> Mejora continua de procesos > Gestión de la calidad > Veeva Vault Quality > Template de datos

Su Template de datos de gestión de calidad

Veeva Vault Quality

Atributos de la gestión de la calidad (21) Actividades de gestión de la calidad (13) Guías de extracción (2)

Su Template de datos de gestión de calidad

Esta plantilla ofrece una hoja de ruta clara para recopilar los datos esenciales que necesita para analizar sus procesos de gestión de calidad. Describe los atributos fundamentales y las actividades clave, y proporciona orientación práctica para extraer esta información de Veeva Vault Quality, de modo que pueda iniciar su recorrido de Process Mining sin complicaciones.

Atributos recomendados para recopilar
Actividades clave que debe supervisar
Guía de extracción

¿Es nuevo en los registros de eventos? Aprenda a crear un registro de eventos de Process Mining.

Descargar Template

Atributos de la gestión de la calidad

Estos son los campos de datos recomendados para incluir en su registro de eventos y realizar un análisis completo de su proceso de gestión de la calidad.

5 Obligatorio 7 Recomendado 9 Opcional

	Nombre	Descripción
	Evento de calidad QualityEvent	El identificador único de un Quality Event individual, como una desviación, una no conformidad o una CAPA.
Descripción El Quality Event actúa como identificador principal del caso y vincula todas las actividades, investigaciones y resoluciones relacionadas con un problema de calidad específico. Funciona como el hilo conductor que conecta todo el ciclo de vida de un incidente, desde su notificación inicial hasta el cierre final. En Process Mining, este atributo es fundamental para reconstruir el recorrido completo de cada Quality Event. Permite analizar las variaciones del proceso, los tiempos de ciclo y el cumplimiento en distintos tipos de eventos, y ofrece una visión integral de cómo se gestionan, investigan y resuelven los incidentes de calidad individuales. Por qué es importante Este es el Case ID esencial que agrupa todas las actividades relacionadas en una única instancia de proceso y hace posible el análisis de principio a fin. Dónde obtenerlo Este es el identificador principal de los registros Quality Event en Veeva Vault Quality, normalmente denominado «Name» o representado por un campo de ID único en el objeto Quality Event. Ejemplos QE-2023-00123CAPA-2023-00456DEV-2023-00789
	Hora del evento EventTime	La marca de tiempo que indica cuándo comenzó o tuvo lugar una actividad específica.
Descripción Este atributo registra la fecha y hora exactas en que se ejecutó una actividad. Proporciona el contexto cronológico de todos los eventos de un caso. Esta marca de tiempo es fundamental para todos los análisis de Process Mining basados en el tiempo. Se utiliza para calcular tiempos de ciclo, tiempos de espera entre actividades y duraciones de pasos específicos, elementos esenciales para identificar retrasos y cuellos de botella de rendimiento. Por qué es importante Esta marca de tiempo es fundamental para ordenar cronológicamente los eventos y calcular todas las métricas de rendimiento, como el tiempo de ciclo y el tiempo de espera. Dónde obtenerlo Corresponde a la fecha de creación o finalización de las tareas, o a la marca de tiempo de los eventos en la pista de auditoría de un objeto Quality Event. Ejemplos 2023-10-26T10:00:00Z2023-11-01T14:35:10Z2023-11-15T09:21:05Z
	Nombre de la actividad ActivityName	El nombre de una tarea o paso específico que tuvo lugar durante el ciclo de vida del Quality Event.
Descripción Este atributo describe una actividad empresarial o un evento concreto que ocurre durante la gestión de un Quality Event. Son los pasos del proceso, como «Investigation Initiated» o «Corrective Action Plan Approved». Analizar la secuencia y la frecuencia de estas actividades es la base de Process Mining. Ayuda a descubrir el flujo real del proceso, identificar cuellos de botella entre pasos y detectar desviaciones respecto al procedimiento operativo estándar. Por qué es importante Define los pasos del proceso y permite visualizar y analizar el flujo del proceso. Dónde obtenerlo Normalmente se obtiene de los nombres de las tareas de Workflow, los cambios de estado o las entradas de la pista de auditoría en Veeva Vault Quality. Ejemplos Triaje inicial completadoAnálisis de causas raíz realizadoRevisión final y cierre
	Sistema de origen SourceSystem	El sistema del que se extrajeron los datos de gestión de calidad.
Descripción Este atributo identifica el origen de los datos, que en este caso es Veeva Vault Quality. Ayuda en la gobernanza de datos y proporciona contexto, especialmente cuando se combinan datos de varios sistemas. En el análisis, se utiliza para filtrar y garantizar la trazabilidad de los datos. Comprender el sistema de origen ayuda a interpretar correctamente los datos y a solucionar problemas de calidad de datos. Por qué es importante Proporciona un contexto esencial sobre el origen de los datos, fundamental para la gobernanza de datos, la trazabilidad y el análisis de varios sistemas. Dónde obtenerlo Es un valor estático que debe añadirse durante la transformación de datos para etiquetar todos los registros procedentes de este origen. Ejemplos Veeva Vault Quality
	Última actualización de datos LastDataUpdate	La marca de tiempo de la última actualización o extracción de datos del sistema de origen.
Descripción Este atributo indica la actualidad de los datos analizados. Muestra la fecha y la hora en que los datos se extrajeron por última vez de Veeva Vault Quality y se cargaron en la herramienta de Process Mining. Esta información es fundamental para que los usuarios comprendan la vigencia del análisis y sepan si los Dashboards reflejan el estado operativo más reciente. Es un atributo clave para la gobernanza de datos. Por qué es importante Informa a los usuarios sobre la actualidad y relevancia de los datos, para que entiendan hasta qué punto el análisis del proceso está actualizado. Dónde obtenerlo Esta marca de tiempo se genera y añade durante el proceso de extracción, transformación y carga de datos (ETL). Ejemplos 2024-05-20T08:00:00Z2024-05-21T08:00:00Z
	Departamento asignado AssignedDepartment	El departamento o área funcional responsable del Quality Event o de la actividad.
Descripción Este atributo especifica la unidad de negocio o el departamento, como Quality Assurance, Manufacturing o R&D, responsable de gestionar el Quality Event o una tarea concreta. A menudo se obtiene del perfil del usuario asignado. Esta dimensión es fundamental para el análisis del rendimiento a alto nivel. Permite comparar la eficiencia y el cumplimiento del proceso entre distintas áreas de la organización, ayuda a localizar problemas sistémicos en departamentos específicos y respalda el Dashboard «Investigator Workload Distribution». Por qué es importante Permite filtrar y comparar el rendimiento del proceso entre distintas unidades de negocio, y revela cuellos de botella departamentales o buenas prácticas. Dónde obtenerlo Esta información suele almacenarse en los datos del perfil de usuario vinculados a «Assigned Investigator» o puede ser un campo directo del propio objeto Quality Event. Ejemplos Aseguramiento de la calidadOperaciones de manufacturaInvestigación y desarrollo
	Estado del Quality Event QualityEventStatus	El estado actual del ciclo de vida del Quality Event.
