIRMATIONDATE]
Fields to Export:
  - LogisticsOrder: [Originating Sales Order Number, may need to be mapped post-export]
  - ActivityName: 'Purchase Order Issued'
  - EventTime: CONFIRMATIONDATE
  - UserId: CREATEDBY
  - PurchaseOrderNumber: PURCHASEORDERNUMBER
  - SupplierName: VENDORACCOUNTNUMBER

-- Activity: Raw Materials Received
Data Entity: Product receipt headers
Filter: [Specify date range on RECEIPTDATE]
Fields to Export:
  - LogisticsOrder: [Originating Sales Order Number, may need to be mapped post-export]
  - ActivityName: 'Raw Materials Received'
  - EventTime: RECEIPTDATE
  - UserId: WORKERPERSONNELNUMBER
  - PurchaseOrderNumber: PURCHASEORDERNUMBER

-- Activity: Production Order Created
Data Entity: Production orders V3
Filter: [Specify date range on CREATEDDATETIME]
Fields to Export:
  - LogisticsOrder: INVENTORYSALESORDERNUMBER
  - ActivityName: 'Production Order Created'
  - EventTime: CREATEDDATETIME
  - UserId: CREATEDBY
  - ProductionOrderNumber: PRODUCTIONORDERNUMBER
  - SalesOrderNumber: INVENTORYSALESORDERNUMBER

-- Activity: Goods Produced
Data Entity: Report as finished production journal entries
Filter: [Specify date range on POSTINGDATETIME]
Fields to Export:
  - LogisticsOrder: [Originating Sales Order Number, requires lookup via ProductionOrderNumber]
  - ActivityName: 'Goods Produced'
  - EventTime: POSTINGDATETIME
  - UserId: [User who posted the journal]
  - ProductionOrderNumber: PRODUCTIONORDERNUMBER

-- Activity: Quality Control Performed
Data Entity: Inventory quality orders
Filter: QUALITYORDERSTATUS = 'Pass' OR QUALITYORDERSTATUS = 'Fail' AND [Specify date range on [Completion DateTime field]]
Fields to Export:
  - LogisticsOrder: INVENTORYSALESID
  - ActivityName: 'Quality Control Performed'
  - EventTime: [A field representing the completion or closing timestamp]
  - UserId: RESPONSIBLEWORKERPERSONNELNUMBER
  - SalesOrderNumber: INVENTORYSALESID

-- Activity: Warehouse Pick List Generated
Data Entity: Warehouse work headers
Filter: [Specify date range on CREATEDDATETIME]
Fields to Export:
  - LogisticsOrder: ORDERNUMBER
  - ActivityName: 'Warehouse Pick List Generated'
  - EventTime: CREATEDDATETIME
  - UserId: CREATEDBY
  - SalesOrderNumber: ORDERNUMBER

-- Activity: Goods Picked and Packed
Data Entity: Warehouse work headers
Filter: WORKSTATUS = 'Closed' AND [Specify date range on WORKCLOSEDUTCDATETIME]
Fields to Export:
  - LogisticsOrder: ORDERNUMBER
  - ActivityName: 'Goods Picked and Packed'
  - EventTime: WORKCLOSEDUTCDATETIME
  - UserId: CLOSEDWORKUSERID
  - SalesOrderNumber: ORDERNUMBER

-- Activity: Shipment Scheduled
Data Entity: Shipments
Filter: [Specify date range on CONFIRMEDSHIPDATE]
Fields to Export:
  - LogisticsOrder: [Originating Sales Order Number, requires lookup via shipment relations]
  - ActivityName: 'Shipment Scheduled'
  - EventTime: CONFIRMEDSHIPDATE
  - UserId: [User related to confirmation]

-- Activity: Goods Loaded For Transport
Data Entity: Shipments
Filter: SHIPMENTSTATUS = 'Shipped' AND [Specify date range on ACTUALSHIPDATE]
Fields to Export:
  - LogisticsOrder: [Originating Sales Order Number, requires lookup via shipment relations]
  - ActivityName: 'Goods Loaded For Transport'
  - EventTime: ACTUALSHIPDATE
  - UserId: [User related to ship confirm]

-- Activity: Customer Invoice Posted
Data Entity: Sales invoice headers V2
Filter: [Specify date range on INVOICEDATE]
Fields to Export:
  - LogisticsOrder: SALESORDERNUMBER
  - ActivityName: 'Customer Invoice Posted'
  - EventTime: INVOICEDATE
  - UserId: [User who posted invoice, if available]
  - SalesOrderNumber: SALESORDERNUMBER

-- Activity: Goods Delivered
Data Entity: [Your custom entity or Sales order headers V2 with custom status]
Note: This is not a standard event. This requires a custom field or integration.
Fields to Export:
  - LogisticsOrder: SALESORDERNUMBER
  - ActivityName: 'Goods Delivered'
  - EventTime: [Your custom delivery date field]
  - UserId: [Your custom user field]

-- Activity: Proof of Delivery Signed
Data Entity: [Your custom entity or Document management entity]
Note: This is not a standard event. This requires a custom field or process.
Fields to Export:
  - LogisticsOrder: SALESORDERNUMBER
  - ActivityName: 'Proof of Delivery Signed'
  - EventTime: [Your custom POD date field]
  - UserId: [Your custom user field]

Schritte

Bring Your Own Datenbase (BYOD) konfigurieren: Stellen Sie zunächst sicher, dass die BYOD-Funktion in Ihrer Dynamics 365 SCM-Umgebung konfiguriert ist. Dies beinhaltet die Einrichtung einer Azure SQL-Datenbank und die Konfiguration einer Datenverbindung von D365 zu dieser Datenbank. Dies ist eine Voraussetzung und wird in der Regel von einem Systemadministrator durchgeführt.
Daten Entities identifizieren und veröffentlichen: Melden Sie sich bei Ihrer Dynamics 365 SCM-Instanz an. Navigieren Sie zum Arbeitsbereich Daten Management. Identifizieren Sie die für diese Extraktion erforderlichen Standard-Daten Entities, wie SalesOrderHeadersV2, PurchaseOrderHeaders, ProductionOrders und andere in der Abfrage aufgeführte. Wählen Sie für jede Entität 'Veröffentlichen', um den Synchronisierungsprozess mit Ihrer BYOD-Datenbank zu starten.
Datenexport planen und überwachen: Konfigurieren Sie einen Exportauftrag im Arbeitsbereich Daten Management, um regelmäßige, inkrementelle Updates der veröffentlichten Entitäten in Ihrer BYOD zu planen. Überwachen Sie den Auftragsverlauf, um sicherzustellen, dass die Daten erfolgreich und fehlerfrei synchronisiert werden.
Mit der Azure SQL-Datenbank verbinden: Verwenden Sie einen SQL-Client, wie SQL Server Management Studio (SSMS) oder Azure Daten Studio, um eine Verbindung zu der Azure SQL-Datenbank herzustellen, die Sie für BYOD konfiguriert haben. Sie benötigen den Servernamen, den Datenbanknamen und die entsprechenden AnmeldeHinweisrmationen.
SQL-Abfrage vorbereiten: Kopieren Sie die vollständige SQL-Abfrage aus diesem Dokument. Sie müssen die Platzhalter für die Unternehmens-ID, z.B. '[YourD365Company]', ändern und die Datumsbereichsfilter in den WHERE-Klauseln an Ihren gewünschten Analysezeitraum anpassen.
Abfrage ausführen: Führen Sie die modifizierte SQL-Abfrage für Ihre BYOD aus. Die Abfrage ist darauf ausgelegt, Daten aus mehreren Tabellen zu sammeln und in einem einzigen Event Log-Format zu vereinheitlichen, mit einer Zeile pro Geschäftsaktivität.
Komplexe Attribute berechnen: Die initiale Abfrage sammelt die Kernereignisse. Die abschließende SELECT-Anweisung berechnet abgeleitete Attribute wie IsOnTimeDelivery und BeschaffungLeadTime mithilfe von Fensterfunktionen über die EreignisDaten für jeden LogisticsOrder.
Resultate überprüfen und validieren: Überprüfen Sie die Ausgabe der Abfrage. Prüfen Sie die erwarteten Zeilenzahlen, stellen Sie sicher, dass alle erforderlichen Spalten gefüllt sind, und verifizieren Sie, dass die Zeitstempel und Aktivitätsnamen korrekt erscheinen. Weitere Details finden Sie in den Validierungsschritten.
Nach CSV exportieren: Sobald Sie mit den Resultaten zufrieden sind, exportieren Sie den endgültigen Datensatz von Ihrem SQL-Client in eine CSV-Datei. Diese Datei dient als Event Log für den Upload in Ihr Process-Mining-Tool.

