> Amélioration continue des processus > Lead to Cash > Pipedrive > Modèle de données

Votre modèle de données Lead to Cash

Pipedrive

Attributs Lead to Cash (20) Activités Lead to Cash (13) Guides d’extraction (3)

Votre modèle de données Lead to Cash

Ce modèle fournit une feuille de route claire pour collecter les données essentielles à l’analyse de votre processus Lead to Cash dans Pipedrive. Il présente les attributs indispensables et les activités clés à suivre, ainsi que des indications pratiques pour extraire directement ces informations de votre système Pipedrive. Utilisez cette ressource pour préparer vos données en vue d’une analyse complète et de l’optimisation de votre processus grâce au Process Mining.

Attributs recommandés à collecter
Activités clés à suivre
Guide d’extraction Pipedrive

Vous découvrez les journaux d’événements ? En savoir plus sur la création d’un journal d’événements pour le Process Mining.

Télécharger le modèle

Attributs Lead to Cash

Ces champs de données recommandés sont essentiels pour constituer un journal d’événements fiable et analyser votre processus Lead to Cash de manière complète.

3 Obligatoire 4 Recommandé 13 Facultatif

	Nom	Description
	Heure de l’événement EventTime	L'horodatage indiquant le moment où l'activité a eu lieu.
Description L'Event Time, ou Start Time, enregistre la date et l'heure précises auxquelles une activité donnée a été enregistrée. Ces données temporelles sont essentielles pour classer les événements par ordre chronologique et calculer les durées entre les différentes étapes du processus. Lors de l'analyse, cet horodatage sert à calculer des indicateurs clés de performance tels que la durée du cycle, le temps de traitement et le temps d'attente. Il permet de créer des Dashboards temporels pour suivre les performances et identifier les retards dans le processus commercial. Pourquoi c’est important Cet horodatage est essentiel pour ordonner les événements, calculer les durées du processus et analyser les performances par rapport à des objectifs temporels. Où les obtenir Récupéré à partir de champs tels que « add_time » ou « update_time » sur les objets Deal, Activity ou associés dans l'API Pipedrive. Exemples 2023-04-15T10:00:00Z2023-04-16T14:30:00Z2023-05-01T09:05:00Z
	Nom de l’activité ActivityName	Le nom de l'événement métier ou de la tâche spécifique qui s'est produit dans le processus commercial.
Description Cet attribut décrit une étape unique du processus Lead to Cash, comme « Deal Created », « Proposal Sent » ou « Payment Received ». Les activités constituent les éléments fondamentaux utilisés pour visualiser le flux du processus. L’analyse de la séquence et de la fréquence des activités permet d’identifier les chemins les plus courants, les goulots d’étranglement où le travail s’accumule et les écarts par rapport à la procédure commerciale standard. Elle est essentielle pour comprendre comment le processus est réellement exécuté. Pourquoi c’est important Cet attribut définit les étapes du processus et permet de visualiser et d’analyser son flux, d’identifier les goulots d’étranglement et de vérifier la conformité. Où les obtenir Cet attribut est généralement obtenu en mappant les événements Pipedrive, tels que les changements d'étape d'une affaire ou la création d'objets associés comme les factures, vers une liste d'activités définie. Exemples Affaire crééeProposition envoyéeAffaire gagnéeFacture envoyéePaiement reçu
	Opportunité commerciale SalesOpportunityId	L'identifiant unique d'une opportunité commerciale, qui sert d'identifiant de cas pour suivre l'ensemble du processus Lead to Cash.
Description L'identifiant de l'opportunité commerciale est la clé primaire qui relie toutes les activités associées, de la création initiale du lead au paiement final. Il représente une vente potentielle suivie dans Pipedrive. Dans l'analyse des processus, cet identifiant est essentiel pour reconstituer le parcours de bout en bout de chaque affaire. Il permet de regrouper tous les événements, tels que « Deal Created », « Proposal Sent » et « Payment Received », au sein d'un cas cohérent, afin d'analyser les variantes de processus, les durées de cycle et les taux de conversion. Pourquoi c’est important Cet identifiant constitue le fondement de la vue du processus. Il relie tous les événements associés pour former un historique complet de chaque affaire commerciale. Où les obtenir Récupéré à partir du champ « id » de l'objet Deal via l'API Pipedrive. Exemples 12543125441254512546
	Pourcentage de remise DiscountPercentage	Le pourcentage de remise appliqué à l'affaire.
Description Cet attribut représente le pourcentage de remise accordé sur une affaire commerciale, le cas échéant. Il constitue un facteur important pour comprendre la stratégie tarifaire et son impact sur la rentabilité. L'analyse du Discount Percentage permet d'évaluer l'efficacité des stratégies de remise. Il peut être mis en relation avec d'autres attributs, comme Deal Value, Sales Representative ou Product, afin de déterminer où les remises sont les plus fréquentes et si elles entraînent des taux de réussite plus élevés ou réduisent simplement les marges. Pourquoi c’est important Il est essentiel pour analyser les stratégies tarifaires, les marges commerciales et la rentabilité globale des affaires. Où les obtenir Il s'agit souvent d'un champ personnalisé de l'objet Deal dans Pipedrive. Consultez la documentation Pipedrive pour configurer les champs personnalisés. Exemples 0.050.100.150.0
	Responsable de l’affaire DealOwner	Le commercial responsable de la gestion de l'opportunité commerciale.
Description Le Deal Owner est l'utilisateur affecté à une affaire donnée. Cet attribut est essentiel pour comprendre l'affectation des ressources et les performances de l'équipe commerciale. Il permet d'analyser les performances au niveau individuel ou collectif. Les Dashboards peuvent être filtrés par Deal Owner afin de comparer des indicateurs tels que la durée du cycle de vente, les taux de conversion et la valeur moyenne des affaires, et ainsi d'identifier les meilleurs performeurs et les besoins d'accompagnement. Pourquoi c’est important Permet d'analyser les performances par commercial, d'identifier les meilleurs performeurs et de repérer les domaines à améliorer. Où les obtenir Récupéré à partir du champ « user_id » de l'objet Deal, qui renvoie à l'objet User dans l'API Pipedrive. Exemples John SmithJane DoePeter Jones
	Statut de l’affaire DealStatus	Le résultat ou l'état actuel de l'affaire, par exemple won, lost ou open.
Description Deal Status indique le résultat final ou l'état général actuel d'une opportunité commerciale. Il s'agit d'une dimension principale pour analyser les taux de réussite commerciale et l'efficacité des processus. Cet attribut est fondamental pour calculer les taux de réussite et d'échec et filtrer la carte du processus afin de comparer les parcours des affaires gagnées et perdues. Cette comparaison révèle souvent les différences importantes dans l'exécution du processus qui contribuent à la réussite ou à l'échec, et fournit des indications utiles pour améliorer le processus. Pourquoi c’est important Il est essentiel pour calculer les taux de réussite et d'échec et comparer les flux de processus des affaires réussies et infructueuses. Où les obtenir Récupéré à partir du champ « status » de l'objet Deal dans l'API Pipedrive. Exemples gagnéeperdueouverte