Descripción Este atributo indica el estado actual del Quality Event, como «Open», «In Investigation», «Pending Approval» o «Closed». Proporciona una instantánea de la fase del ciclo de vida en la que se encuentra cada caso. Es esencial para el Dashboard «Quality Event Progress Overview», ya que permite supervisar en tiempo real los casos en curso. Ayuda a los responsables a seguir el progreso, identificar eventos estancados y gestionar eficazmente la carga de trabajo general. Por qué es importante Proporciona una instantánea del estado actual de un caso, esencial para supervisar el trabajo en curso e identificar eventos estancados. Dónde obtenerlo Es un campo estándar del objeto Quality Event en Veeva Vault Quality que refleja su posición en el ciclo de vida. Ejemplos En evaluación inicialEn investigaciónCAPA propuestaCerrado
	Fecha objetivo de resolución TargetResolutionDate	La fecha planificada o requerida para el cierre final del Quality Event.
Descripción Este atributo define el acuerdo de nivel de servicio (SLA) o el plazo objetivo para resolver un Quality Event. A menudo se calcula a partir de la fecha de creación y la gravedad o el tipo del evento. Esta fecha es el punto de referencia para medir el rendimiento real. Es fundamental para el Dashboard «On-Time Resolution Performance» y el KPI «On-Time Resolution Rate», ya que ayuda a identificar si los eventos se resuelven a tiempo y qué factores contribuyen a los retrasos. Por qué es importante Define el SLA de resolución del caso y permite medir el rendimiento puntual y analizar los retrasos. Dónde obtenerlo Probablemente es un campo de fecha del objeto Quality Event, que puede introducirse manualmente o calcularse automáticamente mediante el sistema. Ejemplos 2024-01-15T23:59:59Z2024-02-28T23:59:59Z2024-03-10T23:59:59Z
	Hora de finalización EndTime	La marca de tiempo que indica cuándo se completó una actividad.
Descripción Este atributo registra la fecha y hora en que concluyó una actividad o tarea específica. Se diferencia de StartTime (EventTime) y es esencial para entender la duración de cada paso del proceso. En Process Mining, EndTime se utiliza junto con StartTime para calcular el tiempo de procesamiento de las actividades. Esto es fundamental para identificar qué tareas requieren más tiempo y contribuyen al tiempo de ciclo general y a posibles retrasos. Por qué es importante Permite calcular los tiempos de procesamiento de las actividades, algo fundamental para identificar cuellos de botella a nivel de tarea. Dónde obtenerlo Esta marca de tiempo suele estar disponible en el historial de Workflow o en los datos de la pista de auditoría de un Quality Event, normalmente como un campo «completed date» o «modified on» de una tarea o estado específico. Ejemplos 2023-10-26T11:30:00Z2023-11-01T18:00:10Z2023-11-15T09:45:00Z
	Investigador asignado AssignedInvestigator	El usuario o recurso asignado para realizar una investigación o una tarea específica.
Descripción Este atributo identifica a la persona, el rol o el equipo responsable de ejecutar una actividad determinada durante el ciclo de vida del Quality Event. Puede ser el propietario del propio Quality Event o la persona asignada a una tarea específica de Workflow. Analizar este atributo ayuda a entender la distribución de la carga de trabajo y el rendimiento de los recursos, así como a identificar equipos o personas sobrecargados. Es esencial para el Dashboard «Investigator Workload Distribution» y para optimizar la asignación de recursos con el fin de mejorar la eficiencia. Por qué es importante Registra quién realiza el trabajo y permite analizar la carga de trabajo, la eficiencia de los recursos y las necesidades de formación. Dónde obtenerlo Se encuentra en los campos de propietario o usuario asignado del objeto Quality Event o de sus objetos de tareas de Workflow relacionadas en Veeva Vault Quality. Ejemplos Alice JohnsonBob WilliamsEquipo de investigación de QA
	Nivel de gravedad SeverityLevel	El nivel de gravedad o riesgo evaluado del Quality Event, como alto, medio o bajo.
Descripción Este atributo clasifica el Quality Event según su posible impacto en la calidad del producto, la seguridad del paciente o el cumplimiento normativo. La gravedad suele determinar la urgencia y el nivel de profundidad necesarios para la investigación. Analizar los eventos por nivel de gravedad es clave para priorizar las iniciativas de mejora. Ayuda a entender si los eventos de alta gravedad tardan más en resolverse, siguen rutas de proceso diferentes o presentan una tasa de retrabajo mayor, y garantiza que los problemas más críticos reciban la atención adecuada. Por qué es importante Clasifica los eventos según su impacto y permite realizar análisis basados en el riesgo y priorizar las iniciativas de mejora en las áreas de mayor riesgo. Dónde obtenerlo Es un campo de clasificación estándar del objeto Quality Event, normalmente una lista de selección derivada de una matriz de riesgos. Ejemplos AltaMediaBaja
	Tipo de Quality Event QualityEventType	La clasificación del Quality Event, como CAPA, Deviation o Complaint.
Descripción Este atributo categoriza el Quality Event según su naturaleza. Los distintos tipos de Quality Event suelen seguir rutas de proceso diferentes y tener requisitos de cumplimiento y plazos de resolución distintos. Analizar los eventos por tipo es fundamental para entender las variaciones del proceso. Permite comparar, por ejemplo, el rendimiento y la eficiencia de la gestión de desviaciones y CAPA, y ayuda a adaptar las iniciativas de mejora a contextos de proceso específicos. Por qué es importante Distingue entre distintos tipos de procesos de calidad, que suelen tener Workflow, SLA y reglas de cumplimiento propios. Dónde obtenerlo Es un campo de clasificación estándar del objeto Quality Event en Veeva Vault Quality, normalmente una lista de selección. Ejemplos DesviaciónAcción correctiva y preventiva (CAPA)No conformidadQueja
	Causa raíz RootCause	La causa subyacente identificada del Quality Event.
Descripción Este atributo contiene la conclusión final de la investigación de análisis de causa raíz (RCA). Clasifica la razón fundamental del problema de calidad, como un fallo del equipo, un error humano o una deficiencia del procedimiento. Analizar las causas raíz es esencial para resolver los problemas de forma eficaz. Ayuda a identificar problemas sistémicos recurrentes que deben abordarse mediante acciones correctivas y preventivas. Este atributo respalda directamente los Dashboards «Tiempo de ciclo del análisis de causa raíz» y «Eficacia de CAPA». Por qué es importante Clasifica los motivos fundamentales de los problemas de calidad y permite realizar análisis estratégicos para evitar que vuelvan a producirse. Dónde obtenerlo Normalmente es un campo de texto o una lista de selección del objeto Quality Event o de un objeto Root Cause Analysis relacionado. Ejemplos Fallo del equipoError de procedimientoFormación inadecuadaDefecto del material
	Centro Site	El centro de fabricación, la planta o la ubicación donde ocurrió o se identificó el Quality Event.
Descripción Este atributo especifica la ubicación física, como una planta de fabricación o un laboratorio, asociada al Quality Event. Proporciona un contexto geográfico u organizativo para el problema. Es una dimensión muy útil para el análisis comparativo, ya que permite a la dirección comparar el rendimiento del proceso, los tipos de problemas y los tiempos de resolución entre distintos centros. Puede ayudar a identificar problemas específicos de un centro o a compartir buenas prácticas de las ubicaciones con mejor rendimiento. Por qué es importante Proporciona una dimensión geográfica u organizativa para el análisis, y ayuda a comparar el rendimiento e identificar problemas específicos de cada centro. Dónde obtenerlo A menudo es un campo estándar del objeto Quality Event que enlaza con una lista de centros o ubicaciones de la empresa. Ejemplos Centro A - Nueva JerseyCentro B - IrlandaCentro C - Suiza
