> Mejora Continua de Procesos > Del Contacto al Cobro > Pipedrive > Plantilla de Datos

Su Plantilla de Datos del Ciclo de Lead a Caja

Pipedrive

Atributos Del Contacto al Cobro (21) Actividades Del Contacto al Cobro (13) Guías de Extracción (3)

Su Plantilla de Datos del Ciclo de Lead a Caja

Esta `template` proporciona una hoja de ruta clara para recopilar los `data` cruciales necesarios para analizar su proceso 'De la Oportunidad al Cobro' en Pipedrive. Describe los `attributes` esenciales y las `activities` clave a rastrear, junto con una guía práctica sobre cómo extraer esta información directamente de su sistema Pipedrive. Aproveche este recurso para preparar sus `data` para un `Process Mining` y optimización integrales.

Atributos recomendados para recopilar
Actividades clave para el seguimiento
Guía de extracción de Pipedrive

¿Nuevo en registros de eventos? Aprenda cómo crear un registro de eventos para Process Mining.

Descargar Plantilla

Atributos Del Contacto al Cobro

Estos campos de `data` recomendados son esenciales para construir un `registro de eventos` robusto, lo que permite un análisis completo de su proceso 'De la Oportunidad al Cobro'.

3 Requerido 4 Recomendado 14 Opcional

	Nombre	Descripción
	Hora del Evento EventTime	El timestamp que indica cuándo ocurrió la actividad.
Descripción La Hora del `Event`, o Hora de Inicio, captura la fecha y hora precisas en que se registró una `activity` específica. Estos `data` temporales son esenciales para ordenar los `events` cronológicamente y calcular las duraciones entre los diferentes pasos del proceso.\n\nEn el análisis, este `timestamp` se utiliza para calcular `KPIs` clave como el tiempo de ciclo, el tiempo de procesamiento y el tiempo de espera. Permite la creación de `dashboards` basados en el tiempo que monitorean el rendimiento e identifican retrasos dentro del proceso de ventas. Por qué es importante Este `timestamp` es crítico para ordenar `events`, calcular duraciones de procesos y analizar el rendimiento en comparación con los objetivos basados en el tiempo. Dónde obtener Obtenido de campos como 'add_time' o 'update_time' en objetos de Deal, `Activity` o relacionados en la `API` de Pipedrive. Ejemplos 2023-04-15T10:00:00Z2023-04-16T14:30:00Z2023-05-01T09:05:00Z
	Nombre de la Actividad ActivityName	El nombre del `event` o tarea de negocio específica que ocurrió dentro del proceso de ventas.
Descripción Este `attribute` describe un solo paso en el proceso 'De la Oportunidad al Cobro', como 'Deal Created' (Operación Creada), 'Proposal Sent' (Propuesta Enviada) o 'Payment Received' (Pago Recibido). Las `activities` son los bloques de construcción fundamentales utilizados para visualizar el flujo del proceso.\n\nAnalizar la secuencia y frecuencia de las `activities` ayuda a identificar las rutas de proceso más comunes, los cuellos de botella donde el trabajo se acumula y cualquier desviación del procedimiento de ventas estándar. Esto es esencial para comprender cómo se ejecuta realmente el proceso. Por qué es importante Define los pasos en el proceso, permitiendo la visualización y el análisis del flujo del proceso, la identificación de cuellos de botella y la verificación de conformidad. Dónde obtener Esto se deriva típicamente mapeando los `events` de Pipedrive, como los cambios de etapa de la operación o la creación de objetos relacionados como facturas, a una lista definida de `activities`. Ejemplos Oferta CreadaPropuesta EnviadaOferta GanadaFactura EnviadaPago Recibido
	Oportunidad de Venta SalesOpportunityId	El identificador único para una oportunidad de venta, que sirve como `case` ID para rastrear todo el proceso 'De la Oportunidad al Cobro'.
Descripción El ID de Oportunidad de Venta es la clave principal que conecta todas las `activities` relacionadas, desde la creación inicial del prospecto hasta el pago final. Representa una única venta potencial que se rastrea en Pipedrive.\n\nEn el análisis de procesos, este identificador es crucial para reconstruir el recorrido de principio a fin de cada operación. Permite agrupar todos los `events`, como 'Deal Created' (Operación Creada), 'Proposal Sent' (Propuesta Enviada) y 'Payment Received' (Pago Recibido), en un `case` coherente, lo que permite el análisis de variantes de proceso, tiempos de ciclo y tasas de conversión. Por qué es importante Este identificador es la base de la vista del proceso, vinculando todos los `events` relacionados para formar un historial completo del `case` para cada operación de venta. Dónde obtener Obtenido del campo 'id' del objeto Deal a través de la `API` de Pipedrive. Ejemplos 12543125441254512546
	Estado de la Oferta DealStatus	El resultado o estado actual de la operación, como ganada, perdida o abierta.
Descripción El Estado de la Oferta indica el resultado final o el estado general actual de una oportunidad de venta. Esta es una dimensión principal para analizar las tasas de éxito de ventas y la eficiencia del proceso. Este atributo es fundamental para calcular las tasas de ganancia/pérdida y para filtrar el mapa de procesos para comparar los recorridos de las ofertas ganadas frente a las ofertas perdidas. Esta comparación a menudo revela diferencias clave en la ejecución del proceso que contribuyen al éxito o al fracaso, proporcionando información valiosa para la mejora del proceso. Por qué es importante Es esencial para calcular las tasas de ganancia/pérdida y comparar los flujos de proceso de ofertas exitosas versus no exitosas. Dónde obtener Obtenido del campo 'status' del objeto Deal en la `API` de Pipedrive. Ejemplos ganadaperdidaabierto
	Porcentaje de Descuento DiscountPercentage	El porcentaje de descuento aplicado a la operación.
Descripción Este `attribute` representa el porcentaje de descuento otorgado en una operación de venta, si lo hubiera. Es un factor crítico para comprender la estrategia de precios y su impacto en la rentabilidad.\n\nAnalizar el Porcentaje de Descuento ayuda a evaluar la efectividad de las estrategias de descuento. Se puede correlacionar con otros `attributes` como el Valor de la Operación, el Representante de Ventas o el Producto para ver dónde son más comunes los descuentos y si conducen a mayores tasas de éxito o simplemente erosionan los márgenes. Por qué es importante Esto es crucial para analizar las estrategias de precios, los márgenes de ventas y la rentabilidad general de las operaciones. Dónde obtener Este es a menudo un campo personalizado en el objeto Deal en Pipedrive. Consulte la documentación de Pipedrive para la configuración de campos personalizados. Ejemplos 0.050.100.150.0
	Propietario de la Oferta DealOwner	El representante de ventas responsable de gestionar la oportunidad de venta.
Descripción El Propietario de la Operación es el `user` asignado a una operación específica. Este `attribute` es clave para comprender la asignación de recursos y el rendimiento dentro del equipo de ventas.\n\nEste `attribute` permite el análisis de rendimiento a nivel individual o de equipo. Los `dashboards` se pueden filtrar por Propietario de la Operación para comparar métricas como el tiempo del ciclo de ventas, las tasas de conversión y el valor promedio de la operación, lo que ayuda a identificar a los de mejor rendimiento y las áreas para el `coaching`. Por qué es importante Permite el análisis de rendimiento por representante de ventas, ayudando a identificar a los de mejor desempeño y las áreas que necesitan mejora. Dónde obtener Obtenido del campo 'user_id' del objeto Deal, que enlaza con el objeto User en la `API` de Pipedrive. Ejemplos John SmithJane DoePeter Jones
