> Mejora Continua de Procesos > Del Lead al Cobro > SAP Sales Cloud > Plantilla de Datos

Su Plantilla de Datos del Ciclo de Lead a Caja

SAP Sales Cloud

Atributos del Lead al Cobro (18) Actividades del Lead al Cobro (15) Guías de Extracción (2)

Su Plantilla de Datos del Ciclo de Lead a Caja

Esta plantilla proporciona una guía estructurada para recopilar los datos necesarios para analizar su proceso de Oportunidad a Cobro. Describe los atributos y actividades esenciales requeridos para construir un registro de eventos completo. También encontrará orientación práctica sobre cómo extraer estos datos de su sistema SAP Sales Cloud, asegurando un comienzo sin problemas en su viaje de Process Mining.

Atributos recomendados para recopilar
Actividades clave para el seguimiento
Guía de extracción para SAP Sales Cloud

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

Descargar Plantilla

Atributos del Lead al Cobro

Estos son los campos de datos recomendados para incluir en su registro de eventos para un análisis exhaustivo de su proceso de Oportunidad a Cobro en SAP Sales Cloud.

3 Requerido 6 Recomendado 9 Opcional

	Nombre	Descripción
	Hora del Evento EventTime	El timestamp que indica cuándo ocurrió una actividad o evento específico.
Descripción `Event Time` registra la fecha y hora precisas en que se completó una actividad. Estos `datos` temporales son esenciales para comprender el momento y la duración de los pasos del proceso. Proporciona el orden cronológico necesario para construir el flujo del proceso. En el análisis de procesos, los `timestamps` se utilizan para calcular los tiempos de ciclo entre actividades, medir la duración general del proceso de ventas e identificar retrasos o cuellos de botella. El análisis de los `timestamps` a lo largo del tiempo también puede revelar tendencias en el rendimiento del proceso. Por qué es importante El timestamp es fundamental para ordenar los eventos cronológicamente y para todo análisis basado en el tiempo, incluida la identificación de cuellos de botella y el tiempo de ciclo. Dónde obtener Típicamente se encuentra en los campos 'Fecha de Creación' o 'Fecha de Última Modificación' asociados con objetos de negocio como Leads, Oportunidades, Presupuestos y Pedidos de Venta en SAP Sales Cloud. Ejemplos 2023-04-15T10:30:00Z2023-05-02T14:00:00Z2023-06-20T09:15:00Z
	Nombre de la Actividad ActivityName	El nombre de la actividad o evento de negocio que ocurrió en un punto específico del proceso.
Descripción El Nombre de la Actividad describe un paso o evento específico dentro del proceso de Oportunidad a Cobro, como 'Lead Calificado', 'Presupuesto Creado' o 'Pago Recibido'. Estos eventos forman la secuencia de acciones que constituyen el flujo del proceso para cada oportunidad de venta. Analizar estas actividades es el núcleo del Process Mining. Permite la visualización de mapas de procesos, la identificación de cuellos de botella entre los pasos y la medición de las frecuencias para diferentes rutas de proceso, revelando cómo se ejecuta realmente el proceso de ventas. Por qué es importante Este atributo define los pasos en el mapa de procesos, lo cual es fundamental para visualizar y analizar el flujo del proceso. Dónde obtener Derivado de cambios de estado de objetos de negocio, `eventos` de creación de documentos o acciones específicas del usuario registradas en `logs` de transacciones dentro de SAP Sales Cloud. Ejemplos Lead CapturadoOportunidad CreadaCotización Enviada al ClientePago Recibido
	Oportunidad de Venta SalesOpportunityId	El identificador único para una oportunidad de venta, que sirve como identificador principal del caso para el proceso de Oportunidad a Cobro.
Descripción El ID de Oportunidad de Venta identifica de forma única cada venta potencial desde su inicio como un lead hasta su resolución final como un acuerdo ganado o perdido. Actúa como el hilo conductor central que conecta todas las actividades relacionadas, como la calificación de leads, la creación de presupuestos, el procesamiento de pedidos y el pago. En el análisis de Process Mining, este ID es crucial para reconstruir el recorrido completo de cada oportunidad. Permite la correlación de todos los eventos, posibilitando el análisis de variantes de procesos, tiempos de ciclo y tasas de conversión por oportunidad. Por qué es importante Este es el ID de Caso esencial que vincula todas las actividades del proceso, haciendo posible rastrear el ciclo de vida completo de cada oportunidad de venta. Dónde obtener Esta es la clave principal para el objeto de negocio Oportunidad en SAP Sales Cloud. Ejemplos OP-8000123456OP-8000123457OP-8000123458
	Categoría de Producto ProductCategory	La categoría del producto o servicio que se vende en la oportunidad.