Konfiguration

BYOD-Konfiguration: Die Bring Your Own Datenbase (BYOD)-Funktion muss aktiviert und vollständig konfiguriert sein. Dies erfordert ein aktives Azure-Abonnementnnement und eine Azure SQL-Datenbank-Instanz.
Daten Entities: Stellen Sie sicher, dass die folgenden Schlüsselentitäten veröffentlicht sind und erfolgreich mit Ihrer BYOD synchronisiert werden: SalesOrderHeadersV2, SalesOrderLinien, PurchaseOrderHeadersV2, PurchaseRequisitionLinien, PurchReceiptsJournalHeader, ProductionOrders, QualityOrders, WarehouseWorkHeaders, SalesPackingSlipHeaders, SalesInvoiceHeadersV2, und möglicherweise weitere, abhängig von Ihrer spezifischen D365 SCM-Konfiguration.
Datumsbereich: Die bereitgestellte Abfrage enthält einen Platzhalter WHERE [ZeitstempelField] >= 'JJJJ-MM-TT' für die Filterung. Es wird empfohlen, mit einem aktuellen Zeitraum von 3 bis 6 Monaten zu beginnen, um ein überschaubares Datenvolumen und eine schnellere Abfrageausführung zu sicherstellen.
Unternehmensfilter: Die Abfrage verwendet eine WHERE DATACOMPANYID = '[YourD365Company]'-Klausel. Dies ist maßgeblich für Umgebungen mit mehreren juristischen Personen. Ersetzen Sie den Platzhalter durch die korrekte Unternehmens-ID, die Sie analysierenn möchten.
Berechtigungen: Der Benutzer, der den Antrag bearbeitet.ie Abfrage für die Azure SQL-Datenbank ausführt, benötigt Leseberechtigungen für die Tabellen, die den veröffentlichten D365-Entitäten entsprechen.

a Beispielabfrage sql

WITH EventLog_Raw AS (
-- 1. Customer Order Created
SELECT
    soh.SALESORDERNUMBER AS LogisticsOrder,
    'Customer Order Created' AS ActivityName,
    soh.CREATIONDATETIME AS EventTime,
    soh.CREATEDBY AS UserId,
    soh.SALESORDERNUMBER AS SalesOrderNumber,
    NULL AS PurchaseOrderNumber,
    NULL AS ProductionOrderNumber,
    NULL AS SupplierName,
    soh.INVOICECUSTOMERACCOUNTNUMBER AS CustomerName, -- Simplified, join with customer master for full name
    soh.REQUESTEDSHIPPINGDATE AS RequestedDeliveryDate
FROM SalesOrderHeadersV2 soh
WHERE soh.DATACOMPANYID = '[YourD365Company]' AND soh.CREATIONDATETIME >= '2023-01-01'

UNION ALL

-- 2. Purchase Requisition Created
SELECT
    prl.SALESORDERNUMBER AS LogisticsOrder,
    'Purchase Requisition Created' AS ActivityName,
    prh.CREATIONDATETIME AS EventTime,
    prh.CREATEDBY AS UserId,
    prl.SALESORDERNUMBER AS SalesOrderNumber,
    NULL AS PurchaseOrderNumber,
    NULL AS ProductionOrderNumber,
    NULL AS SupplierName,
    NULL AS CustomerName,
    NULL AS RequestedDeliveryDate
FROM PurchaseRequisitionLines prl
JOIN PurchaseRequisitionHeaders prh ON prl.REQUISITIONHEADER_REQUISITIONNUMBER = prh.REQUISITIONNUMBER AND prl.DATACOMPANYID = prh.DATACOMPANYID
WHERE prl.DATACOMPANYID = '[YourD365Company]' AND prh.CREATIONDATETIME >= '2023-01-01' AND prl.SALESORDERNUMBER IS NOT NULL

UNION ALL

-- 3. Purchase Order Issued
SELECT
    sol.SALESORDERNUMBER AS LogisticsOrder,
    'Purchase Order Issued' AS ActivityName,
    poh.CONFIRMEDDELIVERYDATE AS EventTime, -- Using confirmation date as event time
    poh.CREATEDBY AS UserId,
    sol.SALESORDERNUMBER AS SalesOrderNumber,
    poh.PURCHASEORDERNUMBER AS PurchaseOrderNumber,
    NULL AS ProductionOrderNumber,
    poh.VENDORACCOUNTNUMBER AS SupplierName, -- Simplified, join with vendor master for full name
    NULL AS CustomerName,
    NULL AS RequestedDeliveryDate
FROM PurchaseOrderHeadersV2 poh
JOIN PurchaseOrderLines pol ON poh.PURCHASEORDERNUMBER = pol.PURCHASEORDERNUMBER AND poh.DATACOMPANYID = pol.DATACOMPANYID
JOIN SalesOrderLines sol ON pol.INVENTTRANSID = sol.INVENTTRANSID AND pol.DATACOMPANYID = sol.DATACOMPANYID
WHERE poh.DATACOMPANYID = '[YourD365Company]' AND poh.CONFIRMEDDELIVERYDATE IS NOT NULL AND poh.CONFIRMEDDELIVERYDATE >= '2023-01-01'

UNION ALL

-- 4. Raw Materials Received
SELECT
    sol.SALESORDERNUMBER AS LogisticsOrder,
    'Raw Materials Received' AS ActivityName,
    prh.RECEIPTDATE AS EventTime,
    prh.CREATEDBY AS UserId,
    sol.SALESORDERNUMBER AS SalesOrderNumber,
    prh.PURCHASEORDERNUMBER AS PurchaseOrderNumber,
    NULL AS ProductionOrderNumber,
    poh.VENDORACCOUNTNUMBER AS SupplierName,
    NULL AS CustomerName,
    NULL AS RequestedDeliveryDate
FROM PurchReceiptsJournalHeader prh
JOIN PurchaseOrderHeadersV2 poh ON prh.PURCHASEORDERNUMBER = poh.PURCHASEORDERNUMBER AND prh.DATACOMPANYID = poh.DATACOMPANYID
JOIN PurchaseOrderLines pol ON poh.PURCHASEORDERNUMBER = pol.PURCHASEORDERNUMBER AND poh.DATACOMPANYID = pol.DATACOMPANYID
JOIN SalesOrderLines sol ON pol.INVENTTRANSID = sol.INVENTTRANSID AND pol.DATACOMPANYID = sol.DATACOMPANYID
WHERE prh.DATACOMPANYID = '[YourD365Company]' AND prh.RECEIPTDATE >= '2023-01-01'