	Valor de la Oferta DealValue	El valor monetario total de la oportunidad de venta.
Descripción El Valor de la Oferta representa los ingresos potenciales o reales asociados a una oportunidad de venta. Es una métrica fundamental para priorizar ofertas y evaluar el impacto financiero de la cartera de ventas. En el análisis de procesos, este atributo se utiliza para segmentar casos por tamaño financiero, permitiendo comparaciones de la ejecución del proceso para ofertas de alto valor frente a las de bajo valor. También es un componente central de los dashboards que analizan el rendimiento de ventas, la efectividad de los descuentos y la generación general de ingresos. Por qué es importante Permite el análisis financiero del proceso de ventas, ayudando a priorizar ofertas de alto valor y comprender el impacto en los ingresos. Dónde obtener Obtenido del campo 'value' del objeto Deal en la `API` de Pipedrive. Ejemplos 5000.0025000.501500.75
	¿Es Retrabajo? IsRework	Un indicador que identifica actividades que forman parte de un bucle de retrabajo.
Descripción 'Es Retrabajo' es un indicador booleano que normalmente es calculado por la herramienta de minería de procesos para resaltar instancias donde el proceso se desvía de un flujo lineal y repite pasos anteriores. Por ejemplo, una oferta que se mueve de 'Negociación' de nuevo a 'Propuesta Enviada' se consideraría retrabajo. Identificar el retrabajo es crítico para la optimización del proceso, ya que representa ineficiencia, esfuerzo desperdiciado y posible confusión para el cliente. Analizar las actividades marcadas como retrabajo ayuda a identificar áreas donde el proceso se está rompiendo, permitiendo mejoras específicas. Por qué es importante Ayuda a cuantificar la ineficiencia del proceso identificando y marcando actividades que forman parte de una ruta de proceso repetida o circular. Dónde obtener Esto es calculado por el `software` de `Process Mining` al analizar la secuencia de `activities` dentro de cada `case`. Ejemplos truefalse
	Condiciones de Pago PaymentTerms	Los términos de pago acordados, como 'Neto 30' o 'Neto 60'.
Descripción Los Términos de Pago definen el plazo en el que se espera que un cliente pague una factura después de su envío. Este `attribute` es fundamental para la gestión de las cuentas por cobrar y el flujo de caja.\n\nEn `Process Mining`, este `attribute` sirve como base para evaluar el rendimiento de los pagos. Se utiliza para calcular `KPIs` como la Tasa de Pago a Tiempo, comparando la fecha de pago real con la fecha de vencimiento derivada de la fecha de la factura y estos términos. Por qué es importante Proporciona la base para medir el rendimiento de los pagos a tiempo y analizar los retrasos en el proceso de cobro. Dónde obtener Este es típicamente un campo personalizado en el objeto Deal u Organization en Pipedrive, o puede provenir de un sistema de contabilidad integrado. Ejemplos Neto 30Neto 60Vencimiento al Recibo
	Es Pago a Tiempo IsOnTimePayment	Un indicador booleano que indica si se recibió un pago dentro de los términos de pago acordados.
Descripción Este `attribute` es un indicador binario (Verdadero/Falso) que indica si un pago se realizó a tiempo. Se deriva comparando la Hora de Pago de la Factura real con los Términos de Pago especificados.\n\nEste indicador simplifica el análisis del comportamiento de pago. Se puede utilizar para calcular rápidamente el `KPI` de Tasa de Pago a Tiempo y para filtrar los pagos atrasados, lo que permite un análisis de causa raíz enfocado en por qué ciertos clientes o tipos de operaciones resultan en retrasos en los pagos. Por qué es importante Simplifica el análisis del cumplimiento de pago y se utiliza para calcular el `KPI` de Tasa de Pago a Tiempo. Dónde obtener Calculado comparando 'InvoicePaymentTime' con el atributo 'PaymentTerms'. Por ejemplo, si PaymentTerms es 'Net 30' y InvoicePaymentTime es <= 30 días, el valor es Verdadero. Ejemplos truefalse
	Etapa de la Oferta DealStage	La etapa específica del `pipeline` de ventas en la que se encuentra actualmente la operación.
Descripción La Etapa de la Operación representa un paso específico en el `pipeline` de ventas definido de una empresa, como 'Calificado', 'Propuesta Realizada' o 'Negociación'. Proporciona una vista más granular del progreso de una operación que el Estado general de la Operación.\n\nAnalizar las etapas de la operación es crucial para comprender el embudo de ventas e identificar dónde tienden a estancarse las operaciones. Al rastrear el tiempo que se pasa en cada etapa, los equipos pueden identificar cuellos de botella y centrar los esfuerzos de mejora en las partes más problemáticas del ciclo de ventas. Por qué es importante Proporciona una vista granular del progreso de una operación a través del embudo de ventas, lo que ayuda a identificar cuellos de botella y tasas de conversión entre etapas. Dónde obtener Obtenido del campo 'stage_id' del objeto Deal, que enlaza con el objeto Stage en la `API` de Pipedrive. Ejemplos Contacto EntranteContacto RealizadoDemo AgendadaPropuesta RealizadaNegociaciones Iniciadas
	Fuente del Contacto LeadSource	La fuente o canal a través del cual se obtuvo el prospecto.
Descripción La Fuente del Contacto identifica cómo se identificó por primera vez a un cliente potencial, por ejemplo, 'Webinar', 'Llamada en frío' o 'Referencia de Socio'. Esta información es vital para la estrategia de marketing y ventas. Analizar la Fuente del Contacto ayuda a determinar la efectividad de diferentes canales de marketing. Se puede utilizar para comparar las tasas de conversión y los tiempos de ciclo de ventas para contactos de varias fuentes, permitiendo a la empresa optimizar su gasto en marketing y sus esfuerzos de ventas. Por qué es importante Ayuda a medir la efectividad de diferentes canales de marketing analizando las tasas de conversión y el rendimiento del proceso de los contactos de cada fuente. Dónde obtener Obtenido del campo 'source_name' del objeto Lead, que luego se asocia con el Deal. Ejemplos Búsqueda OrgánicaRedes Sociales PagadasReferenciaFeria Comercial
	Hora Fin del Evento EventEndTime	El timestamp que indica cuándo se completó una actividad con duración.
Descripción La Hora de Finalización del `Event` marca la finalización de una `activity` que tiene una duración medible, como una reunión o una tarea. Complementa la Hora de Inicio al permitir el cálculo preciso de cuánto tiempo tardaron `activities` específicas.\n\nEste `attribute` es esencial para calcular el tiempo de procesamiento de `activities` individuales. Analizar esta duración ayuda a identificar qué tareas específicas consumen más tiempo y ofrece oportunidades de optimización, automatización o reasignación de recursos. Por qué es importante Permite el cálculo preciso de la duración de las actividades individuales, lo cual es clave para identificar tareas que consumen mucho tiempo y cuellos de botella. Dónde obtener Obtenido de campos como 'due_date' o una `timestamp` de finalización en objetos de `Activity` en la `API` de Pipedrive. Ejemplos 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	Moneda de la Oferta DealCurrency	La moneda asociada con el valor de la operación.