Descripción La `Categoría de Producto` agrupa los elementos o servicios específicos de una oportunidad en clasificaciones más amplias, como 'Hardware', 'Software' o 'Servicios de Consultoría'. Esto simplifica el análisis cuando hay muchos productos individuales involucrados. Analizar por `Categoría de Producto` es esencial para comprender cómo difiere el proceso de ventas para varios tipos de ofertas. Se utiliza en `dashboards` como 'Discount Distribution' y 'Order Fulfillment Efficiency' para ver si ciertas categorías implican mayores descuentos o tiempos de ejecución más largos. Por qué es importante Permite el análisis de las variaciones del proceso basándose en el tipo de producto o servicio que se vende, lo que puede tener ciclos de ventas significativamente diferentes. Dónde obtener Derivado de los `datos` maestros del producto vinculados a las partidas individuales de una Oferta de Ventas o Pedido de Ventas en SAP Sales Cloud. Ejemplos Licencia de `Software`HardwareServicios ProfesionalesSuscripción de Soporte
	Estado de Oportunidad OpportunityStatus	El estado actual o el resultado de la oportunidad de venta, como 'Abierta', 'Ganada' o 'Perdida'.
Descripción Este atributo refleja el estado general de la oportunidad de venta en un momento dado. Indica si la oportunidad aún está en progreso, ha sido ganada con éxito o se ha perdido ante un competidor o por otras razones. Analizar el estado final es fundamental para calcular KPIs clave como la Tasa de Éxito de Oportunidades. También permite filtrar el análisis para centrarse solo en rutas exitosas o para investigar los patrones de proceso que con mayor frecuencia conducen a acuerdos perdidos. Por qué es importante Define el resultado del `caso`, lo cual es crucial para calcular las tasas de éxito/pérdida y analizar las rutas del proceso de oportunidades exitosas vs. no exitosas. Dónde obtener El campo 'Estado' en el objeto de negocio Oportunidad en SAP Sales Cloud. Ejemplos AbiertoEn ProcesoGanadoPerdidaDetenido
	Fuente del Lead LeadSource	El canal de marketing o el origen del lead inicial.
Descripción La `Fuente de Lead` especifica cómo se identificó por primera vez a un cliente potencial, por ejemplo, a través de un `web form`, `trade show` o `partner referral`. Esta información se captura típicamente cuando se crea el `lead`. Este `atributo` es crítico para el `dashboard` 'Tasa de Conversión de Leads por Fuente'. Analizar esta dimensión ayuda a los equipos de marketing y ventas a comprender qué canales generan los `leads` más valiosos, permitiendo una mejor asignación de recursos y la optimización de las campañas de marketing. Por qué es importante Esencial para medir la efectividad de los diferentes canales de marketing y optimizar las estrategias de generación de leads. Dónde obtener Se encuentra en los objetos de negocio de Lead y Oportunidad en SAP Sales Cloud. El campo a menudo se denomina 'Source' u 'Origin'. Ejemplos WebinarReferencia de SocioFeria ComercialConsulta en Sitio Web
	Importe del Pedido de Venta SalesOrderAmount	El valor monetario total del pedido de venta asociado a la oportunidad.
Descripción Este atributo representa el valor total de los bienes o servicios que se venden una vez que se gana una oportunidad y se crea un pedido de venta. Refleja los ingresos generados por la finalización exitosa del proceso de ventas. El Importe del Pedido de Venta es una dimensión financiera crítica para el análisis. Puede utilizarse para segmentar oportunidades por tamaño (por ejemplo, acuerdos pequeños, medianos, grandes) para ver si el comportamiento del proceso difiere. También proporciona el contexto de valor para KPIs como la tasa de éxito, mostrando el valor total de las oportunidades ganadas frente a las perdidas. Por qué es importante Proporciona una dimensión financiera al proceso, permitiendo un análisis basado en valor de los ciclos de ventas y los resultados. Dónde obtener Este valor se obtendría del campo 'Valor Neto Total' del objeto de negocio Pedido de Venta asociado en SAP Sales Cloud. Ejemplos 50000.00125000.507800.00
	Porcentaje de Descuento DiscountPercentage	El porcentaje de descuento aplicado a la cotización o pedido de venta.
Descripción Este atributo captura la tasa de descuento general aplicada a una oportunidad, típicamente en la etapa de cotización o pedido. Se expresa como un porcentaje del precio de lista. Esta es una métrica crítica para el análisis del rendimiento financiero y la disciplina de ventas. El dashboard de 'Distribución de Descuentos' utiliza este atributo para monitorear el comportamiento de los descuentos entre los representantes de ventas y los productos. También se utiliza para el KPI de 'Cumplimiento de Aprobación de Descuentos' para asegurar que los grandes descuentos sigan los flujos de trabajo de aprobación adecuados. Por qué es importante Crucial para analizar la estrategia de precios, el comportamiento de descuento del equipo de ventas y su impacto en la rentabilidad. Dónde obtener Calculado a partir de los elementos de precio en los objetos de negocio de Oferta de Ventas o Pedido de Ventas asociados en SAP Sales Cloud. Ejemplos 0.050.100.25
	Representante de Ventas SalesRepresentative	El empleado responsable de gestionar la oportunidad de venta.
