> Mejora continua de procesos > Lead to Cash > Pipedrive > Template de datos

Su Template de datos de Lead to Cash

Pipedrive

Atributos de Lead to Cash (20) Actividades de Lead to Cash (13) Guías de extracción (3)

Su Template de datos de Lead to Cash

Esta plantilla ofrece una hoja de ruta clara para recopilar los datos esenciales necesarios para analizar su proceso Lead to Cash en Pipedrive. Detalla los atributos fundamentales y las actividades clave que debe seguir, junto con indicaciones prácticas para extraer esta información directamente de su sistema Pipedrive. Utilice este recurso para preparar sus datos para un Process Mining y una optimización completos.

Atributos recomendados que debe recopilar
Actividades clave que debe seguir
Guía para extraer datos de Pipedrive

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

Descargar Template

Atributos de Lead to Cash

Estos campos de datos recomendados son esenciales para crear un registro de eventos sólido y permiten analizar de forma exhaustiva su proceso Lead to Cash.

3 Obligatorio 4 Recomendado 13 Opcional

	Nombre	Descripción
	Hora del evento EventTime	La marca de tiempo que indica cuándo tuvo lugar la actividad.
Descripción Event Time, o Start Time, registra la fecha y hora exactas en que se registró una actividad específica. Estos datos temporales son esenciales para ordenar cronológicamente los eventos y calcular la duración entre los distintos pasos del proceso. En el análisis, esta marca de tiempo se utiliza para calcular indicadores clave de rendimiento, como el tiempo de ciclo, el tiempo de procesamiento y el tiempo de espera. También permite crear Dashboards basados en el tiempo para supervisar el rendimiento e identificar retrasos en el proceso de ventas. Por qué es importante Esta marca de tiempo es fundamental para ordenar los eventos, calcular la duración de los procesos y analizar el rendimiento frente a objetivos basados en el tiempo. Dónde obtenerlo Se obtiene de campos como «add_time» o «update_time» de Deal, Activity u objetos relacionados en la API de Pipedrive. Ejemplos 2023-04-15T10:00:00Z2023-04-16T14:30:00Z2023-05-01T09:05:00Z
	Nombre de la actividad ActivityName	El nombre del evento empresarial o la tarea específicos que tuvieron lugar dentro del proceso de ventas.
Descripción Este atributo describe un único paso del proceso Lead to Cash, como «Deal Created», «Proposal Sent» o «Payment Received». Las actividades son los elementos fundamentales que se utilizan para visualizar el flujo del proceso. Analizar la secuencia y la frecuencia de las actividades ayuda a identificar las rutas más habituales, los cuellos de botella donde se acumula el trabajo y cualquier desviación respecto al procedimiento de ventas estándar. Esto es esencial para comprender cómo se ejecuta realmente el proceso. Por qué es importante Define los pasos del proceso y permite visualizar y analizar el flujo del proceso, identificar cuellos de botella y realizar comprobaciones de conformidad. Dónde obtenerlo Normalmente se obtiene mediante la asignación de eventos de Pipedrive, como cambios de fase de acuerdos o la creación de objetos relacionados, como facturas, a una lista definida de actividades. Ejemplos Negocio creadoPropuesta enviadaNegocio ganadoFactura enviadaPago recibido
	Oportunidad de venta SalesOpportunityId	El identificador único de una oportunidad de venta, que sirve como ID de caso para realizar el seguimiento de todo el proceso Lead to Cash.
Descripción El ID de la oportunidad de venta es la clave principal que conecta todas las actividades relacionadas, desde la creación inicial del lead hasta el pago final. Representa una única venta potencial cuyo seguimiento se realiza en Pipedrive. En el análisis de procesos, este identificador es fundamental para reconstruir el recorrido completo de cada acuerdo. Permite agrupar todos los eventos, como «Deal Created», «Proposal Sent» y «Payment Received», en un caso coherente, lo que facilita el análisis de las variantes del proceso, los tiempos de ciclo y las tasas de conversión. Por qué es importante Este identificador es la base de la vista del proceso, ya que vincula todos los eventos relacionados para formar el historial completo de cada acuerdo de venta. Dónde obtenerlo Se obtiene del campo «id» del objeto Deal mediante la API de Pipedrive. Ejemplos 12543125441254512546
	Estado de la oportunidad DealStatus	El resultado o estado actual del acuerdo, como ganado, perdido o abierto.
Descripción Deal Status indica el resultado final o el estado general actual de una oportunidad de venta. Es una dimensión principal para analizar las tasas de éxito de ventas y la eficiencia del proceso. Este atributo es fundamental para calcular las tasas de acuerdos ganados y perdidos, así como para filtrar el mapa de procesos y comparar los recorridos de los acuerdos ganados con los de los acuerdos perdidos. Esta comparación suele revelar diferencias clave en la ejecución del proceso que contribuyen al éxito o al fracaso y proporciona información valiosa para mejorarlo. Por qué es importante Es esencial para calcular las tasas de acuerdos ganados y perdidos y comparar los flujos de proceso de los acuerdos satisfactorios y no satisfactorios. Dónde obtenerlo Se obtiene del campo «status» del objeto Deal en la API de Pipedrive. Ejemplos ganadoperdidoabierto
	Porcentaje de descuento DiscountPercentage	El porcentaje de descuento aplicado al acuerdo.
Descripción Este atributo representa el descuento porcentual aplicado a un acuerdo de venta, si corresponde. Es un factor fundamental para comprender la estrategia de precios y su impacto en la rentabilidad. Analizar Discount Percentage ayuda a evaluar la eficacia de las estrategias de descuento. Puede correlacionarse con otros atributos, como Deal Value, Sales Representative o Product, para determinar dónde se aplican descuentos con mayor frecuencia y si contribuyen a aumentar las tasas de cierre o simplemente reducen los márgenes. Por qué es importante Es fundamental para analizar las estrategias de precios, los márgenes de ventas y la rentabilidad general de los acuerdos. Dónde obtenerlo A menudo es un campo personalizado del objeto Deal en Pipedrive. Consulte la documentación de Pipedrive para configurar los campos personalizados. Ejemplos 0.050.100.150.0
	Responsable de la oportunidad DealOwner	La persona representante de ventas responsable de gestionar la oportunidad de venta.
Descripción Deal Owner es la persona usuaria asignada a un acuerdo específico. Este atributo es clave para comprender la asignación de recursos y el rendimiento del equipo de ventas. Permite analizar el rendimiento a nivel individual o de equipo. Los Dashboards pueden filtrarse por Deal Owner para comparar métricas como el tiempo del ciclo de ventas, las tasas de conversión y el valor medio de los acuerdos, lo que ayuda a identificar a las personas con mejor rendimiento y las áreas que requieren capacitación. Por qué es importante Permite analizar el rendimiento por persona representante de ventas, identificar a quienes obtienen mejores resultados y detectar áreas de mejora. Dónde obtenerlo Se obtiene del campo «user_id» del objeto Deal, que enlaza con el objeto User en la API de Pipedrive. Ejemplos John SmithJane DoePeter Jones
