> Mejora continua de procesos > De la oportunidad al cobro > 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

Este Template ofrece una guía clara para recopilar los datos esenciales que necesita para analizar el proceso de Lead to Cash en Pipedrive. Incluye los atributos y las actividades clave que conviene registrar, además de instrucciones prácticas para extraer esta información directamente de Pipedrive. Utilice este recurso para preparar los datos para un análisis y una optimización exhaustivos mediante Process Mining.

Atributos recomendados para recopilar
Actividades clave que conviene registrar
Instrucciones para extraer datos de Pipedrive

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

Descargar Template

Atributos de Lead to Cash

Estos campos de datos recomendados son esenciales para crear un Registro de eventos sólido y analizar en profundidad el proceso de Lead to Cash.

3 Obligatorio 4 Recomendado 13 Opcional

	Nombre	Descripción
	Hora del evento EventTime	Marca de tiempo que indica cuándo tuvo lugar la actividad.
Descripción La hora del evento, o la hora de inicio, registra la fecha y hora exactas en que se anotó una actividad. Estos datos temporales son esenciales para ordenar los eventos cronológicamente 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 y detectar demoras 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 los objetos Deal, Activity u otros 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	Nombre del evento de negocio o la tarea específica que tuvo lugar durante el proceso de ventas.
Descripción Este atributo describe un paso del proceso de Lead to Cash, como 'Oportunidad creada', 'Propuesta enviada' o 'Pago recibido'. Las actividades son los elementos básicos 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 las desviaciones del 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 su flujo, identificar cuellos de botella y comprobar la conformidad. Dónde obtenerlo Por lo general, se obtiene al asignar los eventos de Pipedrive, como los cambios de etapa de una oportunidad o la creación de objetos relacionados, como facturas, a una lista definida de actividades. Ejemplos Venta creadaPropuesta enviadaVenta ganadaFactura enviadaPago recibido
	Oportunidad de venta SalesOpportunityId	Identificador único de una oportunidad de venta, que sirve como ID del caso para hacer el seguimiento de todo el proceso de 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 posible venta que se sigue en Pipedrive. En el análisis de procesos, este identificador es fundamental para reconstruir el recorrido completo de cada oportunidad. Permite agrupar todos los eventos, como 'Oportunidad creada', 'Propuesta enviada' y 'Pago recibido', en un caso coherente y analizar 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: vincula todos los eventos relacionados para crear un historial completo de cada oportunidad de venta. Dónde obtenerlo Se obtiene del campo 'id' del objeto Deal mediante la API de Pipedrive. Ejemplos 12543125441254512546
	Estado de la oportunidad DealStatus	Resultado o estado actual de la oportunidad, por ejemplo, ganada, perdida o abierta.
Descripción El estado de la oportunidad 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 oportunidades ganadas y perdidas, y para filtrar el mapa del proceso y comparar los recorridos de las oportunidades ganadas con los de las perdidas. Esta comparación suele revelar diferencias clave en la ejecución del proceso que contribuyen al éxito o al fracaso y aporta información valiosa para mejorarlo. Por qué es importante Es esencial para calcular las tasas de oportunidades ganadas y perdidas, y comparar los flujos de proceso de las oportunidades exitosas y las que no se concretaron. Dónde obtenerlo Se obtiene del campo 'status' del objeto Deal en la API de Pipedrive. Ejemplos ganadaperdidaabierta
	Porcentaje de descuento DiscountPercentage	Porcentaje de descuento aplicado a la oportunidad.
Descripción Este atributo representa el porcentaje de descuento aplicado a una oportunidad de venta, si corresponde. Es un factor clave para comprender la estrategia de precios y su impacto en la rentabilidad. Analizar el porcentaje de descuento ayuda a evaluar la eficacia de las estrategias de descuento. Se puede relacionar con otros atributos, como el valor de la oportunidad, el representante de ventas o el producto, para determinar dónde se aplican descuentos con más frecuencia y si aumentan las tasas de cierre o reducen los márgenes. Por qué es importante Es fundamental para analizar las estrategias de precios, los márgenes de venta y la rentabilidad general de las oportunidades. Dónde obtenerlo A menudo, se trata de un campo personalizado del objeto Deal en Pipedrive. Consulte la documentación de Pipedrive para saber cómo configurar campos personalizados. Ejemplos 0.050.100.150.0
	Responsable de la oportunidad DealOwner	Representante de ventas responsable de gestionar la oportunidad.
Descripción El responsable de la oportunidad es el usuario asignado a una oportunidad específica. Este atributo es clave para comprender la asignación de recursos y el rendimiento del equipo de ventas. Permite analizar el rendimiento individual o por equipo. Los Dashboards se pueden filtrar por responsable de la oportunidad para comparar métricas como el tiempo de ciclo de ventas, las tasas de conversión y el valor promedio de las oportunidades. Así se identifican a las personas con mejor rendimiento y las áreas en las que se necesita formación. Por qué es importante Permite analizar el rendimiento por representante de ventas e identificar a quienes obtienen mejores resultados y las áreas que necesitan mejorar. Dónde obtenerlo Se obtiene del campo 'user_id' del objeto Deal, que se vincula al objeto User en la API de Pipedrive. Ejemplos John SmithJane DoePeter Jones