	Valeur de l’affaire DealValue	La valeur monétaire totale de l'opportunité commerciale.
Description Deal Value représente le chiffre d'affaires potentiel ou réel associé à une opportunité commerciale. Il s'agit d'un indicateur fondamental pour hiérarchiser les affaires et évaluer l'impact financier du pipeline commercial. Dans l'analyse des processus, cet attribut sert à segmenter les cas selon leur valeur financière et à comparer l'exécution du processus pour les affaires à forte et à faible valeur. Il constitue également un élément central des Dashboards qui analysent les performances commerciales, l'efficacité des remises et la génération globale de revenus. Pourquoi c’est important Il permet d'analyser financièrement le processus commercial, de hiérarchiser les affaires à forte valeur et de comprendre leur impact sur les revenus. Où les obtenir Récupéré à partir du champ « value » de l'objet Deal dans l'API Pipedrive. Exemples 5000.0025000.501500.75
	Conditions de paiement PaymentTerms	Les conditions de paiement convenues, telles que « Net 30 » ou « Net 60 ».
Description Les conditions de paiement définissent le délai dans lequel un client est censé régler une facture après son envoi. Cet attribut est essentiel à la gestion des créances clients et de la trésorerie. Dans le cadre du Process Mining, cet attribut sert de référence pour évaluer la performance des paiements. Il permet de calculer des KPI tels que le taux de paiement à temps, en comparant la date réelle de paiement à la date d’échéance calculée à partir de la date de facture et de ces conditions. Pourquoi c’est important Fournit une référence pour mesurer la performance des paiements à temps et analyser les retards dans le processus d’encaissement. Où les obtenir Il s’agit généralement d’un champ personnalisé de l’objet Deal ou Organization dans Pipedrive, ou d’une donnée provenant d’un système comptable intégré. Exemples À 30 joursÀ 60 joursÀ réception
	Délai de paiement de la facture InvoicePaymentTime	La durée entre l’envoi d’une facture et la réception du paiement.
Description Le délai de paiement de la facture mesure l’efficacité du processus de gestion des créances clients. Il suit précisément le temps écoulé entre l’activité « Invoice Sent » et l’activité « Payment Received ». Cette mesure est essentielle au suivi de la trésorerie et à l’identification des retards d’encaissement. L’analyse de cette durée aide les entreprises à comprendre le comportement de paiement des clients ainsi que l’efficacité de leurs stratégies de relance et de recouvrement, avec un impact direct sur le cycle Quote to Payment. Pourquoi c’est important Mesure directement l’efficacité du processus d’encaissement et joue un rôle essentiel dans la gestion de la trésorerie. Où les obtenir Calculé comme la différence entre les horodatages des activités « Payment Received » et « Invoice Sent » pour un cas donné. Exemples 28 jours45 jours10 jours
	Dernière mise à jour des données LastDataUpdate	L'horodatage de la dernière actualisation des données provenant du système source.
Description Cet attribut indique la dernière fois que les données ont été extraites et mises à jour dans le jeu de données de Process Mining. Il fournit un point de référence clair sur l'actualité des données analysées. Pour toute analyse, il est essentiel de connaître la fraîcheur des données. Cet attribut aide les utilisateurs à déterminer si les analyses consultées reflètent l'état le plus récent du processus, ce qui est indispensable au suivi opérationnel et à la prise de décision. Pourquoi c’est important Indique la fraîcheur des données et permet aux utilisateurs de savoir dans quelle mesure l'analyse du processus est à jour. Où les obtenir Cette valeur est générée et enregistrée lors du processus d'ingestion des données ou d'ETL. Exemples 2023-10-27T02:00:00Z2023-10-28T02:00:00Z
	Devise de l’affaire DealCurrency	La devise associée à la valeur de l'affaire.
Description Cet attribut précise la devise, par exemple USD, EUR ou GBP, dans laquelle la Deal Value est exprimée. Il fournit le contexte nécessaire à l'ensemble des indicateurs financiers. Lors de l'analyse d'affaires provenant de plusieurs régions ou pays, cet attribut est essentiel pour produire des rapports financiers et agréger correctement les montants. Il garantit que les conversions de devises peuvent être appliquées correctement avant la synthèse des données financières et évite ainsi les conclusions erronées. Pourquoi c’est important Fournit le contexte nécessaire à la Deal Value et garantit la fiabilité des analyses et des rapports financiers dans les différentes régions. Où les obtenir Récupéré à partir du champ « currency » de l'objet Deal dans l'API Pipedrive. Exemples USDEURGBP
	Étape de l’affaire DealStage	L'étape précise du pipeline commercial à laquelle se trouve actuellement l'affaire.
Description Deal Stage représente une étape précise du pipeline commercial défini par l’entreprise, comme « Qualified », « Proposal Made » ou « Negotiation ». Cet attribut offre une vision plus détaillée de l’avancement d’une affaire que Deal Status. L’analyse des étapes commerciales est essentielle pour comprendre le tunnel de vente et identifier les points où les affaires ont tendance à stagner. En suivant le temps passé à chaque étape, les équipes peuvent repérer les goulots d’étranglement et concentrer leurs efforts d’amélioration sur les parties les plus problématiques du cycle de vente. Pourquoi c’est important Cet attribut fournit une vision détaillée de l’avancement d’une affaire dans le tunnel de vente et aide à identifier les goulots d’étranglement ainsi que les taux de conversion entre les étapes. Où les obtenir Récupéré à partir du champ « stage_id » de l'objet Deal, qui renvoie à l'objet Stage dans l'API Pipedrive. Exemples Prospect entrantContact établiDémonstration planifiéeProposal MadeNégociations commencées
	Heure de fin de l’événement EventEndTime	L’horodatage indiquant la fin d’une activité ayant une durée.
Description L’heure de fin de l’événement marque l’achèvement d’une activité dont la durée peut être mesurée, comme une réunion ou une tâche. Elle complète l’heure de début et permet de calculer précisément la durée de chaque activité. Cet attribut est essentiel au calcul du temps de traitement des activités individuelles. L’analyse de cette durée permet d’identifier les tâches les plus chronophages et de repérer des possibilités d’optimisation, d’automatisation ou de réaffectation des ressources. Pourquoi c’est important Cet attribut permet de calculer précisément la durée de chaque activité, ce qui est essentiel pour identifier les tâches chronophages et les goulots d’étranglement. Où les obtenir Récupérée à partir de champs tels que « due_date » ou d’un horodatage d’achèvement dans les objets Activity de l’API Pipedrive. Exemples 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	Nom de l’organisation OrganizationName	Le nom de l'entreprise ou de l'organisation cliente associée à l'affaire.