	Valor de la oportunidad DealValue	El valor monetario total de la oportunidad de venta.
Descripción Deal Value representa los ingresos potenciales o reales asociados a una oportunidad de venta. Es una métrica fundamental para priorizar acuerdos y evaluar el impacto financiero del pipeline de ventas. En el análisis de procesos, este atributo se utiliza para segmentar los casos por tamaño financiero y comparar la ejecución del proceso en acuerdos de alto y bajo valor. También es un componente central de los Dashboards que analizan el rendimiento de ventas, la eficacia de los descuentos y la generación general de ingresos. Por qué es importante Permite analizar financieramente el proceso de ventas, priorizar los acuerdos de alto valor y comprender su impacto en los ingresos. Dónde obtenerlo Se obtiene del campo «value» del objeto Deal en la API de Pipedrive. Ejemplos 5000.0025000.501500.75
	Condiciones de pago PaymentTerms	Las condiciones de pago acordadas, como «Net 30» o «Net 60».
Descripción Payment Terms definen el plazo en el que se espera que un cliente pague una factura después de enviarla. Este atributo es fundamental para gestionar las cuentas por cobrar y el flujo de caja. En Process Mining, este atributo sirve como referencia para evaluar el rendimiento de los pagos. Se utiliza para calcular KPI como la tasa de pagos puntuales, comparando la fecha de pago real con la fecha de vencimiento derivada de la fecha de la factura y estas condiciones. Por qué es importante Proporciona la referencia para medir el rendimiento de los pagos puntuales y analizar los retrasos en el proceso de cobro. Dónde obtenerlo Normalmente es un campo personalizado del objeto Deal u Organization en Pipedrive, aunque también puede proceder de un sistema contable integrado. Ejemplos Neto a 30 díasNeto a 60 díasPago contra recepción
	Es retrabajo IsRework	Un indicador que identifica las actividades que forman parte de un bucle de retrabajo.
Descripción Is Rework es un indicador booleano que normalmente calcula la herramienta de Process Mining para destacar los casos en los que el proceso se desvía de un flujo lineal y repite pasos anteriores. Por ejemplo, un acuerdo que pasa de «Negotiation» a «Proposal Sent» se consideraría retrabajo. Identificar el retrabajo es fundamental para optimizar el proceso, ya que representa ineficiencia, esfuerzo desperdiciado y posibles confusiones para el cliente. Analizar las actividades marcadas como retrabajo ayuda a localizar los puntos en los que el proceso falla y permite aplicar mejoras específicas. Por qué es importante Ayuda a cuantificar la ineficiencia del proceso al identificar y marcar las actividades que forman parte de una ruta repetida o circular. Dónde obtenerlo Lo calcula el software de Process Mining mediante el análisis de la secuencia de actividades de cada caso. Ejemplos truefalse
	Etapa de la oportunidad DealStage	La fase específica del pipeline de ventas en la que se encuentra actualmente el acuerdo.
Descripción Deal Stage representa un paso específico del pipeline de ventas definido por una empresa, como «Qualified», «Proposal Made» o «Negotiation». Ofrece una visión más detallada del progreso de un acuerdo que Deal Status. Analizar las fases de los acuerdos es fundamental para comprender el embudo de ventas e identificar dónde tienden a estancarse. Al realizar un seguimiento del tiempo empleado en cada fase, los equipos pueden localizar cuellos de botella y concentrar los esfuerzos de mejora en las partes más problemáticas del ciclo de ventas. Por qué es importante Ofrece una visión detallada del progreso de un acuerdo a través del embudo de ventas y ayuda a identificar cuellos de botella y tasas de conversión entre fases. Dónde obtenerlo Se obtiene del campo «stage_id» del objeto Deal, que enlaza con el objeto Stage en la API de Pipedrive. Ejemplos Lead recibidoContacto realizadoDemostración programadaProposal MadeNegociaciones iniciadas
	Hora de finalización del evento EventEndTime	La marca de tiempo que indica cuándo se completó una actividad con duración.
Descripción Event End Time marca la finalización de una actividad con una duración medible, como una reunión o una tarea. Complementa Start Time y permite calcular con precisión cuánto duraron determinadas actividades. Este atributo es esencial para calcular el tiempo de procesamiento de cada actividad. Analizar esta duración ayuda a identificar las tareas que consumen más tiempo y ofrece oportunidades de optimización, automatización o reasignación de recursos. Por qué es importante Permite calcular con precisión la duración de cada actividad, un dato clave para identificar las tareas que consumen más tiempo y los cuellos de botella. Dónde obtenerlo Se obtiene de campos como «due_date» o de una marca de tiempo de finalización de los objetos Activity en la API de Pipedrive. Ejemplos 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	Moneda de la oportunidad DealCurrency	La moneda asociada al valor del acuerdo.
Descripción Este atributo especifica la moneda, por ejemplo, USD, EUR o GBP, en la que se expresa Deal Value. Proporciona el contexto necesario para todas las métricas financieras. Al analizar acuerdos de distintas regiones o países, este atributo es esencial para elaborar informes financieros y realizar agregaciones correctamente. Garantiza que las conversiones de moneda puedan aplicarse de forma adecuada antes de resumir los datos financieros y evita conclusiones imprecisas. Por qué es importante Proporciona el contexto necesario para Deal Value y garantiza un análisis y unos informes financieros precisos en distintas regiones. Dónde obtenerlo Se obtiene del campo «currency» del objeto Deal en la API de Pipedrive. Ejemplos USDEURGBP
	Nombre de la organización OrganizationName	El nombre de la empresa u organización del cliente asociada al acuerdo.
Descripción Este atributo identifica al cliente corporativo vinculado a la oportunidad de venta. Proporciona contexto sobre las empresas que forman parte del pipeline de ventas. Analizar los datos por Organization Name ayuda a comprender el comportamiento de los clientes e identificar cuentas clave. Puede utilizarse para segmentar el análisis del proceso y comprobar si los procesos difieren entre clientes estratégicos y clientes más pequeños, o para realizar un seguimiento de todo el historial de ventas con una empresa concreta. Por qué es importante Identifica al cliente y permite realizar un análisis centrado en el cliente y segmentar el proceso de ventas. Dónde obtenerlo Se obtiene del campo «org_id» del objeto Deal, que enlaza con el objeto Organization en la API de Pipedrive. Ejemplos ABC CorporationGlobal Tech Inc.Innovate Solutions
