> Kontinuierliche Prozessoptimierung > Purchase to Pay – Purchase Requisition > SAP Ariba > Datenvorlage

Ihr Purchase-to-Pay-Purchase RequisitionsDaten-Template

SAP Ariba

Purchase-to-Pay – Purchase Requisitions-Attribute (19) Purchase-to-Pay – Purchase Requisitions-Aktivitäten (13) Extraktionsanleitungen (2)

Ihr Purchase-to-Pay-Purchase RequisitionsDaten-Template

Diese vollständige Daten-Vorlage wurde entwickelt, um Sie zu helfen, die notwendigen Informationen für die Analyse Ihres Purchase-to-Pay: Anfrageprozesses effizient zu sammeln und zu strukturieren. Sie skizziert die wesentlichen Attribute und Aktivitäten, die für einen leistungsstarken Event Log erforderlich sind, und ermöglicht detaillierte Einblicke in Ihre Prozessleistung. Darüber hinaus finden Sie praktische Anleitungen zur Extraktion dieser Daten aus Ihrem Quellsystem, um einen problemlosen Start Ihrer Einstieg in Process Mining zu sicherstellen.

Empfohlene Attribute für eine vollständige Analyse
Wichtige Prozessaktivitäten und Meilensteine zur Verfolgung
Detaillierte Anleitung zur Datenextraktion aus Ihrem System

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

Vorlage herunterladen

Purchase-to-Pay – Purchase Requisitions-Attribute

Dies sind die empfohlenen Datenfelder, die Sie in Ihr Event Log (Event Log) aufnehmen sollten, um eine vollständige Purchase-to-Pay: Anfragenanalyse zu sicherstellen und sicherzustellen, dass keine kritischen Informationen übersehen werden.