Descripción Este atributo identifica al usuario o empleado que es el propietario del lead o la oportunidad. A menudo, es el punto de contacto principal para el cliente y es responsable de mover el acuerdo a través del pipeline de ventas. En el análisis, el Representante de Ventas es una dimensión clave para la comparación del rendimiento. Permite la evaluación de los tiempos de ciclo de ventas, las tasas de éxito y la adhesión al proceso por individuo, equipo o región, ayudando a identificar a los de mejor rendimiento y las áreas para la capacitación. Por qué es importante Permite el análisis del rendimiento por empleado, ayudando a identificar oportunidades de `coaching` y mejores prácticas entre el personal de ventas. Dónde obtener Vinculado al `rol de parte 'Propietario'` o 'Empleado Responsable' en el objeto de negocio Oportunidad o Lead en SAP Sales Cloud. Ejemplos John SmithMaria GarciaChen Wei
	Condiciones de Pago PaymentTerms	Las condiciones de pago acordadas, como 'Neto 30' o 'Neto 60'.
Descripción Las `Condiciones de Pago` definen las condiciones bajo las cuales se espera que un cliente pague por los `bienes` o servicios. Esto se establece durante la fase de pedido de ventas o contratación y dicta la fecha de vencimiento de la factura. Este `atributo` es una dimensión clave para el `dashboard` 'Tiempo de Ciclo de Cobranza'. Al segmentar por condiciones de pago, una empresa puede evaluar si los clientes cumplen con los calendarios acordados e identificar qué condiciones están asociadas con ciclos de pago más largos o más cortos. Por qué es importante Proporciona contexto para el análisis de la cobranza, ayudando a determinar si los retrasos están relacionados con el comportamiento del cliente o con condiciones de pago indulgentes. Dónde obtener Ubicado en los `datos` maestros de Pedido de Ventas o Cliente en SAP Sales Cloud. Ejemplos Neto 30Neto 60Vencimiento al Recibo
	Ha sido Retrabajado IsReworked	Un indicador que señala si una actividad o `caso` ha sufrido retrabajo.
Descripción Este indicador booleano se establece en verdadero si se detecta un bucle de retrabajo en el proceso, como un pedido de venta que se modifica después de su creación inicial o un presupuesto que se revisa varias veces. Se deriva analizando la secuencia de actividades. Este atributo calculado es esencial para cuantificar las ineficiencias del proceso. Apoya directamente el dashboard de 'Frecuencia de Retrabajo de Pedidos de Venta' y el KPI de 'Tasa de Retrabajo de Pedidos de Venta' al facilitar el filtrado y el recuento de instancias de retrabajo sin una compleja coincidencia de patrones en la herramienta de análisis. Por qué es importante Cuantifica directamente la ineficiencia del proceso marcando `casos` con bucles de retrabajo, simplificando el análisis de la frecuencia del retrabajo y sus causas. Dónde obtener Este atributo no se encuentra en el sistema de origen. Se calcula durante la transformación de datos al detectar secuencias repetidas de actividades (por ejemplo, 'Pedido de Venta Creado' seguido de 'Pedido de Venta Retrabajado'). Ejemplos truefalse
	Método de Envío ShippingMethod	El método utilizado para entregar el producto físico al cliente.
Descripción Este atributo especifica el método de logística o entrega para un pedido, como 'Envío Terrestre', 'Flete Aéreo' o 'Entrega Digital'. Es relevante para procesos que involucran bienes físicos. Para el dashboard de 'Eficiencia de Cumplimiento de Pedidos', este atributo ayuda a analizar si los diferentes métodos de envío se correlacionan con diferentes tiempos de cumplimiento. Esto puede revelar ineficiencias en canales logísticos específicos o ayudar a establecer las expectativas del cliente con mayor precisión. Por qué es importante Ayuda a diagnosticar cuellos de botella en la parte de ejecución de pedidos del proceso al segmentar el rendimiento de entrega por canal logístico. Dónde obtener Típicamente se encuentra en el nivel de línea o de cabecera del objeto de negocio Pedido de Venta en SAP Sales Cloud. Ejemplos TerrestreEnvío Aéreo al Día SiguienteDescarga DigitalFlete
	Nombre del Cliente CustomerName	El nombre de la empresa o del individuo asociado con la oportunidad de venta.
Descripción Este atributo identifica al cliente prospecto para el acuerdo de venta. Vincula el proceso de ventas a una cuenta específica en el sistema. Analizar por cliente permite una vista centrada en el cliente del proceso de ventas. Puede ayudar a identificar qué clientes tienen los ciclos de ventas más largos o requieren más retrabajo, y es esencial para KPIs como el 'Tiempo de Ciclo de Cobro' segmentado por cliente. Por qué es importante Permite un análisis centrado en el cliente para identificar patrones en los ciclos de ventas o los comportamientos de pago de `cuentas` específicas. Dónde obtener Vinculado al `rol de parte 'Cuenta'` o 'Prospecto' en el objeto de negocio Oportunidad en SAP Sales Cloud. Ejemplos `Global Tech Inc.`Innovate Solutions Ltd.Dynamic Corp