	Es retrabajo IsRework	Un indicador calculado que identifica actividades o casos que representan retrabajo.
Descripción Este atributo es un indicador booleano que señala que una actividad o secuencia de actividades concreta representa retrabajo, como repetir una investigación o reabrir una CAPA cerrada. No es un campo estándar, sino que se calcula a partir de patrones del flujo del proceso. En Process Mining, este indicador se utiliza para cuantificar el esfuerzo y el coste desperdiciados en el proceso. Es esencial para el Dashboard «Rework Analysis» y el KPI «Quality Event Rework Rate», ya que ayuda a localizar las causas de la ineficiencia y de una calidad deficiente a la primera. Por qué es importante Cuantifica la ineficiencia del proceso al señalar el trabajo repetido, lo que ayuda a identificar las causas raíz de los problemas de calidad y del esfuerzo desperdiciado. Dónde obtenerlo Este atributo no procede directamente de la fuente. Se calcula durante la transformación de datos mediante la detección de nombres de actividad repetidos o bucles en el proceso de un caso determinado. Ejemplos truefalse
	Es una recurrencia IsRecurrence	Un indicador que señala si este Quality Event es la recurrencia de un problema identificado anteriormente.
Descripción Este atributo booleano indica que un Quality Event no es un problema nuevo y único, sino la repetición de un problema ocurrido anteriormente. Es un indicador crítico del fallo de las acciones correctivas previas. Este indicador es fundamental para el Dashboard «CAPA Effectiveness & Recurrence Rate». El seguimiento de las recurrencias proporciona información directa sobre el éxito a largo plazo del sistema de gestión de calidad y ayuda a identificar problemas sistémicos que no se están abordando adecuadamente. Por qué es importante Pone de manifiesto los fallos de las acciones correctivas y permite analizar por qué se repiten los problemas y cómo mejorar las soluciones a largo plazo. Dónde obtenerlo Podría ser un campo de casilla de verificación del objeto Quality Event o un campo derivado de los vínculos con eventos anteriores similares. Ejemplos truefalse
	Producto Product	El producto o material asociado al Quality Event.
Descripción Este atributo vincula el evento de calidad con un producto, material o lote específico. Esta conexión es fundamental en las industrias reguladas para garantizar la trazabilidad y analizar el impacto. Analizar los eventos de calidad por producto ayuda a identificar si determinados productos son más propensos a presentar problemas, lo que orienta las mejoras del producto o los ajustes del proceso de fabricación. También permite filtrar los Dashboards para consultar el rendimiento de líneas de productos específicas. Por qué es importante Vincula los Quality Events con productos específicos y permite analizar problemas y tendencias propios de cada producto. Dónde obtenerlo Normalmente es un campo de referencia del objeto Quality Event que enlaza con un objeto Product o Material en Veeva Vault. Ejemplos Producto A-100Producto B-200Materia prima C-300
	Resolución dentro del plazo IsOnTimeResolution	Un indicador calculado que señala si el Quality Event se cerró antes de su fecha objetivo.
Descripción Este atributo booleano se obtiene comparando la fecha real de cierre de un Quality Event con su «Target Resolution Date». Proporciona un resultado binario sencillo sobre el cumplimiento de los plazos. Este indicador es la base del Dashboard «On-Time Resolution Performance» y del KPI «On-Time Resolution Rate». Permite agregar y filtrar fácilmente los datos para entender qué tipos de eventos, departamentos o centros tienen dificultades para cumplir los plazos. Por qué es importante Proporciona una métrica clara de éxito o incumplimiento de los plazos y simplifica el análisis y los informes de rendimiento. Dónde obtenerlo Se calcula comparando la marca de tiempo de la actividad «Final Review and Closure» con el atributo «TargetResolutionDate». Fórmula: Closure Time <= TargetResolutionDate. Ejemplos truefalse
	Resultado de la comprobación de eficacia EffectivenessCheckResult	El resultado del paso de verificación para confirmar si una acción correctiva fue eficaz.
Descripción Este atributo registra el resultado de la comprobación de eficacia, que se realiza después de implementar una acción correctiva. El resultado suele ser «Effective» o «Not Effective». Es una medida directa del éxito del proceso CAPA y resulta fundamental para el Dashboard «CAPA Effectiveness & Recurrence Rate» y el KPI «CAPA Effectiveness Rate». Proporciona información clara sobre si las soluciones implementadas están evitando realmente que el problema vuelva a producirse. Por qué es importante Mide directamente el éxito de las acciones correctivas y proporciona información esencial para mejorar el proceso de resolución de problemas. Dónde obtenerlo Sería un campo, probablemente una lista de selección, de un objeto CAPA Action o Effectiveness Check relacionado con el Quality Event principal. Ejemplos EficazNo eficazVerificación pendiente
	Tiempo de aprobación ApprovalTime	El tiempo necesario para completar una actividad de aprobación específica.
Descripción Esta métrica mide la duración de los pasos de aprobación, como «Corrective Action Plan Approved». Se calcula desde el momento en que se solicita una aprobación hasta que se concede o se rechaza. Este atributo está diseñado específicamente para respaldar el Dashboard «Approval Workflow Bottlenecks» y el KPI «Approval Workflow Cycle Time». Al aislar el tiempo dedicado a esperar aprobaciones, ayuda a identificar y abordar los retrasos causados por una toma de decisiones lenta o procesos de aprobación ineficientes. Por qué es importante Localiza los retrasos en los pasos críticos de toma de decisiones y ayuda a agilizar los Workflow de aprobación y reducir el tiempo de ciclo general. Dónde obtenerlo Esta métrica se calcula obteniendo la diferencia de tiempo entre el inicio y el final de las actividades relacionadas con la aprobación en el registro de eventos. Ejemplos 3 días 4 horas1 día 0 horas7 días 8 horas
	Tiempo de ciclo CycleTime	El tiempo total transcurrido desde la creación de un Quality Event hasta su cierre final.
Descripción Esta métrica representa la duración de principio a fin de la resolución de un Quality Event. Se calcula como la diferencia de tiempo entre la primera actividad, por ejemplo «Quality Event Created», y la última, por ejemplo «Final Review and Closure». El tiempo de ciclo es un indicador clave del rendimiento de la eficiencia general del proceso. Se utiliza en el Dashboard «Quality Event Resolution Time» para analizar tendencias, identificar los factores que provocan tiempos de resolución prolongados y establecer referencias para la mejora del proceso. Por qué es importante Mide la eficiencia del proceso de principio a fin y proporciona un KPI fundamental para seguir el rendimiento general y el impacto de las iniciativas de mejora. Dónde obtenerlo Es una métrica calculada. Se obtiene a nivel de caso restando la marca de tiempo del primer evento de la marca de tiempo del último evento. Ejemplos 30 días 12 horas65 días 4 horas15 días 2 horas