3 Erforderlich 8 Empfohlen 8 Optional

	Name	Beschreibung
	Aktivitätsname ActivityName	Der Name des spezifischen Geschäftsereignisses, das zu einem bestimmten Zeitpunkt innerhalb des AnfragenLebenszyklus aufgetreten ist.
Beschreibung Der Aktivitätsname beschreibt einen einzelnen Schritt oder Meilenstein im Anfragenprozess, wie 'Anfrage erstellt', 'Genehmigungsschritt genehmigt' oder 'Anfrage geschlossen'. Diese Daten stammen in der Regel aus Event-Logs, Statusänderungen oder spezifischen Benutzeraktionen, die in SAP Ariba aufgezeichnet wurden. Dieses Attribut ist maßgeblich für die Erstellung der Prozessablauf, die den Ablauf der Aktivitäten visuell darstellt. Durch die Analyse der Reihenfolge und Häufigkeit dieser Aktivitäten können Analysten gemeinsame Prozesspfade, Engpässe, Abweichungen vom Standardverfahren und Bereiche der Nacharbeit identifizieren. Es ist die Basis jeder Process Mining-Analyse. Bedeutung Es definiert die Schritte im Prozess und ermöglicht die Visualisierung und Analyse des Purchase Requisitions-Workflows, einschließlich Engpässen und Abweichungen. Datenquelle Abgeleitet aus Event-Logs, Audit-Trails oder StatusänderungsDatensätzen innerhalb von SAP Ariba, oft verbunden mit Purchase Requisitions-Kopf- und PositionsDaten. Beispiele Stellenanforderung eingereichtGenehmigungsschritt genehmigtPurchase Requisition geändertBestellung erstellt
	Ereignis-Zeitstempel EventTimestamp	Das genaue Datum und die Uhrzeit, wann die Aktivität stattfand, dient als primärer Zeitstempel für die Event-Reihenfolge.
Beschreibung Der Event Zeitstempel erfasst den genauen Zeitpunkt, an dem eine Aktivität stattfand. Diese hochpräzisen Daten sind wichtig für die korrekte Reihenfolge der Ereignisse innerhalb jedes Falls und für die Berechnung der Dauer zwischen verschiedenen Schritten im Prozess. In der Analyse ist dieser Zeitstempel die Grundlage für alle zeitbasierten Berechnungen, einschließlich Durchlaufzeiten, Wartezeiten und Bearbeitungsdauern. Er wird verwendet, um Dashboards zu betreiben, die die Leistung analysierenn, wie die Genehmigungsdurchlaufzeit für Anfragen und die Engpassanalyse des Genehmigungspfads. Die Genauigkeit dieses Feldes wirkt sich direkt auf die Zuverlässigkeit aller Leistungskennzahlen aus. Bedeutung Dieses Attribut liefert die chronologische Reihenfolge der Ereignisse und ist die Grundlage für alle Leistungs- und Dauerberechnungen, wie Durchlaufzeiten und Engpässe. Datenquelle Typischerweise zu finden zusammen mit Aktivitäts- oder StatusänderungsDatensätzen in den Audit-Trail- oder Transaktionsprotokolltabellen von SAP Ariba. Beispiele 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:05:00Z
	Purchase Requisitions-ID PurchaseRequisitionId	Der eindeutige Identifikator für ein Bestellanfragendokument, der als primäre Fall-ID für den Prozess dient.
Beschreibung Die Bestellanfrage-ID ist der zentrale Schlüssel, der alle Aktivitäten im Zusammenhang mit einer einzelnen Anforderung von Waren oder Dienstleistungen verknüpft. Jeder in SAP Ariba erstellten Anfrage wird eine eindeutige ID zugewiesen, die während ihres gesamten Lebenszyklus, von der Erstellung und Einreichung bis zur endgültigen Genehmigung, Ablehnung oder Schließung, konsistent bleibt. In der Process Mining-Analyse ist dieses Attribut wichtig für die Fallkorrelation. Es ermöglicht die Rekonstruktion des vollständigen End-to-End-Prozesses jeder Anfrage und erlaubt die genaue Berechnung von Durchlaufzeiten, die Identifizierung von Prozessvarianten und die Analyse von Nacharbeitsschleifen. Ohne diesen Identifikator wäre es unmöglich, Ereignisse zu unterscheiden, die zu verschiedenen Anfragen gehören. Bedeutung Dies ist die wesentliche Fall-ID, die alle zugehörigen Aktivitäten verbindet und es ermöglicht, den End-to-End-Anfragenprozess für jede einzelne Anfrage zu analysierenn. Datenquelle Dies ist ein Primärschlüsselfeld in den Haupttabellen der AnfragenkopfDaten innerhalb der Datenstruktur von SAP Ariba. Beispiele PR-102345PR-102346PR-102347
	Ablehnungsgrund RejectionReason	Der Grund, der von einem Genehmigenden angegeben wird, wenn eine Purchase Requisition oder ein Genehmigungsschritt abgelehnt wird.
Beschreibung Wenn eine Anfrage abgelehnt wird, geben Genehmiger oft einen Grund an, der Freitext sein oder aus einer vordefinierten Listee ausgewählt werden kann. Dieses Attribut erfasst dieses wichtige Feedback. Diese Daten sind der Grundstein des Dashboards 'Analyse der Anfragen-Ablehnungsrate'. Die Analyse der häufigsten Ablehnungsgründe hilft, die Grundursachen für Prozessfehler zu identifizieren, wie Neine Kodierung, unzureichende Begründung oder Budgetprobleme. Diese Erkenntnisse können dann geverwendet werden, um Schulungen für Anfragende zu verbessern und die Qualität der ersten Einreichungen zu steigern, wodurch Nacharbeit reduziert wird. Bedeutung Bietet direkte Einblicke, warum Anfragen fehlschlagen, und ermöglicht eine Ursachenanalyse, um Nacharbeit zu reduzieren und die Ersttrefferquote zu verbessern. Datenquelle Konsultieren Sie die SAP Ariba Dokumentation. Diese Informationen werden in der Regel im Kommentar- oder Historienbereich erfasst, der mit einem Ablehnungs-Event verbunden ist. Beispiele Falsches GL-KontoBudget überschrittenUnzureichende BegründungDoppelte Anfrage
	Abteilung des Anfragenden RequesterDepartment	Die Geschäftsabteilung oder Kostenstelle des Mitarbeiters, der den Antrag bearbeitet.ie Bestellanfrage erstellt hat.
Beschreibung Dieses Attribut liefert organisatorischen Kontext, indem es identifiziert den Geschäftsbereich, der die Anfrage initiiert hat. Es wird in der Regel aus dem Benutzerprofil des Anfragenden abgeleitet oder den Antrag bearbeitet.irekt im Anfrageformular angegeben. In der Analyse ist dies eine hilfreiche Dimension für Filterung und Vergleich. Es wird in nahezu allen Dashboards, wie der 'Genehmigungsdurchlaufzeit für Anfragen' und der 'Analyse der Ablehnungsquote für Anfragen', verwendet, um Metriken nach Abteilung aufzuschlüsseln. Dies ermöglicht die Identifizierung, welche Abteilungen die längsten Durchlaufzeiten, höchsten Änderungsraten oder den Antrag bearbeitet.ie meisten nicht-konformen Anfragen aufweisen, und leitet gezielte Prozessoptimierungsmaßnahmen an. Bedeutung Ermöglicht die Segmentierung und den Vergleich der Prozessleistung über verschiedene Bereiche der Organisation hinweg, wobei abteilungsspezifische Probleme oder Best Practices hervorgehoben werden. Datenquelle Konsultieren Sie die SAP Ariba Dokumentation. Üblicherweise verfügbar in den KopfDaten der Purchase Requisition, oft verknüpft vom Benutzerprofil des Anforderers. Beispiele MarketingIT-BetriebFinanzenForschung und Entwicklung
	Artikelkategorie ItemCategory	Die Klassifizierung der angefragten Waren oder Dienstleistungen, wie 'IT-Hardware', 'Büromaterial' oder 'Professionelle Dienstleistungen'.
Beschreibung Die Artikelkategorie liefert Details darüber, was eingekauft wird. Diese Klassifizierung hilft, Ausgabenmuster zu verstehen und kategoriespezifische Beschaffungsstrategien und -richtlinien anzuwenden. Im Process Mining ist dieses Attribut wichtig für das Dashboard 'Anfragen-Änderungsanalyse', da es aufzeigen kann, ob bestimmte Artikelkategorien anfälliger für Änderungen sind, was auf unklare Spezifikationen oder volatile Preise hindeutet. Es ermöglicht auch den Vergleich der Prozessleistung, wie Genehmigungszeiten, über verschiedene Arten von Einkäufen hinweg, um festzustellen, ob spezifische Kategorien mehr Reibung erfahren. Bedeutung Ermöglicht die Analyse basierend auf der Art der gekauften Waren oder Dienstleistungen und hilft, kategoriespezifische Engpässe oder Compliance-Verstöße zu identifizieren. Datenquelle Konsultieren Sie die SAP Ariba Dokumentation. Diese Informationen finden sich in der Regel auf Purchase Requisitionspositionsebene. Beispiele IT HardwareBeratungsdienstleistungenBürobedarfMarketingmaterialien