	Valor de la oportunidad DealValue	Valor monetario total de la oportunidad de venta.
Descripción El valor de la oportunidad representa los ingresos potenciales o reales asociados a una oportunidad de venta. Es una métrica fundamental para priorizar oportunidades y evaluar el impacto financiero del pipeline de ventas. En el análisis de procesos, este atributo permite segmentar los casos por valor económico y comparar la ejecución del proceso en oportunidades de alto y bajo valor. También es un componente clave de los Dashboards que analizan el rendimiento de ventas, la eficacia de los descuentos y la generación total de ingresos. Por qué es importante Permite analizar las finanzas del proceso de ventas, priorizar las oportunidades 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	Condiciones de pago acordadas, como 'neto a 30 días' o 'neto a 60 días'.
Descripción Las condiciones de pago definen el plazo en que se espera que el cliente pague una factura después de recibirla. 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 cumplimiento de los plazos de pago. Se utiliza para calcular KPI como la tasa de pagos puntuales, comparando la fecha real del pago con la fecha de vencimiento, que se obtiene a partir de la fecha de la factura y estas condiciones. Por qué es importante Sirve de referencia para medir el cumplimiento de los plazos de pago y analizar las demoras en el proceso de cobro. Dónde obtenerlo Por lo general, es un campo personalizado del objeto Deal u Organization en Pipedrive, aunque también puede proceder de un sistema de contabilidad integrado. Ejemplos Neto a 30 díasNeto a 60 díasVencimiento al recibir
	Es retrabajo IsRework	Indicador que identifica las actividades que forman parte de un ciclo de retrabajo.
Descripción Es retrabajo es un indicador booleano que la herramienta de Process Mining suele calcular para señalar los casos en que el proceso se desvía de un flujo lineal y repite pasos anteriores. Por ejemplo, si una oportunidad pasa de 'Negociación' a 'Propuesta enviada', se considera retrabajo. Identificar el retrabajo es fundamental para optimizar los procesos, ya que implica ineficiencia, esfuerzo desperdiciado y posible confusión para el cliente. Analizar las actividades marcadas como retrabajo ayuda a detectar dónde falla el proceso 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 El software de Process Mining lo calcula analizando la secuencia de actividades de cada caso. Ejemplos truefalse
	Etapa de la oportunidad DealStage	Etapa específica del pipeline de ventas en la que se encuentra actualmente la oportunidad.
Descripción La etapa de la oportunidad representa un paso específico del pipeline de ventas definido por la empresa, como 'Calificada', 'Propuesta presentada' o 'Negociación'. Ofrece una visión más detallada del avance de una oportunidad que su estado general. Analizar las etapas de las oportunidades es fundamental para comprender el embudo de ventas e identificar dónde suelen estancarse. Al hacer un seguimiento del tiempo que pasan en cada etapa, los equipos pueden detectar cuellos de botella y centrar las mejoras en las partes más problemáticas del ciclo de ventas. Por qué es importante Ofrece una visión detallada del avance de una oportunidad por el embudo de ventas y ayuda a identificar cuellos de botella y tasas de conversión entre etapas. Dónde obtenerlo Se obtiene del campo 'stage_id' del objeto Deal, que se vincula al objeto Stage en la API de Pipedrive. Ejemplos Lead recibidoContacto establecidoDemostración programadaPropuesta presentadaNegociaciones iniciadas
	Hora de finalización del evento EventEndTime	Marca de tiempo que indica cuándo terminó una actividad con duración.
Descripción La hora de finalización del evento marca el cierre de una actividad con una duración medible, como una reunión o una tarea. Complementa la hora de inicio y permite calcular con precisión cuánto duró cada actividad. Este atributo es esencial para calcular el tiempo de procesamiento de cada actividad. Analizar estas duraciones ayuda a identificar las tareas que más tiempo consumen y ofrece oportunidades para optimizar, automatizar o reasignar recursos. Por qué es importante Permite calcular con precisión la duración de cada actividad, algo 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	Moneda asociada al valor de la oportunidad.
Descripción Este atributo especifica la moneda, por ejemplo, USD, EUR o GBP, en la que se expresa el valor de la oportunidad. Aporta el contexto necesario para todas las métricas financieras. Al analizar oportunidades de distintas regiones o países, este atributo es esencial para elaborar informes y consolidar datos financieros correctamente. Permite aplicar las conversiones de moneda adecuadas antes de resumir los datos financieros y evita conclusiones inexactas. Por qué es importante Aporta el contexto necesario para interpretar el valor de la oportunidad y realizar análisis e 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	Nombre de la empresa u organización del cliente asociada a la oportunidad.
Descripción Este atributo identifica al cliente corporativo vinculado a la oportunidad de venta. Aporta contexto sobre las empresas que forman parte del pipeline de ventas. Analizar los datos por nombre de la organización ayuda a comprender el comportamiento de los clientes e identificar cuentas clave. También permite segmentar el análisis del proceso para determinar si los procesos difieren entre clientes estratégicos y empresas más pequeñas, o para hacer un seguimiento de todo el historial de ventas de una empresa específica. Por qué es importante Identifica al cliente y permite analizar el proceso de ventas desde su perspectiva y segmentarlo. Dónde obtenerlo Se obtiene del campo 'org_id' del objeto Deal, que se vincula al objeto Organization en la API de Pipedrive. Ejemplos ABC CorporationGlobal Tech Inc.Innovate Solutions