Obligatorio Recomendado Opcional

Actividades de gestión de la calidad

Estos son los pasos esenciales y los hitos del proceso que debe capturar en su registro de eventos para descubrir y analizar con precisión la gestión de la calidad.

7 Recomendado 6 Opcional

	Actividad	Descripción
	Acción correctiva implementada	Representa la finalización de todas las tareas definidas en el plan de acción correctiva aprobado. Esta actividad confirma que se han llevado a cabo las acciones necesarias para abordar la causa raíz. Se registra cuando el estado del registro CAPA se actualiza a «Implementación completada».
Por qué es importante Este es un hito importante que marca la transición de la planificación a la ejecución. El tiempo transcurrido entre este punto y la aprobación de CAPA revela la eficiencia de la fase de implementación. Dónde obtenerlo Se infiere a partir de un cambio del estado del ciclo de vida del objeto CAPA asociado a un estado como «Implementado» o «Pendiente de comprobación de eficacia». Recopilar A partir de la marca de tiempo del cambio de estado en el objeto CAPA vinculado. Tipo de evento inferred
	Análisis de causas raíz realizado	Representa la finalización de la fase de análisis de causas raíz (RCA), en la que se identifica la causa subyacente del Quality Event. Suele registrarse cuando la persona investigadora completa la tarea de RCA o cuando el evento pasa al estado «Pendiente de CAPA».
Por qué es importante Esta actividad es fundamental para medir el KPI «Tiempo medio del análisis de causas raíz». Analizar su duración ayuda a identificar cuellos de botella en el proceso analítico y mejorar la calidad de la investigación. Dónde obtenerlo Normalmente se infiere a partir de un cambio de estado del ciclo de vida del objeto Quality Event, como el paso a «RCA completado» o «Pendiente de plan de acción». También puede corresponder a la finalización de una tarea específica del Workflow. Recopilar A partir de la marca de tiempo del cambio de estado o de la finalización de una tarea relacionada con RCA. Tipo de evento inferred
	Eficacia de la acción verificada	Esta actividad confirma que las acciones correctivas implementadas lograron evitar que el problema se repitiera. Se completa y documenta una verificación formal. Se registra cuando el estado de CAPA o Quality Event se actualiza a «Effectiveness Verified».
Por qué es importante Esta es la validación final del éxito de la solución y resulta fundamental para calcular la «CAPA Effectiveness Rate». Un fallo en esta fase suele provocar retrabajo y la reapertura de la investigación. Dónde obtenerlo Se infiere a partir de un cambio de estado del ciclo de vida del objeto Quality Event o CAPA a un estado como «Verified» o «Closed - Effective». Recopilar Desde la marca de tiempo del cambio de estado que indica una verificación satisfactoria. Tipo de evento inferred
	Investigación iniciada	Marca el inicio formal de la investigación sobre la causa raíz del Quality Event. Normalmente se asigna una persona investigadora o un equipo y el evento pasa a una fase de investigación activa. Se registra cuando el estado del ciclo de vida del Quality Event cambia a «En investigación».
Por qué es importante Este es un hito clave para medir el KPI «Tiempo desde la identificación del problema hasta el inicio de la investigación». Los retrasos anteriores a este punto indican acumulación de trabajo en la asignación de recursos o en el inicio del análisis crítico. Dónde obtenerlo Se infiere a partir de la marca de tiempo en la que el estado del ciclo de vida del objeto Quality Event se actualiza a «En investigación» o a un estado similar. La asignación de una persona investigadora también puede servir como desencadenante. Recopilar Utilice la marca de tiempo del cambio de estado a «En investigación». Tipo de evento inferred
	Plan de acción correctiva aprobado	Marca la aprobación formal del plan de acción correctiva propuesto por las partes interesadas pertinentes, como un comité de revisión de calidad. Es un punto de control crítico antes de implementar cualquier acción correctiva. Se registra cuando el plan CAPA pasa al estado «Aprobado».
Por qué es importante Este paso de aprobación suele ser un cuello de botella importante. Medir el «Tiempo de ciclo del Workflow de aprobación» de esta actividad ayuda a identificar y resolver retrasos en el proceso de revisión y acelera la resolución general. Dónde obtenerlo Se infiere a partir de la marca de tiempo del cambio de estado a «Aprobado» en el objeto de plan CAPA asociado. Este evento puede reflejarse también como un cambio de estado en el Quality Event principal. Recopilar A partir de la marca de tiempo del cambio de estado en el objeto de plan CAPA vinculado. Tipo de evento inferred
	Quality Event creado	Este es el punto de partida del proceso y representa la creación formal de un registro de Quality Event en Veeva. La actividad suele activarse cuando se identifica un nuevo problema de calidad, una no conformidad o una reclamación y se registra en el sistema.
Por qué es importante Esta actividad marca el inicio del ciclo de vida del caso, por lo que es esencial para calcular el tiempo total de ciclo del Quality Event y medir la duración de las fases iniciales del proceso, como el tiempo necesario para iniciar una investigación. Dónde obtenerlo Este es un evento explícito capturado a partir de la marca de tiempo de creación del objeto Quality Event en Veeva Vault. El registro de auditoría del objeto muestra la fecha, la hora y la persona usuaria exactas de creación. Recopilar Utilice la marca de tiempo de creación del registro principal de Quality Event. Tipo de evento explicit
	Revisión final y cierre	Representa la última revisión administrativa del registro Quality Event antes de su cierre oficial. Este paso garantiza que toda la documentación esté completa y que se hayan seguido todos los pasos del proceso. Esta actividad es el paso final antes de considerar resuelto el caso.
Por qué es importante Esta actividad final es esencial para calcular el «Quality Event Cycle Time» total. Indica que se han completado todas las tareas y su marca de tiempo se compara con la «Target Resolution Date» para medir el rendimiento. Dónde obtenerlo Se infiere a partir de un cambio de estado del ciclo de vida del objeto Quality Event a «Closed», «Resolved» o un estado terminal similar. Recopilar Desde la marca de tiempo del cambio de estado final a «Closed». Tipo de evento inferred
	Acción preventiva identificada	Esta actividad tiene lugar cuando se identifica una acción preventiva para abordar posibles recurrencias futuras, a menudo como resultado de la investigación. Se registra mediante la creación de un registro de acción preventiva (PA) vinculado al Quality Event.
Por qué es importante Aunque no forma parte de todos los casos, hacer seguimiento de esta actividad ayuda a entender hasta qué punto el proceso de calidad es proactivo. Proporciona información sobre el enfoque de la organización en la prevención a largo plazo frente a la corrección inmediata. Dónde obtenerlo Se infiere a partir de la marca de tiempo de creación de un registro de Acción preventiva vinculado en Veeva Vault. Recopilar Utilice la marca de tiempo de creación de un registro de Acción preventiva vinculado. Tipo de evento inferred
	Inicio de la comprobación de eficacia	Marca el inicio del periodo en el que se supervisa la eficacia de las acciones correctivas implementadas. No se trata de un evento puntual, sino del comienzo de una fase de verificación. Se registra cuando el registro de Quality Event o CAPA pasa al estado «Monitoring» o «Pending Effectiveness Verification».
Por qué es importante Esta actividad inicia el ciclo final de validación. La duración de la fase de comprobación de eficacia es importante para entender cuánto tiempo se necesita para confirmar que una solución ha funcionado. Dónde obtenerlo Se infiere a partir de un cambio de estado del ciclo de vida del objeto Quality Event o CAPA a un estado como «Under Effectiveness Review». Recopilar Desde la marca de tiempo del cambio de estado hasta un estado relacionado con la supervisión. Tipo de evento inferred
	Partes interesadas notificadas de la resolución	Esta actividad representa la comunicación enviada a las partes interesadas pertinentes para informarles de la resolución del Quality Event. Puede tratarse de una notificación automática por correo electrónico activada por el paso de cierre final o de una tarea de comunicación registrada manualmente.
Por qué es importante La comunicación oportuna es clave para la satisfacción de las partes interesadas y la transparencia. Esta actividad permite medir el KPI «Stakeholder Notification Lag Time» y poner de manifiesto los retrasos en la comunicación. Dónde obtenerlo Puede ser un evento explícito si Veeva Vault envía notificaciones automáticas que quedan registradas. Como alternativa, puede inferirse a partir de la finalización de una tarea manual de Workflow «Notify Stakeholders». Recopilar A partir de los registros de notificaciones del sistema o de la marca de tiempo de finalización de una tarea de comunicación. Tipo de evento explicit
	Plan de acción correctiva propuesto	Esta actividad tiene lugar cuando se redacta y presenta para revisión un plan formal para corregir la causa raíz identificada. A menudo implica crear un registro CAPA relacionado y vinculado al Quality Event. El evento se registra cuando se crea el registro CAPA o se actualiza el estado del Quality Event.
Por qué es importante El seguimiento de este paso ayuda a analizar el tiempo necesario para pasar del análisis al diseño de la solución. Es un dato clave para comprender el «Tiempo de ciclo del análisis de causas raíz», desde la finalización del RCA hasta la propuesta de CAPA. Dónde obtenerlo Puede inferirse a partir de un cambio del estado del ciclo de vida del objeto Quality Event a «Pendiente de aprobación de CAPA» o de la marca de tiempo de creación de un registro de plan CAPA vinculado. Recopilar Utilice la marca de tiempo de creación de un registro CAPA vinculado o la marca de tiempo de un cambio de estado. Tipo de evento inferred
	Problema categorizado y priorizado	Esta actividad marca el momento en que el Quality Event se ha categorizado formalmente por tipo, nivel de gravedad y prioridad. Es un paso crítico que determina la ruta y el calendario posteriores de la investigación. Normalmente se registra mediante un cambio de estado que indica que la clasificación ha finalizado.
Por qué es importante Este evento es fundamental para segmentar el análisis del proceso por gravedad o tipo de evento. Ayuda a comprender si los problemas de alta prioridad se procesan más rápido que los de baja prioridad y garantiza una asignación eficaz de los recursos. Dónde obtenerlo Se infiere a partir de un cambio de estado del ciclo de vida del objeto Quality Event, como el paso a un estado «Categorizado» o «Pendiente de investigación». También puede inferirse de la marca de tiempo en la que se completan los campos clave de clasificación. Recopilar Se infiere a partir de un cambio de estado o de la cumplimentación de campos como «Gravedad» y «Prioridad». Tipo de evento inferred
	Triaje inicial completado	Representa la finalización de la revisión y evaluación iniciales del Quality Event. Durante esta etapa se recopila y verifica la información básica para determinar la validez y el impacto inmediato del evento. Normalmente se registra cuando el estado del registro cambia de «Nuevo» a «En evaluación» o a un estado similar.
Por qué es importante Analizar el tiempo dedicado al triaje ayuda a identificar retrasos en la gestión inicial de los Quality Events. También proporciona información sobre la carga de trabajo y la asignación de recursos al comienzo del proceso. Dónde obtenerlo Se infiere a partir de la marca de tiempo en la que el estado del ciclo de vida del objeto Quality Event se actualiza para indicar que el triaje ha finalizado, por ejemplo, al pasar de «Nuevo» a «En evaluación» o «Triaje completado». Recopilar A partir de la marca de tiempo del cambio de estado del objeto Quality Event. Tipo de evento inferred