	Origen del lead LeadSource	La fuente o el canal a través del cual se obtuvo el lead.
Descripción Lead Source identifica cómo se detectó por primera vez a un cliente potencial, por ejemplo, «Webinar», «Cold Call» o «Partner Referral». Esta información es fundamental para la estrategia de marketing y ventas. Analizar Lead Source ayuda a determinar la eficacia de los distintos canales de marketing. Puede utilizarse para comparar las tasas de conversión y los tiempos del ciclo de ventas de leads procedentes de diversas fuentes, lo que permite a la empresa optimizar la inversión en marketing y los esfuerzos de ventas. Por qué es importante Ayuda a medir la eficacia de los distintos canales de marketing mediante el análisis de las tasas de conversión y el rendimiento del proceso de los leads procedentes de cada fuente. Dónde obtenerlo Se obtiene del campo «source_name» del objeto Lead, que posteriormente se asocia al Deal. Ejemplos Búsqueda orgánicaRedes sociales de pagoRecomendaciónFeria comercial
	Pago puntual IsOnTimePayment	Un indicador booleano que señala si el pago se recibió dentro de las condiciones de pago acordadas.
Descripción Este atributo es un indicador binario (True/False) que señala si el pago se realizó a tiempo. Se obtiene comparando el Invoice Payment Time real con los Payment Terms especificados. Este indicador simplifica el análisis del comportamiento de pago. Puede utilizarse para calcular rápidamente el KPI de tasa de pagos puntuales y filtrar los pagos atrasados, lo que permite analizar en detalle las causas raíz de los retrasos de determinados clientes o tipos de acuerdos. Por qué es importante Simplifica el análisis del cumplimiento de las condiciones de pago y se utiliza para calcular el KPI de tasa de pagos puntuales. Dónde obtenerlo Se calcula comparando «InvoicePaymentTime» con el atributo «PaymentTerms». Por ejemplo, si PaymentTerms es «Net 30» e InvoicePaymentTime es <= 30 días, el valor es True. Ejemplos truefalse
	Producto ProductAttached	El producto o servicio asociado a la oportunidad de venta.
Descripción Este atributo especifica el producto o servicio que se vende en el acuerdo. Permite analizar con mayor detalle las actividades de ventas relacionadas con ofertas concretas. Al incluir el producto, el análisis puede segmentarse para comparar los procesos de ventas de distintas líneas de productos. Esto puede revelar si determinados productos tienen ciclos de ventas más largos, tasas de conversión diferentes o requieren pasos de proceso distintos, lo que permite diseñar estrategias de ventas más específicas. Por qué es importante Permite analizar el proceso de ventas por línea de producto y ayuda a identificar variaciones en los ciclos de ventas o las tasas de éxito de distintas ofertas. Dónde obtenerlo Se obtiene del objeto Product vinculado a un Deal en la API de Pipedrive. Ejemplos Suscripción SaaS estándarLicencia de plataforma empresarialPaquete de servicios profesionales
	Región Region	La región geográfica asociada al cliente o a la oportunidad de venta.
Descripción Este atributo clasifica los acuerdos por áreas geográficas, como Norteamérica, EMEA o APAC. Permite analizar el rendimiento y los procesos de ventas según la ubicación. Al segmentar el proceso por región, las empresas pueden detectar diferencias regionales en la duración del ciclo de ventas, las tasas de conversión y las variantes del proceso. Estos datos pueden orientar las estrategias de ventas regionales, la asignación de recursos y los esfuerzos de estandarización del proceso. Por qué es importante Permite analizar geográficamente el proceso de ventas y destacar las diferencias regionales en el rendimiento y el comportamiento de los clientes. Dónde obtenerlo Normalmente es un campo personalizado del objeto Deal u Organization. También puede derivarse de los campos de dirección de Organization. Ejemplos NorteaméricaEMEAAPACLATAM
	Sistema de origen SourceSystem	Identifica el sistema del que se extrajeron los datos.
Descripción Este atributo especifica el origen de los datos, que en este caso es Pipedrive. Resulta especialmente útil en entornos donde se consolidan datos de varios sistemas para obtener una visión integral del proceso. Aunque suele ser un valor estático en un análisis de un único sistema, proporciona un contexto esencial y facilita la gobernanza y la trazabilidad de los datos. Confirma que los eventos y atributos están relacionados con la instancia de Pipedrive. Por qué es importante Proporciona un contexto esencial sobre el origen de los datos y garantiza la trazabilidad y la claridad, especialmente cuando se combinan datos de varios sistemas. Dónde obtenerlo Normalmente es un valor estático que se añade durante el proceso de transformación de datos. Ejemplos Pipedrive
	Tiempo de pago de la factura InvoicePaymentTime	El tiempo transcurrido entre el envío de una factura y la recepción del pago.
Descripción Invoice Payment Time mide la eficiencia del proceso de cuentas por cobrar. Registra específicamente el tiempo transcurrido entre la actividad «Invoice Sent» y la actividad «Payment Received». Esta métrica es fundamental para supervisar el flujo de caja e identificar retrasos en el cobro. Analizar esta duración ayuda a las empresas a comprender el comportamiento de pago de los clientes y la eficacia de sus estrategias de reclamación y cobro, lo que afecta directamente al ciclo Quote to Payment. Por qué es importante Mide directamente la eficiencia del proceso de cobro y es esencial para gestionar el flujo de caja. Dónde obtenerlo Se calcula como la diferencia entre las marcas de tiempo de las actividades «Payment Received» e «Invoice Sent» de un caso determinado. Ejemplos 28 días45 días10 días
	Última actualización de datos LastDataUpdate	La marca de tiempo de la actualización más reciente de los datos del sistema de origen.
Descripción Este atributo indica la última vez que los datos se extrajeron y actualizaron en el conjunto de datos de Process Mining. Proporciona un punto de referencia claro sobre la actualidad de los datos analizados. En cualquier análisis, conocer la vigencia de los datos es fundamental. Este atributo ayuda a comprender si los insights que se consultan reflejan el estado más reciente del proceso, algo esencial para la supervisión operativa y la toma de decisiones. Por qué es importante Indica la actualidad de los datos y permite saber hasta qué punto el análisis del proceso refleja la situación más reciente. Dónde obtenerlo Este valor se genera y registra durante el proceso de ingesta de datos o ETL. Ejemplos 2023-10-27T02:00:00Z2023-10-28T02:00:00Z