Description Cet attribut identifie le client professionnel lié à l'opportunité commerciale. Il fournit un contexte sur les entreprises présentes dans le pipeline commercial. L'analyse par Organization Name permet de comprendre le comportement des clients et d'identifier les comptes clés. Elle peut servir à segmenter l'analyse du processus afin de déterminer si les processus diffèrent pour les clients stratégiques et les clients de plus petite taille, ou à suivre l'historique commercial complet d'une entreprise donnée. Pourquoi c’est important Identifie le client et permet une analyse centrée sur celui-ci ainsi qu'une segmentation du processus commercial. Où les obtenir Récupéré à partir du champ « org_id » de l'objet Deal, qui renvoie à l'objet Organization dans l'API Pipedrive. Exemples ABC CorporationGlobal Tech Inc.Innovate Solutions
	Paiement effectué à temps IsOnTimePayment	Un indicateur booléen précisant si le paiement a été reçu dans le délai convenu.
Description Cet attribut est un indicateur binaire (True/False) qui précise si le paiement a été effectué à temps. Il est calculé en comparant le délai réel de paiement de la facture aux conditions de paiement définies. Cet indicateur simplifie l’analyse du comportement de paiement. Il permet de calculer rapidement le KPI du taux de paiement à temps et de filtrer les paiements en retard afin d’analyser précisément les causes profondes des retards associés à certains clients ou types de deals. Pourquoi c’est important Simplifie l’analyse du respect des conditions de paiement et sert à calculer le KPI du taux de paiement à temps. Où les obtenir Calculé en comparant « InvoicePaymentTime » à l’attribut « PaymentTerms ». Par exemple, si PaymentTerms vaut « Net 30 » et InvoicePaymentTime est inférieur ou égal à 30 jours, la valeur est True. Exemples truefalse
	Produit ProductAttached	Le produit ou le service associé à l'opportunité commerciale.
Description Cet attribut précise le produit ou le service vendu dans le cadre de l'affaire. Il permet d'analyser plus précisément les activités commerciales liées à des offres données. L'inclusion du produit permet de segmenter l'analyse et de comparer les processus commerciaux entre différentes gammes de produits. Elle peut révéler que certains produits ont des cycles de vente plus longs, des taux de conversion différents ou nécessitent des étapes spécifiques, ce qui permet d'adapter les stratégies commerciales. Pourquoi c’est important Permet d'analyser le processus commercial par gamme de produits et d'identifier les variations de durée du cycle de vente ou de taux de réussite entre les différentes offres. Où les obtenir Récupéré à partir de l'objet Product associé à un Deal dans l'API Pipedrive. Exemples Abonnement SaaS standardLicence de plateforme pour entreprisePack de services professionnels
	Région Region	La région géographique associée au client ou à l’opportunité commerciale.
Description Cet attribut répartit les deals par zone géographique, par exemple l’Amérique du Nord, la région EMEA ou l’APAC. Il permet d’analyser les performances commerciales et les processus selon la localisation. En segmentant le processus par région, les entreprises peuvent mettre en évidence les écarts régionaux concernant la durée du cycle de vente, les taux de réussite et les variantes du processus. Ces analyses peuvent guider les stratégies commerciales régionales, l’allocation des ressources et les efforts de standardisation des processus. Pourquoi c’est important Permet d’analyser le processus commercial selon la zone géographique et de mettre en évidence les différences régionales de performance et de comportement client. Où les obtenir Il s’agit généralement d’un champ personnalisé de l’objet Deal ou Organization. Les champs d’adresse de l’objet Organization peuvent également servir à déduire cette information. Exemples Amérique du NordEMEAAPACAmérique latine
	Retouche IsRework	Un indicateur qui identifie les activités faisant partie d’une boucle de retouche.
Description Is Rework est un indicateur booléen généralement calculé par l’outil de Process Mining pour mettre en évidence les situations où le processus s’écarte d’un flux linéaire et répète des étapes précédentes. Par exemple, un deal qui revient de « Negotiation » à « Proposal Sent » est considéré comme une retouche. L’identification des retouches est essentielle à l’optimisation des processus, car elles représentent une inefficacité, un effort inutile et une source potentielle de confusion pour le client. L’analyse des activités signalées comme des retouches permet de localiser les points de rupture du processus et de mettre en place des améliorations ciblées. Pourquoi c’est important Aide à quantifier l’inefficacité du processus en identifiant et en signalant les activités qui s’inscrivent dans un parcours répété ou circulaire. Où les obtenir Calculé par le logiciel de Process Mining à partir de l’analyse de la séquence des activités au sein de chaque cas. Exemples truefalse
	Source du prospect LeadSource	La source ou le canal par lequel le lead a été acquis.
Description Lead Source identifie la manière dont un client potentiel a été repéré pour la première fois, par exemple lors d'un « Webinar », d'un « Cold Call » ou d'une recommandation de partenaire. Cette information est essentielle pour les stratégies marketing et commerciales. L'analyse de Lead Source permet d'évaluer l'efficacité des différents canaux marketing. Elle peut servir à comparer les taux de conversion et les durées de cycle de vente des leads issus de différentes sources, afin d'optimiser les investissements marketing et les efforts commerciaux. Pourquoi c’est important Aide à mesurer l'efficacité des différents canaux marketing en analysant les taux de conversion et les performances du processus pour les leads issus de chaque source. Où les obtenir Récupéré à partir du champ « source_name » de l'objet Lead, qui est ensuite associé au Deal. Exemples Recherche naturelleRéseaux sociaux payantsRecommandationSalon professionnel
	Système source SourceSystem	Identifie le système à partir duquel les données ont été extraites.
Description Cet attribut précise l'origine des données, qui est ici Pipedrive. Il est particulièrement utile dans les environnements où les données de plusieurs systèmes sont regroupées pour obtenir une vue globale du processus. Même s'il s'agit souvent d'une valeur statique dans une analyse portant sur un seul système, il fournit un contexte essentiel et contribue à la gouvernance et à la traçabilité des données. Il confirme que les événements et les attributs sont liés à l'instance Pipedrive. Pourquoi c’est important Fournit un contexte important sur l'origine des données et garantit leur traçabilité et leur lisibilité, notamment lorsque des données provenant de plusieurs systèmes sont combinées. Où les obtenir Il s'agit généralement d'une valeur statique ajoutée lors de la transformation des données. Exemples Pipedrive