Recomendado Opcional

Guías de extracción

Cómo obtener sus datos de Veeva Vault Quality

Pasos

Requisitos previos: Asegúrese de tener instalado Python 3.6 o una versión posterior, junto con las bibliotecas requests y pandas. Puede instalarlas mediante pip: pip install requests pandas. También necesitará las credenciales de API de su instancia de Veeva Vault, incluido el DNS de Vault, por ejemplo, yourcompany.veevavault.com, un nombre de usuario y una contraseña para una cuenta con acceso a la API y permisos de lectura sobre Quality Event y los objetos relacionados.
Configure el script: Copie el script de Python proporcionado en un archivo llamado extract_quality_events.py. Abra el archivo y actualice las variables de marcador de posición de la parte superior: VAULT_DNS, USERNAME y PASSWORD, con sus credenciales específicas de Veeva Vault.
Defina el intervalo de fechas: Localice las consultas VQL del script. Cada consulta contiene una cláusula WHERE con un marcador de posición como created_date__v > '2023-01-01T00:00:00.000Z'. Modifique esta fecha para definir el periodo de extracción de datos. Se recomienda aplicar este filtro a un campo de fecha principal para limitar la carga inicial de datos.
Revise los nombres de objetos y campos: Las configuraciones de Veeva Vault pueden variar. El script proporcionado utiliza nombres de API habituales para los objetos (quality_event__v, capa__v) y los campos (status__v, severity_level__c). Verifique estos nombres en la configuración de su Vault mediante la documentación de la API de Vault o herramientas como Vault Field and Object Reference. Ajuste los nombres de las consultas VQL según sea necesario.
Ejecute el script: Abra un terminal o símbolo del sistema, vaya al directorio donde guardó el script y ejecútelo con el comando: python extract_quality_events.py. El script autenticará la conexión, ejecutará una serie de consultas y procesará los datos.
Supervise la ejecución: El script imprimirá mensajes de estado en la consola, indicando qué actividad está extrayendo y cuántos registros se han encontrado. Esto le ayudará a supervisar el progreso y detectar posibles problemas, como fallos de autenticación o resultados de consulta vacíos.
Obtenga el archivo de salida: Cuando finalice correctamente, el script generará un archivo CSV llamado quality_event_log.csv en el mismo directorio. Este archivo contiene el registro de eventos extraído.
Transforme y enriquezca los datos: El script realiza una transformación básica de los datos mediante la asignación de los campos de origen a las columnas requeridas del registro de eventos. Calcula la marca de tiempo de LastDataUpdate y establece un valor estático para SourceSystem. Si necesita cálculos adicionales, como ActivityDuration, puede modificar la sección de manipulación del DataFrame de pandas antes de exportar el CSV final.
Prepare la carga: Abra quality_event_log.csv en una herramienta de hojas de cálculo para revisarlo. Asegúrese de que las columnas QualityEvent, ActivityName y EventTime estén correctamente cumplimentadas. El archivo ya tiene el formato necesario para cargarlo en un software de Process Mining.