	Origen del lead LeadSource	Fuente o canal por el que se obtuvo el lead.
Descripción El origen del lead identifica cómo se detectó por primera vez a un posible cliente, por ejemplo, mediante un 'seminario web', una 'llamada en frío' o una 'recomendación de un socio'. Esta información es fundamental para la estrategia de marketing y ventas. Analizar el origen del lead ayuda a determinar la eficacia de los distintos canales de marketing. Permite comparar las tasas de conversión y los tiempos de ciclo de ventas de leads procedentes de distintas fuentes, para que la empresa optimice la inversión en marketing y las actividades 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 de cada fuente. Dónde obtenerlo Se obtiene del campo 'source_name' del objeto Lead, que después se asocia al Deal. Ejemplos Búsqueda orgánicaPublicidad en redes socialesRecomendaciónFeria comercial
	Pago puntual IsOnTimePayment	Indicador booleano que señala si el pago se recibió dentro del plazo acordado.
Descripción Este atributo es un indicador binario (verdadero/falso) que señala si el pago se realizó a tiempo. Se obtiene al comparar el tiempo de pago de la factura real con las condiciones de pago especificadas. Este indicador simplifica el análisis del comportamiento de pago. Permite calcular rápidamente el KPI de tasa de pagos puntuales y filtrar los pagos atrasados para analizar en detalle sus causas, ya sea por determinados clientes o tipos de oportunidades. 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 menor o igual a 30 días, el valor es True. Ejemplos truefalse
	Producto ProductAttached	Producto o servicio asociado a la oportunidad de venta.
Descripción Este atributo especifica el producto o servicio que se vende en la oportunidad. Permite analizar con más detalle las actividades de venta relacionadas con ofertas específicas. Incluir el producto permite segmentar el análisis y comparar los procesos de venta de distintas líneas de productos. Así se puede determinar si algunos productos tienen ciclos de venta más largos, tasas de conversión diferentes o requieren otros pasos, y adaptar las estrategias de ventas en consecuencia. Por qué es importante Permite analizar el proceso de ventas por línea de productos e identificar diferencias en los ciclos de venta o las tasas de éxito de las distintas ofertas. Dónde obtenerlo Se obtiene del objeto Product vinculado a un Deal en la API de Pipedrive. Ejemplos Suscripción SaaS estándarLicencia de plataforma para empresasPaquete de servicios profesionales
	Región Region	Región geográfica asociada al cliente o a la oportunidad de venta.
Descripción Este atributo clasifica las oportunidades por zona geográfica, como Norteamérica, EMEA o APAC. Permite analizar el rendimiento y los procesos de ventas por ubicación. Al segmentar el proceso por región, las empresas pueden detectar diferencias regionales en los tiempos de ciclo de ventas, las tasas de cierre y las variantes del proceso. Esta información puede orientar las estrategias de ventas regionales, la asignación de recursos y las iniciativas para estandarizar los procesos. Por qué es importante Permite analizar geográficamente el proceso de ventas y detectar diferencias regionales en el rendimiento y el comportamiento de los clientes. Dónde obtenerlo Por lo general, es un campo personalizado del objeto Deal u Organization. También se puede obtener a partir 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 cuando se consolidan datos de varios sistemas para obtener una visión integral del proceso. Aunque en los análisis de un solo sistema suele ser un valor estático, aporta contexto esencial y facilita la gobernanza y la trazabilidad de los datos. Confirma que los eventos y atributos corresponden a la instancia de Pipedrive. Por qué es importante Aporta contexto esencial sobre el origen de los datos y garantiza su trazabilidad y claridad, especialmente cuando se combinan datos de varios sistemas. Dónde obtenerlo Por lo general, es un valor estático que se añade durante el proceso de transformación de datos. Ejemplos Pipedrive
	Tiempo de pago de la factura InvoicePaymentTime	Tiempo transcurrido entre el envío de una factura y la recepción del pago.
Descripción El tiempo de pago de la factura mide la eficiencia del proceso de cuentas por cobrar. En concreto, registra el tiempo transcurrido entre las actividades 'Factura enviada' y 'Pago recibido'. Esta métrica es fundamental para supervisar el flujo de caja y detectar demoras en el cobro. Analizar esta duración ayuda a las empresas a comprender el comportamiento de pago de los clientes y la eficacia de las estrategias de reclamación y cobro, lo que afecta directamente al ciclo desde la cotización hasta el pago. Por qué es importante Mide directamente la eficiencia del proceso de cobro y es fundamental para gestionar el flujo de caja. Dónde obtenerlo Se calcula como la diferencia entre las marcas de tiempo de las actividades 'Pago recibido' y 'Factura enviada' de un caso. Ejemplos 28 días45 días10 días
	Última actualización de los datos LastDataUpdate	Marca de tiempo de la actualización más reciente de los datos del sistema de origen.
Descripción Este atributo indica cuándo se extrajeron y actualizaron por última vez los datos del conjunto de datos de Process Mining. Ofrece una referencia clara sobre la actualidad de los datos analizados. En cualquier análisis, es fundamental saber si los datos están actualizados. Este atributo ayuda a comprender si la información consultada refleja 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 para que los usuarios sepan qué tan recientes son los datos del análisis del proceso. Dónde obtenerlo Este valor se genera y registra durante la incorporación de datos o el proceso ETL. Ejemplos 2023-10-27T02:00:00Z2023-10-28T02:00:00Z