Descripción Este `attribute` especifica la moneda, por ejemplo, USD, EUR o GBP, en la que se denomina el Valor de la Operación. Proporciona el contexto necesario para todas las métricas financieras.\n\nAl analizar operaciones de múltiples regiones o países, este `attribute` es esencial para una correcta elaboración de informes financieros y agregación. Asegura que las conversiones de moneda se puedan aplicar correctamente antes de resumir los `data` financieros, evitando conclusiones inexactas. Por qué es importante Proporciona un contexto esencial para el Valor de la Operación, asegurando un análisis financiero y una elaboración de informes precisos en diferentes regiones. Dónde obtener Obtenido del campo 'currency' del objeto Deal en la `API` de Pipedrive. Ejemplos USDEURGBP
	Nombre de la Organización OrganizationName	El nombre de la empresa u organización del cliente asociada con la operación.
Descripción Este `attribute` identifica al cliente corporativo vinculado a la oportunidad de venta. Proporciona contexto sobre qué empresas están en el `pipeline` de ventas.\n\nAnalizar los `data` por Nombre de la Organización ayuda a comprender el comportamiento del cliente e identificar cuentas clave. Se puede utilizar para segmentar el análisis del proceso y ver si los procesos difieren para clientes estratégicos versus clientes más pequeños, o para rastrear todo el historial de ventas con una empresa específica. Por qué es importante Identifica al cliente, permitiendo un análisis centrado en el cliente y la segmentación del proceso de ventas. Dónde obtener Obtenido del campo 'org_id' del objeto Deal, que enlaza con el objeto Organization en la `API` de Pipedrive. Ejemplos ABC Corporation`Global Tech Inc.`Innovar Soluciones
	Producto ProductAttached	El producto o servicio asociado con la oportunidad de venta.
Descripción Este `attribute` especifica el producto o servicio que se vende en la operación. Permite un análisis más detallado de las `activities` de ventas relacionadas con ofertas específicas.\n\nAl incluir el producto, el análisis se puede segmentar para comparar los procesos de ventas entre diferentes líneas de productos. Esto puede revelar si ciertos productos tienen ciclos de ventas más largos, diferentes tasas de conversión o requieren diferentes pasos de proceso, lo que lleva a estrategias de ventas más adaptadas. Por qué es importante Permite el análisis del proceso de ventas por línea de producto, ayudando a identificar variaciones en los ciclos de venta o tasas de éxito para diferentes ofertas. Dónde obtener Obtenido del objeto Product que está vinculado a un Deal en la `API` de Pipedrive. Ejemplos Suscripción `SaaS` EstándarLicencia de Plataforma EmpresarialPaquete de Servicios Profesionales
	Región Region	La región geográfica asociada con el cliente o la oportunidad de venta.
Descripción Este `attribute` categoriza las operaciones en áreas geográficas, como Norteamérica, `EMEA` o `APAC`. Permite un análisis basado en la ubicación del rendimiento y los procesos de ventas.\n\nAl segmentar el proceso por región, las empresas pueden descubrir diferencias regionales en los tiempos del ciclo de ventas, las tasas de éxito y las variantes de proceso. Estos `insights` pueden informar las estrategias de ventas regionales, la asignación de recursos y los esfuerzos de estandarización de procesos. Por qué es importante Permite el análisis geográfico del proceso de ventas, destacando las diferencias regionales en el rendimiento y el comportamiento del cliente. Dónde obtener Este es típicamente un campo personalizado en el objeto Deal u Organization. Los campos de dirección de la Organización también se pueden usar para derivarlo. Ejemplos América del NorteEMEAAPACLATAM
	Source System SourceSystem	Identifica el sistema del cual se extrajeron los `datos`.
Descripción Este `attribute` especifica el origen de los `data`, que en este `case` es Pipedrive. Es particularmente útil en entornos donde los `data` de múltiples sistemas se consolidan para una vista holística del proceso.\n\nAunque a menudo es un valor estático en un análisis de un solo sistema, proporciona un contexto esencial y ayuda en la gobernanza y trazabilidad de los `data`. Confirma que los `events` y `attributes` están relacionados con la instancia de Pipedrive. Por qué es importante Proporciona un contexto crucial sobre el origen de los `datos`, asegurando la trazabilidad y la claridad, especialmente cuando se combinan `datos` de múltiples sistemas. Dónde obtener Este es típicamente un valor estático agregado durante el proceso de transformación de `data`. Ejemplos Pipedrive
	Tiempo de Pago de Factura InvoicePaymentTime	La duración entre el envío de una factura y la recepción del pago.
Descripción El Tiempo de Pago de Facturas mide la eficiencia del proceso de cuentas por cobrar. Rastrea específicamente el tiempo transcurrido desde la actividad 'Factura Enviada' hasta la actividad 'Pago Recibido'. Esta métrica es crucial para monitorear el flujo de caja e identificar retrasos en la recaudación de pagos. Analizar esta duración ayuda a las empresas a comprender el comportamiento de pago de los clientes y la efectividad de sus estrategias de recordatorio y cobro, impactando directamente el ciclo de Presupuesto a Pago. Por qué es importante Mide directamente la eficiencia del proceso de cobro de efectivo y es vital para la gestión del flujo de caja. Dónde obtener Calculado como la diferencia entre las marcas de tiempo de las actividades 'Pago Recibido' y 'Factura Enviada' para un caso dado. Ejemplos 28 días45 días10 días
	Tiempo del Ciclo de Ventas SalesCycleTime	La duración total desde la creación de una operación hasta que se cerró (ganada o perdida).
Descripción El Tiempo del Ciclo de Ventas es un indicador clave de rendimiento (`KPI`) que mide el tiempo total transcurrido desde el primer `event`, 'Deal Created' (Operación Creada), hasta el `event` de resultado final, como 'Deal Won' (Operación Ganada) o 'Deal Lost' (Operación Perdida).\n\nEsta métrica calculada proporciona una visión general de alto nivel de la velocidad de ventas. Analizar su promedio y distribución ayuda a identificar tendencias y retrasos sistémicos en el proceso general. Es un `KPI` principal para los `dashboards` centrados en la eficiencia y el rendimiento de las ventas. Por qué es importante Este es un `KPI` crítico para medir la eficiencia y velocidad general del proceso de ventas de principio a fin. Dónde obtener Calculado al encontrar la diferencia entre la marca de tiempo de la primera y última actividad para cada SalesOpportunityId. Ejemplos 30 días 4 horas92 días 8 horas15 días 2 horas
	Última actualización de datos LastDataUpdate	El timestamp de la actualización de datos más reciente del sistema de origen.
Descripción Este `attribute` indica la última vez que los `data` fueron extraídos y actualizados en el conjunto de `data` de `Process Mining`. Proporciona un punto de referencia claro para la frescura de los `data` que se están analizando.\n\nPara cualquier análisis, conocer la actualidad de los `data` es crítico. Este `attribute` ayuda a los `users` a comprender si los `insights` que están viendo reflejan el estado más actual del proceso, lo cual es esencial para el monitoreo operativo y la toma de decisiones. Por qué es importante Indica la frescura de los datos, asegurando que los usuarios sean conscientes de cuán actual es el análisis del proceso. Dónde obtener Este valor se genera y registra durante la ingesta de `data` o el proceso `ETL`. Ejemplos 2023-10-27T02:00:00Z2023-10-28T02:00:00Z