Configuración

Credenciales de API: Se requiere una cuenta de usuario de API específica con una «Security Policy» que permita el acceso a la API. El «Permission Set» del usuario debe conceder al menos acceso de «Read» al objeto quality_event__v, a todos los campos consultados y a cualquier objeto relacionado, como capa__v.
DNS de Vault: El script necesita el DNS específico de su instancia de Vault, por ejemplo, yourcompany.veevavault.com. Se utiliza para construir las URL de los endpoints de la API.
Filtrado por intervalo de fechas: Para gestionar el volumen de datos extraídos, es fundamental aplicar un filtro de fecha en la cláusula WHERE de cada consulta VQL. Recomendamos comenzar con un periodo reciente de 3 a 6 meses, por ejemplo, created_date__v > 'YYYY-MM-DD', para garantizar un rendimiento manejable y ciclos de prueba más rápidos.
Nombres de API de objetos y campos: Todas las consultas VQL deben utilizar los nombres de API internos del sistema, que pueden diferir de las etiquetas visibles en la interfaz de usuario. Los campos personalizados suelen terminar en __c. Verifique todos los nombres de objetos y campos en la configuración de su Vault.
Gestión de la paginación: El script gestiona automáticamente la paginación de la API de Veeva. Consulta repetidamente la URL next_page proporcionada por la API hasta recuperar todos los resultados de una consulta VQL determinada. No se necesita ninguna configuración manual.
Consideraciones de rendimiento: Extraer datos de un periodo extenso o de un Vault con millones de Quality Events puede llevar tiempo y alcanzar los límites de frecuencia de la API. Ejecute la extracción fuera de las horas punta y utilice filtros de fecha restrictivos para minimizar el impacto.

a Consulta de ejemplo python

import requests
import pandas as pd
from datetime import datetime
import io

class=class="hl-string">"hl-comment"># --- Configuration: Update these values --- #
VAULT_DNS = class="hl-string">"[your_vault_dns].veevavault.com"  class=class="hl-string">"hl-comment"># Example: yourcompany.veevavault.com
USERNAME = class="hl-string">"[your_api_username]"
PASSWORD = class="hl-string">"[your_api_password]"
API_VERSION = class="hl-string">"v23.1"
OUTPUT_FILENAME = class="hl-string">"quality_event_log.csv"
class=class="hl-string">"hl-comment"># --- End of Configuration --- #

def get_session_id():
    class="hl-string">"""Authenticates with Veeva Vault API and returns a session ID."""
    auth_url = fclass="hl-string">"https://{VAULT_DNS}/api/{API_VERSION}/auth"
    headers = {class="hl-string">"Content-Type": class="hl-string">"application/x-www-form-urlencoded", class="hl-string">"Accept": class="hl-string">"application/json"}
    data = {class="hl-string">"username": USERNAME, class="hl-string">"password": PASSWORD}
    
    try:
        response = requests.post(auth_url, headers=headers, data=data)
        response.raise_for_status() class=class="hl-string">"hl-comment"># Raises an exception for bad responses (4xx or 5xx)
        auth_data = response.json()
        if auth_data.get(class="hl-string">"responseStatus") == class="hl-string">"SUCCESS":
            print(class="hl-string">"Authentication successful.")
            return auth_data[class="hl-string">"sessionId"]
        else:
            print(fclass="hl-string">"Authentication failed: {auth_data.get('responseMessage')}")
            return None
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"An error occurred during authentication: {e}")
        return None

def run_vql_query(session_id, query):
    class="hl-string">"""Runs a VQL query, handles pagination, and returns all results as a pandas DataFrame."""
    query_url = fclass="hl-string">"https://{VAULT_DNS}/api/{API_VERSION}/query"
    headers = {class="hl-string">"Authorization": session_id, class="hl-string">"Accept": class="hl-string">"application/json"}
    all_results = []
    
    params = {class="hl-string">'q': query}
    
    page_num = 1
    while True:
        print(fclass="hl-string">"Fetching page {page_num}...")
        try:
            response = requests.post(query_url, headers=headers, params=params)
            response.raise_for_status()
            query_response = response.json()
            
            if query_response.get(class="hl-string">"responseStatus") != class="hl-string">"SUCCESS":
                print(fclass="hl-string">"Query failed: {query_response.get('responseDetails', {}).get('message')}")
                break

            all_results.extend(query_response.get(class="hl-string">'data', []))
            
            if class="hl-string">'next_page' in query_response.get(class="hl-string">'responseDetails', {}):
                next_page_url = query_response[class="hl-string">'responseDetails'][class="hl-string">'next_page']
                query_url = fclass="hl-string">"https://{VAULT_DNS}{next_page_url}"
                params = {}
                page_num += 1
            else:
                break
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"An error occurred during query execution: {e}")
            break

    if not all_results:
        return pd.DataFrame()
    
    class=class="hl-string">"hl-comment"># Convert list of dictionaries to DataFrame
    class=class="hl-string">"hl-comment"># Veeva API returns data as {class="hl-string">'field_name': class="hl-string">'value'}. We need to flatten this.
    flat_data = [{key: item[key] for key in item} for item in all_results]
    return pd.DataFrame(flat_data)


def main():
    session_id = get_session_id()
    if not session_id:
        return

    class=class="hl-string">"hl-comment"># Common fields to select in every query for context
    common_fields = (
        class="hl-string">"id, "
        class="hl-string">"name__v, "
        class="hl-string">"investigator__c, "
        class="hl-string">"department_owner__c, "
        class="hl-string">"type_of_quality_event__c, "
        class="hl-string">"status__v, "
        class="hl-string">"target_due_date__c, "
        class="hl-string">"severity__c"
    )