	Organización de Ventas SalesOrganization	La unidad organizacional responsable de la venta.
Descripción La Organización de Ventas representa una unidad, división o equipo específico dentro de la empresa que es responsable de una transacción de ventas. Es un elemento clave de la estructura empresarial en SAP. Este atributo permite segmentar el análisis por diferentes partes del negocio. Puede utilizarse para comparar el rendimiento del proceso, las tasas de éxito y los tiempos de ciclo entre diferentes unidades de negocio o divisiones de ventas, proporcionando una visión organizacional de alto nivel de la eficiencia. Por qué es importante Permite el `benchmarking` de rendimiento y el análisis de procesos en diferentes unidades de negocio o divisiones de la empresa. Dónde obtener Este es un campo clave de asignación organizacional en la Oportunidad o el Pedido de Venta en SAP Sales Cloud. Ejemplos US01DE01Ventas Corporativas Norte
	Región Region	La región geográfica donde se encuentra el cliente o el equipo de ventas.
Descripción La `Región` representa el área geográfica asignada a la oportunidad de venta, a menudo basada en la ubicación del cliente o la estructura de la organización de ventas. Esto podría ser un país, un estado o un territorio de ventas definido a medida. Este es un `atributo` clave para la segmentación. Se utiliza directamente en el `dashboard` 'Rendimiento de la Tasa de Éxito de Oportunidades' para comparar el rendimiento entre diferentes regiones. Esto ayuda a identificar diferencias regionales en la eficiencia del proceso, el éxito del mercado y las estrategias de ventas. Por qué es importante Permite el análisis geográfico del rendimiento de ventas, destacando las variaciones regionales en las tasas de éxito, los tiempos de ciclo y la ejecución del proceso. Dónde obtener A menudo derivado de la dirección del cliente o de la organización de ventas asignada a la oportunidad en SAP Sales Cloud. Ejemplos América del NorteEMEAAPACLATAM
	Source System SourceSystem	Identifica el sistema del que se originan los datos.
Descripción Este atributo especifica la aplicación de origen donde se generaron los datos del evento. Para este proceso, típicamente será 'SAP Sales Cloud', pero podría incluir otros sistemas integrados como una plataforma de automatización de marketing para la captura de leads. En un entorno de múltiples sistemas, este atributo es vital para comprender la procedencia de los datos y solucionar problemas de integración de datos. Asegura que el análisis se base en una comprensión clara de dónde proviene cada pieza de información. Por qué es importante Ayuda a diferenciar los orígenes de `datos` en entornos integrados, asegurando que la `trazabilidad de datos` y el contexto sean claros durante el análisis. Dónde obtener Este es típicamente un valor estático agregado durante el proceso de extracción de datos para etiquetar el origen de los registros. Ejemplos SAP Sales CloudSAP C4CSSC_PROD_100
	Tiempo de Procesamiento ProcessingTime	El tiempo dedicado a trabajar activamente en una tarea, excluyendo el tiempo de espera.
Descripción `Processing Time`, también conocido como `touch time`, mide la duración en que un recurso estuvo activamente involucrado en una tarea. Difiere del `cycle time`, que incluye el tiempo que un `caso` pasa esperando entre actividades. Analizar el `processing time` ayuda a diferenciar entre los retrasos causados por un trabajo ineficiente y los retrasos causados por la espera de recursos o información. Proporciona una medida más precisa del esfuerzo requerido para cada actividad en el proceso de ventas. Por qué es importante Mide la duración del trabajo activo, ayudando a distinguir entre tareas ineficientes y largos tiempos de espera en el proceso. Dónde obtener Calculado como la diferencia entre la Hora de Fin y la Hora de Inicio de una actividad. Requiere que ambos `timestamps` estén disponibles para cada `evento`. Ejemplos PT1H30MPT8HP2DT4H
	Última actualización de datos LastDataUpdate	La marca de tiempo cuando los `datos` fueron extraídos o actualizados por última vez del sistema de origen.
Descripción Este atributo indica la última vez que se actualizaron los datos para el registro de eventos. Proporciona contexto sobre la actualidad de los datos que se analizan, lo cual es importante para comprender la relevancia de los hallazgos. Para cualquier análisis de procesos, conocer la actualidad de los datos es crucial. Ayuda a las partes interesadas a comprender si los insights reflejan operaciones actuales o un período pasado, lo que influye en la toma de decisiones basada en el análisis. Por qué es importante Proporciona contexto crucial sobre la actualización de los `datos`, asegurando que el análisis y las decisiones se basen en información actualizada. Dónde obtener Este es un timestamp de metadatos añadido durante el proceso de extracción y transformación de datos (ETL). Ejemplos 2024-07-20T02:00:00Z2024-07-21T02:00:00Z