Obligatorio Recomendado Opcional

Actividades de Lead to Cash

Registre estos pasos e hitos clave del proceso en el Registro de eventos para descubrir el proceso con precisión y optimizarlo de forma eficaz.

5 Recomendado 8 Opcional

	Actividad	Descripción
	Oportunidad perdida	Indica el cierre sin éxito de una oportunidad. Ocurre cuando se interrumpe el proceso de ventas porque el cliente eligió a un competidor, perdió el interés o por otros motivos.
Por qué es importante Es el principal punto de cierre por fracaso. Analizar cuándo y por qué se pierden las oportunidades aporta información clave para mejorar la estrategia de ventas, la formación y los procesos de calificación. Dónde obtenerlo Este evento explícito se registra cuando el estado de una oportunidad cambia a 'perdida'. El campo 'lost_time' de la entidad Deals registra la marca de tiempo. Capturar Utilice la marca de tiempo 'lost_time' de la entidad Deals. Tipo de evento explicit
	Pago recibido	Indica que el cliente ha realizado el pago, con lo que se completa el ciclo de caja de la oportunidad. Es el evento final del proceso de Lead to Cash y se origina en un sistema financiero.
Por qué es importante Es el paso final que materializa el valor. Marca el verdadero cierre del proceso de Lead to Cash y es esencial para medir el tiempo de ciclo de principio a fin y analizar las demoras en los pagos. Dónde obtenerlo Se captura desde un sistema de contabilidad o procesamiento de pagos. La confirmación del pago debe vincularse con la oportunidad de Pipedrive correspondiente. Capturar Datos de eventos de un sistema financiero externo, vinculados a la oportunidad mediante un identificador único. Tipo de evento explicit
	Propuesta enviada	Representa el momento en que se entrega al cliente una cotización o propuesta formal. Suele inferirse cuando la venta pasa a una etapa específica del pipeline, como «Propuesta presentada» o «Cotización enviada».
Por qué es importante Es un hito clave del proceso de ventas. Analizar el tiempo transcurrido desde este evento hasta «Venta ganada» permite conocer la duración de la toma de decisiones y la negociación. Dónde obtenerlo Se infiere del registro de cambios de la venta cuando el campo stage_id cambia a una etapa designada para propuestas. Se utiliza la marca de tiempo del cambio de etapa. Capturar Detecte cuándo el campo stage_id de una venta se actualiza a una etapa específica de «Propuesta». Tipo de evento inferred
	Venta creada	Marca el inicio oficial de una oportunidad de venta. Este evento se registra cuando se crea manualmente una venta nueva o se genera automáticamente a partir de un lead convertido.
Por qué es importante Es la actividad inicial principal del ciclo de ventas. Analizar el tiempo transcurrido desde este evento hasta «Venta ganada» o «Venta perdida» permite calcular la duración total del ciclo. Dónde obtenerlo Este evento explícito se registra en la entidad Deals de Pipedrive. La marca de tiempo de creación (add_time) del registro de la venta sirve como hora del evento. Capturar Use el campo add_time de la entidad Deals. Tipo de evento explicit
	Venta ganada	Indica el cierre satisfactorio de una oportunidad y confirma que el cliente ha aceptado verbalmente o por escrito. En Pipedrive, este cambio de estado es explícito y estándar.
Por qué es importante Es el hito de éxito más importante. Resulta fundamental para calcular la tasa de cierre, la duración del ciclo de ventas de las oportunidades ganadas y el rendimiento general de ventas. Dónde obtenerlo Este evento explícito se registra cuando el estado de una oportunidad cambia a 'ganada'. El campo 'won_time' de la entidad Deals proporciona la marca de tiempo exacta. Capturar Utilice la marca de tiempo 'won_time' de la entidad Deals. Tipo de evento explicit
	Factura enviada	Representa el momento en que se envía una factura al cliente para su pago. Este evento suele activarse en un sistema externo de contabilidad o facturación después de entregar el pedido.
Por qué es importante Marca el inicio del ciclo de pago. El tiempo transcurrido entre este evento y 'Pago recibido' 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. Es necesario integrar los datos del evento y asociarlos a la oportunidad de Pipedrive. Capturar Datos de eventos de un sistema externo de facturación, asociados a la oportunidad 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. Suele inferirse cuando una venta pasa a una etapa del pipeline llamada «Negociación» después de enviar una propuesta.