	Dringlichkeitsstufe UrgencyLevel	Ein Indikator für die Priorität der Purchase Requisition, z. B. „Standard“, „Dringend“ oder „Kritisch“.
Beschreibung Die Dringlichkeitsstufe, oft als Prioritätskennzeichen dargestellt, signalisiert den geschäftlichen Bedarf an beschleunigter Bearbeitung. Dies wird in der Regel vom Anfragenden festgelegt, um sicherzustellen, dass kritische Anforderungen umgehend bearbeitet werden. Dieses Attribut ist der Schlüssel für das Dashboard 'Monitor für dringende Anfragenprozesse' und den KPI 'Bearbeitungszeit für dringende Anfragen'. Es ermöglicht einen direkten Vergleich der Durchlaufzeiten zwischen dringenden und Standardanfragen, um zu validieren, ob die Prioritätsbehandlung effektiv ist. Die Analyse von Abweichungen oder Verzögerungen bei dringenden Anfragen ist ein zentraler Anwendungsfall zur Sicherstellung der Geschäftskontinuität. Bedeutung Ermöglicht die Priorisierung der Analyse und Überwachung, ob hochpriorisierte Purchase Requisitionen schneller bearbeitet werden, um sicherzustellen, dass kritische Geschäftsanforderungen erfüllt werden. Datenquelle Konsultieren Sie die SAP Ariba Dokumentation. Dies ist oft ein auswählbares Feld im Formular zur Erstellung von Purchase Requisitionen. Beispiele HochMittelNiedrig
	Ereignisbenutzer EventUser	Die Benutzer-ID oder den Antrag bearbeitet.er Name der Person, die die Aktivität durchgeführt hat, wie der Anfragende oder Genehmiger.
Beschreibung Das Attribut Event Benutzer identifiziert die Person, die für die Ausführung eines spezifischen Prozessschritts verantwortlich ist. Dies könnte der Mitarbeiter sein, der den Antrag bearbeitet.ie Anfrage eingereicht hat, der Manager, der sie genehmigt hat, oder den Antrag bearbeitet.er Beschaffungsmitarbeiter, der sie bearbeitet hat. Dieses Attribut ist unerlässlich für die Arbeitslastanalyse, Leistungsvergleiche und die Identifizierung von Schulungsmöglichkeiten. Es dient als Basis für das Dashboard 'Arbeitslast und Leistung des Genehmigers', indem es die Analyse der Genehmigungszeiten pro Benutzer ermöglicht. Es wird auch verwendet, um Ursachen von Verzögerungen oder Abweichungen zu untersuchen, indem sie auf bestimmte Personen oder Teams zurückgeführt werden. Bedeutung Es ermöglicht die Analyse von Arbeitslastverteilung, Benutzerleistung und Ressourcenzuweisung und hilft, Engpässe zu identifizieren, die durch spezifische Benutzer oder Teams verursacht werden. Datenquelle Konsultieren Sie die SAP Ariba Dokumentation. Dies wird oft in Audit-Trail- oder Historientabellen gespeichert, verknüpft mit den BenutzerstammDaten. Beispiele john.doejane.smithmanager123
	Genehmigungs-Workflow-Pfad ApprovalWorkflowPath	Die vordefinierte Abfolge von Genehmigungsschritten, denen die Anfrage voraussichtlich folgen wird.
Beschreibung Dieses Attribut definiert die Standardprozessvariante oder Genehmigungsmatrix, der eine Anfrage basierend auf ihren Eigenschaften, wie Wert, Artikelkategorie und Abteilung, folgen sollte. Es repräsentiert den 'Soll'- oder 'Happy Path'-Prozess. Dies ist die Basis für die Konformitätsprüfung und wird im Dashboard 'Übersicht der Anfragen-Compliance' verwendet. Durch den Vergleich der tatsächlichen Abfolge von Aktivitäten mit dem erwarteten Genehmigungs-Workflow-Pfad können Analysten automatisch Richtlinienverstöße, unautorisierte Genehmigungsschritte oder übersprungene Kontrollen erkennen. Dies ist maßgeblich für internes Audit und Risikomanagement. Bedeutung Definiert den einzuhaltenden Standardprozess, der es der Konformitätsprüfung ermöglicht, Abweichungen und Richtlinienverstöße automatisch zu erkennen. Datenquelle Konsultieren Sie die SAP Ariba Dokumentation. Dies kann aus der Genehmigungsmatrix-Konfiguration oder einem spezifischen Feld der Purchase Requisition abgeleitet werden. Beispiele Standard IT > $10kMarketing Dienste < $5kCAPEX > $100k
	Gesamtanfragenbetrag TotalRequisitionAmount	Der Gesamtbetrag der Purchase Requisition.
Beschreibung Dieses Attribut erfasst den finanziellen Wert der gesamten Anfrage. Es ist ein kritisches Element des geschäftlichen Kontexts, das bei der Kategorisierung und Priorisierung von Anfragen hilft. Die Analyse von Prozessmetriken anhand dieses Wertes kann wichtige Muster aufzeigen. Zum Beispiel können hochwertige Anfragen unterschiedlichen, strengeren Genehmigungswegen folgen oder längere Durchlaufzeiten aufweisen. Dieses Attribut ist unerlässlich, um die finanziellen Auswirkungen von Prozessineffizienzen zu verstehen und Anfragen für Vergleichsanalysen in Wertbereiche zu kategorisieren. Bedeutung Bietet wichtigen finanziellen Kontext und ermöglicht die Analyse, wie der Anfragewert das Prozessverhalten, wie Genehmigungszeiten und Workflow-Komplexität, beeinflusst. Datenquelle Konsultieren Sie die SAP Ariba Dokumentation. Dies ist ein Standardfeld im Purchase Requisitionskopf. Beispiele 1500.0025000.5099.95
	Purchase Requisitionsstatus RequisitionStatus	Der aktuelle Status der Bestellanfrage in ihrem Lebenszyklus.
Beschreibung Dieses Attribut spiegelt den Echtzeit-Status einer Anfrage wider, wie 'In Bearbeitung', 'Eingereicht', 'Genehmigt', 'Abgelehnt' oder 'Geschlossen'. Es bietet eine Momentaufnahme, wo sich jeder Fall im Prozess zum Zeitpunkt der Datenextraktion befindet. Während Process Mining den historischen Fluss rekonstruiert, ist dieses Attribut wichtig für das operative Monitoring. Es ist der primäre Datenpunkt für den 'Live-Anfragenstatus-Tracker', der es Managern ermöglicht, die aktuelle Arbeitslast zu sehen und Anfragen zu identifizieren, die festgefahren sind oder altern. Es bietet sofortige, direkt anwendbare Transparenz in die aktive Anfragen-Pipeline. Bedeutung Ermöglicht die Echtzeitüberwachung der Purchase Requisitionspipeline und hilft, stagnierende oder veraltete Anfragen zu identifizieren und zu bearbeiten, bevor sie problematisch werden. Datenquelle Konsultieren Sie die SAP Ariba Dokumentation. Dies ist ein Standardstatusfeld im Purchase Requisitionskopf. Beispiele GenehmigtEingereichtAbgelehntIn Genehmigung
	Bestell-ID PurchaseOrderId	Der Identifikator der Bestellung, die aus der genehmigten Anfrage erstellt wurde.
Beschreibung Dieses Attribut verknüpft eine Bestellanfrage mit ihrem nachgelagerten Dokument, der Bestellung (PO). Seine Anwesenheit signalisiert die erfolgreiche Umwandlung einer Anfrage in eine Bestellung. Dies ist unerlässlich für die End-to-End-Prozessanalyse, die über die Anfragenphase hinausgeht. Es wird verwendet, um den KPI 'Vorlaufzeit von Anfrage zu Bestellung' zu berechnen, indem das Anfragenerstellungs-Event mit dem Bestellungserstellungs-Event verbunden wird. Dies bietet einen vollständigen Blick auf den Frontend-Bereich des Beschaffungszyklus. Bedeutung Verknüpft die Purchase Requisition mit der nachfolgenden Bestellung und ermöglicht die Messung der End-to-End-Durchlaufzeit von Anforderung bis Bestellung (PO). Datenquelle Konsultieren Sie die SAP Ariba Dokumentation. Dies wird in der Regel in den Purchase RequisitionspositionsDaten gespeichert, nachdem eine Bestellung generiert wurde. Beispiele PO-450001, 2, 3, 45PO-450001, 2, 3, 46PO-450001, 2, 3, 47
	Ist automatisiert IsAutomated	Eine boolesche Markierung, die anzeigt, ob eine Aktivität von einem System oder einem menschlichen Benutzer durchgeführt wurde.