UNION ALL

-- 5. Production Order Created
SELECT
    pro.SALESORDERNUMBER AS LogisticsOrder,
    'Production Order Created' AS ActivityName,
    pro.CREATIONDATETIME AS EventTime,
    pro.CREATEDBY AS UserId,
    pro.SALESORDERNUMBER AS SalesOrderNumber,
    NULL AS PurchaseOrderNumber,
    pro.PRODUCTIONORDERNUMBER AS ProductionOrderNumber,
    NULL AS SupplierName,
    NULL AS CustomerName,
    NULL AS RequestedDeliveryDate
FROM ProductionOrders pro
WHERE pro.DATACOMPANYID = '[YourD365Company]' AND pro.CREATIONDATETIME >= '2023-01-01' AND pro.SALESORDERNUMBER IS NOT NULL

UNION ALL

-- 6. Goods Produced
SELECT
    pro.SALESORDERNUMBER AS LogisticsOrder,
    'Goods Produced' AS ActivityName,
    pro.LASTSCHEDULINGDATETIME AS EventTime, -- Approximation for 'Reported as Finished'
    pro.LASTMODIFIEDBY AS UserId,
    pro.SALESORDERNUMBER AS SalesOrderNumber,
    NULL AS PurchaseOrderNumber,
    pro.PRODUCTIONORDERNUMBER AS ProductionOrderNumber,
    NULL AS SupplierName,
    NULL AS CustomerName,
    NULL AS RequestedDeliveryDate
FROM ProductionOrders pro
WHERE pro.DATACOMPANYID = '[YourD365Company]' AND pro.PRODUCTIONORDERSTATUS = 'ReportedAsFinished' AND pro.LASTSCHEDULINGDATETIME >= '2023-01-01'

UNION ALL

-- 7. Quality Control Performed
SELECT
    qo.INVENTTRANSORIGINID AS LogisticsOrder, -- This link might need adjustment based on your setup
    'Quality Control Performed' AS ActivityName,
    qo.COMPLETIONDATETIME AS EventTime,
    qo.COMPLETEDBY AS UserId,
    qo.INVENTTRANSORIGINID AS SalesOrderNumber, -- Assuming the origin is the SO
    NULL AS PurchaseOrderNumber,
    qo.REFERENCEID AS ProductionOrderNumber, -- Assuming reference is Prod Order
    NULL AS SupplierName,
    NULL AS CustomerName,
    NULL AS RequestedDeliveryDate
FROM QualityOrders qo
WHERE qo.DATACOMPANYID = '[YourD365Company]' AND qo.QUALITYORDERSTATUS = 'Pass' AND qo.COMPLETIONDATETIME >= '2023-01-01'

UNION ALL

-- 8. Warehouse Pick List Generated
SELECT
    wh.ORDERNUMBER AS LogisticsOrder,
    'Warehouse Pick List Generated' AS ActivityName,
    wh.CREATIONDATETIME AS EventTime,
    wh.CREATEDBY AS UserId,
    wh.ORDERNUMBER AS SalesOrderNumber,
    NULL AS PurchaseOrderNumber,
    NULL AS ProductionOrderNumber,
    NULL AS SupplierName,
    NULL AS CustomerName,
    NULL AS RequestedDeliveryDate
FROM WarehouseWorkHeaders wh
WHERE wh.DATACOMPANYID = '[YourD365Company]' AND wh.ORDERTYPE = 'Sales' AND wh.CREATIONDATETIME >= '2023-01-01'

UNION ALL

-- 9. Goods Picked and Packed
SELECT
    wh.ORDERNUMBER AS LogisticsOrder,
    'Goods Picked and Packed' AS ActivityName,
    wh.LASTMODIFIEDDATETIME AS EventTime,
    wh.LASTMODIFIEDBY AS UserId,
    wh.ORDERNUMBER AS SalesOrderNumber,
    NULL AS PurchaseOrderNumber,
    NULL AS ProductionOrderNumber,
    NULL AS SupplierName,
    NULL AS CustomerName,
    NULL AS RequestedDeliveryDate
FROM WarehouseWorkHeaders wh
WHERE wh.DATACOMPANYID = '[YourD365Company]' AND wh.ORDERTYPE = 'Sales' AND wh.WORKSTATUS = 'Closed' AND wh.LASTMODIFIEDDATETIME >= '2023-01-01'

UNION ALL

-- 10. Shipment Scheduled and 11. Goods Loaded For Transport (using Packing Slip as proxy)
SELECT
    psh.SALESORDERNUMBER AS LogisticsOrder,
    'Goods Loaded For Transport' AS ActivityName, -- Packing slip date is a good proxy for ship confirm
    psh.DELIVERYDATETIME AS EventTime,
    psh.CREATEDBY AS UserId,
    psh.SALESORDERNUMBER AS SalesOrderNumber,
    NULL AS PurchaseOrderNumber,
    NULL AS ProductionOrderNumber,
    NULL AS SupplierName,
    NULL AS CustomerName,
    NULL AS RequestedDeliveryDate
FROM SalesPackingSlipHeaders psh
WHERE psh.DATACOMPANYID = '[YourD365Company]' AND psh.DELIVERYDATETIME >= '2023-01-01'

UNION ALL

-- 12. Customer Invoice Posted
SELECT
    sih.SALESORDERNUMBER AS LogisticsOrder,
    'Customer Invoice Posted' AS ActivityName,
    sih.INVOICEDATE AS EventTime,
    sih.CREATEDBY AS UserId,
    sih.SALESORDERNUMBER AS SalesOrderNumber,
    NULL AS PurchaseOrderNumber,
    NULL AS ProductionOrderNumber,
    NULL AS SupplierName,
    sih.INVOICECUSTOMERACCOUNTNUMBER AS CustomerName,
    NULL AS RequestedDeliveryDate
FROM SalesInvoiceHeadersV2 sih
WHERE sih.DATACOMPANYID = '[YourD365Company]' AND sih.INVOICEDATE >= '2023-01-01'

UNION ALL

-- 13. Goods Delivered (Placeholder - Assumes a custom status or manual update)
SELECT
    soh.SALESORDERNUMBER AS LogisticsOrder,
    'Goods Delivered' AS ActivityName,
    soh.LASTMODIFIEDDATETIME AS EventTime,
    soh.LASTMODIFIEDBY AS UserId,
    soh.SALESORDERNUMBER AS SalesOrderNumber,
    NULL, NULL, NULL, NULL, NULL
FROM SalesOrderHeadersV2 soh
WHERE soh.DATACOMPANYID = '[YourD365Company]' AND soh.SALESORDERSTATUS = '[YourDeliveredStatus]' AND soh.LASTMODIFIEDDATETIME >= '2023-01-01'

UNION ALL

-- 14. Proof of Delivery Signed (Placeholder - Assumes a custom status or manual update)
SELECT
    soh.SALESORDERNUMBER AS LogisticsOrder,
    'Proof of Delivery Signed' AS ActivityName,
    soh.LASTMODIFIEDDATETIME AS EventTime,
    soh.LASTMODIFIEDBY AS UserId,
    soh.SALESORDERNUMBER AS SalesOrderNumber,
    NULL, NULL, NULL, NULL, NULL
FROM SalesOrderHeadersV2 soh
WHERE soh.DATACOMPANYID = '[YourD365Company]' AND soh.SALESORDERSTATUS = '[YourPODStatus]' AND soh.LASTMODIFIEDDATETIME >= '2023-01-01'