Obligatoire Recommandé Facultatif

Activités Lead to Cash

Ces étapes et ces jalons doivent être enregistrés dans votre journal d’événements pour garantir une découverte précise du processus et une optimisation efficace.

5 Recommandé 8 Facultatif

	Activité	Description
	Affaire créée	Marque le début officiel d'une opportunité commerciale. Cet événement est déclenché lorsqu'une nouvelle affaire est créée manuellement ou générée automatiquement à partir d'un lead converti.
Pourquoi c’est important Il s'agit de l'activité de départ principale du cycle de vente. L'analyse du délai entre cet événement et « Deal Won » ou « Deal Lost » permet de mesurer la durée globale du cycle de vente. Où les obtenir Il s'agit d'un événement explicite enregistré dans l'entité Deals de Pipedrive. L'horodatage de création (« add_time ») de l'enregistrement de l'affaire sert d'heure de l'événement. Collecte Utilisez le champ « add_time » de l'entité Deals. Type d’événement explicit
	Affaire gagnée	Marque la conclusion réussie d'une affaire, à la suite de l'accord verbal ou écrit du client. Il s'agit d'un changement de statut standard et explicite dans Pipedrive.
Pourquoi c’est important Il s'agit de l'étape de réussite la plus importante. Elle est essentielle pour calculer les taux de réussite, la durée du cycle de vente des affaires gagnées et les performances commerciales globales. Où les obtenir Il s'agit d'un événement explicite enregistré lorsque le statut d'une affaire passe à « won ». Le champ « won_time » de l'entité Deals fournit l'horodatage précis. Collecte Utilisez l'horodatage « won_time » de l'entité Deals. Type d’événement explicit
	Affaire perdue	Marque la conclusion infructueuse d'une affaire. Cela se produit lorsque le processus commercial est interrompu parce que le client a choisi un concurrent, n'est plus intéressé ou pour toute autre raison.
Pourquoi c’est important Il s'agit du principal point de sortie en cas d'échec. L'analyse du moment et des raisons pour lesquelles les affaires sont perdues fournit des indications importantes pour améliorer la stratégie commerciale, la formation et les processus de qualification. Où les obtenir Il s'agit d'un événement explicite enregistré lorsque le statut d'une affaire passe à « lost ». Le champ « lost_time » de l'entité Deals enregistre l'horodatage. Collecte Utilisez l'horodatage « lost_time » de l'entité Deals. Type d’événement explicit
	Paiement reçu	Marque la réception effective du paiement du client et clôt le cycle d'encaissement de l'opportunité. Il s'agit du dernier événement du processus Lead to Cash, qui provient d'un système financier.
Pourquoi c’est important Il s'agit de l'étape finale qui concrétise la valeur. Elle constitue la véritable fin du processus Lead to Cash et est essentielle pour mesurer la durée du cycle de bout en bout et analyser les retards de paiement. Où les obtenir Cet événement est extrait d'un système comptable ou de traitement des paiements. La confirmation du paiement doit être rattachée à l'affaire Pipedrive. Collecte Données d'événement provenant d'un système financier externe, associées à l'affaire au moyen d'un identifiant unique. Type d’événement explicit
	Proposition envoyée	Représente le moment où un devis ou une proposition formelle est remis au client. Cet événement est souvent déduit lorsque l'affaire passe à une étape spécifique du pipeline, comme « Proposal Made » ou « Quote Sent ».
Pourquoi c’est important Il s'agit d'une étape importante du processus commercial. L'analyse du délai entre cet événement et « Deal Won » permet de comprendre la durée de la phase de décision et de négociation. Où les obtenir Cet événement est déduit du journal des modifications du Deal lorsque « stage_id » passe à une étape dédiée aux propositions. L'horodatage du changement d'étape est utilisé. Collecte Détectez le moment où le « stage_id » d'un Deal est mis à jour vers une étape « Proposal » spécifique. Type d’événement inferred
	Affaire qualifiée	Indique que l'affaire répond à des critères prédéfinis et constitue une opportunité viable qui mérite d'être poursuivie. Cet événement est généralement déduit lorsqu'une affaire passe d'une première étape du pipeline, comme « Lead In », à une étape plus qualifiée, telle que « Contact Made » ou « Needs Defined ».
Pourquoi c’est important Cette étape permet d'analyser l'efficacité du processus de qualification des leads et de déterminer combien de temps les affaires restent dans les premières étapes, avant qualification. Où les obtenir Cet événement est déduit du journal des modifications ou de l'historique du Deal lorsque le champ « stage_id » passe à une étape indiquant la qualification. Collecte Identifiez, dans l'historique de l'affaire, le changement d'étape vers une étape « qualified » prédéfinie. Type d’événement inferred
	Affaire rouverte	Représente une affaire précédemment marquée comme perdue, puis réactivée pour de nouvelles activités commerciales. Cet événement est déduit lorsque le statut d'une affaire passe de « lost » à « open ».