Beschreibung Dieses Attribut unterscheidet zwischen automatisierten Systemereignissen, wie automatischen Genehmigungen oder systemgesteuerten Statusänderungen, und manuellen Aktivitäten, die von Benutzern durchgeführt werden. Dies ist maßgeblich, um den Automatisierungsgrad im Prozess zu verstehen. In der Analyse hilft dies, den menschlichen Aufwand genau zu messen und Möglichkeiten für weitere Automatisierung zu identifizieren. Zum Beispiel ermöglicht das Filtern nach manuellen Aktivitäten eine präzise Berechnung der benutzerzentrierten Bearbeitungszeiten. Es hilft auch zu überprüfen, ob automatisierte Regeln innerhalb des Prozesses wie erwartet funktionieren. Bedeutung Unterscheidet zwischen menschlichen und Systemaktionen, was für die Messung von Automatisierungsraten und die Identifizierung neuer Automatisierungsmöglichkeiten notwendig ist. Datenquelle Dies wird in der Regel abgeleitet, indem geprüft wird, ob der 'Event Benutzer' einer System- oder Batch-Benutzer-ID entspricht. Beispiele JaNein
	Ist Nacharbeit IsRework	Eine boolesche Markierung, die angibt, ob die Purchase Requisition nachbearbeitet wurde, z. B. durch eine Ablehnung oder mehrere Änderungen.
Beschreibung Dieses berechnete Attribut ist eine breitere Messgröße für Ineffizienz als 'IsAmended'. Es kennzeichnet Fälle, die erhebliche Nacharbeitsschleifen durchlaufen haben, in der Regel definiert als ein oder mehrere Ereignisse 'Genehmigungsschritt abgelehnt' oder mehrere Ereignisse 'Anfrage geändert'. Dieses Kennzeichen wird zur Berechnung des KPI 'Anfragen-Nacharbeitsrate' verwendet. Es hilft, die versteckten Kosten und Verzögerungen zu quantifizieren, die mit Prozessfehlern verbunden sind. Die Analyse von Fällen, die als Nacharbeit markiert sind, kann Muster in Bezug auf bestimmte Genehmiger, Abteilungen oder Anfragetypen aufdecken, die zu Prozessreibung führen. Bedeutung Identifiziert Fälle mit erheblicher Prozessreibung, wie z.B. Ablehnungen, und ermöglicht so eine fokussierte Analyse der Ursachen für Ineffizienz und Verzögerung. Datenquelle Wird als „wahr“ berechnet, wenn ein Case eine Ablehnungsaktivität oder mehr als eine Änderungsaktivität enthält. Beispiele JaNein
	Letzte Datenaktualisierung LastDataUpdate	Der Zeitstempel, der angibt, wann die Daten für diesen Datensatz zuletzt aus dem Quellsystem aktualisiert wurden.
Beschreibung Dieses Attribut zeigt das Datum und die Uhrzeit der aktuellsten Datenextraktion oder Aktualisierung für ein bestimmtes Event. Es bietet Transparenz über die Aktualität der analysierten Daten, was besonders wichtig für die Überwachung laufender Prozesse ist. Analysten einsetzen diese Information, um die Aktualität der generierten Erkenntnisse zu verstehen. Für Dashboards wie den 'Live-Anfragenstatus-Tracker' ist dieses Feld wichtig, um Benutzer darüber zu Hinweisrmieren, wie aktuell die angezeigten Informationen sind. Es hilft, Erwartungen an die Aktualität der Daten zu managen. Bedeutung Gibt die Aktualität der Daten an, was für das Verständnis der Pünktlichkeit und Relevanz der Process Mining-Erkenntnisse notwendig ist. Datenquelle Dieser Zeitstempel wird in der Regel während des Datenerfassungsprozesses generiert und jedem Datensatz hinzugefügt. Beispiele 2024-05-21T02:00:00Z2024-05-22T02:00:00Z
	Name des Anfragenden RequesterName	Der Name des Mitarbeiters, der den Antrag bearbeitet.ie Bestellanfrage initiiert hat.
Beschreibung Dieses fallbezogene Attribut identifiziert den Ersteller der Bestellanfrage. Es bietet Kontext zum Ursprung der Anfrage und zum einzelnen Stakeholder. In der Analyse wird dieses Attribut verwendet, um den Prozess zu filtern und das Verhalten bestimmter Anfragender zu analysierenn. Zum Beispiel verwenden die Dashboards 'Anfragen-Änderungsanalyse' und 'Analyse der Ablehnungsquote für Anfragen' dieses, um Personen zu identifizieren, die aufgrund hoher Änderungs- oder Ablehnungsraten zusätzlichen Schulungsbedarf haben könnten. Es hilft, Feedback und Verbesserungsinitiativen zu personalisieren. Bedeutung Identifiziert den Ersteller der Anfrage und ermöglicht so eine Analyse des Prozessverhaltens und der Qualität auf Basis pro Anforderer. Datenquelle Konsultieren Sie die SAP Ariba Dokumentation. Dies ist ein Standardfeld im Purchase Requisitionskopf, oft als „Erstellt von“ oder „Anforderer“ bezeichnet. Beispiele Alice WilliamsBob MillerCharles Brown
	Name des Genehmigers ApproverName	Der Name des Benutzers, der zugewiesen ist, einen spezifischen Schritt im Workflow zu genehmigen.
Beschreibung Dieses Attribut identifiziert den spezifischen Manager oder Stakeholder, der für eine Genehmigungsaktivität verantwortlich ist. Es unterscheidet sich vom allgemeinen 'Event Benutzer', da es sich speziell auf Genehmigungsaufgaben bezieht. Dies ist ein Schlüsselattribut für das Dashboard 'Arbeitslast und Leistung des Genehmigers'. Es ermöglicht die Verfolgung der Anzahl der von jedem Genehmiger bearbeiteten Anfragen und deren durchschnittliche Genehmigungszeit. Dies hilft bei der Identifizierung individueller Engpässe, dem Ausgleich der Arbeitslasten und der Bewertung der Leistung im Vergleich zu Zielen. Bedeutung Identifiziert die spezifische Person, die für eine Genehmigung verantwortlich ist, und ermöglicht so eine detaillierte Arbeitslastverteilung und Leistungsfähigkeit-Analyse der Genehmiger. Datenquelle Konsultieren Sie die SAP Ariba Dokumentation. Diese Informationen sind in den GenehmigungsflussDaten hinterlegt, die mit der Purchase Requisition verknüpft sind. Beispiele Sarah JonesDavid ChenMaria Garcia
	Quellsystem SourceSystem	Das System, aus dem die Daten extrahiert wurden.
Beschreibung Dieses Attribut identifiziert die Herkunft der ProzessDaten. Für diese Ansicht wäre der Wert durchweg 'SAP Ariba', aber in einem breiteren Kontext, wo Daten aus mehreren Systemen zusammengeführt werden könnten, ist dieses Feld wichtig für die Datenherkunft und Fehlerbehebung. In der Analyse hilft es, die Datenherkunft zu bestätigen und kann verwendet werden, um Prozesse zu filtern oder zu vergleichen, die verschiedene Systeme umfassen. Es stellt ... sicher Klarheit und Vertrauen in die Datenquelle, was für die Akzeptanz der Stakeholder wichtig ist. Bedeutung Identifiziert den Ursprung der Daten, was wichtig für Daten Governance, Fehlerbehebung und das Verständnis des Analysekontexts ist. Datenquelle Dies ist in der Regel ein statischer Wert, der während der Datenextraktion und -transformation hinzugefügt wird, um die Herkunft des Datensatzes zu kennzeichnen. Beispiele SAP AribaSAP_ARIBA_P2PAribaCloud
	Wurde geändert IsAmended	Eine boolesche Markierung, die angibt, ob die Purchase Requisition nach ihrer ersten Einreichung mindestens einmal geändert wurde.
Beschreibung Dieses berechnete Attribut identifiziert Fälle, die mindestens eine Aktivität 'Anfrage geändert' durchlaufen haben. Es vereinfacht den Prozess der Kennzeichnung von Anfragen, die während ihres Lebenszyklus Änderungen erforderten. Dieses Kennzeichen wird zur Berechnung des KPI 'Anfragen-Änderungsrate' verwendet. Durch Zählung der Fälle, in denen dieses Kennzeichen wahr ist, können Analysten leicht die Häufigkeit von Nacharbeit messen und die Grundursachen durch Korrelation mit anderen Attributen wie 'Anfragender Name' oder 'Artikelkategorie' untersuchen. Bedeutung Vereinfacht die Berechnung des KPI der Änderungsquote und hilft, Nacharbeit zu quantifizieren und Bereiche zu identifizieren, die klarere anfängliche Spezifikationen benötigen. Datenquelle Wird als „wahr“ berechnet, wenn ein Case eine oder mehrere „Purchase Requisition geändert“-Aktivitäten enthält, und andernfalls als „Nein“. Beispiele JaNein