UNION ALL

-- 15. Order Canceled
SELECT
    soh.SALESORDERNUMBER AS LogisticsOrder,
    'Order Canceled' AS ActivityName,
    soh.LASTMODIFIEDDATETIME AS EventTime,
    soh.LASTMODIFIEDBY AS UserId,
    soh.SALESORDERNUMBER AS SalesOrderNumber,
    NULL, NULL, NULL, NULL, NULL
FROM SalesOrderHeadersV2 soh
WHERE soh.DATACOMPANYID = '[YourD365Company]' AND soh.SALESORDERSTATUS = 'Canceled' AND soh.LASTMODIFIEDDATETIME >= '2023-01-01'
),
FinalEvents AS (
SELECT 
    *,
    MIN(CASE WHEN ActivityName = 'Purchase Requisition Created' THEN EventTime ELSE NULL END) OVER (PARTITION BY LogisticsOrder) AS first_pr_creation_time,
    MAX(CASE WHEN ActivityName = 'Raw Materials Received' THEN EventTime ELSE NULL END) OVER (PARTITION BY LogisticsOrder) AS last_material_receipt_time,
    MAX(CASE WHEN ActivityName = 'Goods Delivered' THEN EventTime ELSE NULL END) OVER (PARTITION BY LogisticsOrder) AS actual_delivery_time
FROM EventLog_Raw
)
SELECT
    e.LogisticsOrder,
    e.ActivityName,
    e.EventTime,
    'Dynamics 365 SCM' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    e.UserId,
    e.SalesOrderNumber,
    e.PurchaseOrderNumber,
    e.ProductionOrderNumber,
    e.SupplierName,
    e.CustomerName,
    e.RequestedDeliveryDate,
    CASE 
        WHEN e.actual_delivery_time IS NOT NULL AND e.RequestedDeliveryDate IS NOT NULL AND e.actual_delivery_time <= e.RequestedDeliveryDate THEN 'true'
        WHEN e.actual_delivery_time IS NOT NULL AND e.RequestedDeliveryDate IS NOT NULL THEN 'false'
        ELSE NULL
    END AS IsOnTimeDelivery,
    DATEDIFF(day, e.first_pr_creation_time, e.last_material_receipt_time) AS ProcurementLeadTime
FROM FinalEvents e
WHERE e.LogisticsOrder IS NOT NULL;

Schritte

Voraussetzungen und Umgebungseinrichtung: Stellen Sie sicher, dass Python 3.6 oder neuer installiert ist. Installieren Sie die erforderlichen Bibliotheken mittels pip: pip install requests pandas adal. Die adal-Bibliothek vereinfacht die Azure Active Directory-Authentifizierung, wobei msal eine neuere Alternative ist.
Anwendung in Azure AD registrieren: Navigieren Sie zum Azure-Portal und registrieren Sie eine neue Anwendung unter Azure Active Directory. Diese Anwendung wird zur Authentifizierung bei der Dynamics 365 API verwendet.
API-Berechtigungen konfigurieren: Gehen Sie in der neu erstellten Azure AD-Anwendung zu 'API-Berechtigungen' und fügen Sie Berechtigungen für 'Dynamics ERP' hinzu. Erteilen Sie 'AX.FullAccess' oder eine restriktivere benutzerdefinierte Berechtigung, um das Lesen von Daten über ODaten zu ermöglichen. Erteilen Sie die Administratorzustimmung für die Berechtigungen.
Client-Geheimschlüssel erstellen: Erstellen Sie unter 'Zertifikate & Geheimnisse' für Ihre Azure AD-Anwendung einen neuen Client-Geheimschlüssel. Kopieren Sie den geheimen Wert sicher, da Sie ihn für das Skript benötigen. Notieren Sie sich auch die Anwendungs- (Client-) ID und die Verzeichnis- (Tenant-) ID.
Python-Skriptvariablen konfigurieren: Öffnen Sie das bereitgestellte Python-Skript und aktualisieren Sie die Platzhaltervariablen oben. Sie müssen die URL Ihrer Dynamics 365-Umgebung, Tenant ID, Client ID, Client Secret, die Unternehmens-ID (dataAreaId) sowie die gewünschten Start- und EndDaten für die Datenextraktion eingeben.
Authentifizierungsfunktion ausführen: Das Skript enthält eine Funktion get_access_token, die die konfigurierten AnmeldeHinweisrmationen verwendet, um ein OAuth2-Zugriffstoken von Azure AD anzufordern. Dieses Token wird im Header aller nachfolgenden API-Anfragen verwendet.
Daten für jede Aktivität abrufen: Der Hauptteil des Skripts iteriert durch verschiedene Geschäftsprozesse. Für jede Aktivität, wie 'Customer Order Created', konstruiert es eine spezifische ODaten API-Anfrage-URL. Diese URL zielt auf eine Daten Entity (z.B. SalesOrderHeadersV2) ab und enthält $select zur Angabe von Spalten sowie $filter zur Begrenzung der Daten nach Datumsbereich und Status.
API-Paginierung handhaben: Das Skript enthält eine Schleife zur Handhabung paginierter Resultate der API. Dynamics 365 gibt eine begrenzte Anzahl von Datensätzen pro Anfrage zurück und stellt einen @odata.nextLink in der Antwort bereit, um die nächste Seite zu erhalten. Das Skript folgt diesen Links, bis alle Daten für die Abfrage abgerufen wurden.
Daten modernisieren und vereinigen: Für jede API-Antwort transformiert das Skript die rohen JSON-Daten in ein strukturiertes pandas DatenFrame. Es benennt Spalten um, um dem erforderlichen Schema (LogisticsOrder, ActivityName, Ereigniszeitpunkt (Event Time) usw.) zu entsprechen und setzt die korrekten Datentypen. Diese einzelnen DatenFrames werden dann an eine Masterliste angehängt.
Finalen Event Log erstellen: Nachdem Daten für alle 15 Aktivitäten abgerufen wurden, verkettet das Skript die Listee der einzelnen DatenFrames zu einem einzigen, vollständigen Event Log. Es berechnet dann alle abgeleiteten Attribute wie IsOnTimeDelivery.
Sortieren und Exportieren: Das finale DatenFrame wird nach LogisticsOrder und Ereigniszeitpunkt (Event Time) sortiert, um die chronologische Reihenfolge innerhalb jedes Falls sicherzustellen. Das Skript speichert dann den Event Log als CSV-Datei mit dem Namen d365_scm_logistics_Event_log.csv, bereit für den Upload in ein Process-Mining-Tool.

Konfiguration

AuthentifizierungsDaten: Das Skript benötigt verschiedene AnmeldeHinweisrmationen aus Ihrer Azure AD Anwendungsregistrierung:
- TENANT_ID: Die Verzeichnis- (Tenant-) ID Ihrer Azure-Instanz.
- CLIENT_ID: Die Anwendungs- (Client-) ID Ihrer registrierten App.
- CLIENT_SECRET: Der für die Anwendung generierte Client-Geheimschlüssel.
Dynamics 365 Umgebung:
- D365_URL: Die Basis-URL Ihrer Dynamics 365 SCM-Umgebung (z.B. https://[your-instance].operations.dynamics.com).
- COMPANY_ID: Die dataAreaId für die juristische Person, aus der Sie Daten extrahieren möchten (z.B. 'USMF').
Datumsbereichsfilter:
- START_DATE und END_DATE: Diese Variablen definieren das Zeitfenster für die Extraktion. Es wird empfohlen, mit einem kleineren Bereich, z.B. 3-6 Monate, zu beginnen, um das Datenvolumen und die API-Antwortzeiten zu steuern.
Daten Entities: Das Skript fragt mehrere Standard-Daten Entities ab. Stellen Sie sicher, dass das Dienstprinzip (Azure AD App) Leseberechtigungen für Entitäten wie:
- SalesOrderHeadersV2
- PurchaseRequisitionHeaders
- PurchaseOrderHeaders
- ProductReceiptHeaders
- ProductionOrders
- QualityOrders
- WarehouseWorkHeaders
- SalesShipmentHeaders
- SalesInvoiceHeadersV2
API-Leistung: Beachten Sie die ODaten API-Drosselungsgrenzen, die von Dynamics 365 auferlegt werden. Bei sehr großen Datensätzen sollten Sie das Skript außerhalb der Spitzenzeiten ausführen oder eine inkrementelle Extraktionslogik implementieren.