Pourquoi c’est important Cette activité met en évidence les boucles de reprise et les efforts de réengagement. L'analyse de ces situations peut révéler des tendances dans le comportement des clients ou l'efficacité du suivi commercial. Où les obtenir Cet événement est déduit du journal des modifications du Deal. Il est détecté lorsque le champ « status » passe de « lost » à « open ». Collecte Identifiez, dans l'historique de l'affaire, le changement de statut de « lost » à « open ». Type d’événement inferred
	Commande client créée	Représente la création d'une commande commerciale formelle dans un système en aval, tel qu'un ERP ou une plateforme comptable, après le gain de l'affaire. Cette activité n'est pas native de Pipedrive et dépend des données d'un système intégré.
Pourquoi c’est important Cet événement marque le transfert des équipes commerciales vers les opérations ou la finance. L'analyse du délai entre « Deal Won » et cette activité révèle les éventuels retards dans le traitement de la commande. Où les obtenir Cet événement est généralement extrait d'un ERP ou d'un système financier connecté. Les données doivent être ingérées et associées à l'identifiant de l'affaire Pipedrive. Collecte Données d'événement transmises par une application externe via API, souvent en mettant à jour un champ personnalisé de l'affaire dans Pipedrive. Type d’événement explicit
	Commande exécutée	Indique que le produit a été expédié ou que le service a été fourni au client. Cet événement provient d'un système externe d'exécution des commandes ou d'exploitation.
Pourquoi c’est important Le suivi de l'exécution est essentiel pour comprendre la durée du cycle entre la commande et la livraison. Les retards à cette étape ont une incidence directe sur la satisfaction client et la comptabilisation des revenus. Où les obtenir Cet événement est extrait d'un ERP externe, d'un système de gestion des stocks ou d'un système de gestion des services. Ces données doivent être rattachées à l'affaire Pipedrive correspondante. Collecte Données d'événement provenant d'un système externe, associées au moyen de l'identifiant de l'affaire ou d'un autre identifiant commun. Type d’événement explicit
	Facture envoyée	Représente le moment où une facture est envoyée au client pour paiement. Cet événement est généralement déclenché dans un système externe de comptabilité ou de facturation après l'exécution de la commande.
Pourquoi c’est important Il marque le début du cycle de paiement. Le délai entre cet événement et « Payment Received » est essentiel pour suivre les créances clients et la trésorerie. Où les obtenir Cet événement provient d'un système externe de comptabilité ou d'un ERP, comme Xero ou QuickBooks. Les données doivent être intégrées et associées à l'affaire Pipedrive. Collecte Données d'événement provenant d'un système externe de facturation, associées à l'affaire via une intégration API. Type d’événement explicit
	Négociation commencée	Signale le début des négociations actives sur le prix, les conditions ou le périmètre. Cet événement est généralement déduit lorsqu'une affaire passe à l'étape « Negotiation » du pipeline après l'envoi d'une proposition.
Pourquoi c’est important L'isolement de la phase de négociation permet de déterminer la durée de cette étape et d'identifier les affaires qui donnent lieu à des négociations prolongées. Où les obtenir Cet événement est déduit du journal des modifications du Deal lorsque « stage_id » est mis à jour vers une étape explicitement consacrée à la négociation. Collecte Identifiez, dans l'historique de l'affaire, le changement d'étape vers une étape « Negotiation » prédéfinie. Type d’événement inferred
	Premier contact établi	Représente la première interaction significative avec le client potentiel associé à l'affaire. Elle est généralement enregistrée comme une activité terminée, par exemple un appel, un e-mail ou une réunion, liée à l'affaire.
Pourquoi c’est important Son suivi permet de mesurer le délai avant le premier contact et de vérifier que les leads sont pris en charge rapidement. Il fournit également des indications sur la réactivité de l'équipe commerciale. Où les obtenir Cet événement est extrait de l'entité Activities de Pipedrive. Il est identifié en recherchant la première activité terminée liée à l'identifiant de l'affaire. Collecte Recherchez la première Activity terminée associée à un Deal, en vous basant sur le champ « done_time ». Type d’événement explicit
	Relance de la proposition	Enregistre toute activité commerciale, comme un appel ou un e-mail, qui a lieu après l'envoi d'une proposition au client. Cet événement indique un suivi actif pendant la phase d'examen.
Pourquoi c’est important Mesure la rapidité et la fréquence des actions de suivi, qui sont essentielles pour maintenir la dynamique commerciale et conclure les affaires. Il alimente le Dashboard « Proposal Follow-up Timeliness ». Où les obtenir Cet événement est extrait de l'entité Activities de Pipedrive. Il correspond à une activité terminée qui a lieu après l'événement « Proposal Sent » pour la même affaire. Collecte Identifiez une Activity terminée dont le « done_time » est postérieur à l'horodatage de l'activité « Proposal Sent ». Type d’événement explicit