Obligatorio Recomendado Opcional

Actividades de Lead to Cash

Debe registrar estos pasos clave del proceso y estos hitos en su registro de eventos para garantizar un descubrimiento preciso del proceso y una optimización eficaz.

5 Recomendado 8 Opcional

	Actividad	Descripción
	Negocio creado	Marca el inicio oficial de una oportunidad de venta. Este evento se activa cuando se crea manualmente un nuevo acuerdo o se genera automáticamente a partir de un lead convertido.
Por qué es importante Esta es la actividad inicial principal del ciclo de ventas. Analizar el tiempo transcurrido desde este evento hasta «Deal Won» o «Deal Lost» permite calcular la duración total del ciclo de ventas. Dónde obtenerlo Es un evento explícito registrado en la entidad Deals de Pipedrive. La marca de tiempo de creación («add_time») del registro del acuerdo sirve como hora del evento. Recopilar Utilice el campo «add_time» de la entidad Deals. Tipo de evento explicit
	Negocio ganado	Marca el cierre satisfactorio de un acuerdo e indica que el cliente ha dado su conformidad verbal o escrita. Es un cambio de estado estándar y explícito en Pipedrive.
Por qué es importante Es el hito de éxito más importante. Resulta fundamental para calcular las tasas de cierre, la duración del ciclo de ventas de los acuerdos ganados y el rendimiento general de ventas. Dónde obtenerlo Es un evento explícito que se registra cuando el estado de un acuerdo cambia a «won». El campo «won_time» de la entidad Deals proporciona la marca de tiempo exacta. Recopilar Utilice la marca de tiempo «won_time» de la entidad Deals. Tipo de evento explicit
	Negocio perdido	Marca el cierre no satisfactorio de un acuerdo. Ocurre cuando el proceso de ventas termina porque el cliente eligió a un competidor, dejó de estar interesado u optó por otra alternativa.
Por qué es importante Es el principal punto final de fracaso. Analizar cuándo y por qué se pierden los acuerdos proporciona información esencial para mejorar la estrategia de ventas, la capacitación y los procesos de calificación. Dónde obtenerlo Es un evento explícito que se registra cuando el estado de un acuerdo cambia a «lost». El campo «lost_time» de la entidad Deals registra la marca de tiempo. Recopilar Utilice la marca de tiempo «lost_time» de la entidad Deals. Tipo de evento explicit
	Pago recibido	Marca la recepción satisfactoria del pago del cliente y completa el ciclo de caja de la oportunidad. Es el evento final del proceso Lead to Cash y se origina en un sistema financiero.
Por qué es importante Es el paso final que materializa el valor. Representa el verdadero final del proceso Lead to Cash y resulta esencial para medir el tiempo del ciclo de principio a fin y analizar los retrasos en los pagos. Dónde obtenerlo Se captura desde un sistema contable o de procesamiento de pagos. La confirmación del pago debe vincularse de nuevo al acuerdo de Pipedrive. Recopilar Datos de eventos procedentes de un sistema financiero externo, vinculados al acuerdo mediante un identificador único. Tipo de evento explicit
	Propuesta enviada	Representa el momento en que se entrega al cliente una cotización o propuesta formal. A menudo se infiere cuando el acuerdo pasa a una fase específica del pipeline, como «Proposal Made» o «Quote Sent».
Por qué es importante Este es un hito clave del proceso de ventas. Analizar el tiempo transcurrido desde este evento hasta «Deal Won» ayuda a comprender la duración de la fase de toma de decisiones y negociación. Dónde obtenerlo Se infiere del registro de cambios del Deal cuando «stage_id» cambia a una fase designada para propuestas. Se utiliza la marca de tiempo del cambio de fase. Recopilar Detecte cuándo «stage_id» de un Deal se actualiza a una fase «Proposal» específica. Tipo de evento inferred
	Contacto inicial realizado	Representa la primera interacción significativa con el cliente potencial asociado al acuerdo. Normalmente se registra como una actividad completada, como una llamada, un correo electrónico o una reunión vinculada al acuerdo.
Por qué es importante Su seguimiento ayuda a medir el tiempo hasta el primer contacto y garantiza que los leads reciban atención con rapidez. También ofrece información sobre la capacidad de respuesta del equipo de ventas. Dónde obtenerlo Se captura desde la entidad Activities de Pipedrive. Se identifica buscando la primera actividad completada vinculada al ID del acuerdo. Recopilar Busque la primera Activity completada asociada a un Deal, según el campo «done_time». Tipo de evento explicit
	Factura enviada	Representa el momento en que se envía al cliente una factura para su pago. Este evento suele activarse en un sistema externo de contabilidad o facturación después de completar el pedido.
Por qué es importante Marca el inicio del ciclo de pago. El tiempo entre este evento y «Payment Received» es fundamental para supervisar las cuentas por cobrar y el flujo de caja. Dónde obtenerlo Se origina en un sistema externo de contabilidad o ERP, como Xero o QuickBooks. Los datos del evento deben integrarse y asociarse al acuerdo de Pipedrive. Recopilar Datos de eventos procedentes de un sistema externo de facturación, asociados al acuerdo mediante una integración de API. Tipo de evento explicit
	Negociación iniciada	Señala el inicio de una negociación activa sobre el precio, las condiciones o el alcance. Normalmente se infiere cuando un acuerdo pasa a una fase «Negotiation» del pipeline después de enviar una propuesta.
Por qué es importante Aislar la fase de negociación ayuda a identificar cuánto dura esta parte específica del ciclo y qué acuerdos implican negociaciones prolongadas. Dónde obtenerlo Se infiere del registro de cambios del Deal cuando «stage_id» se actualiza a una fase denominada explícitamente para la negociación. Recopilar Identifique en el historial del acuerdo el cambio a una fase «Negotiation» predefinida. Tipo de evento inferred
	Negocio calificado	Indica que el acuerdo cumple unos criterios predefinidos y se considera una oportunidad viable que merece seguimiento. Normalmente se infiere cuando un acuerdo pasa de una fase inicial del pipeline, como «Lead In», a una fase más cualificada, como «Contact Made» o «Needs Defined».
Por qué es importante Este hito ayuda a analizar la eficacia del proceso de calificación de leads y permite determinar cuánto tiempo permanecen los acuerdos en las fases iniciales sin cualificar. Dónde obtenerlo Se infiere del registro de cambios o del historial del Deal cuando el campo «stage_id» cambia a una fase que indica cualificación. Recopilar Identifique en el historial del acuerdo el cambio a una fase «qualified» predefinida. Tipo de evento inferred
	Negocio reabierto	Representa un acuerdo que se había marcado como perdido y que se ha reactivado para continuar con las actividades de ventas. Este evento se infiere cuando el estado de un acuerdo cambia de «lost» a «open».
Por qué es importante Esta actividad pone de relieve los ciclos de retrabajo y los esfuerzos de reactivación. Analizar estos casos puede revelar patrones en el comportamiento del cliente o en la eficacia del seguimiento comercial. Dónde obtenerlo Se infiere del registro de cambios del Deal. Se detecta cuando el campo «status» cambia de «lost» a «open». Recopilar Identifique en el historial del acuerdo un cambio de estado de «lost» a «open». Tipo de evento inferred
	Pedido completado	Indica que el producto se ha enviado o que el servicio se ha prestado al cliente. Este evento se origina en un sistema externo de cumplimiento u operaciones.
Por qué es importante El seguimiento del cumplimiento es clave para comprender el tiempo del ciclo entre el pedido y la entrega. Los retrasos en esta fase afectan directamente a la satisfacción del cliente y al reconocimiento de ingresos. Dónde obtenerlo Se captura desde un ERP externo, un sistema de inventario o una plataforma de gestión de servicios. Estos datos deben vincularse de nuevo al acuerdo correspondiente de Pipedrive. Recopilar Datos de eventos procedentes de un sistema externo, vinculados mediante el ID del acuerdo u otro identificador común. Tipo de evento explicit
	Pedido de venta creado	Representa la creación de un pedido de venta formal en un sistema posterior, como un ERP o una plataforma contable, después de ganar un acuerdo. Esta actividad no es nativa de Pipedrive y depende de los datos de un sistema integrado.
Por qué es importante Este evento marca la transferencia de Ventas a Operaciones o Finanzas. Analizar el tiempo transcurrido desde «Deal Won» hasta esta actividad permite detectar posibles retrasos en el procesamiento de pedidos. Dónde obtenerlo Normalmente se captura desde un ERP o sistema financiero conectado. Los datos deben incorporarse y vincularse al ID del acuerdo de Pipedrive. Recopilar Datos de eventos enviados desde un sistema externo mediante API, que a menudo actualizan un campo personalizado del acuerdo en Pipedrive. Tipo de evento explicit
	Seguimiento de la propuesta	Registra cualquier actividad de ventas, como una llamada o un correo electrónico, que tenga lugar después de enviar una propuesta al cliente. Este evento indica una interacción activa durante la fase de evaluación.
Por qué es importante Mide la rapidez y la frecuencia de las acciones de seguimiento, aspectos fundamentales para mantener el impulso y cerrar acuerdos. Es compatible con el Dashboard «Proposal Follow-up Timeliness». Dónde obtenerlo Se captura desde la entidad Activities de Pipedrive. Se identifica como una actividad completada que tiene lugar después del evento «Proposal Sent» para el mismo acuerdo. Recopilar Identifique una Activity completada cuyo «done_time» sea posterior a la marca de tiempo de la actividad «Proposal Sent». Tipo de evento explicit