    class=class="hl-string">"hl-comment"># Define VQL queries for each activity
    class=class="hl-string">"hl-comment"># NOTE: Field names like class="hl-string">'triage_completed_date__c' are placeholders for common custom date fields.
    class=class="hl-string">"hl-comment"># Adjust these to match your Veeva Vault configuration.
    activity_queries = {
        class="hl-string">"Quality Event Created": fclass="hl-string">"SELECT {common_fields}, created_date__v FROM quality_event__v WHERE created_date__v > '2023-01-01T00:00:00.000Z'",
        class="hl-string">"Initial Triage Completed": fclass="hl-string">"SELECT {common_fields}, triage_completed_date__c FROM quality_event__v WHERE triage_completed_date__c != null",
        class="hl-string">"Issue Categorized And Prioritized": fclass="hl-string">"SELECT {common_fields}, categorization_date__c FROM quality_event__v WHERE categorization_date__c != null",
        class="hl-string">"Investigation Initiated": fclass="hl-string">"SELECT {common_fields}, investigation_start_date__c FROM quality_event__v WHERE investigation_start_date__c != null",
        class="hl-string">"Root Cause Analysis Performed": fclass="hl-string">"SELECT {common_fields}, rca_completed_date__c FROM quality_event__v WHERE rca_completed_date__c != null",
        class="hl-string">"Corrective Action Plan Proposed": fclass="hl-string">"SELECT {common_fields}, quality_event__vr.created_date__v FROM capa__v WHERE quality_event__vr.created_date__v != null AND action_type__c = 'Corrective'",
        class="hl-string">"Corrective Action Plan Approved": fclass="hl-string">"SELECT {common_fields}, quality_event__vr.approval_date__c FROM capa__v WHERE quality_event__vr.approval_date__c != null AND action_type__c = 'Corrective'",
        class="hl-string">"Corrective Action Implemented": fclass="hl-string">"SELECT {common_fields}, quality_event__vr.implementation_date__c FROM capa__v WHERE quality_event__vr.implementation_date__c != null AND action_type__c = 'Corrective'",
        class="hl-string">"Preventive Action Identified": fclass="hl-string">"SELECT {common_fields}, quality_event__vr.created_date__v FROM capa__v WHERE quality_event__vr.created_date__v != null AND action_type__c = 'Preventive'",
        class="hl-string">"Effectiveness Check Initiated": fclass="hl-string">"SELECT {common_fields}, effectiveness_check_start_date__c FROM quality_event__v WHERE effectiveness_check_start_date__c != null",
        class="hl-string">"Effectiveness Of Action Verified": fclass="hl-string">"SELECT {common_fields}, effectiveness_verified_date__c FROM quality_event__v WHERE effectiveness_verified_date__c != null",
        class="hl-string">"Final Review And Closure": fclass="hl-string">"SELECT {common_fields}, closed_date__c FROM quality_event__v WHERE closed_date__c != null",
        class="hl-string">"Stakeholders Notified Of Resolution": fclass="hl-string">"SELECT {common_fields}, notification_date__c FROM quality_event__v WHERE notification_date__c != null"
    }

    all_events_df = pd.DataFrame()

    for activity_name, query in activity_queries.items():
        print(fclass="hl-string">"\n--- Extracting activity: {activity_name} ---")
        df = run_vql_query(session_id, query)
        
        if df.empty:
            print(fclass="hl-string">"No data found for activity: {activity_name}")
            continue

        print(fclass="hl-string">"Found {len(df)} records for {activity_name}")
        
        class=class="hl-string">"hl-comment"># Standardize columns
        df[class="hl-string">'ActivityName'] = activity_name
        df[class="hl-string">'SourceSystem'] = class="hl-string">'Veeva Vault Quality'
        df[class="hl-string">'LastDataUpdate'] = datetime.utcnow().isoformat() + class="hl-string">'Z'
        
        class=class="hl-string">"hl-comment"># Find the correct timestamp column based on the activity name
        class=class="hl-string">"hl-comment"># This logic assumes the last field in the SELECT statement is the event time
        timestamp_field = query.split(class="hl-string">' FROM')[0].split(class="hl-string">',')[-1].strip()
        if class="hl-string">'.' in timestamp_field:
            timestamp_field = timestamp_field.split(class="hl-string">'.')[-1]

        df.rename(columns={
            class="hl-string">'name__v': class="hl-string">'QualityEvent',
            timestamp_field: class="hl-string">'EventTime',
            class="hl-string">'investigator__c': class="hl-string">'AssignedInvestigator',
            class="hl-string">'department_owner__c': class="hl-string">'AssignedDepartment',
            class="hl-string">'type_of_quality_event__c': class="hl-string">'QualityEventType',
            class="hl-string">'status__v': class="hl-string">'QualityEventStatus',
            class="hl-string">'target_due_date__c': class="hl-string">'TargetResolutionDate',
            class="hl-string">'severity__c': class="hl-string">'SeverityLevel'
        }, inplace=True)
        
        class=class="hl-string">"hl-comment"># For CAPA queries, the Quality Event name is nested
        if class="hl-string">'quality_event__vr.name__v' in df.columns:
            df.rename(columns={class="hl-string">'quality_event__vr.name__v': class="hl-string">'QualityEvent'}, inplace=True)

        all_events_df = pd.concat([all_events_df, df], ignore_index=True)
    
    class=class="hl-string">"hl-comment"># Define the final column structure
    final_columns = [
        class="hl-string">'QualityEvent', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'AssignedInvestigator', class="hl-string">'AssignedDepartment', class="hl-string">'QualityEventType',
        class="hl-string">'QualityEventStatus', class="hl-string">'TargetResolutionDate', class="hl-string">'SeverityLevel'
    ]
    
    class=class="hl-string">"hl-comment"># Select and reorder columns, filling missing ones with None
    output_df = pd.DataFrame(columns=final_columns)
    for col in final_columns:
        if col in all_events_df.columns:
            output_df[col] = all_events_df[col]
        else:
            output_df[col] = None
    
    class=class="hl-string">"hl-comment"># Drop rows where EventTime is NaT (Not a Time)
    output_df.dropna(subset=[class="hl-string">'EventTime'], inplace=True)

    class=class="hl-string">"hl-comment"># Sort by case and event time for readability
    output_df.sort_values(by=[class="hl-string">'QualityEvent', class="hl-string">'EventTime'], inplace=True)
    
    output_df.to_csv(OUTPUT_FILENAME, index=False)
    print(fclass="hl-string">"\nExtraction complete. Event log saved to {OUTPUT_FILENAME}")