Erforderlich Empfohlen Optional

Purchase-to-Pay – Purchase Requisitions-Aktivitäten

Dies sind die wichtigen Prozessschritte und Meilensteine, die Sie in Ihrem Event Log erfassen sollten, um eine genaue Prozesserkennung und die Identifizierung von Engpässen zu ermöglichen.

6 Empfohlen 7 Optional

	Aktivität	Beschreibung
	Anforderung erstellt	Markiert die initiale Erstellung eines Purchase Requisitionsdokuments durch einen Benutzer. Dies wird erfasst, wenn die Purchase Requisition erstmalig in einem „In Bearbeitung“- oder Entwurfsstatus gespeichert wird.
Bedeutung Dies ist der Startpunkt des AnfragenLebenszyklus. Die Analyse der Zeit von der Erstellung bis zur Einreichung hilft, die Benutzereffizienz zu messen und Schulungsbedarfe zu identifizieren. Datenquelle Aus dem Erstellungs-Zeitstempel des Purchase Requisitions-Objekts in SAP Ariba. Dieser ist in den KopfDaten des Anforderungsdokuments zu finden und repräsentiert ein explizites Erstellungs-Event. Erfassen Verwenden Sie den 'CreateTime' oder äquivalenten Zeitstempel aus der Kopftabelle des Anfragedokuments. Ereignistyp explicit
	Bestellung erstellt	Markiert die erfolgreiche Umwandlung einer genehmigten Purchase Requisition in eine Bestellung (Purchase Order). Dies wird durch die Erstellung eines PO-Dokuments erfasst, das auf die Purchase Requisition verweist.
Bedeutung Dies ist das primäre Erfolgsergebnis für den Anfragenprozess. Es ist unerlässlich für die Messung des End-to-End-KPI 'Vorlaufzeit von Anfrage zu Bestellung'. Datenquelle Dies ist ein explizites Event. Es wird der Erstellungs-Zeitstempel des Bestelldokuments verwendet, das einen direkten Link oder Verweis auf die Quell-Bestellanfrage-ID enthält. Erfassen Aus der PO-Kopftabelle, finden Sie die mit der Purchase Requisition verknüpfte Bestellung und verwenden Sie deren Erstellungs-Zeitstempel. Ereignistyp explicit
	Purchase Requisition abgelehnt	Stellt die endgültige Ablehnung einer Bestellanfrage nach der Prüfung dar. Dies ist ein Endzustand des Prozesses und wird durch eine Statusänderung auf 'Abgelehnt' erfasst.
Bedeutung Dies ist ein wichtiger Fehlerendpunkt. Die Analyse abgelehnter Anfragen ist für den KPI 'Anfragen-Ablehnungsrate' unerlässlich, um Muster zu identifizieren und die Anfragenqualität zu verbessern. Datenquelle Abgeleitet aus der Ariba Dokumentenhistorie, die die endgültige Statusänderung der Purchase Requisition auf „Abgelehnt“ aufzeichnet. Erfassen Identifizieren Sie den Zeitstempel, wenn sich das Statusfeld der Purchase Requisition auf „Abgelehnt“ ändert. Ereignistyp inferred
	Purchase Requisition abgeschlossen	Die endgültige administrative Schließung einer Bestellanfrage, nachdem alle zugehörigen Aktionen, wie Bestellung und Wareneingang, abgeschlossen sind. Dies wird durch eine finale Statusänderung auf 'Geschlossen' erfasst.
Bedeutung Stellt das endgültige Ende des gesamten AnfragenLebenszyklus dar. Die Analyse der Zeit von der Bestellungserstellung bis zum Abschluss kann Engpässe in nachgelagerten Wareneingangs- oder Rechnungsbearbeitungsprozessen aufzeigen. Datenquelle Abgeleitet aus der Ariba Dokumentenhistorie, die die Statusänderung der Purchase Requisition auf „Abgeschlossen“ aufzeichnet. Erfassen Identifizieren Sie den Zeitstempel, wenn sich das Statusfeld der Purchase Requisition auf „Abgeschlossen“ ändert. Ereignistyp inferred
	Purchase Requisition genehmigt	Markiert die endgültige Genehmigung der Purchase Requisition, nachdem sie alle Schritte im Workflow erfolgreich durchlaufen hat. Dies wird durch eine Statusänderung auf „Genehmigt“ erfasst.
Bedeutung Ein kritischer Meilenstein, der den Antrag bearbeitet.as Ende der Genehmigungsphase markiert. Er ist der Endpunkt für die Messung der „Durchschnittlichen Genehmigungszeit einer Purchase Requisition“ und signalisiert die Bereitschaft zur PO-Erstellung. Datenquelle Abgeleitet aus der Ariba Dokumentenhistorie, die die endgültige Statusänderung der Purchase Requisition auf „Genehmigt“ aufzeichnet. Erfassen Identifizieren Sie den Zeitstempel, wenn sich das Statusfeld der Purchase Requisition auf „Genehmigt“ ändert. Ereignistyp inferred
	Stellenanforderung eingereicht	Stellt die formale Einreichung der Bestellanfrage in den Genehmigungs-Workflow durch den Anfragenden dar. Dies wird durch eine Statusänderung von 'In Bearbeitung' zu 'Eingereicht' erfasst.
Bedeutung Dies ist ein wichtiger Meilenstein, der den Antrag bearbeitet.en Genehmigungsprozess auslöst. Er ist wesentlich für die Messung der 'Genehmigungsdurchlaufzeit für Anfragen' und der 'Vorlaufzeit für Anfragenerstellung'. Datenquelle Abgeleitet aus der Ariba Dokumentenhistorie oder den Antrag bearbeitet.em Audit Log, die die Statusänderung der Purchase Requisition auf „Eingereicht“ und den Zeitstempel dieser Änderung aufzeichnen. Erfassen Identifizieren Sie den Zeitstempel, wenn sich das Statusfeld der Purchase Requisition erstmalig auf „Eingereicht“ ändert. Ereignistyp inferred
	Anfrage an Sourcing gesendet	Tritt auf, wenn eine genehmigte Purchase Requisition an die Sourcing-Abteilung weitergeleitet wird, um ein Sourcing-Event, wie eine Angebotsanfrage (RFQ), durchzuführen, bevor eine Bestellung (PO) erstellt werden kann. Erfasst durch eine Statusänderung, z.B. auf „Sourcing“.
Bedeutung Identifiziert einen wichtigen Prozesszweig für hochwertige oder nicht standardisierte Artikel. Es hilft bei der Analyse des Durchlaufzeit-Beitrags der Sourcing-Abteilung. Datenquelle Abgeleitet aus der Statusänderung der Purchase Requisition zu einem Wert, der anzeigt, dass sie an das Sourcing gesendet wurde. Dies ist üblich bei Ariba Buying, integriert mit Ariba Sourcing. Erfassen Identifizieren Sie den Zeitstempel, wenn sich das Statusfeld der Purchase Requisition auf „Sourcing“ oder einen ähnlichen benutzerdefinierten Status ändert. Ereignistyp inferred
	Anfragenposition Bestellt	Stellt die Statusänderung einer einzelnen Position einer Anfrage auf 'Bestellt' dar, nachdem sie auf einer Bestellung platziert wurde. Dies bietet eine granularere Nachverfolgung als die Bestellungserstellung auf Kopfebene.
Bedeutung Ermöglicht die Analyse von Teillieferungen oder Verzögerungen auf Positionsebene, was bei Betrachtung nur des Kopfes nicht sichtbar ist. Dies ist nützlich für Purchase Requisitionen mit vielen Positionen, die von verschiedenen Bestellungen (POs) erfüllt werden. Datenquelle Abgeleitet aus der Statusänderung des Purchase Requisitionspositionsobjekts. Der Status der Position wird auf „Bestellt“ aktualisiert, sobald eine Bestellung dafür generiert wird. Erfassen Identifizieren Sie den Zeitstempel, wenn sich das Statusfeld der Purchase Requisitionsposition auf „Bestellt“ ändert. Ereignistyp inferred
	Genehmigungsschritt abgelehnt	Stellt das negative Ergebnis eines Genehmigungsschritts dar, bei dem ein Genehmiger die Anfrage abgelehnt und in der Regel zur Änderung zurückgesendet hat. Dies wird explizit als 'Ablehnen'-Aktion protokolliert.
Bedeutung Hebt eine Hauptursache für Nacharbeiten und Prozessverzögerungen hervor. Die Analyse dieser Ereignisse ist maßgeblich für das Verständnis der „Nacharbeitsrate von Purchase Requisitionen“ und der Ablehnungsgründe. Datenquelle Aus den Ariba Genehmigungsfluss-Tabellen. Dies wird mit einem Zeitstempel protokolliert, wenn ein Genehmiger die Aktion „Ablehnen“ oder „Zurückweisen“ für seine zugewiesene Aufgabe ausführt. Erfassen Verwenden Sie den Zeitstempel der 'Ablehnen'-Aktion, die in der Genehmigungshistorie für einen spezifischen Schritt aufgezeichnet ist. Ereignistyp explicit
	Genehmigungsschritt genehmigt	Stellt das positive Ergebnis eines Genehmigungsschritts dar, bei dem ein Genehmiger den ihm zugewiesenen Teil der Anfrage genehmigt hat. Dies wird explizit als Genehmigungsaktion protokolliert.
Bedeutung Misst die Bearbeitungszeit einzelner Genehmiger. Diese Daten sind wichtig für die Berechnung der „Durchschnittlichen Dauer eines Genehmigungsschritts“ und die Bewertung der Genehmiger-Arbeitslast. Datenquelle Aus den Ariba Genehmigungsfluss-Tabellen. Dies wird mit einem Zeitstempel protokolliert, wenn ein Genehmiger die Aktion „Genehmigen“ für seine zugewiesene Aufgabe ausführt. Erfassen Verwenden Sie den Zeitstempel der 'Genehmigen'-Aktion, die in der Genehmigungshistorie für einen spezifischen Schritt aufgezeichnet ist. Ereignistyp explicit
	Genehmigungsschritt gestartet	Zeigt an, dass eine Purchase Requisition an einen Genehmiger oder eine Genehmigungswarteschlange weitergeleitet wurde und auf Bearbeitung wartet. Dies wird erfasst, wenn eine Genehmigungsanfrage generiert und zugewiesen wird.
Bedeutung Bietet detaillierte Einblicke in den Genehmigungs-Workflow. Dies ist maßgeblich für die Berechnung von Wartezeiten und die Identifizierung spezifischer Schritte, die Engpässe für die 'Engpassanalyse des Genehmigungspfads' darstellen. Datenquelle Aus den Ariba Genehmigungsfluss-Tabellen, die die Erstellung und Zuweisung individueller Genehmigungsaufgaben protokollieren, die mit der Purchase Requisition verknüpft sind. Erfassen Verwenden Sie den Erstellungs-Zeitstempel des Genehmigungsanfrage-Datensatzes, der mit der Anfrage und dem spezifischen Genehmigungsschritt verbunden ist. Ereignistyp explicit
	Purchase Requisition geändert	Tritt auf, wenn ein Benutzer eine Purchase Requisition nach der Einreichung ändert, oft als Reaktion auf eine Ablehnung oder Anfrage. Dies wird erfasst, wenn das Dokument bearbeitet und erneut eingereicht wird.
Bedeutung Verfolgt Nacharbeit und Prozessineffizienzen. Eine hohe Änderungsfrequenz deutet auf unklare anfängliche Anforderungen oder Richtlinien hin und beeinflusst den KPI 'Anfragen-Änderungsrate'. Datenquelle Abgeleitet aus VersionsDaten in Ariba. Jede Änderung erstellt eine neue Version des Anforderungsdokuments. Die Erstellung einer Version größer als 1 deutet auf eine Änderung hin. Erfassen Überprüfen Sie, ob neue Versionen der Purchase Requisition nach dem anfänglichen Status „Eingereicht“ erstellt wurden. Der Zeitstempel der neuen Version ist die Event-Zeit. Ereignistyp inferred
	Purchase Requisition zurückgezogen	Tritt auf, wenn der ursprüngliche Anforderer eine eingereichte Purchase Requisition storniert, bevor diese vollständig genehmigt wurde. Dies wird durch eine Statusänderung auf „Zurückgezogen“ oder „Storniert“ erfasst.
Bedeutung Stellt eine vom Benutzer initiierte Beendigung des Prozesses dar. Eine Analyse der Gründe für den Rückzug von Anfragen kann Probleme mit sich ändernden Geschäftsanforderungen oder langen Genehmigungszeiten aufzeigen. Datenquelle Abgeleitet aus der Ariba Dokumentenhistorie oder den Antrag bearbeitet.em Audit Log, die die Statusänderung der Purchase Requisition auf „Zurückgezogen“ aufzeichnen. Erfassen Identifizieren Sie den Zeitstempel, wenn sich das Statusfeld der Purchase Requisition auf „Zurückgezogen“ ändert. Ereignistyp inferred