Recomendado Opcional

Guías de extracción

Cómo obtener sus datos de Pipedrive

Pasos

Inicie sesión en Pipedrive: Acceda a su cuenta de Pipedrive con un perfil de usuario que tenga permisos para exportar datos. Normalmente, se trata de un usuario administrador.
Vaya a Exportación de datos: Haga clic en su foto de perfil, en la esquina superior derecha, y seleccione «Settings». En el menú de navegación de la izquierda, busque la sección «Tools and apps» y haga clic en «Export data».
Exporte los datos de Deals: En la vista «Export data», seleccione «Deals». Elija el formato de archivo «CSV». Se recomienda aplicar un filtro para un intervalo de fechas concreto, por ejemplo, los últimos 6 meses, para mantener un tamaño de archivo manejable. Haga clic en «Export» y espere a que el archivo se genere y descargue. Este archivo contendrá información clave de los acuerdos, como la hora de creación, la hora de conversión y la hora de pérdida.
Exporte los datos de Activities: Repita el proceso para «Activities». Seleccione «Activities», elija «CSV», aplique el mismo filtro de fechas que para los acuerdos y exporte el archivo. Este archivo contiene registros de llamadas, correos electrónicos, reuniones y actividades personalizadas vinculadas a los acuerdos.
Recopile datos externos: Obtenga los datos correspondientes de sus sistemas posteriores. Necesitará exportaciones de sus sistemas ERP, contable o de cumplimiento para eventos como «Sales Order Created», «Order Fulfilled», «Invoice Sent» y «Payment Received». Asegúrese de que estos archivos contengan un identificador común que pueda vincularse de nuevo al Deal ID de Pipedrive.
Configure un entorno de procesamiento de datos: Utilice una herramienta capaz de gestionar y combinar varios archivos CSV, como Python con la biblioteca pandas, Microsoft Excel con Power Query u otra herramienta de preparación de datos.
Cargue y combine los datos: Cargue los archivos Deals.csv y Activities.csv. Cargue también los archivos de datos externos recopilados en el paso anterior.
Construya el registro de eventos: Cree un registro de eventos unificado mediante un script que transforme los datos sin procesar al formato de actividad requerido. Para cada una de las 13 actividades obligatorias, cree el conjunto de filas correspondiente. Por ejemplo:
- Los eventos «Deal Created» se generan a partir de la columna add_time del archivo Deals.csv.
- Los eventos «Deal Won» se generan a partir de la columna won_time del archivo Deals.csv.
- «Initial Contact Made» es la primera actividad completada de cada acuerdo en el archivo Activities.csv.
- Otras actividades, como «Proposal Sent» o «Negotiation Started», se infieren a partir de asuntos o tipos de actividad específicos de Activities.csv.
Asigne los atributos: En cada fila de evento, asegúrese de completar todas las columnas obligatorias: SalesOpportunityId, ActivityName y EventTime. Añada atributos recomendados como DealValue, DealOwner y DealStatus mediante una combinación con los datos de los acuerdos.
Exporte el resultado final: Una vez construido y validado el registro de eventos, guarde la tabla final como un único archivo CSV con codificación UTF-8. El archivo estará listo para cargarlo en ProcessMind y analizarlo.

Configuración

Exporte objetos: Debe exportar al menos «Deals» y «Activities». También puede necesitar exportar «Organizations» o «People» si requiere datos dimensionales adicionales.
Formato de archivo: Elija CSV para obtener la máxima compatibilidad con herramientas de procesamiento de datos como Python o Power Query.
Filtro de intervalo de fechas: Utilice la opción «Filter by» para seleccionar un periodo concreto, por ejemplo, «Deal add time» dentro de los «últimos 180 días». Esto es fundamental para gestionar el rendimiento de la exportación y el tamaño del archivo.
Permisos de usuario: Debe ser un usuario administrador o disponer de un conjunto de permisos que autorice explícitamente la exportación de datos de la cuenta de Pipedrive.
Tipos de actividad personalizados: La extracción correcta de pasos del proceso como «Deal Qualified» o «Proposal Sent» depende en gran medida del uso de tipos de actividad personalizados en Pipedrive por parte de su organización. Asegúrese de que estén configurados y que el equipo de ventas los utilice de forma coherente.

a Consulta de ejemplo python

import pandas as pd

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

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

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

for col in [class="hl-string">'EventTime_Created', class="hl-string">'EventTime_Won', class="hl-string">'EventTime_Lost']: 
    deals_df[col] = pd.to_datetime(deals_df[col], errors=class="hl-string">'coerce')
activities_df[class="hl-string">'EventTime'] = pd.to_datetime(activities_df[class="hl-string">'EventTime'], errors=class="hl-string">'coerce')


class=class="hl-string">"hl-comment"># --- 3. Extract Activities from Pipedrive Data ---

class=class="hl-string">"hl-comment"># Activity: Deal Created
event_created = deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Created']].copy()
event_created.rename(columns={class="hl-string">'EventTime_Created': class="hl-string">'EventTime'}, inplace=True)
event_created[class="hl-string">'ActivityName'] = class="hl-string">'Deal Created'

class=class="hl-string">"hl-comment"># Activity: Deal Won
event_won = deals_df[deals_df[class="hl-string">'EventTime_Won'].notna()][[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Won']].copy()
event_won.rename(columns={class="hl-string">'EventTime_Won': class="hl-string">'EventTime'}, inplace=True)
event_won[class="hl-string">'ActivityName'] = class="hl-string">'Deal Won'

class=class="hl-string">"hl-comment"># Activity: Deal Lost
event_lost = deals_df[deals_df[class="hl-string">'EventTime_Lost'].notna()][[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Lost']].copy()
event_lost.rename(columns={class="hl-string">'EventTime_Lost': class="hl-string">'EventTime'}, inplace=True)
event_lost[class="hl-string">'ActivityName'] = class="hl-string">'Deal Lost'

class=class="hl-string">"hl-comment"># Filter for relevant, completed activities linked to a deal
completed_activities = activities_df[activities_df[class="hl-string">'EventTime'].notna() & activities_df[class="hl-string">'SalesOpportunityId'].notna()].copy()
completed_activities[class="hl-string">'SalesOpportunityId'] = completed_activities[class="hl-string">'SalesOpportunityId'].astype(int)

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

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

event_proposal_sent = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'proposal|quote', case=False, na=False)].copy()
event_proposal_sent[class="hl-string">'ActivityName'] = class="hl-string">'Proposal Sent'

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

event_negotiation = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'negotiation|negotiate', case=False, na=False)].copy()
event_negotiation[class="hl-string">'ActivityName'] = class="hl-string">'Negotiation Started'

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

class=class="hl-string">"hl-comment"># --- 4. Extract Activities from External Data (Placeholders) ---

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


class=class="hl-string">"hl-comment"># --- 5. Combine and Finalize Event Log ---

event_log_frames = [
    event_created,
    event_won,
    event_lost,
    event_initial_contact,
    event_qualified[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_proposal_sent[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_follow_up[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_negotiation[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_reopened,
    event_so_created,
    event_fulfilled,
    event_invoice_sent,
    event_payment_received
]

event_log = pd.concat(event_log_frames)

class=class="hl-string">"hl-comment"># Merge with deal attributes
final_event_log = pd.merge(event_log, deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'Status']], on=class="hl-string">'SalesOpportunityId', how=class="hl-string">'left')

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

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

class=class="hl-string">"hl-comment"># Reorder columns to match requirements
output_columns = [class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'DealStatus', class="hl-string">'DiscountPercentage']
final_event_log = final_event_log[output_columns]

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

print(class="hl-string">'Event log created successfully.')