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

Pasos

Instale y configure Veeva Vault Loader: Descargue la herramienta de línea de comandos Veeva Vault Loader desde la pestaña Apps de su Vault. Descomprima el archivo en un directorio específico. Asegúrese de tener instalada la versión 1.8 o posterior de Java en el equipo donde ejecutará la extracción.
Prepare el archivo de configuración: Cree un archivo CSV para definir la consulta de exportación. Este archivo contendrá una sola entrada con la consulta VQL. Por ejemplo, cree un archivo llamado vql_query.csv.
Construya la consulta VQL: Abra vql_query.csv y añada una fila de encabezado query. En la segunda fila, añada la consulta VQL completa proporcionada en la sección query siguiente. Esta consulta está diseñada para extraer todos los campos necesarios del objeto Quality Event y de los registros relacionados para crear el registro de eventos.
Cree el script de Bash: Cree un archivo de script de Bash, por ejemplo run_export.sh, para automatizar la ejecución de Vault Loader. Copie en este archivo el script de la sección query. El script gestionará la autenticación y ejecutará la exportación.
Configure las variables del script: Edite el script run_export.sh y sustituya todos los valores de marcador de posición. Esto incluye el DNS de Vault, el nombre de usuario, la contraseña, la ruta al archivo vault-loader.jar y las rutas de los archivos de entrada y salida.
Ejecute la extracción: Abra un terminal o símbolo del sistema, vaya al directorio que contiene el script y ejecútelo con el comando: bash run_export.sh. El script se conectará a Veeva Vault, ejecutará la consulta VQL y descargará los resultados en un archivo CSV llamado quality_events_raw.csv.
Transforme los datos sin procesar: El archivo de salida quality_events_raw.csv es una tabla en formato ancho con una fila por Quality Event. Debe transformar estos datos en un registro de eventos con formato largo. Utilice una herramienta o un script de preparación de datos, como Python o una herramienta ETL, para convertir las distintas columnas de fecha en filas independientes. Para cada Quality Event, cree una fila por cada campo de fecha no vacío y asígnela a la ActivityName correspondiente.
Asigne el esquema del registro de eventos: Durante la transformación, asigne las columnas de la extracción sin procesar al esquema requerido del registro de eventos. Por ejemplo, la columna id se convierte en QualityEvent y cada columna de fecha convertida en fila se convierte en EventTime. Añada una columna SourceSystem con un valor estático como «Veeva Vault Quality» y una columna LastDataUpdate con la marca de tiempo actual.
Genere el resultado final: Guarde los datos transformados como el archivo CSV final del registro de eventos, listo para cargarlo en ProcessMind. Asegúrese de que la codificación sea UTF-8 y que los encabezados coincidan con los atributos requeridos.

Configuración

Requisitos previos: Debe disponer de una cuenta de usuario de Veeva Vault con acceso a la API y permisos suficientes para leer el objeto Quality Event (quality_event__v) y cualquier objeto relacionado, como CAPA (capa__v). También debe tener instalada la herramienta de línea de comandos Veeva Vault Loader.
Autenticación: El script utiliza un nombre de usuario y una contraseña para autenticarse. Asegúrese de que la cuenta utilizada tenga un perfil de seguridad que permita la interacción con la API.
Alcance de los datos: La consulta VQL incluye una cláusula WHERE para filtrar los datos. Es fundamental configurar el filtro created_date__v para limitar la extracción a un periodo relevante, como los últimos 6 a 12 meses, y así gestionar el tamaño del archivo y el rendimiento.
Selección de objetos y campos: La consulta proporcionada presupone nombres de objetos estándar, como quality_event__v y capa__v. Debe verificar estos nombres y los de los campos personalizados, como triage_completion_date__c, en la configuración específica de su Veeva Vault y ajustar la consulta según corresponda.
Ubicación de salida: El script define un OUTPUTDIR. Asegúrese de que el usuario que ejecuta el script tenga permisos de escritura en este directorio, ya que allí se guardará el archivo CSV extraído.
Programación: Para automatizar el proceso, puede programar este script de Bash mediante un trabajo cron en Linux o una herramienta de programación similar, con una frecuencia regular, por ejemplo, diaria o semanalmente fuera de las horas punta.

a Consulta de ejemplo bash

#!/bin/bash

# Veeva Vault Connection Details (Replace with your credentials)
VAULTDNS="[Your Vault DNS e.g., your-vault.veevavault.com]"
USERNAME="[Your Username]"
PASSWORD="[Your Password]"

# Configuration Paths (Update paths as needed)
LOADERDIR="/path/to/vault-loader"
INPUTDIR="/path/to/input/files"
OUTPUTDIR="/path/to/output/files"
LOGFILE="${OUTPUTDIR}/loader_export.log"

# Input VQL Query File
QUERYCSV="${INPUTDIR}/vql_query.csv"

# Raw Output File
OUTPUTCSV="${OUTPUTDIR}/quality_events_raw.csv"

# --- VQL Query Definition ---
# This query extracts a wide table of Quality Event data.
# A separate transformation step is required to pivot this into an event log.
# Field names (`__c`) are examples and must be verified in your Vault.
cat > "$QUERYCSV" <<- EOM
query
"SELECT id, name__v, created_date__v, status__v, type__v, severity_level__c, target_resolution_date__c, assigned_investigator__c, assigned_department__c, initial_triage_completed_date__c, issue_categorized_date__c, investigation_initiated_date__c, rca_performed_date__c, capa_proposed_date__c, capa_approved_date__c, capa_implemented_date__c, pa_identified_date__c, effectiveness_check_initiated_date__c, effectiveness_verified_date__c, final_review_closure_date__c, stakeholder_notification_date__c FROM quality_event__v WHERE created_date__v >= '2023-01-01'"
EOM

# --- Veeva Loader Execution ---
echo "Starting Veeva Vault Quality Event export..."

java -jar "${LOADERDIR}/vault-loader.jar" \
-action EXTRACT \
-V "https://www.veeva.com" \
-vql "$QUERYCSV" \
-outputdir "$OUTPUTDIR" \
-resultsfile "$OUTPUTCSV" \
-u "$USERNAME" \
-p "$PASSWORD" \
-dns "$VAULTDNS" \
-logfile "$LOGFILE"

echo "Export complete. Raw data saved to $OUTPUTCSV"
echo "Log file available at $LOGFILE"

¿Listo para comenzar?

Obtenga nuevos insights y optimice su proceso de gestión de calidad preparando hoy sus datos. Su camino hacia un mayor cumplimiento y la excelencia operativa comienza aquí.

Volver a la guía de mejora Descargar Template

Optimice la gestión de calidad: inicie hoy su prueba gratuita

Elimine las ineficiencias, reduzca un 30 % los tiempos de ciclo y refuerce el cumplimiento.

Iniciar la prueba gratuita

No necesita tarjeta de crédito. Comience a optimizar en cuestión de minutos.

Su Template de datos de gestión de calidad

Su Template de datos de gestión de calidad

Atributos de la gestión de la calidad

Actividades de gestión de la calidad

Guías de extracción

Extracción de Veeva Vault mediante la API y un script de Python

Pasos

Configuración

a Consulta de ejemplo python

Exportación masiva de datos mediante la línea de comandos de Veeva Vault Loader

Pasos

Configuración

a Consulta de ejemplo bash

¿Listo para comenzar?

Optimice la gestión de calidad: inicie hoy su prueba gratuita

Su Template de datos de gestión de calidad

Su Template de datos de gestión de calidad

Atributos de la gestión de la calidad

Actividades de gestión de la calidad

Guías de extracción

Extracción de Veeva Vault mediante la API y un script de Python

Pasos

Configuración

a Consulta de ejemplo python

Exportación masiva de datos mediante la línea de comandos de Veeva Vault Loader

Pasos

Configuración

a Consulta de ejemplo bash

¿Listo para comenzar?

Optimice la gestión de calidad: inicie hoy su prueba gratuita

Valoramos su privacidad