Extraktionsanleitungen

So erhalten Sie Ihre Daten aus SAP Ariba

Schritte

In SAP Ariba anmelden: Greifen Sie auf Ihre SAP Ariba-Umgebung mit einem Benutzerkonto zu, das Berechtigungen für Analyseberichte besitzt (z. B. die Rolle „Reporting Analyst“).
Zum Bereich Analytical Reporting bewältigen: Gehen Sie im Haupt-Dashboard zum Reporting-Bereich. Diesen finden Sie meist unter „Reporting“, „Analysen“ oder „Manage“ > „Analytical Reports“.
Neuen Bericht erstellen: Starten Sie die Erstellung eines neuen Analyseberichts. Wählen Sie den primären Datenbereich (Fact) für Purchase Requisitionen aus, beispielsweise „[Requisition]“.
Datenfelder hinzufügen: Verknüpfen Sie mehrere Datenquellen (Facts), um alle Informationen zu erhalten. Ein typischer Bericht verbindet „[Requisition Fact]“ mit „[Approval History Fact]“ und „[Purchase Order Fact]“ über die Requisition ID. Fügen Sie alle benötigten Felder und Zeitstempels wie Created Date, Submitted Date und Approved Date aus der Historie hinzu.
Filter konfigurieren: Grenzen Sie den Zeitraum ein. Filtern Sie das „Requisition Created Date“ auf den gewünschten Zeitraum (z. B. die letzten 3 bis 6 Monate). Ergänzen Sie bei Bedarf weitere Filter wie Buchungskreise.
Bericht ausführen und exportieren: Führen Sie den Bericht aus und exportieren Sie die Resultate als CSV oder Excel. Dieser Export liegt zunächst im „Wide“-Format vor (eine Zeile pro Anforderung mit vielen Datumsspalten).
Daten in Event Log-Format modernisieren: Dies ist ein wichtiger Offline-Schritt. Verwenden Sie Excel Power Query oder Python, um die Daten in ein „Long“-Format umzuwandeln. Für jede exportierte Zeitstempel-Spalte muss eine eigene Zeile im finalen Event Log entstehen („Unpivoting“).
Aktivitäten und Attribute zuordnen: Erzeugen Sie bei der Transformation die Spalten ActivityName und EventZeitstempel. Wenn Sie z. B. die Spalte „Submitted Date“ verarbeiten, lautet der ActivityName „Requisition Submitted“ und der EventZeitstempel übernimmt den entsprechenden Datumswert.
Daten bereinigen: Führen Sie die Daten aller Zeitstempel-Spalten in einer Datei zusammen. Stellen Sie sicher, dass PurchaseRequisitionId, ActivityName und EventZeitstempel in jeder Zeile korrekt befüllt sind. Entfernen Sie Leerzeilen und Formatierungsfehler.
Als finale CSV speichern: Speichern Sie das fertige Event Log als CSV-Datei (UTF-8). Die Datei kann nun in das Process Mining-Tool hochgeladen werden.

Konfiguration

Berichtstyp: Analytischer Bericht (Analytical Report) über die Standard-Reporting-Schnittstelle von Ariba.
Zentrale Datentabellen (Facts): Sie müssen Daten aus mehreren Facts kombinieren, in der Regel aus „[Requisition Fact]“, „[Approval History Fact]“ und „[Purchase Order Fact]“. Die genauen Bezeichnungen können je nach Ihrem Ariba-Datenmodell variieren.
Zeitraum: Es wird empfohlen, nach dem Feld „Requisition Created Date“ für einen überschaubaren Zeitraum (z. B. 3–6 Monate) zu filtern. Für erste Tests einsetzen Sie einen kürzeren Zeitraum von einer Woche.
Wichtige Filter: Filtern Sie immer nach einem spezifischen Datumsbereich. Erwägen Sie zudem Filter nach „Buchungskreis“ (Company Code) oder „Einkaufsorganisation“, um den Datensatz auf den relevanten Geschäftsbereich zu begrenzen und die Leistungsfähigkeit des Berichts zu verbessern.
Voraussetzungen: Der Nutzer, der den Antrag bearbeitet.en Bericht ausführt, muss über eine Rolle mit Berechtigungen für das Modul „Analytical Reporting“ sowie für die zugrunde liegenden Facts (Purchase Requisitionen, Genehmigungshistorie und Bestellungen) verfügen.

a Beispielabfrage config

REPORT CONFIGURATION for SAP Ariba Analytical Reporting

REPORT TYPE: Analytical Report

PRIMARY DATA SOURCE (FACT):
*   [Requisition Fact]

JOINED DATA SOURCES (FACTS):
*   [Approval History Fact] on Requisition ID
*   [Purchase Order Fact] on Requisition ID
*   [Requisition Line Item Fact] on Requisition ID

REPORT FIELDS (COLUMNS TO EXPORT for subsequent transformation):

// Case and General Attributes
*   Requisition.Requisition ID (as PurchaseRequisitionId)
*   Requisition.Status (as RequisitionStatus)
*   Requisition.Requester.Department (as RequesterDepartment)
*   Requisition.Total Cost.Amount (as TotalRequisitionAmount)
*   Requisition.Line Items.Category (as ItemCategory)
*   Requisition.Is Urgent (as UrgencyLevel)
*   Requisition.Approval Flow Name (as ApprovalWorkflowPath)

// Fields for 'Requisition Created'
*   Requisition.Created Date (Timestamp)
*   Requisition.Requester.User ID (User)

// Fields for 'Requisition Submitted'
*   Requisition.Submitted Date (Timestamp)
*   Requisition.Submitter.User ID (User)

// Fields for 'Requisition Amended'
*   Requisition.Last Modified Date (Timestamp) - Note: Requires logic to isolate true amendment events
*   Requisition.Last Modified By.User ID (User)

// Fields for 'Approval Step' activities
*   Approval History.Approval Request Date (Timestamp for 'Approval Step Started')
*   Approval History.Action Date (Timestamp for 'Approval Step Approved'/'Approval Step Rejected')
*   Approval History.Action (Value: 'Approve'/'Deny')
*   Approval History.Approver.User ID (User)
*   Approval History.Comments (for RejectionReason)

// Fields for final status activities
*   Requisition.Approved Date (Timestamp for 'Requisition Approved')
*   Requisition.Denied Date (Timestamp for 'Requisition Denied')
*   Requisition.Withdrawn Date (Timestamp for 'Requisition Withdrawn')
*   Requisition.Closed Date (Timestamp for 'Requisition Closed')

// Fields for downstream activities
*   Requisition.Sourcing Status Date (Timestamp for 'Requisition Sent To Sourcing')
*   Purchase Order.Created Date (Timestamp for 'Purchase Order Created')
*   Purchase Order.Creator.User ID (User for 'Purchase Order Created')
*   Requisition Line Item.Ordered Date (Timestamp for 'Requisition Line Item Ordered')

FILTERS:
*   Requisition.Created Date BETWEEN [Start Date] AND [End Date]
*   Company Code IN ([Your Company Codes])

Schritte

Python-Umgebung einrichten: Stellen Sie sicher, dass Python 3.6 oder neuer installiert ist. Installieren Sie die notwendigen Bibliotheken via pip: pip install requests pandas.
API-Zugriff konfigurieren: Jetzt registrieren Sie im SAP Ariba Developer Portal eine neue Anwendung. Abonnementnnieren Sie die „Operational Reporting API for Requisitions“ und rufen Sie Ihre OAuth-ZugangsDaten ab: Application Key (API Key), OAuth Client Secret und den Base64-kodierten String von [ihr_API_key]:[ihr_client_secret].
Python-Skript anpassen: Öffnen Sie das bereitgestellte Python-Skript. Füllen Sie die Platzhalter am Anfang aus, einschließlich ARIBА_REALM, BASE_URL, API_KEY und BASE64_CREDS. Legen Sie zudem START_DATE und END_DATE für den Zeitraum der Datenextraktion fest.
Report-Payload definieren: Überprüfen Sie das JSON-Objekt report_payload im Skript. Dieses definiert den auszuführenden Bericht. Das Skript ist für die RequisitionFactSystemView vorkonfiguriert und wählt Felder aus, die für die benötigten Aktivitäten und Attribute relevant sind. Sie können bei Bedarf weitere Felder oder Filter hinzufügen.
Skript ausführen: Starten Sie das Skript über Ihr Terminal mit python name_ihres_skripts.py. Das Skript authentifiziert sich zunächst bei Ariba, um ein Access Token zu erhalten.
Berichtsjob starten und überwachen: Das Skript sendet die Berichtsanfrage automatisch an die Ariba-API. Da der Job asynchron läuft, fragt das Skript die API alle 60 Sekunden ab, um den Status zu prüfen.
BerichtsDaten herunterladen: Sobald die Ariba-API den Status „COMPLETED“ meldet, lädt das Skript die ErgebnisDaten herunter (üblicherweise eine ZIP-Datei, die eine CSV-Datei enthält).
Daten verarbeiten und modernisieren: Das Skript entpackt die Datei und lädt die RohDaten in einen pandas DatenFrame. Danach erfolgt ein wichtiger Transformationsschritt: Die Daten werden vom Wide-Format (eine Zeile pro Anforderung mit vielen Datumsspalten) in ein Long-Format (Event-Log-Format mit mehreren Zeilen pro Anforderung: eine für jede Aktivität) umgewandelt.
Event Log generieren: Der transformierte DatenFrame, der nun als korrektes Event Log strukturiert ist (mit Spalten wie PurchaseRequisitionId, ActivityName und EventZeitstempel), wird als ariba_requisition_Event_log.csv im Verzeichnis des Skripts gespeichert.
Upload vorbereiten: Die generierte CSV-Datei kann nun in ProcessMind hochgeladen werden. Stellen Sie sicher, dass die Spaltenüberschriften mit dem in Ihrem ProcessMind-Projekt konfigurierten Mapping übereinstimmen.