Requerido Recomendado Opcional

Actividades Del Contacto al Cobro

Estos pasos y hitos clave del proceso deben capturarse en su `registro de eventos` para asegurar un descubrimiento de proceso preciso y una optimización efectiva.

5 Recomendado 8 Opcional

	Actividad	Descripción
	Acuerdo Perdido	Marca el cierre no exitoso de una oferta. Esto ocurre cuando el proceso de ventas se termina porque el cliente eligió un competidor, ya no está interesado, o por otras razones.
Por qué es importante Este es el punto final principal de fallo. Analizar cuándo y por qué se pierden las operaciones proporciona `insights` críticos para mejorar la estrategia de ventas, la capacitación y los procesos de calificación. Dónde obtener Este es un `event` explícito capturado cuando el estado de una operación cambia a 'perdida'. El campo 'lost_time' en la entidad Deals registra la `timestamp`. Capturar Utilice la `timestamp` 'lost_time' de la entidad Deals. Tipo de evento explicit
	Oferta Creada	Marca el inicio oficial de una oportunidad de venta. Este evento se activa cuando una nueva oferta se crea manualmente o se genera automáticamente a partir de un contacto convertido.
Por qué es importante Esta es la `activity` de inicio principal para el ciclo de ventas. Analizar el tiempo desde este `event` hasta 'Deal Won' (Operación Ganada) o 'Deal Lost' (Operación Perdida) proporciona la duración total del ciclo de ventas. Dónde obtener Este es un `event` explícito capturado en la entidad Deals de Pipedrive. La `timestamp` de creación ('add_time') para el registro de la operación sirve como la hora del `event`. Capturar Utilice el campo 'add_time' de la entidad Deals. Tipo de evento explicit
	Oferta Ganada	Marca el cierre exitoso de una oferta, lo que significa un acuerdo verbal o escrito con el cliente. Este es un cambio de estado estándar y explícito dentro de Pipedrive.
Por qué es importante Este es el hito de éxito más importante. Es crucial para calcular las tasas de éxito, la duración del ciclo de ventas para operaciones exitosas y el rendimiento general de las ventas. Dónde obtener Este es un `event` explícito capturado cuando el estado de una operación cambia a 'ganada'. El campo 'won_time' en la entidad Deals proporciona la `timestamp` precisa. Capturar Utilice la `timestamp` 'won_time' de la entidad Deals. Tipo de evento explicit
	Pago Recibido	Marca la recepción exitosa del pago del cliente, completando el ciclo de efectivo para la oportunidad. Este es el evento final en el proceso Del Contacto al Cobro y se origina en un sistema financiero.
Por qué es importante Este es el paso final de materialización de valor. Es el verdadero final del proceso 'De la Oportunidad al Cobro' y es esencial para medir el tiempo de ciclo de principio a fin y analizar los retrasos en los pagos. Dónde obtener Capturado de un sistema de contabilidad o procesamiento de pagos. La confirmación de pago debe vincularse de nuevo a la oferta de Pipedrive. Capturar Datos de eventos de un sistema financiero externo, vinculados a la oferta a través de un identificador único. Tipo de evento explicit
	Propuesta Enviada	Representa el punto en el que se entrega una cotización o propuesta formal al cliente. Esto se suele inferir cuando la operación pasa a una etapa específica del `pipeline`, como 'Propuesta Realizada' o 'Cotización Enviada'.
Por qué es importante Este es un hito clave en el proceso de ventas. Analizar el tiempo desde este `event` hasta 'Deal Won' (Operación Ganada) ayuda a comprender la duración de la fase de toma de decisiones y negociación. Dónde obtener Se infiere del registro de cambios de la Oferta cuando el 'stage_id' cambia a una etapa designada para propuestas. Se utiliza la marca de tiempo del cambio de etapa. Capturar Detecta cuando el 'stage_id' de una Oferta se actualiza a una etapa específica de 'Propuesta'. Tipo de evento inferred
	Contacto Inicial Realizado	Representa la primera interacción significativa con el cliente potencial asociado a la operación. Esto se suele registrar como una `activity` completada, como una llamada, un correo electrónico o una reunión, vinculada a la operación.
Por qué es importante El seguimiento de esto ayuda a medir el tiempo hasta el primer contacto y asegura que los prospectos sean contactados rápidamente. Proporciona `insight` sobre la capacidad de respuesta del equipo de ventas. Dónde obtener Capturado de la entidad Actividades de Pipedrive. Se identifica al encontrar la actividad completada más temprana vinculada al ID de la oferta. Capturar Encuentre la primera Actividad completada asociada a una Oferta, basándose en el campo 'done_time'. Tipo de evento explicit
	Factura Enviada	Representa el momento en que se envía una factura al cliente para su pago. Este `event` se suele activar en un sistema de contabilidad o facturación externo después de la ejecución del pedido.