Pasos

Configure el entorno de Python: Asegúrese de tener instalada la versión 3.6 o posterior de Python. Abra un terminal o símbolo del sistema e instale las bibliotecas necesarias ejecutando el siguiente comando: pip install requests pandas.
Obtenga las credenciales de la API de Pipedrive: Inicie sesión en su cuenta de Pipedrive. Vaya a Settings haciendo clic en su foto de perfil, seleccione «Personal preferences» y abra la pestaña «API». Copie su token personal de API. También necesitará el dominio de su empresa, que corresponde al prefijo de su URL de Pipedrive, por ejemplo, your-company en your-company.pipedrive.com.
Configure el script de extracción: Abra el script de Python proporcionado en un editor de texto o IDE. Localice la sección de configuración situada al principio y sustituya los valores de marcador de posición de API_TOKEN y COMPANY_DOMAIN por sus credenciales.
Defina el periodo de extracción: En la sección de configuración del script, establezca la variable START_DATE en la fecha de creación más antigua de los acuerdos que desea incluir en el análisis. El formato debe ser «YYYY-MM-DD».
Asigne los ID del pipeline y de las etapas: El script infiere varias actividades a partir del movimiento de los acuerdos entre etapas. Debe proporcionar los ID específicos de su pipeline de ventas y de las etapas clave. Puede encontrar estos ID navegando hasta la etapa en la interfaz de Pipedrive y consultando la URL, o mediante la API. Actualice las variables PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID y NEGOTIATION_STAGE_ID del script.
Ejecute el script: Ejecute el script desde el terminal con el comando: python your_script_name.py. El script empezará a realizar llamadas a la API de Pipedrive para obtener acuerdos, actividades y registros de cambios.
Supervise el proceso: El script mostrará actualizaciones de progreso en la consola e indicará qué datos se están obteniendo. El proceso puede tardar varios minutos, según el volumen de datos y los límites de la API.
Implemente la extracción de datos externos: Para actividades como «Sales Order Created» y «Payment Received», el script contiene funciones de marcador de posición. Debe modificar estas funciones para conectarse a sus sistemas externos, como una plataforma ERP o contable, y recuperar los datos de eventos pertinentes. Asigne SalesOpportunityId de Pipedrive a los registros de esos otros sistemas.
Revise el resultado: Cuando finalice el script, generará un archivo CSV llamado pipedrive_event_log.csv. Este archivo contiene el registro de eventos estructurado con todas las actividades extraídas.
Prepárese para la carga: Abra el archivo CSV para comprobar que se ha creado correctamente. Las columnas deben incluir SalesOpportunityId, ActivityName, EventTime y otros atributos recomendados. El archivo estará listo para cargarlo en ProcessMind y analizarlo.

Configuración

Credenciales de la API: El script requiere un API_TOKEN válido y su COMPANY_DOMAIN para autenticarse con la API de Pipedrive. Asegúrese de que el usuario asociado al token tenga permisos suficientes para leer acuerdos, actividades y usuarios.
Intervalo de fechas: La variable START_DATE filtra los acuerdos creados en la fecha especificada o después. Para un análisis inicial, se recomienda un periodo de 3 a 6 meses que mantenga el volumen de datos bajo control.
ID del pipeline y de las etapas: Para inferir correctamente pasos del proceso como «Deal Qualified» o «Proposal Sent», debe configurar el script con los ID numéricos correctos de su PIPELINE_ID principal de ventas y los valores STAGE_ID específicos de cada hito clave. Los ID incorrectos provocarán que falten actividades.
Rendimiento y límites de la API: El script incluye una breve pausa entre llamadas a la API para respetar los límites de Pipedrive. En organizaciones con un volumen muy elevado de acuerdos, puede ser necesario ajustar esta pausa o implementar una estrategia de espera progresiva más sofisticada para evitar errores de la API.
Asignación de campos personalizados: Si utiliza campos personalizados para atributos importantes como DiscountPercentage, deberá encontrar la clave de API de ese campo, una cadena hash larga, no su nombre visible, y referenciarla en la lógica de transformación de datos.
Integración con sistemas externos: La extracción de eventos originados fuera de Pipedrive, como la facturación o el cumplimiento de pedidos, se gestiona mediante funciones de marcador de posición. Debe personalizar estas secciones para conectarse a sus fuentes de datos externas específicas.

a Consulta de ejemplo python

import requests
import pandas as pd
import time
import datetime

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

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

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

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

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

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

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

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

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

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

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

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

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

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


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

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

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

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

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

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

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

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

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

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

        lost_then_reopened = False
        was_lost = False

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

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

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

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

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

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

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

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

Pasos

Seleccione y contrate un servicio comercial de ETL o automatización con un conector compatible con Pipedrive, como Fivetran o Make. Confirme que el producto seleccionado pueda extraer acuerdos, actividades, historial de etapas, cambios de estado de los acuerdos, personas, organizaciones y campos personalizados, y escribirlos en su almacén o lago de datos de destino.
Cree una conexión de Pipedrive autorizada para lectura mediante el método de autenticación compatible con el conector. Configure la cuenta de origen, el espacio de trabajo o la organización según la herramienta seleccionada. No dé por supuesto un menú o endpoint de API fijo, ya que varían según el producto y la versión del conector.
Configure la conexión de destino y cree un área de aterrizaje para los objetos de origen sincronizados. Utilice los nombres de tablas o colecciones generados por el conector, o sustituya los nombres del script por los creados en su entorno. Conserve los identificadores de origen, las marcas de tiempo, los valores de estado y etapa, los identificadores de responsables, los valores monetarios y los campos personalizados.
Configure la sincronización incremental para el intervalo de fechas requerido, normalmente los 3 a 6 meses anteriores, con una ventana de solapamiento cuando el conector lo permita. Incluya los registros históricos necesarios para identificar acuerdos reabiertos e incluya el historial de etapas o estados, no solo la instantánea actual del acuerdo.
Sincronice los objetos de Pipedrive y los objetos posteriores integrados necesarios para «Sales Order Created», «Order Fulfilled», «Invoice Sent» y «Payment Received». Estas cuatro actividades no son eventos nativos de Pipedrive y requieren datos de origen de un sistema ERP, de cumplimiento de pedidos, contable, de facturación o financiero. Si el conector no expone estos objetos, cárguelos mediante otro conector compatible en el destino.
Cree vistas o tablas normalizadas que asignen el resultado del conector a los objetos de origen lógicos a los que hace referencia el script de extracción. Sustituya cada nombre de tabla de marcador de posición del script por la tabla o vista correspondiente de su destino. Configure en la sección indicada los nombres de etapa, valores de estado, tipos de actividad y claves de relación con sistemas externos específicos del origen.
Ejecute el script de extracción. Este crea explícitamente filas para Deal Created, Initial Contact Made, Deal Qualified, Proposal Sent, Proposal Follow-Up, Negotiation Started, Deal Won, Sales Order Created, Order Fulfilled, Invoice Sent, Payment Received, Deal Lost y Deal Reopened. Los eventos inferidos del historial de etapas o estados solo se generan cuando el historial de origen contiene la transición necesaria. ProcessMind no infiere eventos que falten después de la carga.
Valide que SalesOpportunityId, ActivityName y EventTime estén completos, que las marcas de tiempo estén normalizadas a una zona horaria coherente y que los registros de origen duplicados se hayan eliminado o controlado mediante el identificador del evento de origen y su marca de tiempo. Revise los atributos recomendados y conserve los valores NULL cuando el origen no proporcione datos.
Exporte el resultado como un CSV plano u otro formato de registro de eventos compatible con ProcessMind. Utilice SalesOpportunityId como identificador del caso, ActivityName como columna de actividad y EventTime como marca de tiempo del evento. Incluya DealValue, DealOwner, DealStatus y DiscountPercentage como atributos adicionales. Cargue el archivo o conecte el conjunto de datos de destino en ProcessMind y compruebe que los nombres de las actividades coincidan exactamente con las etiquetas obligatorias.