Recommandé Facultatif

Guides d’extraction

Comment récupérer vos données depuis Pipedrive

Étapes

Connectez-vous à Pipedrive : accédez à votre compte Pipedrive avec un profil utilisateur autorisé à exporter les données. Il s’agit généralement d’un utilisateur Admin.
Accédez à l’export des données : cliquez sur votre photo de profil en haut à droite, puis sélectionnez « Settings ». Dans le menu de navigation à gauche, ouvrez la section « Tools and apps » et cliquez sur « Export data ».
Exportez les données des Deals : dans la vue « Export data », sélectionnez « Deals ». Choisissez le format de fichier « CSV ». Il est recommandé d’appliquer un filtre sur une période donnée, par exemple les six derniers mois, afin de conserver une taille de fichier raisonnable. Cliquez sur « Export » et attendez la génération et le téléchargement du fichier. Celui-ci contiendra notamment les dates de création, de gain et de perte des Deals.
Exportez les données des activités : répétez la procédure pour « Activities ». Sélectionnez « Activities », choisissez « CSV », appliquez le même filtre de dates que pour les Deals, puis exportez le fichier. Celui-ci contient les appels, e-mails, réunions et activités personnalisées associés aux Deals.
Rassemblez les données externes : récupérez les données correspondantes dans vos systèmes en aval. Vous aurez besoin d’exports provenant de votre ERP, de votre système comptable ou de vos systèmes d’exécution pour des événements tels que « Sales Order Created », « Order Fulfilled », « Invoice Sent » et « Payment Received ». Vérifiez que ces fichiers contiennent un identifiant commun pouvant être relié à l’ID du Deal Pipedrive.
Mettez en place un environnement de traitement des données : utilisez un outil capable de traiter et de fusionner plusieurs fichiers CSV, comme Python avec la bibliothèque pandas, Microsoft Excel avec Power Query ou un autre outil de préparation des données.
Chargez et combinez les données : chargez les fichiers Deals.csv et Activities.csv, ainsi que les fichiers de données externes recueillis à l’étape précédente.
Construisez l’Event Log : créez un Event Log unifié en transformant les données brutes au format d’activité requis. Pour chacune des 13 activités requises, créez un ensemble de lignes correspondant. Par exemple :
- Les événements « Deal Created » sont générés à partir de la colonne add_time du fichier Deals.csv.
- Les événements « Deal Won » sont générés à partir de la colonne won_time du fichier Deals.csv.
- « Initial Contact Made » correspond à la première activité terminée pour chaque Deal dans le fichier Activities.csv.
- Les autres activités, telles que « Proposal Sent » ou « Negotiation Started », sont déduites de l’objet ou du type d’activité dans Activities.csv.
Mappez les attributs : pour chaque ligne d’événement, vérifiez que toutes les colonnes requises sont renseignées : SalesOpportunityId, ActivityName et EventTime. Ajoutez les attributs recommandés, tels que DealValue, DealOwner et DealStatus, en les reliant aux données des Deals.
Export final : une fois l’Event Log entièrement construit et validé, enregistrez la table finale dans un fichier CSV unique encodé en UTF-8. Ce fichier est prêt à être importé dans ProcessMind pour analyse.

Configuration

Objets à exporter : vous devez exporter au minimum « Deals » et « Activities ». Vous devrez peut-être aussi exporter « Organizations » ou « People » si vous avez besoin de données dimensionnelles supplémentaires.
Format de fichier : choisissez CSV pour assurer une compatibilité maximale avec des outils de traitement tels que Python ou Power Query.
Filtre de période : utilisez l’option « Filter by » pour sélectionner une période précise, par exemple « Deal add time » au cours des « last 180 days ». Ce filtre est essentiel pour maîtriser les performances de l’export et la taille du fichier.
Autorisations utilisateur : vous devez être un utilisateur Admin ou disposer d’un ensemble d’autorisations autorisant explicitement l’export des données du compte Pipedrive.
Types d’activités personnalisés : l’extraction réussie d’étapes telles que « Deal Qualified » ou « Proposal Sent » dépend largement de l’utilisation de types d’activités personnalisés dans Pipedrive. Vérifiez qu’ils sont configurés et utilisés de manière cohérente par votre équipe commerciale.

a Exemple de requête 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.')