Requerido Recomendado Opcional

Actividades del Lead al Cobro

Estos son los pasos clave del proceso y los hitos a capturar en su registro de eventos para un descubrimiento y análisis precisos de su proceso de Oportunidad a Cobro.

7 Recomendado 8 Opcional

	Actividad	Descripción
	Cotización Enviada al Cliente	Esta actividad representa el momento en que un presupuesto formal se envía oficialmente al cliente para su revisión. Este evento se infiere típicamente de un cambio de estado en el objeto de Presupuesto de Venta, por ejemplo, de 'En Preparación' a 'Enviado' o 'Propuesto'.
Por qué es importante Este es un hito clave que inicia el conteo del tiempo de negociación y toma de decisiones del cliente. Analizar la duración entre este evento y la aceptación del presupuesto es fundamental para comprender la velocidad del acuerdo y los cuellos de botella en la negociación. Dónde obtener Inferido del historial de cambios de estado del objeto de negocio Oferta de Ventas. Busque el `timestamp` cuando el estado se actualiza a un valor que indica que fue enviada. Capturar Identifique el `timestamp` del cambio de estado a 'Enviada' en el objeto Oferta de Ventas. Tipo de evento inferred
	Oportunidad Cerrada y Ganada	Esta actividad es el estado final y concluyente de una oportunidad exitosa después de que se completan todas las actividades subsiguientes, como la creación y el cumplimiento del pedido. Se captura cuando un usuario cambia el estado de la Oportunidad a un estado final 'Cerrada' con un motivo de 'Ganada'.
Por qué es importante Este evento sirve como el punto final exitoso para el análisis de Process Mining, permitiendo el cálculo de la duración del ciclo de ventas de principio a fin para todas las operaciones ganadas. Proporciona una conclusión de proceso clara y definitiva. Dónde obtener Inferido del historial de cambios de estado del objeto Oportunidad, específicamente el `timestamp` cuando el estado se actualiza a 'Cerrada' y el motivo es 'Ganada'. Capturar Identifique el `timestamp` del cambio de estado a 'Cerrada' con un `código de motivo 'Ganada'`. Tipo de evento inferred
	Oportunidad Cerrada y Perdida	Esta actividad marca el final definitivo de una oportunidad no exitosa donde el trato se perdió ante un competidor o el cliente decidió no comprar. Se captura cuando un usuario cambia el estado de la Oportunidad a 'Perdida' o 'Cerrada y Perdida'.
Por qué es importante Analizar cuándo y por qué se pierden las oportunidades es crucial para mejorar la estrategia de ventas. Este punto final de fallo permite analizar los acuerdos perdidos, como la etapa promedio en la que se abandonan o las razones comunes de pérdida. Dónde obtener Inferido del historial de cambios de estado del objeto de negocio Oportunidad. Es el `timestamp` cuando el estado se actualiza a 'Perdida' o 'Cerrada Perdida'. Capturar Identifique el `timestamp` del cambio de estado a 'Perdida' en el objeto Oportunidad. Tipo de evento inferred
	Oportunidad Creada	Este es el inicio oficial de la oportunidad de venta, marcando la conversión de un lead calificado en una búsqueda de ventas concreta. Este evento es capturado explícitamente por el sistema al crear el objeto de negocio Oportunidad, a menudo arrastrando datos del lead original.
Por qué es importante Como punto de partida principal para el análisis del ciclo de ventas, esta actividad es fundamental. Permite la medición de la duración del ciclo de ventas, las tasas de éxito de oportunidades y el rendimiento del equipo de ventas desde el momento en que un acuerdo se vuelve tangible. Dónde obtener Este evento corresponde al timestamp de creación del objeto de negocio Oportunidad en SAP Sales Cloud. Capturar Utilice la fecha y hora de creación del registro de Oportunidad. Tipo de evento explicit
	Oportunidad Ganada	Esta actividad significa que el acuerdo se ha cerrado con éxito y la organización ha asegurado el negocio. Se captura cuando un usuario cambia el estado de la Oportunidad a 'Ganada', lo que es una acción estándar y explícita en el sistema.
Por qué es importante Este es un hito crucial para medir las tasas de éxito y el rendimiento de las ventas. A menudo sirve como el disparador para procesos subsiguientes como la creación y el cumplimiento de pedidos, lo que lo convierte en un punto de transición clave en el ciclo de Oportunidad a Cobro. Dónde obtener Inferido del historial de cambios de estado del objeto de negocio Oportunidad. Es el `timestamp` cuando el estado se actualiza a 'Ganada'. Capturar Identifique el `timestamp` del cambio de estado a 'Ganada' en el objeto Oportunidad. Tipo de evento inferred
	Pago Recibido	Esta actividad confirma que el pago del cliente ha sido recibido y procesado, completando la transacción financiera. Esta información casi siempre se obtiene de un sistema financiero o ERP externo que actualiza el estado de la factura o del pedido en SAP Sales Cloud.
Por qué es importante Este es el paso final de realización de valor en el proceso de Oportunidad a Cobro. Medir el 'Tiempo de Ciclo de Cobro' desde la factura hasta el pago es un KPI clave para gestionar el flujo de caja y evaluar el rendimiento de las cuentas por cobrar. Dónde obtener Inferido de un cambio de estado en el objeto Factura o Pedido de Ventas a un estado 'Pagada' o 'Liquidada'. Estos `datos` se originan de un sistema financiero externo. Capturar Identifique el `timestamp` cuando el estado de una Factura cambia a 'Pagada' o 'Liquidada'. Tipo de evento inferred
	Pedido de Venta Creado	Esta actividad marca la creación de un pedido de venta formal, que es el documento interno oficial para iniciar el cumplimiento y la facturación. Se registra explícitamente cuando un usuario crea un objeto de Pedido de Venta y lo vincula a la oportunidad principal.
Por qué es importante Este es un punto de traspaso crítico de ventas a operaciones. Analizar el tiempo desde 'Oportunidad Ganada' hasta 'Pedido de Venta Creado' puede revelar retrasos internos, mientras que el seguimiento del retrabajo después de este punto destaca problemas de calidad de datos. Dónde obtener Este evento corresponde al timestamp de creación del objeto de negocio Pedido de Venta que está asociado con la Oportunidad. Capturar Utilice la fecha y hora de creación del registro de Pedido de Venta asociado. Tipo de evento explicit
	Cotización Creada	Marca la creación de un documento formal de oferta de ventas vinculado a la oportunidad. Este es un paso interno antes de que la oferta se envíe al cliente y se captura explícitamente cuando un usuario genera un nuevo registro de Oferta.