Por qué es importante Aislar la fase de negociación permite determinar cuánto dura esta parte del ciclo e identificar las ventas que requieren negociaciones prolongadas. Dónde obtenerlo Se infiere del registro de cambios de la venta cuando el campo stage_id se actualiza a una etapa cuyo nombre indica explícitamente una negociación. Capturar Identifique en el historial de la venta el cambio a una etapa predefinida de «Negociación». Tipo de evento inferred
	Oportunidad reabierta	Representa una oportunidad que antes se había marcado como perdida y que se ha reactivado para continuar con las actividades de venta. Este evento se infiere cuando el estado de una oportunidad cambia de 'lost' a 'open'.
Por qué es importante Esta actividad pone de manifiesto los ciclos de retrabajo y los esfuerzos por retomar el contacto. Analizar estos casos puede revelar patrones en el comportamiento de los clientes o en la eficacia del seguimiento comercial. Dónde obtenerlo Se infiere del registro de cambios de la oportunidad. Se detecta cuando el campo 'status' cambia de 'lost' a 'open'. Capturar Identifique en el historial de la oportunidad un cambio de estado de 'lost' a 'open'. Tipo de evento inferred
	Pedido de venta creado	Representa la creación de un pedido de venta formal en un sistema posterior, como un ERP o una plataforma de contabilidad, después de ganar una oportunidad. Esta actividad no es propia de Pipedrive y depende de datos de un sistema integrado.
Por qué es importante Este evento marca el traspaso de Ventas a Operaciones o Finanzas. Analizar el tiempo transcurrido entre 'Oportunidad ganada' y esta actividad permite detectar posibles demoras en la tramitación de pedidos. Dónde obtenerlo Por lo general, se captura desde un ERP o sistema financiero conectado. Es necesario incorporar los datos y vincularlos al ID de la oportunidad de Pipedrive. Capturar Datos de eventos enviados desde un sistema externo mediante una API; a menudo actualizan un campo personalizado de la oportunidad en Pipedrive. Tipo de evento explicit
	Pedido entregado	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 gestión de entregas u operaciones.
Por qué es importante Hacer un seguimiento de las entregas es clave para comprender el tiempo de ciclo desde el pedido hasta la entrega. Las demoras en esta etapa afectan directamente a la satisfacción del cliente y al reconocimiento de ingresos. Dónde obtenerlo Se captura desde un ERP externo o desde un sistema de inventario o gestión de servicios. Estos datos deben vincularse con la oportunidad correspondiente de Pipedrive. Capturar Datos de eventos de un sistema externo, vinculados mediante el ID de la oportunidad u otro identificador común. Tipo de evento explicit
	Primer contacto realizado	Representa la primera interacción significativa con el cliente potencial asociado a la venta. Suele registrarse como una actividad completada, por ejemplo, una llamada, un correo electrónico o una reunión vinculada a la venta.
Por qué es importante El seguimiento de este evento permite medir el tiempo hasta el primer contacto y comprobar que los leads reciban atención a tiempo. También aporta información sobre la capacidad de respuesta del equipo de ventas. Dónde obtenerlo Se obtiene de la entidad Activities de Pipedrive. Se identifica buscando la primera actividad completada vinculada al ID de la venta. Capturar Busque la primera Actividad completada asociada a una venta, según el campo done_time. 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 que se mantiene el contacto durante la fase de evaluación.
Por qué es importante Mide la puntualidad y la frecuencia de las acciones de seguimiento, fundamentales para mantener el impulso y cerrar ventas. Sirve de apoyo al Dashboard «Puntualidad del seguimiento de propuestas». Dónde obtenerlo Se obtiene de la entidad Activities de Pipedrive. Se identifica como una actividad completada que tiene lugar después del evento «Propuesta enviada» para la misma venta. Capturar Identifique una Actividad completada cuyo campo done_time sea posterior a la marca de tiempo de la actividad «Propuesta enviada». Tipo de evento explicit
	Venta cualificada	Indica que la venta cumple criterios predefinidos y se considera una oportunidad viable que merece seguimiento. Suele inferirse cuando pasa de una etapa inicial del pipeline, como «Lead recibido», a una etapa más cualificada, como «Contacto realizado» o «Necesidades definidas».
Por qué es importante Este hito permite analizar la eficacia del proceso de cualificación de leads y determinar cuánto tiempo permanecen las ventas en las etapas iniciales, antes de cualificarse. Dónde obtenerlo Se infiere del registro de cambios o del historial de la venta cuando el campo stage_id cambia a una etapa que indica que está cualificada. Capturar Identifique en el historial de la venta el cambio a una etapa predefinida como «cualificada». Tipo de evento inferred