Étapes

Configurez l’environnement Python : vérifiez que Python 3.6 ou une version ultérieure est installé sur votre système. Ouvrez un terminal ou une invite de commandes et installez les bibliothèques Python nécessaires avec la commande suivante : pip install requests pandas.
Obtenez les identifiants de l’API Pipedrive : connectez-vous à votre compte Pipedrive. Accédez à Settings en cliquant sur votre photo de profil, sélectionnez « Personal preferences », puis ouvrez l’onglet « API ». Copiez votre jeton API personnel. Vous aurez également besoin du domaine de votre entreprise, c’est-à-dire le préfixe de votre URL Pipedrive, par exemple your-company dans your-company.pipedrive.com.
Configurez le script d’extraction : ouvrez le script Python fourni dans un éditeur de texte ou un IDE. Repérez la section de configuration en haut du fichier et remplacez les valeurs fictives de API_TOKEN et COMPANY_DOMAIN par vos identifiants.
Définissez la période d’extraction : dans la section de configuration du script, définissez la variable START_DATE sur la date de création la plus ancienne des Deals à inclure dans l’analyse. Le format doit être « YYYY-MM-DD ».
Mappez les ID de votre pipeline et de vos étapes : le script déduit plusieurs activités à partir des changements d’étape des Deals. Vous devez fournir les ID spécifiques de votre pipeline commercial et de ses principales étapes. Vous pouvez trouver ces ID en ouvrant l’étape dans l’interface Pipedrive et en consultant l’URL, ou en utilisant l’API. Mettez à jour dans le script les variables PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID et NEGOTIATION_STAGE_ID.
Exécutez le script : lancez le script depuis votre terminal avec la commande python your_script_name.py. Le script commencera à interroger l’API Pipedrive pour récupérer les Deals, les activités et les journaux de modifications.
Suivez le traitement : le script affiche dans la console l’avancement de l’opération et les données récupérées. Le traitement peut prendre plusieurs minutes selon le volume de données et les limites de débit de l’API.
Mettez en œuvre l’extraction des données externes : pour des activités telles que « Sales Order Created » et « Payment Received », le script contient des fonctions fictives. Vous devez modifier ces fonctions afin de les connecter à vos systèmes externes, par exemple un ERP ou une plateforme comptable, et de récupérer les événements correspondants. Reliez le SalesOpportunityId Pipedrive aux enregistrements de ces autres systèmes.
Vérifiez le résultat : une fois le script terminé, il génère un fichier CSV nommé pipedrive_event_log.csv. Ce fichier contient l’Event Log structuré avec toutes les activités extraites.
Préparez l’import : ouvrez le fichier CSV pour vérifier qu’il a été créé correctement. Les colonnes doivent inclure SalesOpportunityId, ActivityName, EventTime ainsi que les autres attributs recommandés. Le fichier est alors prêt à être importé dans ProcessMind pour analyse.

Configuration

Identifiants API : le script nécessite un API_TOKEN valide et votre COMPANY_DOMAIN pour s’authentifier auprès de l’API Pipedrive. Vérifiez que l’utilisateur associé au jeton dispose des autorisations suffisantes pour lire les Deals, les activités et les utilisateurs.
Période : la variable START_DATE filtre les Deals créés à partir de la date indiquée. Pour une première analyse, une période de 3 à 6 mois est recommandée afin de conserver un volume de données raisonnable.
ID du pipeline et des étapes : pour déduire correctement des étapes telles que « Deal Qualified » ou « Proposal Sent », vous devez configurer le script avec les ID numériques exacts de votre PIPELINE_ID commercial principal et les valeurs STAGE_ID correspondant à chaque jalon. Des ID incorrects entraîneront l’absence de certaines activités.
Performances et limitation de débit : le script inclut une courte pause entre les appels API afin de respecter les limites de débit de Pipedrive. Pour les organisations qui gèrent un très grand volume de Deals, cette pause devra peut-être être ajustée ou remplacée par une stratégie de reprise plus avancée afin d’éviter les erreurs API.
Mappage des champs personnalisés : si vous utilisez des champs personnalisés pour des attributs importants tels que DiscountPercentage, vous devrez trouver la clé API de ce champ personnalisé, une longue chaîne de hachage différente de son nom d’affichage, et la référencer dans la logique de transformation des données.
Intégration des systèmes externes : l’extraction des événements provenant de systèmes externes à Pipedrive, comme la facturation ou l’exécution des commandes, est gérée par des fonctions fictives. Vous devez personnaliser ces sections pour les connecter à vos sources de données externes.

a Exemple de requête 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}")

Étapes

Sélectionnez et souscrivez à un service commercial d’ETL ou d’automatisation disposant d’un connecteur Pipedrive pris en charge, comme Fivetran ou Make. Vérifiez que le produit choisi peut extraire les Deals, les activités, l’historique des étapes et des changements de statut des Deals, les personnes, les organisations et les champs personnalisés, puis écrire ces données dans votre entrepôt ou lac de données cible.
Créez une connexion Pipedrive autorisée en lecture à l’aide de la méthode d’authentification prise en charge par le connecteur. Configurez le compte source, l’espace de travail ou l’organisation selon l’outil choisi. Ne partez pas du principe qu’un chemin de menu ou un endpoint API est fixe, car ces éléments varient selon le produit et la version du connecteur.
Configurez la connexion de destination et créez une zone d’atterrissage pour les objets sources synchronisés. Utilisez les noms de tables ou de collections générés par le connecteur, ou remplacez les noms du script par ceux créés dans votre environnement. Conservez les identifiants sources, les horodatages, les valeurs de statut et d’étape, les identifiants des propriétaires, les valeurs monétaires et les champs personnalisés.
Configurez une synchronisation incrémentielle pour la période requise, généralement les 3 à 6 mois précédents, avec une fenêtre de chevauchement lorsque le connecteur le permet. Incluez les enregistrements historiques nécessaires pour identifier les Deals rouverts, ainsi que l’historique des étapes ou des statuts, et pas uniquement l’instantané actuel du Deal.
Synchronisez les objets Pipedrive et les objets des systèmes en aval nécessaires aux événements « Sales Order Created », « Order Fulfilled », « Invoice Sent » et « Payment Received ». Ces quatre activités ne sont pas des événements natifs de Pipedrive et nécessitent des données provenant d’un ERP, d’un système d’exécution, de comptabilité, de facturation ou d’un système financier. Si le connecteur n’expose pas ces objets, chargez-les dans la destination au moyen d’un autre connecteur pris en charge.
Créez des vues ou des tables normalisées qui associent la sortie du connecteur aux objets sources logiques référencés par le script d’extraction. Remplacez chaque nom de table fictif du script par la table ou la vue correspondante dans votre destination. Configurez dans la section prévue à cet effet les noms d’étapes, les valeurs de statut, les types d’activités et les clés de relation avec les systèmes externes propres à votre source.
Exécutez le script d’extraction. Il crée explicitement des lignes pour 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 et Deal Reopened. Les événements déduits de l’historique des étapes ou des statuts ne sont générés que si l’historique source contient la transition requise. ProcessMind ne déduit pas les événements manquants après l’import.
Vérifiez que SalesOpportunityId, ActivityName et EventTime sont renseignés, que les horodatages sont normalisés dans un fuseau horaire cohérent et que les doublons des enregistrements sources sont supprimés ou contrôlés à l’aide de l’identifiant de l’événement source et de son horodatage. Examinez les attributs recommandés et conservez les valeurs NULL lorsque la source ne fournit pas l’information.
Exportez le résultat au format CSV plat ou dans un autre format d’Event Log pris en charge par ProcessMind. Utilisez SalesOpportunityId comme identifiant de cas, ActivityName comme colonne d’activité et EventTime comme horodatage de l’événement. Ajoutez DealValue, DealOwner, DealStatus et DiscountPercentage comme attributs supplémentaires. Importez le fichier ou connectez le jeu de données de destination dans ProcessMind, puis vérifiez que les noms des activités correspondent exactement aux libellés requis.