Por qué es importante Esta actividad separa el tiempo de preparación interna del tiempo que el cliente tiene el presupuesto. Ayuda a analizar la eficiencia del proceso de generación de presupuestos y cuánto tiempo tardan los representantes de ventas en preparar los precios. Dónde obtener Este evento es el timestamp de creación del objeto de negocio Presupuesto de Venta que está asociado con la Oportunidad. Capturar Utilice la fecha y hora de creación del registro de Presupuesto de Venta asociado. Tipo de evento explicit
	Factura Generada	Representa la creación de la factura del cliente, iniciando la etapa financiera final del proceso. Este evento puede capturarse desde la creación de un objeto de Factura dentro de SAP Sales Cloud o, más comúnmente, desde un sistema de facturación integrado.
Por qué es importante Esta actividad es el disparador del ciclo de cobro. Los retrasos en la generación de facturas impactan directamente el flujo de caja, por lo que monitorear el tiempo desde la entrega hasta la facturación es fundamental para la salud financiera. Dónde obtener Puede ser el `timestamp` de creación de un objeto de negocio de Factura vinculado al Pedido de Ventas o una actualización de un ERP externo. La fuente depende del panorama del sistema. Capturar Utilice la fecha de creación del registro de la Factura o una entrada de registro de actividad de un ERP integrado. Tipo de evento explicit
	Lead Calificado	Representa el momento en que un lead ha sido evaluado y cumple los criterios para ser considerado un prospecto de ventas viable. Esto se captura típicamente cuando un usuario cambia manualmente el estado del Lead a 'Calificado' o un estado similar, lo que significa que está listo para la conversión.
Por qué es importante Esta actividad separa los leads no cualificados de los prospectos serios, permitiendo analizar la eficiencia del proceso de calificación. Ayuda a determinar la calidad de los leads de diversas fuentes e identifica cuellos de botella entre la captura de leads y la venta activa. Dónde obtener Inferido del historial de cambios de estado del objeto de negocio Lead. Busque un `timestamp` cuando el campo de estado se actualice a 'Calificado'. Capturar Identifique el `timestamp` del cambio de estado a 'Calificado' en el objeto Lead. Tipo de evento inferred
	Lead Capturado	Esta actividad marca la creación inicial de un registro de lead en SAP Sales Cloud. Representa el primer punto de contacto o interés de un cliente potencial y se captura típicamente de forma automática desde un formulario web, una importación de lista o una entrada manual del usuario.
Por qué es importante El seguimiento de este evento es crucial para analizar la efectividad de diferentes fuentes de leads y medir el volumen general de generación de leads. Sirve como punto de partida para calcular las tasas de conversión de leads y comprender la parte superior del embudo de ventas. Dónde obtener Este evento se captura del timestamp de creación del objeto de negocio Lead. El origen del lead suele estar disponible como atributo en el mismo objeto. Capturar Utilice la fecha y hora de creación del registro de Lead. Tipo de evento explicit
	Oferta Aceptada por el Cliente	Indica que el cliente ha acordado formal o informalmente los términos de la oferta. Esto se captura generalmente mediante una actualización manual del estado en el objeto Oferta de Ventas u Oportunidad por parte del representante de ventas.
Por qué es importante Esta es una señal de compra sólida y un hito crítico antes de la finalización del contrato o la creación del pedido. Ayuda a medir la efectividad de las propuestas y la duración del ciclo de toma de decisiones del cliente. Dónde obtener Inferido de un cambio de estado en el objeto Oferta de Ventas a 'Aceptada' o un cambio de estado similar en el objeto Oportunidad vinculado. Capturar Identifique el `timestamp` cuando el estado de la Oferta de Ventas cambia a 'Aceptada'. Tipo de evento inferred
	Pedido Cumplido	Esta actividad significa que los productos han sido enviados o los servicios han sido entregados al cliente. Este evento se captura a menudo a través de una integración con un sistema ERP o de logística, que actualiza el estado del Pedido de Venta en SAP Sales Cloud.
Por qué es importante Esto marca la finalización de la parte de entrega del proceso. Medir el tiempo desde 'Pedido de Venta Creado' hasta 'Pedido Entregado' es esencial para monitorear la eficiencia del cumplimiento de pedidos y su impacto en la satisfacción del cliente. Dónde obtener Típicamente se infiere de un cambio de estado en el objeto Pedido de Venta, como 'Cumplido' o 'Enviado'. Este estado a menudo se actualiza mediante una integración de sistema externo. Capturar Identifique el `timestamp` del cambio de estado de Pedido de Ventas a 'Cumplido' o 'Entregado'. Tipo de evento inferred
	Pedido de Venta Retrabajado	Representa una modificación o corrección de un pedido de ventas después de que ya haya sido enviado. Este evento se infiere al detectar bucles en el estado del pedido de ventas, como un cambio de estado de 'Enviado' de nuevo a 'En Proceso' o 'Pendiente de Revisión'.
Por qué es importante Identificar el retrabajo es clave para descubrir ineficiencias del proceso, errores de entrada de `datos` y brechas de comunicación entre ventas y operaciones. Una alta frecuencia de retrabajo indica problemas de calidad que causan retrasos y aumentan los costos. Dónde obtener Inferido del historial de cambios de estado del objeto Pedido de Ventas. Requiere analizar la secuencia de cambios de estado para identificar movimientos hacia atrás o bucles. Capturar Detectar transiciones de estado que representan un bucle, por ejemplo, 'Submitted' a 'In Process'. Tipo de evento inferred
	Solución Propuesta	Esta actividad significa que se ha presentado una posible solución o configuración de producto al cliente. Se infiere típicamente de una etapa de ventas o un cambio de estado en el objeto Oportunidad, como pasar a una etapa de 'Propuesta' o 'Diseño de Solución'.
Por qué es importante Analizar el tiempo dedicado a esta etapa y la transición a la fase de elaboración de ofertas ayuda a identificar cuellos de botella en el proceso de definición de soluciones. Proporciona una perspectiva sobre cuánto tiempo lleva pasar del contacto inicial a una propuesta concreta. Dónde obtener Inferido del `registro de cambios` o historial de estado del objeto Oportunidad, específicamente cuando la etapa de ventas se actualiza a un valor como 'Solution Proposed' o 'Value Proposition'. Capturar Identifique el `timestamp` cuando el campo de etapa de ventas de la Oportunidad cambia para reflejar una propuesta. Tipo de evento inferred