Konfiguration

API-Endpunkt-URL: Das Skript benötigt die Basis-URL der API Ihrer Ariba-Instanz, üblicherweise im Format https://[ihr-realm].API.ariba.com/api/operationalreporting/v2/. Ersetzen Sie [ihr-realm] durch den spezifischen Ariba-Realm-Namen Ihres Unternehmens.
Authentifizierung: Die Extraktion verwendet OAuth 2.0 zur Authentifizierung. Sie müssen einen gültigen APIKey, ein clientSecret und einen base64EncodedCredentials-String angeben, den Sie über Ihre im Ariba Developer Portal registrierte Anwendung erhalten.
View-Template: Das Skript ist für die Nutzung der RequisitionFactSystemView konfiguriert. Dies ist eine Standard-View in Ariba. Stellen Sie sicher, dass diese in Ihrer Umgebung aktiviert ist und Ihr API-Nutzer die nötigen Zugriffsberechtigungen besitzt.
Zeitraum-Filter: Der creationDate-Filter im Report-Payload ist maßgeblich für die Steuerung des Datenvolumens. Für die erste Extraktion empfiehlt sich ein Zeitraum von 3 bis 6 Monaten. Große Organisationen sollten die Daten in kleineren, monatlichen Batches extrahieren.
Inkrementelle Ladevorgänge: Passen Sie für nachfolgende Extraktionen START_DATE und END_DATE an, um nur neue oder aktualisierte Datensätze abzurufen. Das Skript verwaltet die inkrementelle Logik nicht automatisch; der Zeitraum muss daher für jeden Durchlauf manuell gesetzt werden.
Voraussetzungen: Sie benötigen einen SAP Ariba-Nutzer mit der Berechtigung „Developer Portal Access“, um die Anwendung und die ZugangsDaten zu erstellen. Die API-Anwendung selbst erfordert die Rolle „Operational Reporting API Benutzer“, um Berichtsjobs auszuführen.

a Beispielabfrage python

import requests
import json
import pandas as pd
import time
import zipfile
import io

class=class="hl-string">"hl-comment"># --- Configuration --- 
class=class="hl-string">"hl-comment"># Replace with your SAP Ariba realm, datacenter-specific URL, and credentials
ARIBA_REALM = class="hl-string">"[Your Ariba Realm]"
BASE_URL = fclass="hl-string">"https://{ARIBA_REALM}.api.ariba.com/api/operationalreporting/v2/"
TOKEN_URL = class="hl-string">"https://api.ariba.com/v2/oauth/token"
API_KEY = class="hl-string">"[Your Application Key]"
BASE64_CREDS = class="hl-string">"[Your Base64-encoded ClientID:ClientSecret]"

class=class="hl-string">"hl-comment"># --- Report Parameters ---
class=class="hl-string">"hl-comment"># Set the date range for the extraction
START_DATE = class="hl-string">"2023-01-01T00:00:00Z"
END_DATE = class="hl-string">"2023-06-30T23:59:59Z"

class=class="hl-string">"hl-comment"># The main function to orchestrate the extraction process
def main():
    print(class="hl-string">"1. Acquiring access token...")
    access_token = get_access_token()
    if not access_token:
        return

    print(class="hl-string">"2. Creating asynchronous report job...")
    job_id = create_report_job(access_token)
    if not job_id:
        return

    print(fclass="hl-string">"Job created with ID: {job_id}. Polling for completion...")
    status = poll_job_status(access_token, job_id)

    if status == class="hl-string">'COMPLETED':
        print(class="hl-string">"3. Job completed. Downloading report data...")
        raw_data = download_report(access_token, job_id)
        if raw_data:
            print(class="hl-string">"4. Processing raw data into event log...")
            event_log = process_data(raw_data)
            output_filename = class="hl-string">'ariba_requisition_event_log.csv'
            event_log.to_csv(output_filename, index=False)
            print(fclass="hl-string">"5. Success! Event log saved to {output_filename}")
    else:
        print(fclass="hl-string">"Job failed or timed out with status: {status}")

def get_access_token():
    headers = {
        class="hl-string">'Authorization': fclass="hl-string">'Basic {BASE64_CREDS}',
        class="hl-string">'Content-Type': class="hl-string">'application/x-www-form-urlencoded',
    }
    data = {class="hl-string">'grant_type': class="hl-string">'client_credentials'}
    try:
        response = requests.post(TOKEN_URL, headers=headers, data=data)
        response.raise_for_status()
        return response.json().get(class="hl-string">'access_token')
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error getting access token: {e}")
        return None

def create_report_job(token):
    headers = {
        class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}',
        class="hl-string">'apiKey': API_KEY,
        class="hl-string">'Content-Type': class="hl-string">'application/json'
    }
    report_payload = {
        class="hl-string">"name": class="hl-string">"ProcessMind Requisition Extraction",
        class="hl-string">"viewTemplateName": class="hl-string">"RequisitionFactSystemView",
        class="hl-string">"outputFormat": class="hl-string">"CSV",
        class="hl-string">"filters": {
            class="hl-string">"creationDate": {
                class="hl-string">"from": START_DATE,
                class="hl-string">"to": END_DATE
            }
        },
        class="hl-string">"select": [
            class="hl-string">"RequisitionId", class="hl-string">"StatusString", class="hl-string">"SubmitDate", class="hl-string">"ApprovedState.TimeUpdated",
            class="hl-string">"DeniedState.TimeUpdated", class="hl-string">"SourcingState.TimeUpdated", class="hl-string">"ClosedState.TimeUpdated",
            class="hl-string">"WithdrawnState.TimeUpdated", class="hl-string">"Requester.Name", class="hl-string">"Requester.Department",
            class="hl-string">"TotalCost.Amount", class="hl-string">"LineItems.Category.Name", class="hl-string">"IsUrgent", class="hl-string">"ApprovalFlow.Name",
            class="hl-string">"RequisitionVersion", class="hl-string">"TimeCreated", class="hl-string">"LineItems.OrderedState.TimeUpdated", class="hl-string">"POInfo.POId"
        ]
    }
    try:
        response = requests.post(fclass="hl-string">"{BASE_URL}jobs", headers=headers, json=report_payload)
        response.raise_for_status()
        return response.json().get(class="hl-string">'jobId')
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error creating report job: {e}")
        return None

def poll_job_status(token, job_id):
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}', class="hl-string">'apiKey': API_KEY}
    while True:
        try:
            response = requests.get(fclass="hl-string">"{BASE_URL}jobs('{job_id}')", headers=headers)
            response.raise_for_status()
            status = response.json().get(class="hl-string">'status')
            print(fclass="hl-string">"Current job status: {status}")
            if status in [class="hl-string">'COMPLETED', class="hl-string">'FAILED', class="hl-string">'CANCELLED']:
                return status
            time.sleep(60) class=class="hl-string">"hl-comment"># Wait 60 seconds before polling again
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error polling job status: {e}")
            return class="hl-string">'FAILED'

def download_report(token, job_id):
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}', class="hl-string">'apiKey': API_KEY}
    try:
        response = requests.get(fclass="hl-string">"{BASE_URL}jobs('{job_id}')/result", headers=headers, stream=True)
        response.raise_for_status()
        return response.content
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error downloading report: {e}")
        return None

def process_data(zip_content):
    try:
        with zipfile.ZipFile(io.BytesIO(zip_content)) as z:
            class=class="hl-string">"hl-comment"># Assuming the first file in the zip is the CSV we need
            csv_filename = z.namelist()[0]
            with z.open(csv_filename) as f:
                df = pd.read_csv(f)
    except Exception as e:
        print(fclass="hl-string">"Error reading zipped CSV: {e}")
        return pd.DataFrame()