a Beispielabfrage python

import requests
import pandas as pd
import datetime
import adal
import json

class=class="hl-string">"hl-comment"># --- Configuration Settings --- #
D365_URL = class="hl-string">"https://[your-instance].operations.dynamics.com" class=class="hl-string">"hl-comment"># Your D365 Finance and Operations URL
TENANT_ID = class="hl-string">"[Your-Tenant-ID]"
CLIENT_ID = class="hl-string">"[Your-Client-ID]"
CLIENT_SECRET = class="hl-string">"[Your-Client-Secret]"
COMPANY_ID = class="hl-string">"[Your-Company-ID]" class=class="hl-string">"hl-comment"># e.g., class="hl-string">'USMF'
START_DATE = class="hl-string">'2023-01-01T00:00:00Z'
END_DATE = class="hl-string">'2023-12-31T23:59:59Z'
class=class="hl-string">"hl-comment"># --- End of Configuration --- #

RESOURCE = D365_URL
AUTHORITY_URL = fclass="hl-string">"https://login.microsoftonline.com/{TENANT_ID}"

def get_access_token():
    class="hl-string">"""Authenticates with Azure AD to get an access token."""
    context = adal.AuthenticationContext(AUTHORITY_URL)
    token = context.acquire_token_with_client_credentials(RESOURCE, CLIENT_ID, CLIENT_SECRET)
    if class="hl-string">'accessToken' not in token:
        raise Exception(class="hl-string">"Failed to acquire access token: " + token.get(class="hl-string">'error_description', class="hl-string">'Unknown error'))
    return token[class="hl-string">'accessToken']

def fetch_data(access_token, entity_url):
    class="hl-string">"""Fetches all pages of data from a given D365 OData entity URL."""
    all_records = []
    headers = {
        class="hl-string">"Authorization": fclass="hl-string">"Bearer {access_token}",
        class="hl-string">"Content-Type": class="hl-string">"application/json",
        class="hl-string">"Prefer": class="hl-string">"odata.maxpagesize=5000"
    }
    
    next_link = entity_url
    while next_link:
        try:
            response = requests.get(next_link, headers=headers)
            response.raise_for_status()
            data = response.json()
            all_records.extend(data[class="hl-string">'value'])
            next_link = data.get(class="hl-string">'@odata.nextLink')
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"An error occurred: {e}")
            if response.text:
                print(fclass="hl-string">"Response body: {response.text}")
            break
    return all_records

def main():
    class="hl-string">"""Main function to orchestrate the data extraction process."""
    try:
        access_token = get_access_token()
        print(class="hl-string">"Successfully acquired access token.")
    except Exception as e:
        print(e)
        return

    all_events = []
    current_time = datetime.datetime.utcnow().isoformat() + class="hl-string">'Z'

    class=class="hl-string">"hl-comment"># 1. Customer Order Created
    print(class="hl-string">"Fetching: Customer Order Created")
    entity_url = fclass="hl-string">"{D365_URL}/data/SalesOrderHeadersV2?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and CreatedDateTime ge {START_DATE} and CreatedDateTime le {END_DATE}&$select=SalesOrderNumber,CreatedDateTime,SalesOrderName,RequestedShippingDate,OrderingCustomerAccountNumber"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Customer Order Created'
        df.rename(columns={
            class="hl-string">'SalesOrderNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'CreatedDateTime': class="hl-string">'EventTime',
            class="hl-string">'SalesOrderName': class="hl-string">'CustomerName',
            class="hl-string">'RequestedShippingDate': class="hl-string">'RequestedDeliveryDate',
            class="hl-string">'OrderingCustomerAccountNumber': class="hl-string">'UserId'
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'CustomerName', class="hl-string">'RequestedDeliveryDate', class="hl-string">'UserId']])

    class=class="hl-string">"hl-comment"># 2. Purchase Requisition Created (Assuming link via Sales Order)
    print(class="hl-string">"Fetching: Purchase Requisition Created")
    entity_url = fclass="hl-string">"{D365_URL}/data/PurchaseRequisitionLines?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and RequisitionCreationDateTime ge {START_DATE} and RequisitionCreationDateTime le {END_DATE} and SalesOrderNumber ne ''&$select=SalesOrderNumber,RequisitionCreationDateTime,RequisitionNumber,RequisitionerPersonnelNumber"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Purchase Requisition Created'
        df.rename(columns={
            class="hl-string">'SalesOrderNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'RequisitionCreationDateTime': class="hl-string">'EventTime',
            class="hl-string">'RequisitionerPersonnelNumber': class="hl-string">'UserId'
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'UserId']])

    class=class="hl-string">"hl-comment"># 3. Purchase Order Issued
    print(class="hl-string">"Fetching: Purchase Order Issued")
    entity_url = fclass="hl-string">"{D365_URL}/data/PurchaseOrderHeaders?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and ConfirmedDate ge {START_DATE} and ConfirmedDate le {END_DATE} and SalesOrderNumber ne ''&$select=SalesOrderNumber,PurchaseOrderNumber,ConfirmedDate,OrderVendorAccountNumber,VendorName"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Purchase Order Issued'
        df.rename(columns={
            class="hl-string">'SalesOrderNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'ConfirmedDate': class="hl-string">'EventTime',
            class="hl-string">'VendorName': class="hl-string">'SupplierName',
            class="hl-string">'OrderVendorAccountNumber': class="hl-string">'UserId' 
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'PurchaseOrderNumber', class="hl-string">'SupplierName', class="hl-string">'UserId']])

    class=class="hl-string">"hl-comment"># 4. Raw Materials Received
    print(class="hl-string">"Fetching: Raw Materials Received")
    entity_url = fclass="hl-string">"{D365_URL}/data/ProductReceiptHeaders?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and ReceiptDate ge {START_DATE} and ReceiptDate le {END_DATE} and SalesOrderNumber ne ''&$select=SalesOrderNumber,PurchaseOrderNumber,ReceiptDate,VendorName"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Raw Materials Received'
        df.rename(columns={
            class="hl-string">'SalesOrderNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'ReceiptDate': class="hl-string">'EventTime',
            class="hl-string">'VendorName': class="hl-string">'SupplierName' 
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'PurchaseOrderNumber', class="hl-string">'SupplierName']])

    class=class="hl-string">"hl-comment"># 5. Production Order Created
    print(class="hl-string">"Fetching: Production Order Created")
    entity_url = fclass="hl-string">"{D365_URL}/data/ProductionOrders?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and CreatedDateTime ge {START_DATE} and CreatedDateTime le {END_DATE} and SalesOrderNumber ne ''&$select=SalesOrderNumber,ProductionOrderNumber,CreatedDateTime"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Production Order Created'
        df.rename(columns={
            class="hl-string">'SalesOrderNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'CreatedDateTime': class="hl-string">'EventTime'
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'ProductionOrderNumber']])