Por qué es importante Esto marca el inicio del ciclo de pago. El tiempo entre este `event` y 'Payment Received' (Pago Recibido) es crítico para monitorear las cuentas por cobrar y el flujo de caja. Dónde obtener Procede de un sistema de contabilidad o `ERP` externo como Xero o QuickBooks. Los `data` del `event` deben integrarse y asociarse con la operación de Pipedrive. Capturar Datos de eventos de un sistema de facturación externo, asociados a la oferta a través de la integración de la API. Tipo de evento explicit
	Negociación Iniciada	Señala el comienzo de una negociación activa sobre el precio, los términos o el alcance. Esto se suele inferir cuando una operación pasa a una etapa de `pipeline` de 'Negociación' después de que se ha enviado una propuesta.
Por qué es importante Aislar la fase de negociación ayuda a identificar cuánto tiempo toma esta parte específica del ciclo y qué ofertas implican negociaciones prolongadas. Dónde obtener Se infiere del registro de cambios de la Oferta cuando el 'stage_id' se actualiza a una etapa explícitamente nombrada para negociación. Capturar Identifique un cambio de etapa a una etapa predefinida de 'Negociación' del historial de la oferta. Tipo de evento inferred
	Oferta Calificada	Indica que la oferta ha cumplido los criterios predefinidos y se considera una oportunidad viable que vale la pena perseguir. Esto se infiere típicamente cuando una oferta se mueve de una etapa temprana de la cartera, como 'Contacto Entrante', a una etapa más calificada, como 'Contacto Realizado' o 'Necesidades Definidas'.
Por qué es importante Este hito ayuda a analizar la efectividad del proceso de calificación de prospectos y a identificar cuánto tiempo pasan las operaciones en las etapas iniciales y no calificadas. Dónde obtener Se infiere del registro de cambios o historial de la Oferta cuando el campo 'stage_id' cambia a una etapa que significa calificación. Capturar Identifique un cambio de etapa a una etapa 'calificada' predefinida del historial de la oferta. Tipo de evento inferred
	Oferta Reabierta	Representa una operación que fue marcada previamente como perdida pero que ha sido reactivada para `activities` de venta adicionales. Este `event` se infiere cuando el estado de una operación cambia de 'perdida' a 'abierta' nuevamente.
Por qué es importante Esta `activity` destaca los ciclos de retrabajo y los esfuerzos de reenganche. Analizar estas instancias puede revelar patrones en el comportamiento del cliente o la efectividad del seguimiento de ventas. Dónde obtener Se infiere del registro de cambios de la Oferta. Se detecta cuando el campo 'status' cambia de 'perdida' a 'abierta'. Capturar Identifique un cambio de estado de 'perdida' a 'abierta' en el historial de la oferta. Tipo de evento inferred
	Pedido Cumplido	Indica que el producto ha sido enviado o el servicio ha sido entregado al cliente. Este evento se origina de un sistema externo de cumplimiento o operacional.
Por qué es importante El seguimiento del cumplimiento es clave para comprender el tiempo del ciclo del pedido a la entrega. Los retrasos aquí impactan directamente la satisfacción del cliente y el reconocimiento de ingresos. Dónde obtener Capturado de un sistema ERP, de inventario o de gestión de servicios externo. Estos datos deben vincularse de nuevo a la oferta correspondiente de Pipedrive. Capturar Datos de eventos de un sistema externo, vinculados a través del ID de la oferta u otro identificador común. Tipo de evento explicit
	Pedido de Venta Creado	Representa la creación de un pedido de venta formal en un sistema posterior, como un `ERP` o una plataforma de contabilidad, después de que se gane una operación. Esta `activity` no es nativa de Pipedrive y depende de `data` de un sistema integrado.
Por qué es importante Este `event` marca el traspaso de Ventas a Operaciones o Finanzas. Analizar el tiempo desde 'Deal Won' (Operación Ganada) hasta esta `activity` revela posibles retrasos en el procesamiento de pedidos. Dónde obtener Normalmente capturado de un sistema `ERP` o financiero conectado. Los `data` necesitarían ser ingeridos y vinculados al ID de operación de Pipedrive. Capturar Datos de eventos enviados desde un sistema externo a través de la API, a menudo actualizando un campo personalizado en la oferta de Pipedrive. Tipo de evento explicit
	Seguimiento de Propuesta	Captura cualquier actividad de ventas, como una llamada o un correo electrónico, que ocurre después de que se ha enviado una propuesta al cliente. Este evento indica un compromiso activo durante la fase de consideración.
Por qué es importante Mide la oportunidad y frecuencia de las acciones de seguimiento, lo cual es crítico para mantener el impulso y cerrar ofertas. Soporta el dashboard 'Oportunidad de Seguimiento de Propuestas'. Dónde obtener Capturado de la entidad Actividades de Pipedrive. Se identifica como una actividad completada que ocurre después del evento 'Propuesta Enviada' para la misma oferta. Capturar Identifique una Actividad completada con un 'done_time' posterior a la marca de tiempo de la actividad 'Propuesta Enviada'. Tipo de evento explicit