    class=class="hl-string">"hl-comment"># Rename columns for clarity
    df.rename(columns={
        class="hl-string">'RequisitionId': class="hl-string">'PurchaseRequisitionId',
        class="hl-string">'TimeCreated': class="hl-string">'Timestamp_Created',
        class="hl-string">'SubmitDate': class="hl-string">'Timestamp_Submitted',
        class="hl-string">'ApprovedState.TimeUpdated': class="hl-string">'Timestamp_Approved',
        class="hl-string">'DeniedState.TimeUpdated': class="hl-string">'Timestamp_Denied',
        class="hl-string">'SourcingState.TimeUpdated': class="hl-string">'Timestamp_SentToSourcing',
        class="hl-string">'ClosedState.TimeUpdated': class="hl-string">'Timestamp_Closed',
        class="hl-string">'WithdrawnState.TimeUpdated': class="hl-string">'Timestamp_Withdrawn',
        class="hl-string">'LineItems.OrderedState.TimeUpdated': class="hl-string">'Timestamp_LineItemOrdered',
        class="hl-string">'POInfo.POId': class="hl-string">'POId',
        class="hl-string">'Requester.Name': class="hl-string">'EventUser',
        class="hl-string">'Requester.Department': class="hl-string">'RequesterDepartment',
        class="hl-string">'TotalCost.Amount': class="hl-string">'TotalRequisitionAmount',
        class="hl-string">'LineItems.Category.Name': class="hl-string">'ItemCategory',
        class="hl-string">'IsUrgent': class="hl-string">'UrgencyLevel',
        class="hl-string">'ApprovalFlow.Name': class="hl-string">'ApprovalWorkflowPath',
        class="hl-string">'StatusString': class="hl-string">'RequisitionStatus'
    }, inplace=True)
    
    class=class="hl-string">"hl-comment"># Create a base dataframe for melting
    id_vars = [
        class="hl-string">'PurchaseRequisitionId', class="hl-string">'EventUser', class="hl-string">'RequesterDepartment', class="hl-string">'TotalRequisitionAmount',
        class="hl-string">'ItemCategory', class="hl-string">'UrgencyLevel', class="hl-string">'ApprovalWorkflowPath', class="hl-string">'RequisitionStatus', class="hl-string">'RequisitionVersion', class="hl-string">'POId'
    ]
    
    timestamp_cols = [col for col in df.columns if col.startswith(class="hl-string">'Timestamp_')]
    
    class=class="hl-string">"hl-comment"># Melt the dataframe to turn timestamp columns into rows
    event_log = pd.melt(df, id_vars=id_vars, value_vars=timestamp_cols, var_name=class="hl-string">'ActivityName', value_name=class="hl-string">'EventTimestamp')
    
    class=class="hl-string">"hl-comment"># Clean up and format
    event_log.dropna(subset=[class="hl-string">'EventTimestamp'], inplace=True)
    event_log[class="hl-string">'ActivityName'] = event_log[class="hl-string">'ActivityName'].str.replace(class="hl-string">'Timestamp_', class="hl-string">'Requisition ')
    event_log[class="hl-string">'EventTimestamp'] = pd.to_datetime(event_log[class="hl-string">'EventTimestamp'])

    class=class="hl-string">"hl-comment"># --- Handle specific/derived activities ---
    class=class="hl-string">"hl-comment"># Requisition Amended
    amended_df = df[df[class="hl-string">'RequisitionVersion'] > 1].copy()
    if not amended_df.empty:
        amended_df[class="hl-string">'ActivityName'] = class="hl-string">'Requisition Amended'
        amended_df[class="hl-string">'EventTimestamp'] = pd.to_datetime(amended_df[class="hl-string">'Timestamp_Submitted'])
        event_log = pd.concat([event_log, amended_df[event_log.columns]], ignore_index=True)

    class=class="hl-string">"hl-comment"># Purchase Order Created (use the timestamp of the first line item ordered as a proxy)
    po_created_df = df[df[class="hl-string">'POId'].notna() & df[class="hl-string">'Timestamp_LineItemOrdered'].notna()].copy()
    if not po_created_df.empty:
        po_created_df[class="hl-string">'ActivityName'] = class="hl-string">'Purchase Order Created'
        po_created_df[class="hl-string">'EventTimestamp'] = pd.to_datetime(po_created_df[class="hl-string">'Timestamp_LineItemOrdered'])
        event_log = pd.concat([event_log, po_created_df[event_log.columns]], ignore_index=True)
    
    class=class="hl-string">"hl-comment"># Placeholder for Approval Steps - requires parsing ApprovalRecords not included in this basic script
    class=class="hl-string">"hl-comment"># For now, we only have the final class="hl-string">'Approved' status. This logic can be expanded.
    class=class="hl-string">"hl-comment"># Creating dummy class="hl-string">'Approval Step Started/Approved' for demonstration.
    approval_df = df[df[class="hl-string">'Timestamp_Approved'].notna()].copy()
    if not approval_df.empty:
        approval_started = approval_df.copy()
        approval_started[class="hl-string">'ActivityName'] = class="hl-string">'Approval Step Started'
        class=class="hl-string">"hl-comment"># Approximate start time as submit time
        approval_started[class="hl-string">'EventTimestamp'] = pd.to_datetime(approval_started[class="hl-string">'Timestamp_Submitted'])
        
        approval_approved = approval_df.copy()
        approval_approved[class="hl-string">'ActivityName'] = class="hl-string">'Approval Step Approved'
        approval_approved[class="hl-string">'EventTimestamp'] = pd.to_datetime(approval_approved[class="hl-string">'Timestamp_Approved'])
        approval_approved[class="hl-string">'RejectionReason'] = None class=class="hl-string">"hl-comment"># Add column for consistency
        
        event_log = pd.concat([event_log, approval_started[event_log.columns], approval_approved[event_log.columns.tolist() + [class="hl-string">'RejectionReason']]], ignore_index=True)

    class=class="hl-string">"hl-comment"># Add placeholder for RejectionReason, as it's not directly in this view
    if class="hl-string">'RejectionReason' not in event_log.columns:
        event_log[class="hl-string">'RejectionReason'] = None

    class=class="hl-string">"hl-comment"># Final sorting and cleanup
    event_log = event_log.sort_values(by=[class="hl-string">'PurchaseRequisitionId', class="hl-string">'EventTimestamp']).reset_index(drop=True)
    
    class=class="hl-string">"hl-comment"># Rename class="hl-string">'Requisition LineItemOrdered' to class="hl-string">'Requisition Line Item Ordered'
    event_log[class="hl-string">'ActivityName'] = event_log[class="hl-string">'ActivityName'].replace({class="hl-string">'Requisition LineItemOrdered': class="hl-string">'Requisition Line Item Ordered'})

    class=class="hl-string">"hl-comment"># Final column selection
    final_columns = [
        class="hl-string">'PurchaseRequisitionId', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'EventUser',
        class="hl-string">'RequesterDepartment', class="hl-string">'TotalRequisitionAmount', class="hl-string">'ItemCategory', class="hl-string">'UrgencyLevel',
        class="hl-string">'ApprovalWorkflowPath', class="hl-string">'RejectionReason', class="hl-string">'RequisitionStatus'
    ]
    event_log = event_log[final_columns]

    return event_log

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

Ihr Purchase-to-Pay-Purchase RequisitionsDaten-Template

Ihr Purchase-to-Pay-Purchase RequisitionsDaten-Template

Purchase-to-Pay – Purchase Requisitions-Attribute

Purchase-to-Pay – Purchase Requisitions-Aktivitäten

Extraktionsanleitungen

SAP Ariba Analyseberichte CSV/Excel Export

Schritte

Konfiguration

a Beispielabfrage config

Python Skript-Extraktion über Operational Reporting API

Schritte

Konfiguration

a Beispielabfrage python

Bereit, um loszulegen?

Verzögerungen stoppen: Optimieren Sie Ihren Purchase-to-Pay Anfragenprozess

Ihr Purchase-to-Pay-Purchase RequisitionsDaten-Template

Ihr Purchase-to-Pay-Purchase RequisitionsDaten-Template

Purchase-to-Pay – Purchase Requisitions-Attribute

Purchase-to-Pay – Purchase Requisitions-Aktivitäten

Extraktionsanleitungen

SAP Ariba Analyseberichte CSV/Excel Export

Schritte

Konfiguration

a Beispielabfrage config

Python Skript-Extraktion über Operational Reporting API

Schritte

Konfiguration

a Beispielabfrage python

Ihre Privatsphäre ist uns wichtig

Bereit, um loszulegen?

Verzögerungen stoppen: Optimieren Sie Ihren Purchase-to-Pay Anfragenprozess