Recomendado Opcional

Guías de Extracción

Cómo obtener sus `datos` de SAP Sales Cloud

Pasos

Requisitos Previos: Asegúrese de tener un usuario en SAP Sales Cloud con acceso al centro de trabajo de Analytics, específicamente con derechos para crear y editar fuentes de datos e informes.
Crear una Fuente de Datos Combinada: Navegue a la vista de Diseño de Fuentes de Datos dentro del centro de trabajo de Business Analytics. Cree una nueva Fuente de Datos Combinada. Una las siguientes fuentes de datos estándar utilizando un left outer join para asegurar que todas las oportunidades sean capturadas: Lead Information -> Opportunity Header and Item -> Sales Quote Header and Item -> Sales Order Header and Item. La condición de unión debe basarse típicamente en el ID de Oportunidad o en los IDs de documentos sucesores.
Crear un Informe Personalizado: Navegue a la vista de Diseño de Informes. Cree un nuevo informe basado en la fuente de datos combinada creada en el paso anterior. Añada todas las características y cifras clave necesarias a la vista del informe, incluyendo identificadores (ID de Lead, ID de Oportunidad), todos los campos de estado relevantes y todos los campos de timestamp (Fecha de Creación, Fechas de Cambio de Estado, etc.). Incluya también los atributos requeridos como Representante de Ventas, Fuente de Lead y Monto del Pedido.
Exponer Informe como Servicio OData: En la vista de Diseño de Informes, seleccione el informe recién creado. En la configuración o ajustes del informe, encuentre la opción para exponer el informe como una consulta OData. A menudo, es una casilla de verificación etiquetada como Enable for OData. Guarde los cambios. El sistema generará una URL OData única para este informe.
Identificar la URL de OData: Vaya a la vista de Servicios OData en el centro de trabajo de Administrador. Encuentre su informe personalizado en la lista y copie su URL de servicio. Necesitará esto para el script Python.
Configurar Entorno Python: Asegúrese de tener Python instalado junto con las librerías requests y pandas. Puede instalarlas usando pip: pip install requests pandas.
Configurar Script Python: Copie el script Python proporcionado. Reemplace los valores de los marcadores de posición para C4C_TENANT_URL, OData_SERVICE_PATH, USERNAME y PASSWORD con sus credenciales específicas de SAP Sales Cloud y la URL de OData del paso anterior.
Ejecutar el Script de Extracción: Ejecute el script Python. El script se autenticará con la API OData, obtendrá los datos en páginas para manejar grandes volúmenes y los cargará en un pandas DataFrame.
Transformación de Datos: El script transforma automáticamente los datos de formato ancho (una fila por oportunidad) en un registro de eventos de formato largo. Itera a través de cada actividad potencial, verificando si existe un timestamp válido. Si existe un timestamp, crea un registro de evento correspondiente con el ActivityName correcto.
Exportar el Registro de Eventos: Una vez que el script se completa, guardará el registro de eventos final como un archivo lead_to_cash_event_log.csv en el mismo directorio. Este archivo está formateado para su carga directa en una herramienta de Process Mining.

Configuración

Configuración de la Fuente de Datos: El núcleo de este método es una Fuente de Datos Combinada en SAP Sales Cloud Analytics. Es fundamental utilizar Left Outer Joins comenzando desde el objeto Oportunidad para asegurar la captura de oportunidades que no resultan en ofertas o pedidos.
Características del Informe: El informe personalizado debe incluir todos los campos de fecha y hora que corresponden a las actividades deseadas. Esto incluye los timestamps de creación para leads, oportunidades, ofertas y pedidos, así como los timestamps de cambio de estado.
Filtrado de la API OData: Para gestionar el rendimiento y el volumen de datos, utilice el parámetro $filter en la URL de OData dentro del script Python. Se recomienda encarecidamente filtrar por un rango de fechas, por ejemplo, OpportunityCreationDate. Un rango de fechas típico para el análisis inicial es de 6 a 12 meses.
Paginación: El script proporcionado gestiona la paginación de OData utilizando los parámetros $top y $skip. Esto es esencial para extraer grandes conjuntos de datos sin que la conexión de la API expire.
Requisitos Previos: Este método requiere un usuario de analytics dedicado con permisos para acceder a la API OData y a las fuentes de datos subyacentes para leads, oportunidades, ofertas y pedidos.

a Consulta de ejemplo python

import requests
import pandas as pd
import numpy as np

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

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

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

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

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

source_df = get_odata_data(BASE_API_URL, USERNAME, PASSWORD)