Configuración

Conector de origen: Configure un conector de Pipedrive compatible en el servicio de ETL o automatización seleccionado. Las capacidades del conector, los modos de sincronización, los nombres de tablas generados y las opciones de autenticación varían según el producto y la versión.
Datos de origen obligatorios: Incluya acuerdos, actividades, historial de etapas, historial de estados, responsables o usuarios y cualquier campo utilizado para identificar leads convertidos. Incluya también los datos posteriores de pedidos de venta, cumplimiento, facturas y pagos procedentes de sistemas integrados.
Objetos de destino: Sustituya [Your deals table], [Your activities table], [Your deal stage history table], [Your deal status history table], [Your sales orders table], [Your fulfillment table], [Your invoices table] y [Your payments table] por las tablas generadas por el conector o por vistas depuradas.
Intervalo de fechas: Empiece con datos de 3 a 6 meses. Amplíe el intervalo cuando el ciclo del proceso sea más largo, cuando deba analizar acuerdos reabiertos o cuando necesite transiciones históricas de etapas y estados.
Parámetros de fecha: Establezca [Start date] y [End date] en el formato de fecha compatible con el destino. Utilice un periodo de solapamiento en las cargas incrementales para capturar actualizaciones tardías, marcas de tiempo corregidas y transacciones posteriores retrasadas.
Configuración de etapas: Configure los nombres exactos de las etapas o las categorías normalizadas que utiliza la cuenta de Pipedrive para la cualificación, la propuesta y la negociación. No utilice nombres de ejemplo salvo que coincidan con los valores de origen.
Configuración de actividades: Configure los tipos exactos de actividad completada que representan el contacto inicial y el seguimiento de propuestas, como llamadas, correos electrónicos o reuniones, según los valores normalizados del conector.
Vinculación con sistemas externos: Configure la clave de relación que vincula un pedido de venta posterior con un acuerdo de Pipedrive. Si el sistema posterior utiliza otra clave, cree una vista de correspondencias antes de ejecutar la extracción.
Filtros: Aplique filtros por empresa, organización, pipeline, equipo, moneda o unidad de negocio solo cuando sean necesarios. Documente cada filtro, ya que modifica la integridad de los casos y eventos.
Rendimiento: Utilice sincronización incremental, filtros de fecha en el origen, tablas de destino particionadas y columnas de caso y marca de tiempo indexadas o agrupadas para conjuntos de datos grandes. Evite examinar repetidamente tablas completas del historial.
Deduplicación: Conserve un identificador estable del evento de origen cuando esté disponible. De lo contrario, elimine duplicados mediante el identificador del caso, el nombre de la actividad, la marca de tiempo del evento y el identificador del registro de origen, preservando las repeticiones legítimas, como varios seguimientos.
Requisitos previos: Se necesitan la licencia del conector, la autorización de Pipedrive, permisos de escritura en el destino, acceso al historial y las actividades de los acuerdos, y acceso a los datos posteriores de ERP, cumplimiento, contabilidad, facturación o finanzas. Los campos personalizados y los datos históricos de cambios pueden requerir permisos adicionales del producto o funciones específicas del conector.

a Consulta de ejemplo python

import os
from datetime import datetime, timezone
import pandas as pd
from sqlalchemy import create_engine, text

CONNECTION_STRING = os.getenv(class="hl-string">"DESTINATION_CONNECTION_STRING", class="hl-string">"[Connection string]")
START_DATE = os.getenv(class="hl-string">"START_DATE", class="hl-string">"[Start date]")
END_DATE = os.getenv(class="hl-string">"END_DATE", class="hl-string">"[End date]")

DEALS_TABLE = class="hl-string">"[Your deals table]"
ACTIVITIES_TABLE = class="hl-string">"[Your activities table]"
DEAL_STAGE_HISTORY_TABLE = class="hl-string">"[Your deal stage history table]"
DEAL_STATUS_HISTORY_TABLE = class="hl-string">"[Your deal status history table]"
SALES_ORDERS_TABLE = class="hl-string">"[Your sales orders table]"
FULFILLMENT_TABLE = class="hl-string">"[Your fulfillment table]"
INVOICES_TABLE = class="hl-string">"[Your invoices table]"
PAYMENTS_TABLE = class="hl-string">"[Your payments table]"

engine = create_engine(CONNECTION_STRING)