Recomendado Opcional

Guías de Extracción

Cómo obtener sus datos de Pipedrive

Pasos

Inicie sesión en Pipedrive: Acceda a su cuenta de Pipedrive con un perfil de usuario que tenga permisos para exportar datos. Típicamente, este es un usuario Administrador.
Navegue a Exportar Datos: Haga clic en su foto de perfil en la esquina superior derecha, luego seleccione 'Configuración'. En el menú de navegación izquierdo, encuentre la sección 'Herramientas y aplicaciones' y haga clic en 'Exportar datos'.
Exporte Datos de Ofertas: En la vista 'Exportar datos', seleccione 'Ofertas'. Elija el formato de archivo 'CSV'. Se recomienda aplicar un filtro para un rango de fechas específico, por ejemplo, los últimos 6 meses, para mantener el tamaño del archivo manejable. Haga clic en 'Exportar' y espere a que el archivo se genere y descargue. Este archivo contendrá información clave de la oferta, incluyendo la fecha de creación, la fecha de cierre (ganado) y la fecha de cierre (perdido).
Exporte Datos de Actividades: Repita el proceso para 'Actividades'. Seleccione 'Actividades', elija 'CSV', aplique el mismo filtro de rango de fechas que para las ofertas, y exporte el archivo. Este archivo contiene registros de llamadas, correos electrónicos, reuniones y actividades personalizadas vinculadas a las ofertas.
Recopile Datos Externos: Obtenga los datos correspondientes de sus sistemas posteriores. Necesitará exportaciones de sus sistemas ERP, de contabilidad o de cumplimiento para eventos como 'Pedido de Venta Creado', 'Pedido Cumplido', 'Factura Enviada' y 'Pago Recibido'. Asegúrese de que estos archivos contengan un identificador común que pueda vincularse al ID de Oferta de Pipedrive.
Configure un Entorno de Procesamiento de Datos: Utilice una herramienta capaz de manejar y fusionar múltiples archivos CSV, como Python con la librería pandas, Microsoft Excel con Power Query, o cualquier otra herramienta de preparación de datos.
Cargue y Combine Datos: Cargue los archivos Deals.csv y Activities.csv. Además, cargue los archivos de datos externos recopilados en el paso anterior.
Construya el Registro de Eventos: Cree un registro de eventos unificado programando la transformación de datos brutos al formato de actividad requerido. Para cada una de las 13 actividades requeridas, cree un conjunto de filas correspondiente. Por ejemplo:
- Los eventos 'Oferta Creada' se generan a partir de la columna add_time en el archivo Deals.csv.
- Los eventos 'Oferta Ganada' se generan a partir de la columna won_time en el archivo Deals.csv.
- 'Contacto Inicial Realizado' es la actividad completada más temprana para cada oferta del archivo Activities.csv.
- Otras actividades como 'Propuesta Enviada' o 'Negociación Iniciada' se infieren de temas o tipos de actividad específicos en Activities.csv.
Mapee Atributos: Para cada fila de evento, asegúrese de que todas las columnas requeridas estén rellenadas: SalesOpportunityId, ActivityName y EventTime. Añada atributos recomendados como DealValue, DealOwner y DealStatus uniéndolos con los datos de las ofertas.
Exportación Final: Una vez que el registro de eventos esté completamente construido y validado, guarde la tabla final como un único archivo CSV con codificación UTF-8. Este archivo está ahora listo para ser cargado en ProcessMind para su análisis.

Configuración

Objetos a Exportar: Debe exportar al menos 'Ofertas' y 'Actividades'. También podría necesitar exportar 'Organizaciones' o 'Personas' si requiere datos dimensionales adicionales.
Formato de Archivo: Elija CSV para una máxima compatibilidad con herramientas de procesamiento de datos como Python o Power Query.
Filtro de Rango de Fechas: Utilice la opción 'Filtrar por' para seleccionar un período de tiempo específico, por ejemplo, 'Fecha de creación de oferta' está dentro de los 'últimos 180 días'. Esto es crítico para gestionar el rendimiento de la exportación y el tamaño del archivo.
Permisos de Usuario: Necesita ser un usuario Administrador o tener un conjunto de permisos que permita explícitamente la exportación de datos desde la cuenta de Pipedrive.
Tipos de Actividad Personalizados: La extracción exitosa de pasos del proceso como 'Oferta Calificada' o 'Propuesta Enviada' depende en gran medida del uso de Tipos de Actividad personalizados por parte de su organización en Pipedrive. Asegúrese de que estén configurados y utilizados consistentemente por su equipo de ventas.

a Consulta de ejemplo config

import pandas as pd

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

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

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

for col in ['EventTime_Created', 'EventTime_Won', 'EventTime_Lost']: 
    deals_df[col] = pd.to_datetime(deals_df[col], errors='coerce')
activities_df['EventTime'] = pd.to_datetime(activities_df['EventTime'], errors='coerce')


# --- 3. Extract Activities from Pipedrive Data ---

# Activity: Deal Created
event_created = deals_df[['SalesOpportunityId', 'EventTime_Created']].copy()
event_created.rename(columns={'EventTime_Created': 'EventTime'}, inplace=True)
event_created['ActivityName'] = 'Deal Created'

# Activity: Deal Won
event_won = deals_df[deals_df['EventTime_Won'].notna()][['SalesOpportunityId', 'EventTime_Won']].copy()
event_won.rename(columns={'EventTime_Won': 'EventTime'}, inplace=True)
event_won['ActivityName'] = 'Deal Won'

# Activity: Deal Lost
event_lost = deals_df[deals_df['EventTime_Lost'].notna()][['SalesOpportunityId', 'EventTime_Lost']].copy()
event_lost.rename(columns={'EventTime_Lost': 'EventTime'}, inplace=True)
event_lost['ActivityName'] = 'Deal Lost'

# Filter for relevant, completed activities linked to a deal
completed_activities = activities_df[activities_df['EventTime'].notna() & activities_df['SalesOpportunityId'].notna()].copy()
completed_activities['SalesOpportunityId'] = completed_activities['SalesOpportunityId'].astype(int)

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

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

event_proposal_sent = completed_activities[completed_activities['ActivityName'].str.contains('proposal|quote', case=False, na=False)].copy()
event_proposal_sent['ActivityName'] = 'Proposal Sent'

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

event_negotiation = completed_activities[completed_activities['ActivityName'].str.contains('negotiation|negotiate', case=False, na=False)].copy()
event_negotiation['ActivityName'] = 'Negotiation Started'

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

# --- 4. Extract Activities from External Data (Placeholders) ---

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


# --- 5. Combine and Finalize Event Log ---

event_log_frames = [
    event_created,
    event_won,
    event_lost,
    event_initial_contact,
    event_qualified[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_proposal_sent[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_follow_up[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_negotiation[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_reopened,
    event_so_created,
    event_fulfilled,
    event_invoice_sent,
    event_payment_received
]

event_log = pd.concat(event_log_frames)

# Merge with deal attributes
final_event_log = pd.merge(event_log, deals_df[['SalesOpportunityId', 'DealValue', 'DealOwner', 'Status']], on='SalesOpportunityId', how='left')

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

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

# Reorder columns to match requirements
output_columns = ['SalesOpportunityId', 'ActivityName', 'EventTime', 'DealValue', 'DealOwner', 'DealStatus', 'DiscountPercentage']
final_event_log = final_event_log[output_columns]

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

print('Event log created successfully.')