    class=class="hl-string">"hl-comment"># 6. Goods Produced (Report as Finished)
    print(class="hl-string">"Fetching: Goods Produced")
    entity_url = fclass="hl-string">"{D365_URL}/data/ProductionReportedAsFinishedJournals?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and JournalPostedDateTime ge {START_DATE} and JournalPostedDateTime le {END_DATE} and SalesOrderNumber ne ''&$select=SalesOrderNumber,ProductionOrderNumber,JournalPostedDateTime,PostedUserId"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Goods Produced'
        df.rename(columns={
            class="hl-string">'SalesOrderNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'JournalPostedDateTime': class="hl-string">'EventTime',
            class="hl-string">'PostedUserId': class="hl-string">'UserId'
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'ProductionOrderNumber', class="hl-string">'UserId']])

    class=class="hl-string">"hl-comment"># 7. Quality Control Performed
    print(class="hl-string">"Fetching: Quality Control Performed")
    entity_url = fclass="hl-string">"{D365_URL}/data/QualityOrders?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and QualityOrderLastUpdateDateTime ge {START_DATE} and QualityOrderLastUpdateDateTime le {END_DATE} and ReferenceType eq 'Sales' and QualityOrderStatus eq 'Pass'&$select=ReferenceNumber,QualityOrderLastUpdateDateTime,ValidatedByEmployeePersonnelNumber"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Quality Control Performed'
        df.rename(columns={
            class="hl-string">'ReferenceNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'QualityOrderLastUpdateDateTime': class="hl-string">'EventTime',
            class="hl-string">'ValidatedByEmployeePersonnelNumber': class="hl-string">'UserId'
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'UserId']])

    class=class="hl-string">"hl-comment"># 8. Warehouse Pick List Generated (Work Created)
    print(class="hl-string">"Fetching: Warehouse Pick List Generated")
    entity_url = fclass="hl-string">"{D365_URL}/data/WarehouseWorkHeaders?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and CreatedDateTime ge {START_DATE} and CreatedDateTime le {END_DATE} and OrderNumber ne '' and WorkType eq 'Sales'&$select=OrderNumber,CreatedDateTime,UserId"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Warehouse Pick List Generated'
        df.rename(columns={
            class="hl-string">'OrderNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'CreatedDateTime': class="hl-string">'EventTime'
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'UserId']])

    class=class="hl-string">"hl-comment"># 9. Goods Picked and Packed (Work Closed)
    print(class="hl-string">"Fetching: Goods Picked and Packed")
    entity_url = fclass="hl-string">"{D365_URL}/data/WarehouseWorkHeaders?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and LastUpdateDateTime ge {START_DATE} and LastUpdateDateTime le {END_DATE} and OrderNumber ne '' and WorkStatus eq 'Closed' and WorkType eq 'Sales'&$select=OrderNumber,LastUpdateDateTime,ClosedByUserId"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Goods Picked and Packed'
        df.rename(columns={
            class="hl-string">'OrderNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'LastUpdateDateTime': class="hl-string">'EventTime',
            class="hl-string">'ClosedByUserId': class="hl-string">'UserId'
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'UserId']])

    class=class="hl-string">"hl-comment"># 10. Shipment Scheduled
    print(class="hl-string">"Fetching: Shipment Scheduled")
    entity_url = fclass="hl-string">"{D365_URL}/data/SalesShipmentHeaders?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and ConfirmedShippingDate ge {START_DATE} and ConfirmedShippingDate le {END_DATE}&$select=SalesOrderNumber,ConfirmedShippingDate"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Shipment Scheduled'
        df.rename(columns={
            class="hl-string">'SalesOrderNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'ConfirmedShippingDate': class="hl-string">'EventTime'
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime']])

    class=class="hl-string">"hl-comment"># 11. Goods Loaded For Transport (Ship Confirm)
    print(class="hl-string">"Fetching: Goods Loaded For Transport")
    entity_url = fclass="hl-string">"{D365_URL}/data/SalesPackingSlips?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and CreatedDateTime ge {START_DATE} and CreatedDateTime le {END_DATE}&$select=SalesOrderNumber,CreatedDateTime,WorkerName"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Goods Loaded For Transport'
        df.rename(columns={
            class="hl-string">'SalesOrderNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'CreatedDateTime': class="hl-string">'EventTime',
            class="hl-string">'WorkerName': class="hl-string">'UserId' 
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'UserId']])

    class=class="hl-string">"hl-comment"># 12. Customer Invoice Posted
    print(class="hl-string">"Fetching: Customer Invoice Posted")
    entity_url = fclass="hl-string">"{D365_URL}/data/SalesInvoiceHeadersV2?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and InvoiceDate ge {START_DATE} and InvoiceDate le {END_DATE}&$select=SalesOrderNumber,InvoiceDate,PostingPersonName"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Customer Invoice Posted'
        df.rename(columns={
            class="hl-string">'SalesOrderNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'InvoiceDate': class="hl-string">'EventTime',
            class="hl-string">'PostingPersonName': class="hl-string">'UserId'
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'UserId']])

    class=class="hl-string">"hl-comment"># 13. Goods Delivered (Placeholder logic, depends on customization)
    print(class="hl-string">"Fetching: Goods Delivered")
    class=class="hl-string">"hl-comment"># This is an example. The actual entity and fields depend on your implementation for tracking delivery.
    class=class="hl-string">"hl-comment"># Often this comes from an external carrier system or a custom field on the shipment.
    class=class="hl-string">"hl-comment"># entity_url = fclass="hl-string">"{D365_URL}/data/[YourCustomShipmentEntity]?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and [DeliveryDate] ge {START_DATE} and [DeliveryDate] le {END_DATE}"

    class=class="hl-string">"hl-comment"># 14. Proof of Delivery Signed (Placeholder logic, depends on customization)
    print(class="hl-string">"Fetching: Proof of Delivery Signed")
    class=class="hl-string">"hl-comment"># Similar to delivery, this is highly dependent on customization, often a status update or document attachment.
    class=class="hl-string">"hl-comment"># entity_url = fclass="hl-string">"{D365_URL}/data/[YourCustomShipmentEntity]?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and [PODSignedDate] ge {START_DATE} and [PODSignedDate] le {END_DATE}"

    class=class="hl-string">"hl-comment"># 15. Order Canceled
    print(class="hl-string">"Fetching: Order Canceled")
    entity_url = fclass="hl-string">"{D365_URL}/data/SalesOrderHeadersV2?cross-company=true&$filter=dataAreaId eq '{COMPANY_ID}' and LastUpdateDateTime ge {START_DATE} and LastUpdateDateTime le {END_DATE} and SalesOrderStatus eq 'Canceled'&$select=SalesOrderNumber,LastUpdateDateTime"
    records = fetch_data(access_token, entity_url)
    df = pd.DataFrame(records)
    if not df.empty:
        df[class="hl-string">'ActivityName'] = class="hl-string">'Order Canceled'
        df.rename(columns={
            class="hl-string">'SalesOrderNumber': class="hl-string">'LogisticsOrder',
            class="hl-string">'LastUpdateDateTime': class="hl-string">'EventTime'
        }, inplace=True)
        all_events.append(df[[class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime']])

    if not all_events:
        print(class="hl-string">"No events found for the given criteria.")
        return

    class=class="hl-string">"hl-comment"># Combine all event dataframes
    event_log = pd.concat(all_events, ignore_index=True)

    class=class="hl-string">"hl-comment"># Add static and calculated columns
    event_log[class="hl-string">'SourceSystem'] = class="hl-string">'Dynamics 365 SCM OData'
    event_log[class="hl-string">'LastDataUpdate'] = current_time
    event_log[class="hl-string">'SalesOrderNumber'] = event_log[class="hl-string">'LogisticsOrder'] class=class="hl-string">"hl-comment"># Assuming LogisticsOrder is the SalesOrderNumber

    class=class="hl-string">"hl-comment"># Ensure required columns are present
    required_cols = [class="hl-string">'LogisticsOrder', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate']
    for col in required_cols:
        if col not in event_log.columns:
            event_log[col] = None

    class=class="hl-string">"hl-comment"># Sort and save
    event_log = event_log.sort_values(by=[class="hl-string">'LogisticsOrder', class="hl-string">'EventTime'])
    event_log.to_csv(class="hl-string">'d365_scm_logistics_event_log.csv', index=False)
    print(class="hl-string">"Extraction complete. Event log saved to d365_scm_logistics_event_log.csv")