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

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

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

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

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

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

Pasos

Requisitos Previos: Asegúrese de tener un usuario en SAP Sales Cloud con acceso al centro de trabajo de Analytics, específicamente con derechos para crear y editar fuentes de datos e informes.
Crear una Fuente de Datos Combinada: Navegue a la vista de Diseño de Fuentes de Datos dentro del centro de trabajo de Business Analytics. Cree una nueva Fuente de Datos Combinada. Una las siguientes fuentes de datos estándar utilizando un left outer join para asegurar que todas las oportunidades sean capturadas: Lead Information -> Opportunity Header and Item -> Sales Quote Header and Item -> Sales Order Header and Item. La condición de unión debe basarse típicamente en el ID de Oportunidad o en los IDs de documentos sucesores.
Crear un Informe Personalizado: Navegue a la vista de Diseño de Informes. Cree un nuevo informe basado en la fuente de datos combinada creada en el paso anterior. Añada todas las características y cifras clave necesarias a la vista del informe, incluyendo identificadores (ID de Lead, ID de Oportunidad), todos los campos de estado relevantes y todos los campos de timestamp (Fecha de Creación, Fechas de Cambio de Estado, etc.). Incluya también los atributos requeridos como Representante de Ventas, Fuente de Lead y Monto del Pedido.
Exponer Informe como Servicio OData: En la vista de Diseño de Informes, seleccione el informe recién creado. En la configuración o ajustes del informe, encuentre la opción para exponer el informe como una consulta OData. A menudo, es una casilla de verificación etiquetada como Enable for OData. Guarde los cambios. El sistema generará una URL OData única para este informe.
Identificar la URL de OData: Vaya a la vista de Servicios OData en el centro de trabajo de Administrador. Encuentre su informe personalizado en la lista y copie su URL de servicio. Necesitará esto para el script Python.
Configurar Entorno Python: Asegúrese de tener Python instalado junto con las librerías requests y pandas. Puede instalarlas usando pip: pip install requests pandas.
Configurar Script Python: Copie el script Python proporcionado. Reemplace los valores de los marcadores de posición para C4C_TENANT_URL, OData_SERVICE_PATH, USERNAME y PASSWORD con sus credenciales específicas de SAP Sales Cloud y la URL de OData del paso anterior.
Ejecutar el Script de Extracción: Ejecute el script Python. El script se autenticará con la API OData, obtendrá los datos en páginas para manejar grandes volúmenes y los cargará en un pandas DataFrame.
Transformación de Datos: El script transforma automáticamente los datos de formato ancho (una fila por oportunidad) en un registro de eventos de formato largo. Itera a través de cada actividad potencial, verificando si existe un timestamp válido. Si existe un timestamp, crea un registro de evento correspondiente con el ActivityName correcto.
Exportar el Registro de Eventos: Una vez que el script se completa, guardará el registro de eventos final como un archivo lead_to_cash_event_log.csv en el mismo directorio. Este archivo está formateado para su carga directa en una herramienta de Process Mining.

Configuración

Configuración de la Fuente de Datos: El núcleo de este método es una Fuente de Datos Combinada en SAP Sales Cloud Analytics. Es fundamental utilizar Left Outer Joins comenzando desde el objeto Oportunidad para asegurar la captura de oportunidades que no resultan en ofertas o pedidos.
Características del Informe: El informe personalizado debe incluir todos los campos de fecha y hora que corresponden a las actividades deseadas. Esto incluye los timestamps de creación para leads, oportunidades, ofertas y pedidos, así como los timestamps de cambio de estado.
Filtrado de la API OData: Para gestionar el rendimiento y el volumen de datos, utilice el parámetro $filter en la URL de OData dentro del script Python. Se recomienda encarecidamente filtrar por un rango de fechas, por ejemplo, OpportunityCreationDate. Un rango de fechas típico para el análisis inicial es de 6 a 12 meses.
Paginación: El script proporcionado gestiona la paginación de OData utilizando los parámetros $top y $skip. Esto es esencial para extraer grandes conjuntos de datos sin que la conexión de la API expire.
Requisitos Previos: Este método requiere un usuario de analytics dedicado con permisos para acceder a la API OData y a las fuentes de datos subyacentes para leads, oportunidades, ofertas y pedidos.

a Consulta de ejemplo python

import requests
import pandas as pd
import numpy as np

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

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

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

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

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

source_df = get_odata_data(BASE_API_URL, USERNAME, PASSWORD)

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

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

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

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

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

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

Su Plantilla de Datos del Ciclo de Lead a Caja

Su Plantilla de Datos del Ciclo de Lead a Caja

Atributos del Lead al Cobro

Actividades del Lead al Cobro

Guías de Extracción

Extracción de la API OData de Análisis de SAP Sales Cloud

Pasos

Configuración

a Consulta de ejemplo python

Consulta Estándar de Objetos de Negocio OData de SAP Sales Cloud

Pasos

Configuración

a Consulta de ejemplo python

¿Listo para comenzar?

¡Optimice su Proceso de la Captación al Cobro Ahora, Aumente las Tasas de Éxito!

Su Plantilla de Datos del Ciclo de Lead a Caja

Su Plantilla de Datos del Ciclo de Lead a Caja

Atributos del Lead al Cobro

Actividades del Lead al Cobro

Guías de Extracción

Extracción de la API OData de Análisis de SAP Sales Cloud

Pasos

Configuración

a Consulta de ejemplo python

Consulta Estándar de Objetos de Negocio OData de SAP Sales Cloud

Pasos

Configuración

a Consulta de ejemplo python

Valoramos su privacidad

¿Listo para comenzar?

¡Optimice su Proceso de la Captación al Cobro Ahora, Aumente las Tasas de Éxito!