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. Por lo general, se trata de un usuario administrador.
Vaya a la exportación de datos: Haga clic en su foto de perfil, en la esquina superior derecha, y seleccione 'Configuración'. En el menú de navegación de la izquierda, busque la sección 'Herramientas y aplicaciones' y haga clic en 'Exportar datos'.
Exporte los datos de los acuerdos: En la vista 'Exportar datos', seleccione 'Acuerdos'. Elija el formato de archivo 'CSV'. Se recomienda aplicar un filtro para un intervalo de fechas concreto, por ejemplo, los últimos 6 meses, para que el archivo no sea demasiado grande. Haga clic en 'Exportar' y espere a que se genere y descargue el archivo. Este incluirá información clave de los acuerdos, como la fecha de creación, la fecha en que se ganaron y la fecha en que se perdieron.
Exporte los datos de las actividades: Repita el proceso para 'Actividades'. Seleccione 'Actividades', elija 'CSV', aplique el mismo filtro de fechas que para los acuerdos y exporte el archivo. Este contiene registros de llamadas, correos electrónicos, reuniones y actividades personalizadas vinculadas a los acuerdos.
Recopile datos externos: Obtenga los datos correspondientes de los sistemas posteriores. Necesitará exportaciones de su ERP, sistema contable o sistema de gestión de pedidos para eventos como 'Pedido de venta creado', 'Pedido completado', 'Factura enviada' y 'Pago recibido'. Asegúrese de que estos archivos incluyan un identificador común que pueda vincularse con el ID del acuerdo de Pipedrive.
Configure un entorno de procesamiento de datos: Utilice una herramienta capaz de procesar 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.
Cree el Registro de eventos: Genere un Registro de eventos unificado mediante un script que transforme los datos sin procesar al formato de actividad requerido. Cree un conjunto de filas correspondiente para cada una de las 13 actividades requeridas. Por ejemplo:
- Los eventos 'Acuerdo creado' se generan a partir de la columna add_time del archivo Deals.csv.
- Los eventos 'Acuerdo ganado' se generan a partir de la columna won_time del archivo Deals.csv.
- 'Primer contacto realizado' corresponde a la primera actividad completada de cada acuerdo en el archivo Activities.csv.
- Otras actividades, como 'Propuesta enviada' o 'Negociación iniciada', se deducen de asuntos o tipos de actividad específicos en Activities.csv.
Asigne los atributos: Asegúrese de que cada fila de evento tenga todas las columnas requeridas: SalesOpportunityId, ActivityName y EventTime. Añada atributos recomendados, como DealValue, DealOwner y DealStatus, combinando los datos de los acuerdos.
Exporte el archivo final: Una vez creado y validado el Registro de eventos, guarde la tabla final en un único archivo CSV con codificación UTF-8. Ya podrá cargarlo en ProcessMind para analizarlo.