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

Schritte

Zum Arbeitsbereich Daten Management bewältigen: Melden Sie sich bei Dynamics 365 SCM an. Verwenden Sie die Suchleiste, um den Arbeitsbereich Daten Management zu finden und dorthin zu bewältigen.
Neues Exportprojekt erstellen: Wählen Sie im Arbeitsbereich Daten Management die Kachel Export. Wählen Sie auf der folgenden Seite Neu, um ein neues Exportprojekt zu erstellen.
Projektdetails definieren: Geben Sie einen Gruppennamen (z.B. SCM_EventLog_Export), eine Beschreibung an und legen Sie den Daten project operations type als Export fest. Wählen Sie die Project category als Project.
Erforderliche Daten Entities hinzufügen: Wählen Sie im Abschnitt Ausgewählte Entitäten die Option Entität hinzufügen. Suchen und fügen Sie jede der erforderlichen Daten Entities zum Projekt hinzu. Sie müssen eine Entität für jede Quelle von Event-Daten hinzufügen. Eine vollständige Listee der empfohlenen Entitäten finden Sie im Abschnitt Abfrage.
Entitätsexportoptionen konfigurieren: Wählen Sie für jede hinzugefügte Entität ein ZielDatenformat (CSV wird empfohlen). Sie können auch Filter anwenden, um die Daten zu begrenzen. Wählen Sie für jede Entität die Option Filter und fügen Sie Bereichskriterien hinzu, z.B. für das Feld CreatedDateTime, um Daten für die letzten 3 bis 6 Monate zu extrahieren. Es ist maßgeblich, nach dem primären Unternehmen oder den Antrag bearbeitet.er juristischen Person zu filtern.
Entitäten sequenzieren (Optional): Sie können eine Ausführungsreihenfolge für die Entitäten definieren, falls Abhängigkeiten bestehen, aber für diese Event Log-Extraktion können sie in der Regel parallel ausgeführt werden.
Exportprojekt speichern und ausführen: Speichern Sie die ProjektKonfiguration. Um den Export auszuführen, wählen Sie Exportieren aus dem Aktionsbereich. Sie können es sofort ausführen oder den Antrag bearbeitet.ie Ausführung im Batch-Modus außerhalb der Spitzenzeiten planen.
Exportauftrag überwachen: Navigieren Sie zum Abschnitt Jobhistorie, um den Fortschritt Ihres Exportauftrags zu überwachen. Warten Sie, bis der Status als Erfolgreich angezeigt wird.
Datenpaket herunterladen: Sobald der Auftrag abgeschlossen ist, wählen Sie Paket herunterladen von der Seite Jobhistorie. Dies lädt eine einzelne ZIP-Datei herunter, die separate CSV-Dateien für jede Daten Entity enthält.
Daten kombinieren und modernisieren: Entpacken Sie das Paket. Sie haben mehrere Dateien. Verwenden Sie ein externes Tool wie Power Query, ein Python-Skript oder ein anderes ETL-Tool, um die folgenden Transformationen durchzuführen:
- Öffnen Sie jede CSV-Datei.
- Ordnen Sie die Quellspalten jeder Datei der standardisierten Event Log-Struktur (LogisticsOrder, ActivityName, Ereigniszeitpunkt (Event Time) usw.) zu.
- Fügen Sie für jede Datei eine neue Spalte für ActivityName hinzu und füllen Sie diese mit dem statischen Aktivitätsnamen (z.B. 'Customer Order Created' für alle Zeilen der Sales Order Entität).
- Vereinen Sie alle transformierten Daten aus allen Dateien in einer einzigen Tabelle.
- Berechnen Sie abgeleitete Attribute wie BeschaffungLeadTime, falls erforderlich.
Finalen Event Log exportieren: Speichern Sie die kombinierten und transformierten Daten als einzelne CSV-Datei. Stellen Sie sicher, dass die Spaltenüberschriften den erforderlichen Attributen für Ihr Process-Mining-Tool entsprechen. Diese Datei ist nun bereit für den Upload.

Konfiguration

Daten Entities: Der Kern der Konfiguration ist die Auswahl der korrekten Daten Entities. Zu den Schlüsselentitäten gehören Sales order headers V2, Purchase order headers V2, Production orders V3, Product receipt headers, Sales invoice headers V2, Warehouse work headers und Shipments.
Ziel-Datenformat: CSV ist das empfohlene Format aufgrund seiner Einfachheit und breiten Kompatibilität mit Nachbearbeitungstools.
Filterstrategie: Wenden Sie immer Filter an, um das Datenvolumen zu steuern. Die zwei wichtigsten Filter sind:
- Unternehmen/Juristische Person: Filtern Sie jede Entität nach der spezifischen juristischen Person (z.B. DAT.DatenAreaId = 'usmf').
- Datumsbereich: Wenden Sie einen Datumsbereichsfilter auf ein primäres Datumsfeld, wie CreatedDateTime in der Sales order headers V2 Entität, an, um einen relevanten Zeitraum (z.B. die letzten 6 Monate) zu extrahieren.
Inkrementeller vs. vollständiger Export: Für die initiale Extraktion ist ein vollständiger Export notwendig. Für nachfolgende Delta-Ladungen können Sie inkrementelle Exporte konfigurieren, dies erhöht jedoch die Komplexität der Nachbearbeitungslogik.
Voraussetzungen: Benutzer, die den Exportauftrag konfigurieren und ausführen, benötigen entsprechende Berechtigungen, wie die Sicherheitsrolle Daten management administrator. Das Unternehmen muss auch die relevanten D365 SCM-Module einsetzen, einschließlich Vertrieb und Marketing, Beschaffung und Einkauf, Produktionssteuerung und Lagerverwaltung.

a Beispielabfrage config

/*
This is a conceptual representation of the configuration within the Dynamics 365 Data Management Framework.
You will create one export project and add each of the following 'Data Entities' to it.
For each entity, you will select the specified 'Source Field' and map it to the target attribute.
The post-processing script is responsible for combining these separate files and standardizing column names.
The LogisticsOrder is primarily the SalesOrderNumber.
*/

-- Activity: Customer Order Created
Data Entity: Sales order headers V2
Filter: [Specify date range on CREATEDDATETIME]
Fields to Export:
  - LogisticsOrder: SALESORDERNUMBER
  - ActivityName: 'Customer Order Created'
  - EventTime: CREATEDDATETIME
  - UserId: CREATEDBY
  - SalesOrderNumber: SALESORDERNUMBER
  - CustomerName: CUSTOMERACCOUNTNUMBER
  - RequestedDeliveryDate: REQUESTEDSHIPPINGDATE

-- Activity: Order Canceled
Data Entity: Sales order headers V2
Filter: SALESORDERSTATUS = 'Canceled' AND [Specify date range on MODIFIEDDATETIME]
Fields to Export:
  - LogisticsOrder: SALESORDERNUMBER
  - ActivityName: 'Order Canceled'
  - EventTime: MODIFIEDDATETIME
  - UserId: MODIFIEDBY
  - SalesOrderNumber: SALESORDERNUMBER