sql = fclass="hl-string">"""
WITH
base_deals AS (
    SELECT
        CAST(d.id AS VARCHAR(255)) AS SalesOpportunityId,
        d.id AS deal_source_id,
        d.add_time AS deal_created_time,
        d.value AS DealValue,
        d.owner_name AS DealOwner,
        d.status AS DealStatus,
        d.discount_percentage AS DiscountPercentage
    FROM {DEALS_TABLE} d
    WHERE d.add_time >= :start_date
      AND d.add_time < :end_date
),
completed_activities AS (
    SELECT
        CAST(a.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        a.id AS activity_source_id,
        a.done AS activity_done,
        a.activity_type,
        a.subject,
        a.done_time AS activity_time,
        a.add_time AS activity_created_time
    FROM {ACTIVITIES_TABLE} a
    WHERE a.deal_id IS NOT NULL
      AND COALESCE(a.done_time, a.add_time) >= :start_date
      AND COALESCE(a.done_time, a.add_time) < :end_date
      AND a.done = TRUE
),
stage_history AS (
    SELECT
        CAST(h.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        h.stage_name,
        h.changed_at,
        LAG(h.stage_name) OVER (PARTITION BY h.deal_id ORDER BY h.changed_at, h.id) AS previous_stage
    FROM {DEAL_STAGE_HISTORY_TABLE} h
    WHERE h.changed_at >= :start_date
      AND h.changed_at < :end_date
),
status_history AS (
    SELECT
        CAST(h.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        LOWER(h.status) AS status,
        LOWER(LAG(h.status) OVER (PARTITION BY h.deal_id ORDER BY h.changed_at, h.id)) AS previous_status,
        h.changed_at
    FROM {DEAL_STATUS_HISTORY_TABLE} h
    WHERE h.changed_at >= :start_date
      AND h.changed_at < :end_date
),
external_sales_orders AS (
    SELECT
        CAST(o.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        o.created_at AS event_time,
        o.order_value AS DealValue,
        o.owner_name AS DealOwner,
        o.status AS DealStatus,
        o.discount_percentage AS DiscountPercentage
    FROM {SALES_ORDERS_TABLE} o
    WHERE o.deal_id IS NOT NULL
      AND o.created_at >= :start_date
      AND o.created_at < :end_date
),
external_fulfillment AS (
    SELECT
        CAST(f.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        f.fulfilled_at AS event_time,
        f.order_value AS DealValue,
        f.owner_name AS DealOwner,
        f.status AS DealStatus,
        f.discount_percentage AS DiscountPercentage
    FROM {FULFILLMENT_TABLE} f
    WHERE f.deal_id IS NOT NULL
      AND f.fulfilled_at >= :start_date
      AND f.fulfilled_at < :end_date
),
external_invoices AS (
    SELECT
        CAST(i.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        i.sent_at AS event_time,
        i.invoice_value AS DealValue,
        i.owner_name AS DealOwner,
        i.status AS DealStatus,
        i.discount_percentage AS DiscountPercentage
    FROM {INVOICES_TABLE} i
    WHERE i.deal_id IS NOT NULL
      AND i.sent_at >= :start_date
      AND i.sent_at < :end_date
),
external_payments AS (
    SELECT
        CAST(p.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        p.received_at AS event_time,
        p.payment_value AS DealValue,
        p.owner_name AS DealOwner,
        p.status AS DealStatus,
        p.discount_percentage AS DiscountPercentage
    FROM {PAYMENTS_TABLE} p
    WHERE p.deal_id IS NOT NULL
      AND p.received_at >= :start_date
      AND p.received_at < :end_date
),
events AS (
    SELECT b.SalesOpportunityId, 'Deal Created' AS ActivityName, b.deal_created_time AS EventTime, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM base_deals b
    WHERE b.deal_created_time IS NOT NULL
    UNION ALL
    SELECT a.SalesOpportunityId, 'Initial Contact Made', COALESCE(a.activity_time, a.activity_created_time), b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM completed_activities a
    JOIN base_deals b ON b.SalesOpportunityId = a.SalesOpportunityId
    WHERE LOWER(COALESCE(a.activity_type, '')) IN ('call', 'email', 'meeting')
       OR LOWER(COALESCE(a.subject, '')) LIKE '%initial contact%'
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Qualified', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('contact made', 'needs defined', 'qualified')
      AND LOWER(COALESCE(h.previous_stage, '')) IN ('lead in', 'lead', 'new')
    UNION ALL
    SELECT h.SalesOpportunityId, 'Proposal Sent', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent')
    UNION ALL
    SELECT a.SalesOpportunityId, 'Proposal Follow-Up', COALESCE(a.activity_time, a.activity_created_time), b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM completed_activities a
    JOIN base_deals b ON b.SalesOpportunityId = a.SalesOpportunityId
    WHERE LOWER(COALESCE(a.activity_type, '')) IN ('call', 'email', 'meeting')
      AND COALESCE(a.activity_time, a.activity_created_time) > COALESCE((SELECT MIN(h.changed_at) FROM stage_history h WHERE h.SalesOpportunityId = a.SalesOpportunityId AND LOWER(COALESCE(h.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent')), TIMESTAMP '1900-01-01')
    UNION ALL
    SELECT h.SalesOpportunityId, 'Negotiation Started', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('negotiation', 'negotiating')
      AND EXISTS (SELECT 1 FROM stage_history p WHERE p.SalesOpportunityId = h.SalesOpportunityId AND LOWER(COALESCE(p.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent') AND p.changed_at <= h.changed_at)
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Won', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'won' AND COALESCE(h.previous_status, '') <> 'won'
    UNION ALL
    SELECT o.SalesOpportunityId, 'Sales Order Created', o.event_time, COALESCE(o.DealValue, b.DealValue), COALESCE(o.DealOwner, b.DealOwner), COALESCE(o.DealStatus, b.DealStatus), COALESCE(o.DiscountPercentage, b.DiscountPercentage)
    FROM external_sales_orders o
    LEFT JOIN base_deals b ON b.SalesOpportunityId = o.SalesOpportunityId
    UNION ALL
    SELECT f.SalesOpportunityId, 'Order Fulfilled', f.event_time, COALESCE(f.DealValue, b.DealValue), COALESCE(f.DealOwner, b.DealOwner), COALESCE(f.DealStatus, b.DealStatus), COALESCE(f.DiscountPercentage, b.DiscountPercentage)
    FROM external_fulfillment f
    LEFT JOIN base_deals b ON b.SalesOpportunityId = f.SalesOpportunityId
    UNION ALL
    SELECT i.SalesOpportunityId, 'Invoice Sent', i.event_time, COALESCE(i.DealValue, b.DealValue), COALESCE(i.DealOwner, b.DealOwner), COALESCE(i.DealStatus, b.DealStatus), COALESCE(i.DiscountPercentage, b.DiscountPercentage)
    FROM external_invoices i
    LEFT JOIN base_deals b ON b.SalesOpportunityId = i.SalesOpportunityId
    UNION ALL
    SELECT p.SalesOpportunityId, 'Payment Received', p.event_time, COALESCE(p.DealValue, b.DealValue), COALESCE(p.DealOwner, b.DealOwner), COALESCE(p.DealStatus, b.DealStatus), COALESCE(p.DiscountPercentage, b.DiscountPercentage)
    FROM external_payments p
    LEFT JOIN base_deals b ON b.SalesOpportunityId = p.SalesOpportunityId
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Lost', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'lost' AND COALESCE(h.previous_status, '') <> 'lost'
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Reopened', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'open' AND h.previous_status = 'lost'
)
SELECT SalesOpportunityId, ActivityName, EventTime, DealValue, DealOwner, DealStatus, DiscountPercentage
FROM events
WHERE SalesOpportunityId IS NOT NULL
  AND EventTime IS NOT NULL
ORDER BY SalesOpportunityId, EventTime, ActivityName
"""

with engine.connect() as connection:
    event_log = pd.read_sql(text(sql), connection, params={class="hl-string">"start_date": START_DATE, class="hl-string">"end_date": END_DATE})

event_log[class="hl-string">"EventTime"] = pd.to_datetime(event_log[class="hl-string">"EventTime"], utc=True, errors=class="hl-string">"coerce")
event_log = event_log.dropna(subset=[class="hl-string">"SalesOpportunityId", class="hl-string">"ActivityName", class="hl-string">"EventTime"])
event_log = event_log.sort_values([class="hl-string">"SalesOpportunityId", class="hl-string">"EventTime", class="hl-string">"ActivityName"])
event_log.to_csv(class="hl-string">"processmind_lead_to_cash_event_log.csv", index=False)
print(event_log.to_string(index=False))
print(fclass="hl-string">"Exported {len(event_log)} event rows to processmind_lead_to_cash_event_log.csv")

¿Listo para empezar?

Utilice esta plantilla para preparar eficazmente sus datos de Lead to Cash y empezar a descubrir información valiosa sobre el proceso. Comience hoy a optimizar sus operaciones en Pipedrive.

Volver a la guía de mejora Descargar Template

Aumente las tasas de conversión: optimice hoy Lead to Cash en Pipedrive

Aumente su tasa de conversión un 20 % y acorte los ciclos de ventas. Empiece ahora.

Iniciar la prueba gratuita

No se requiere tarjeta de crédito. Prueba gratuita de 14 días.

Su Template de datos de Lead to Cash

Su Template de datos de Lead to Cash

Atributos de Lead to Cash

Actividades de Lead to Cash

Guías de extracción

Exportación nativa de datos de Pipedrive a CSV/Excel

Pasos

Configuración

a Consulta de ejemplo python

Extracción mediante script de Python a través de la API REST de Pipedrive

Pasos

Configuración

a Consulta de ejemplo python

Herramienta ETL de terceros con conector de Pipedrive

Pasos

Configuración

a Consulta de ejemplo python

¿Listo para empezar?

Aumente las tasas de conversión: optimice hoy Lead to Cash en Pipedrive

Su Template de datos de Lead to Cash

Su Template de datos de Lead to Cash

Atributos de Lead to Cash

Actividades de Lead to Cash

Guías de extracción

Exportación nativa de datos de Pipedrive a CSV/Excel

Pasos

Configuración

a Consulta de ejemplo python

Extracción mediante script de Python a través de la API REST de Pipedrive

Pasos

Configuración

a Consulta de ejemplo python

Herramienta ETL de terceros con conector de Pipedrive

Pasos

Configuración

a Consulta de ejemplo python

¿Listo para empezar?

Aumente las tasas de conversión: optimice hoy Lead to Cash en Pipedrive

Valoramos su privacidad