Pasos

Configure el Entorno de Python: Asegúrese de tener Python 3.6 o superior instalado en su sistema. Abra un terminal o línea de comandos e instale las librerías de Python necesarias ejecutando el siguiente comando: pip install requests pandas.
Obtenga las Credenciales de la API de Pipedrive: Inicie sesión en su cuenta de Pipedrive. Navegue a Configuración haciendo clic en su foto de perfil, luego seleccione 'Preferencias personales' y vaya a la pestaña 'API'. Copie su token personal de la API. También necesitará el dominio de su empresa, que es el prefijo en su URL de Pipedrive, por ejemplo, your-company en your-company.pipedrive.com.
Configure el Script de Extracción: Abra el script de Python proporcionado en un editor de texto o IDE. Localice la sección de configuración en la parte superior y reemplace los valores de marcador de posición para API_TOKEN y COMPANY_DOMAIN con sus credenciales.
Defina el Período de Extracción: En la sección de configuración del script, establezca la variable START_DATE a la fecha de creación más temprana para las ofertas que desea incluir en el análisis. El formato debe ser 'AAAA-MM-DD'.
Mapee sus IDs de Cartera y Etapas: El script infiere varias actividades basándose en las ofertas que se mueven entre etapas. Debe proporcionar los IDs específicos para su cartera de ventas y etapas clave. Puede encontrar estos IDs navegando a la etapa en la interfaz de usuario de Pipedrive y mirando la URL, o utilizando la API. Actualice las variables PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID y NEGOTIATION_STAGE_ID en el script.
Ejecute el Script: Ejecute el script desde su terminal usando el comando: python your_script_name.py. El script comenzará a realizar llamadas a la API de Pipedrive para obtener ofertas, actividades y registros de cambios.
Monitoree el Proceso: El script imprimirá actualizaciones de progreso en la consola, indicando qué datos se están recuperando. El proceso puede tardar varios minutos, dependiendo del volumen de datos y los límites de tasa de la API.
Implemente la Extracción de Datos Externos: Para actividades como 'Pedido de Venta Creado' y 'Pago Recibido', el script contiene funciones de marcador de posición. Debe modificar estas funciones para conectarse a sus sistemas externos, como una plataforma ERP o contable, y recuperar los datos de eventos relevantes. Mapee el SalesOpportunityId de Pipedrive a los registros en estos otros sistemas.
Revise la Salida: Una vez que el script se complete, generará un archivo CSV llamado pipedrive_event_log.csv. Este archivo contiene el registro de eventos estructurado con todas las actividades extraídas.
Prepare para la Carga: Abra el archivo CSV para asegurarse de que se haya creado correctamente. Las columnas deben incluir SalesOpportunityId, ActivityName, EventTime y otros atributos recomendados. Este archivo está ahora listo para ser cargado en ProcessMind para su análisis.

Configuración

Credenciales de la API: El script requiere un API_TOKEN válido y su COMPANY_DOMAIN para autenticarse con la API de Pipedrive. Asegúrese de que el usuario asociado al token tenga permisos suficientes para leer ofertas, actividades y usuarios.
Rango de Fechas: La variable START_DATE filtra las ofertas creadas en o después de la fecha especificada. Para un análisis inicial, se recomienda un período de 3 a 6 meses para asegurar un volumen de datos manejable.
IDs de la Cartera y Etapas: Para inferir con precisión los pasos del proceso como 'Oferta Calificada' o 'Propuesta Enviada', debe configurar el script con los IDs numéricos correctos para su PIPELINE_ID de ventas principal y los valores específicos de STAGE_ID para cada hito clave. Los IDs incorrectos resultarán en actividades faltantes.
Rendimiento y Limitación de Tasa: El script incluye un breve retraso entre las llamadas a la API para respetar los límites de tasa de Pipedrive. Para organizaciones con un volumen muy alto de ofertas, este retraso podría necesitar ser ajustado, o se podría implementar una estrategia de reintento más sofisticada para evitar errores de la API.
Mapeo de Campos Personalizados: Si utiliza campos personalizados para atributos importantes como DiscountPercentage, deberá encontrar la clave de la API para ese campo personalizado (una cadena hash larga, no su nombre visible) y referenciarla en la lógica de transformación de datos.
Integración de Sistemas Externos: La extracción de eventos que se originan fuera de Pipedrive, como la facturación o el cumplimiento de pedidos, se maneja mediante funciones de marcador de posición. Debe personalizar estas secciones para conectarse a sus fuentes de datos externas específicas.

a Consulta de ejemplo python

import requests
import pandas as pd
import time
import datetime

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

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

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

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

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

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

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

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

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

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

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

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

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

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


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

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

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

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

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

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

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

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

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

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

        lost_then_reopened = False
        was_lost = False

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

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

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

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

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

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

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

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

Pasos

Inicie sesión en Pipedrive: Acceda a su cuenta de Pipedrive con un perfil de usuario que tenga permisos para exportar datos. Típicamente, este es un usuario Administrador.
Navegue a Exportar Datos: Haga clic en su foto de perfil en la esquina superior derecha, luego seleccione 'Configuración'. En el menú de navegación izquierdo, encuentre la sección 'Herramientas y aplicaciones' y haga clic en 'Exportar datos'.
Exporte Datos de Ofertas: En la vista 'Exportar datos', seleccione 'Ofertas'. Elija el formato de archivo 'CSV'. Se recomienda aplicar un filtro para un rango de fechas específico, por ejemplo, los últimos 6 meses, para mantener el tamaño del archivo manejable. Haga clic en 'Exportar' y espere a que el archivo se genere y descargue. Este archivo contendrá información clave de la oferta, incluyendo la fecha de creación, la fecha de cierre (ganado) y la fecha de cierre (perdido).
Exporte Datos de Actividades: Repita el proceso para 'Actividades'. Seleccione 'Actividades', elija 'CSV', aplique el mismo filtro de rango de fechas que para las ofertas, y exporte el archivo. Este archivo contiene registros de llamadas, correos electrónicos, reuniones y actividades personalizadas vinculadas a las ofertas.
Recopile Datos Externos: Obtenga los datos correspondientes de sus sistemas posteriores. Necesitará exportaciones de sus sistemas ERP, de contabilidad o de cumplimiento para eventos como 'Pedido de Venta Creado', 'Pedido Cumplido', 'Factura Enviada' y 'Pago Recibido'. Asegúrese de que estos archivos contengan un identificador común que pueda vincularse al ID de Oferta de Pipedrive.
Configure un Entorno de Procesamiento de Datos: Utilice una herramienta capaz de manejar y fusionar múltiples archivos CSV, como Python con la librería pandas, Microsoft Excel con Power Query, o cualquier otra herramienta de preparación de datos.
Cargue y Combine Datos: Cargue los archivos Deals.csv y Activities.csv. Además, cargue los archivos de datos externos recopilados en el paso anterior.
Construya el Registro de Eventos: Cree un registro de eventos unificado programando la transformación de datos brutos al formato de actividad requerido. Para cada una de las 13 actividades requeridas, cree un conjunto de filas correspondiente. Por ejemplo:
- Los eventos 'Oferta Creada' se generan a partir de la columna add_time en el archivo Deals.csv.
- Los eventos 'Oferta Ganada' se generan a partir de la columna won_time en el archivo Deals.csv.
- 'Contacto Inicial Realizado' es la actividad completada más temprana para cada oferta del archivo Activities.csv.
- Otras actividades como 'Propuesta Enviada' o 'Negociación Iniciada' se infieren de temas o tipos de actividad específicos en Activities.csv.
Mapee Atributos: Para cada fila de evento, asegúrese de que todas las columnas requeridas estén rellenadas: SalesOpportunityId, ActivityName y EventTime. Añada atributos recomendados como DealValue, DealOwner y DealStatus uniéndolos con los datos de las ofertas.
Exportación Final: Una vez que el registro de eventos esté completamente construido y validado, guarde la tabla final como un único archivo CSV con codificación UTF-8. Este archivo está ahora listo para ser cargado en ProcessMind para su análisis.