-- Activity: Purchase Requisition Created
Data Entity: Purchase requisition lines V2
Filter: [Specify date range on CREATEDDATETIME]
Fields to Export:
  - LogisticsOrder: SALESORDERNUMBER -- (May require joining to find the originating sales order)
  - ActivityName: 'Purchase Requisition Created'
  - EventTime: CREATEDDATETIME
  - UserId: CREATEDBY
  - SalesOrderNumber: SALESORDERNUMBER

-- Activity: Purchase Order Issued
Data Entity: Purchase order headers V2
Filter: DOCUMENTSTATE = 'Confirmed' OR DOCUMENTSTATE = 'InExternalReview' AND [Specify date range on CONFIRMATIONDATE]
Fields to Export:
  - LogisticsOrder: [Originating Sales Order Number, may need to be mapped post-export]
  - ActivityName: 'Purchase Order Issued'
  - EventTime: CONFIRMATIONDATE
  - UserId: CREATEDBY
  - PurchaseOrderNumber: PURCHASEORDERNUMBER
  - SupplierName: VENDORACCOUNTNUMBER

-- Activity: Raw Materials Received
Data Entity: Product receipt headers
Filter: [Specify date range on RECEIPTDATE]
Fields to Export:
  - LogisticsOrder: [Originating Sales Order Number, may need to be mapped post-export]
  - ActivityName: 'Raw Materials Received'
  - EventTime: RECEIPTDATE
  - UserId: WORKERPERSONNELNUMBER
  - PurchaseOrderNumber: PURCHASEORDERNUMBER

-- Activity: Production Order Created
Data Entity: Production orders V3
Filter: [Specify date range on CREATEDDATETIME]
Fields to Export:
  - LogisticsOrder: INVENTORYSALESORDERNUMBER
  - ActivityName: 'Production Order Created'
  - EventTime: CREATEDDATETIME
  - UserId: CREATEDBY
  - ProductionOrderNumber: PRODUCTIONORDERNUMBER
  - SalesOrderNumber: INVENTORYSALESORDERNUMBER

-- Activity: Goods Produced
Data Entity: Report as finished production journal entries
Filter: [Specify date range on POSTINGDATETIME]
Fields to Export:
  - LogisticsOrder: [Originating Sales Order Number, requires lookup via ProductionOrderNumber]
  - ActivityName: 'Goods Produced'
  - EventTime: POSTINGDATETIME
  - UserId: [User who posted the journal]
  - ProductionOrderNumber: PRODUCTIONORDERNUMBER

-- Activity: Quality Control Performed
Data Entity: Inventory quality orders
Filter: QUALITYORDERSTATUS = 'Pass' OR QUALITYORDERSTATUS = 'Fail' AND [Specify date range on [Completion DateTime field]]
Fields to Export:
  - LogisticsOrder: INVENTORYSALESID
  - ActivityName: 'Quality Control Performed'
  - EventTime: [A field representing the completion or closing timestamp]
  - UserId: RESPONSIBLEWORKERPERSONNELNUMBER
  - SalesOrderNumber: INVENTORYSALESID

-- Activity: Warehouse Pick List Generated
Data Entity: Warehouse work headers
Filter: [Specify date range on CREATEDDATETIME]
Fields to Export:
  - LogisticsOrder: ORDERNUMBER
  - ActivityName: 'Warehouse Pick List Generated'
  - EventTime: CREATEDDATETIME
  - UserId: CREATEDBY
  - SalesOrderNumber: ORDERNUMBER

-- Activity: Goods Picked and Packed
Data Entity: Warehouse work headers
Filter: WORKSTATUS = 'Closed' AND [Specify date range on WORKCLOSEDUTCDATETIME]
Fields to Export:
  - LogisticsOrder: ORDERNUMBER
  - ActivityName: 'Goods Picked and Packed'
  - EventTime: WORKCLOSEDUTCDATETIME
  - UserId: CLOSEDWORKUSERID
  - SalesOrderNumber: ORDERNUMBER

-- Activity: Shipment Scheduled
Data Entity: Shipments
Filter: [Specify date range on CONFIRMEDSHIPDATE]
Fields to Export:
  - LogisticsOrder: [Originating Sales Order Number, requires lookup via shipment relations]
  - ActivityName: 'Shipment Scheduled'
  - EventTime: CONFIRMEDSHIPDATE
  - UserId: [User related to confirmation]

-- Activity: Goods Loaded For Transport
Data Entity: Shipments
Filter: SHIPMENTSTATUS = 'Shipped' AND [Specify date range on ACTUALSHIPDATE]
Fields to Export:
  - LogisticsOrder: [Originating Sales Order Number, requires lookup via shipment relations]
  - ActivityName: 'Goods Loaded For Transport'
  - EventTime: ACTUALSHIPDATE
  - UserId: [User related to ship confirm]

-- Activity: Customer Invoice Posted
Data Entity: Sales invoice headers V2
Filter: [Specify date range on INVOICEDATE]
Fields to Export:
  - LogisticsOrder: SALESORDERNUMBER
  - ActivityName: 'Customer Invoice Posted'
  - EventTime: INVOICEDATE
  - UserId: [User who posted invoice, if available]
  - SalesOrderNumber: SALESORDERNUMBER

-- Activity: Goods Delivered
Data Entity: [Your custom entity or Sales order headers V2 with custom status]
Note: This is not a standard event. This requires a custom field or integration.
Fields to Export:
  - LogisticsOrder: SALESORDERNUMBER
  - ActivityName: 'Goods Delivered'
  - EventTime: [Your custom delivery date field]
  - UserId: [Your custom user field]

-- Activity: Proof of Delivery Signed
Data Entity: [Your custom entity or Document management entity]
Note: This is not a standard event. This requires a custom field or process.
Fields to Export:
  - LogisticsOrder: SALESORDERNUMBER
  - ActivityName: 'Proof of Delivery Signed'
  - EventTime: [Your custom POD date field]
  - UserId: [Your custom user field]

Ihr Lieferkettenmanagement Daten Template

Ihr Lieferkettenmanagement Daten Template

Lieferkettenmanagement Attribute

Lieferkettenmanagement Aktivitäten

Extraktionsanleitungen

Dynamics 365 Daten Management Framework Export

Schritte

Konfiguration

a Beispielabfrage config

Direkte SQL-Abfrage über Bring Your Own Datenbase (BYOD)

Schritte

Konfiguration

a Beispielabfrage sql

Python Skript-Extraktion via Dynamics 365 ODaten API

Schritte

Konfiguration

a Beispielabfrage python

Power Platform Datenflows zur SCM-Datenextraktion

Schritte

Konfiguration

a Beispielabfrage config

Bereit, um loszulegen?

Lieferkettenmanagement meistern: Starten Sie noch heute mit der Optimierung

Ihr Lieferkettenmanagement Daten Template

Ihr Lieferkettenmanagement Daten Template

Lieferkettenmanagement Attribute

Lieferkettenmanagement Aktivitäten

Extraktionsanleitungen

Dynamics 365 Daten Management Framework Export

Schritte

Konfiguration

a Beispielabfrage config

Direkte SQL-Abfrage über Bring Your Own Datenbase (BYOD)

Schritte

Konfiguration

a Beispielabfrage sql

Python Skript-Extraktion via Dynamics 365 ODaten API

Schritte

Konfiguration

a Beispielabfrage python

Power Platform Datenflows zur SCM-Datenextraktion

Schritte

Konfiguration

a Beispielabfrage config

Ihre Privatsphäre ist uns wichtig

Bereit, um loszulegen?

Lieferkettenmanagement meistern: Starten Sie noch heute mit der Optimierung