Configuración

Objetos que se deben exportar: Debe exportar al menos 'Acuerdos' y 'Actividades'. También puede que necesite exportar 'Organizaciones' o 'Personas' si requiere datos dimensionales adicionales.
Formato de archivo: Elija CSV para garantizar la máxima compatibilidad con herramientas de procesamiento de datos como Python o Power Query.
Filtro de intervalo de fechas: Utilice la opción 'Filtrar por' para seleccionar un período concreto, por ejemplo, 'La fecha de creación del acuerdo' dentro de los 'últimos 180 días'. Esto es fundamental para controlar el rendimiento de la exportación y el tamaño del archivo.
Permisos de usuario: Necesita una cuenta de administrador o 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 'Acuerdo calificado' o 'Propuesta enviada' depende en gran medida del uso de tipos de actividad personalizados en Pipedrive por parte de su organización. Asegúrese de que estén configurados y de que el equipo de ventas los utilice de forma coherente.

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 una terminal o línea de comandos e instale las bibliotecas necesarias ejecutando este comando: pip install requests pandas.
Obtenga las credenciales de la API de Pipedrive: Inicie sesión en su cuenta de Pipedrive. Vaya a Configuración haciendo clic en su foto de perfil, seleccione 'Preferencias personales' y abra la pestaña 'API'. Copie su token personal de API. También necesitará el dominio de su empresa, que es el prefijo de la 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. Busque la sección de configuración al principio y sustituya los valores de ejemplo de API_TOKEN y COMPANY_DOMAIN por sus credenciales.
Defina el período de extracción: En la sección de configuración del script, establezca la variable START_DATE con la fecha de creación más antigua de los acuerdos que desea incluir en el análisis. El formato debe ser 'AAAA-MM-DD'.
Asigne los ID del pipeline y de las etapas: El script deduce varias actividades a partir de los cambios de etapa de los acuerdos. Debe indicar los ID específicos del pipeline de ventas y de las etapas clave. Puede encontrar estos ID en la URL al abrir una etapa en la interfaz de Pipedrive o mediante la API. Actualice las variables PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID y NEGOTIATION_STAGE_ID del script.
Ejecute el script: Ejecútelo desde la 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 en la consola el progreso y los datos que se están obteniendo. El proceso puede tardar varios minutos, según el volumen de datos y los límites de solicitudes de la API.
Implemente la extracción de datos externos: Para actividades como 'Pedido de venta creado' y 'Pago recibido', el script incluye funciones de ejemplo que debe completar. Modifíquelas para conectarse a sus sistemas externos, como un ERP o una plataforma contable, y obtener los datos de eventos pertinentes. Vincule SalesOpportunityId de Pipedrive con los registros de esos otros sistemas.
Revise el resultado: Al terminar, el script generará un archivo CSV llamado pipedrive_event_log.csv. Este archivo contiene el Registro de eventos estructurado con todas las actividades extraídas.
Prepare el archivo para cargarlo: Abra el archivo CSV y compruebe que se haya creado correctamente. Debe incluir las columnas SalesOpportunityId, ActivityName, EventTime y otros atributos recomendados. Ya podrá cargarlo en ProcessMind para analizarlo.

Configuración

Credenciales de la API: El script requiere un API_TOKEN válido y el COMPANY_DOMAIN para autenticarse en la API de Pipedrive. Asegúrese de que el usuario asociado al token tenga permisos suficientes para consultar acuerdos, actividades y usuarios.
Intervalo de fechas: La variable START_DATE filtra los acuerdos creados en esa fecha o después. Para un análisis inicial, se recomienda un período de 3 a 6 meses para mantener un volumen de datos manejable.
ID del pipeline y de las etapas: Para deducir correctamente pasos del proceso como 'Acuerdo calificado' o 'Propuesta enviada', debe configurar el script con los ID numéricos correctos del PIPELINE_ID de ventas principal y los valores STAGE_ID específicos de cada hito clave. Si los ID no coinciden, faltarán actividades.
Rendimiento y límites de solicitudes: El script incluye una breve pausa entre llamadas a la API para respetar los límites de Pipedrive. En organizaciones con un volumen muy alto de acuerdos, puede ser necesario ajustar la pausa o implementar una estrategia de reintentos 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 personalizado, una cadena hash larga distinta del nombre para mostrar, y utilizarla en la lógica de transformación de datos.
Integración con sistemas externos: La extracción de eventos que se originan fuera de Pipedrive, como la facturación o la gestión de pedidos, se realiza mediante funciones de ejemplo. Debe personalizar estas secciones para conectarlas a sus fuentes de datos externas.