Configuración

Objetos a Exportar: Debe exportar al menos 'Ofertas' y 'Actividades'. También podría necesitar exportar 'Organizaciones' o 'Personas' si requiere datos dimensionales adicionales.
Formato de Archivo: Elija CSV para una máxima compatibilidad con herramientas de procesamiento de datos como Python o Power Query.
Filtro de Rango de Fechas: Utilice la opción 'Filtrar por' para seleccionar un período de tiempo específico, por ejemplo, 'Fecha de creación de oferta' está dentro de los 'últimos 180 días'. Esto es crítico para gestionar el rendimiento de la exportación y el tamaño del archivo.
Permisos de Usuario: Necesita ser un usuario Administrador o tener un conjunto de permisos que permita explícitamente la exportación de datos desde la cuenta de Pipedrive.
Tipos de Actividad Personalizados: La extracción exitosa de pasos del proceso como 'Oferta Calificada' o 'Propuesta Enviada' depende en gran medida del uso de Tipos de Actividad personalizados por parte de su organización en Pipedrive. Asegúrese de que estén configurados y utilizados consistentemente por su equipo de ventas.

a Consulta de ejemplo config

import pandas as pd

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

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

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

for col in ['EventTime_Created', 'EventTime_Won', 'EventTime_Lost']: 
    deals_df[col] = pd.to_datetime(deals_df[col], errors='coerce')
activities_df['EventTime'] = pd.to_datetime(activities_df['EventTime'], errors='coerce')


# --- 3. Extract Activities from Pipedrive Data ---

# Activity: Deal Created
event_created = deals_df[['SalesOpportunityId', 'EventTime_Created']].copy()
event_created.rename(columns={'EventTime_Created': 'EventTime'}, inplace=True)
event_created['ActivityName'] = 'Deal Created'

# Activity: Deal Won
event_won = deals_df[deals_df['EventTime_Won'].notna()][['SalesOpportunityId', 'EventTime_Won']].copy()
event_won.rename(columns={'EventTime_Won': 'EventTime'}, inplace=True)
event_won['ActivityName'] = 'Deal Won'

# Activity: Deal Lost
event_lost = deals_df[deals_df['EventTime_Lost'].notna()][['SalesOpportunityId', 'EventTime_Lost']].copy()
event_lost.rename(columns={'EventTime_Lost': 'EventTime'}, inplace=True)
event_lost['ActivityName'] = 'Deal Lost'

# Filter for relevant, completed activities linked to a deal
completed_activities = activities_df[activities_df['EventTime'].notna() & activities_df['SalesOpportunityId'].notna()].copy()
completed_activities['SalesOpportunityId'] = completed_activities['SalesOpportunityId'].astype(int)

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

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

event_proposal_sent = completed_activities[completed_activities['ActivityName'].str.contains('proposal|quote', case=False, na=False)].copy()
event_proposal_sent['ActivityName'] = 'Proposal Sent'

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

event_negotiation = completed_activities[completed_activities['ActivityName'].str.contains('negotiation|negotiate', case=False, na=False)].copy()
event_negotiation['ActivityName'] = 'Negotiation Started'

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

# --- 4. Extract Activities from External Data (Placeholders) ---

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


# --- 5. Combine and Finalize Event Log ---

event_log_frames = [
    event_created,
    event_won,
    event_lost,
    event_initial_contact,
    event_qualified[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_proposal_sent[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_follow_up[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_negotiation[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_reopened,
    event_so_created,
    event_fulfilled,
    event_invoice_sent,
    event_payment_received
]

event_log = pd.concat(event_log_frames)

# Merge with deal attributes
final_event_log = pd.merge(event_log, deals_df[['SalesOpportunityId', 'DealValue', 'DealOwner', 'Status']], on='SalesOpportunityId', how='left')

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

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

# Reorder columns to match requirements
output_columns = ['SalesOpportunityId', 'ActivityName', 'EventTime', 'DealValue', 'DealOwner', 'DealStatus', 'DiscountPercentage']
final_event_log = final_event_log[output_columns]

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

print('Event log created successfully.')

Su Plantilla de Datos del Ciclo de Lead a Caja

Su Plantilla de Datos del Ciclo de Lead a Caja

Atributos Del Contacto al Cobro

Actividades Del Contacto al Cobro

Guías de Extracción

Exportación Nativa de `Data` de Pipedrive a `CSV`/`Excel`

Pasos

Configuración

a Consulta de ejemplo config

Extracción con Script de Python a través de la `REST API` de Pipedrive

Pasos

Configuración

a Consulta de ejemplo python

Herramienta `ETL` de Terceros con Conector de Pipedrive

Pasos

Configuración

a Consulta de ejemplo config

¿Listo para comenzar?

Aumente las Tasas de Éxito: Optimice Del Contacto al Cobro en Pipedrive Hoy

Su Plantilla de Datos del Ciclo de Lead a Caja

Su Plantilla de Datos del Ciclo de Lead a Caja

Atributos Del Contacto al Cobro

Actividades Del Contacto al Cobro

Guías de Extracción

Exportación Nativa de `Data` de Pipedrive a `CSV`/`Excel`

Pasos

Configuración

a Consulta de ejemplo config

Extracción con Script de Python a través de la `REST API` de Pipedrive

Pasos

Configuración

a Consulta de ejemplo python

Herramienta `ETL` de Terceros con Conector de Pipedrive

Pasos

Configuración

a Consulta de ejemplo config

Valoramos su privacidad

¿Listo para comenzar?

Aumente las Tasas de Éxito: Optimice Del Contacto al Cobro en Pipedrive Hoy