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 obtenga una licencia para 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 y cambios de estado de los acuerdos, personas, organizaciones y campos personalizados, y que pueda escribir en el almacén o lago de datos de destino.
Cree una conexión de Pipedrive con autorización de lectura mediante el método de autenticación que admita el conector. Configure la cuenta de origen, el espacio de trabajo o la organización según la herramienta seleccionada. No dé por sentado que las rutas de menú o los endpoints de la API son fijos, 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 en el script los nombres por los que haya creado 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 un período de solapamiento si el conector lo admite. Incluya los registros históricos necesarios para identificar los acuerdos reabiertos y el historial de etapas o estados, no solo la instantánea actual de cada acuerdo.
Sincronice los objetos de Pipedrive y los objetos posteriores integrados que necesite para los eventos 'Pedido de venta creado', 'Pedido completado', 'Factura enviada' y 'Pago recibido'. Estos cuatro eventos no son nativos de Pipedrive y requieren datos de origen de un ERP, sistema de gestión de pedidos, sistema contable, plataforma de facturación o sistema financiero. Si el conector no expone estos objetos, cárguelos en el destino mediante otro conector compatible.
Cree vistas o tablas normalizadas que asignen los datos del conector a los objetos de origen lógicos a los que hace referencia el script de extracción. Sustituya cada nombre de tabla de ejemplo del script por la tabla o vista correspondiente en 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 de su origen.
Ejecute el script de extracción. Este crea filas explícitas para los eventos Acuerdo creado, Primer contacto realizado, Acuerdo calificado, Propuesta enviada, Seguimiento de propuesta, Negociación iniciada, Acuerdo ganado, Pedido de venta creado, Pedido completado, Factura enviada, Pago recibido, Acuerdo perdido y Acuerdo reabierto. Los eventos deducidos del historial de etapas o estados solo se generan si el historial de origen contiene la transición requerida. ProcessMind no deduce los eventos que falten después de cargar los datos.
Compruebe que SalesOpportunityId, ActivityName y EventTime tengan valores, 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 los proporcione.
Exporte el resultado como un archivo 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 requeridas.

Configuración

Conector de origen: Configure un conector de Pipedrive compatible en el servicio de ETL o automatización seleccionado. Las funciones, los modos de sincronización, los nombres de tablas generados y las opciones de autenticación varían según el producto y la versión.
Datos de origen requeridos: Incluya acuerdos, actividades, historial de etapas y estados de los acuerdos, responsables o usuarios, y los campos que se utilicen para identificar los leads convertidos. Incluya también los datos de pedidos de venta, gestión de pedidos, facturas y pagos de los 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 preparadas.
Intervalo de fechas: Empiece con datos de 3 a 6 meses. Amplíe el período si el ciclo del proceso es más largo, si necesita analizar acuerdos reabiertos o si requiere transiciones históricas de etapas y estados.
Parámetros de fecha: Defina [Start date] y [End date] con el formato de fecha que admita el destino. En las cargas incrementales, utilice un período de solapamiento 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 calificación, las propuestas y la negociación. No utilice nombres de ejemplo a menos que coincidan con los valores de origen.
Configuración de actividades: Configure los tipos exactos de actividad completada que representan el primer contacto 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 afecta a la integridad de los casos y eventos.
Rendimiento: Para conjuntos de datos grandes, utilice la sincronización incremental, filtros de fecha en el origen, tablas de destino particionadas y columnas de caso y marca de tiempo indexadas o agrupadas en clústeres. Evite recorrer repetidamente las tablas con todo el historial.
Eliminación de duplicados: Conserve un identificador estable del evento de origen cuando esté disponible. De lo contrario, elimine duplicados usando el identificador del caso, el nombre de la actividad, la marca de tiempo del evento y el identificador del registro de origen, sin descartar actividades repetidas legítimas, como varios seguimientos.
Requisitos previos: Se requieren una licencia del conector, autorización de Pipedrive, permisos de escritura en el destino, acceso al historial de acuerdos y a las actividades, y acceso a los datos de sistemas posteriores de ERP, gestión de pedidos, contabilidad, facturación o finanzas. Los campos personalizados y los datos históricos de cambios pueden requerir permisos adicionales del producto o funciones específicas del conector.

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")

¿Todo listo para empezar?

Utilice este Template para preparar de forma eficiente los datos de Lead to Cash y empezar a descubrir información valiosa sobre el proceso. Empiece hoy a optimizar sus operaciones en Pipedrive.

Volver a la guía de mejora

Descargar Template

Aumente la tasa de acuerdos ganados: optimice hoy Lead to Cash en Pipedrive

Aumente en un 20 % la tasa de acuerdos ganados y acorte los ciclos de venta. Empiece ahora.

Comience 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 de datos de Pipedrive a CSV/Excel

Pasos

Configuración

Consulta de ejemplo python

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

Pasos

Configuración

Consulta de ejemplo python

Herramienta ETL de terceros con conector de Pipedrive

Pasos

Configuración

Consulta de ejemplo python

¿Todo listo para empezar?

Aumente la tasa de acuerdos ganados: optimice hoy Lead to Cash en Pipedrive