Configuration

Connecteur source : configurez un connecteur Pipedrive pris en charge dans le service d’ETL ou d’automatisation choisi. Les fonctionnalités du connecteur, les modes de synchronisation, les noms de tables générés et les options d’authentification varient selon le produit et sa version.
Données sources requises : incluez les Deals, les activités, l’historique des étapes et des statuts des Deals, les propriétaires ou utilisateurs, ainsi que les champs utilisés pour identifier les leads convertis. Ajoutez les données des commandes commerciales, de l’exécution, des factures et des paiements provenant des systèmes intégrés.
Objets de destination : remplacez [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] et [Your payments table] par les tables générées par le connecteur ou par des vues préparées.
Période : commencez par 3 à 6 mois de données. Étendez cette période lorsque le cycle du processus est plus long, lorsque les Deals rouverts doivent être analysés ou lorsque l’historique des changements d’étape et de statut est nécessaire.
Paramètres de dates : définissez [Start date] et [End date] dans le format de date pris en charge par la destination. Utilisez une période de chevauchement pour les chargements incrémentiels afin de capturer les mises à jour tardives, les horodatages corrigés et les transactions en aval différées.
Configuration des étapes : configurez les noms exacts des étapes ou les catégories d’étapes normalisées utilisées par le compte Pipedrive pour la qualification, la proposition et la négociation. Ne vous fiez pas aux noms d’exemple s’ils ne correspondent pas aux valeurs sources.
Configuration des activités : configurez les types exacts d’activités terminées qui représentent le premier contact et le suivi d’une proposition, comme un appel, un e-mail ou une réunion, en fonction des valeurs normalisées par le connecteur.
Lien avec les systèmes externes : configurez la clé de relation qui relie une commande commerciale en aval à un Deal Pipedrive. Si le système en aval utilise une autre clé, créez une vue de correspondance avant d’exécuter l’extraction.
Filtres : appliquez des filtres sur l’entreprise, l’organisation, le pipeline, l’équipe, la devise ou l’unité opérationnelle uniquement lorsque cela est nécessaire. Documentez chaque filtre, car il modifie l’exhaustivité des cas et des événements.
Performances : utilisez la synchronisation incrémentielle, les filtres de dates côté source, les tables de destination partitionnées et des colonnes de cas et d’horodatage indexées ou regroupées pour les grands volumes de données. Évitez d’analyser à plusieurs reprises l’intégralité des tables historiques.
Déduplication : conservez un identifiant d’événement source stable lorsqu’il est disponible. Sinon, dédupliquez à l’aide de l’identifiant de cas, du nom de l’activité, de l’horodatage de l’événement et de l’identifiant de l’enregistrement source, tout en conservant les répétitions légitimes, comme plusieurs relances.
Prérequis : la licence du connecteur, l’autorisation Pipedrive, les droits d’écriture sur la destination, l’accès à l’historique des Deals et aux activités, ainsi que l’accès aux données des ERP, systèmes d’exécution, de comptabilité, de facturation ou systèmes financiers en aval sont nécessaires. Les champs personnalisés et les données historiques de modification peuvent nécessiter des autorisations produit ou des fonctionnalités supplémentaires du connecteur.

a Exemple de requête 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")

Prêt à commencer ?

Utilisez ce modèle pour préparer efficacement vos données Lead to Cash et commencer à faire apparaître des analyses utiles sur votre processus. Commencez dès aujourd’hui à optimiser vos opérations Pipedrive.

Retour au guide d’amélioration Télécharger le modèle

Augmentez vos taux de réussite : optimisez dès aujourd’hui votre processus Lead to Cash dans Pipedrive

Augmentez votre taux de réussite de 20 % et raccourcissez vos cycles de vente. Commencez dès maintenant.

Démarrer l’essai gratuit

Aucune carte bancaire requise. Essai gratuit de 14 jours.

Votre modèle de données Lead to Cash

Votre modèle de données Lead to Cash

Attributs Lead to Cash

Activités Lead to Cash

Guides d’extraction

Export natif des données Pipedrive vers CSV/Excel

Étapes

Configuration

a Exemple de requête python

Extraction par script Python via l’API REST Pipedrive

Étapes

Configuration

a Exemple de requête python

Outil ETL tiers avec connecteur Pipedrive

Étapes

Configuration

a Exemple de requête python

Prêt à commencer ?

Augmentez vos taux de réussite : optimisez dès aujourd’hui votre processus Lead to Cash dans Pipedrive

Votre modèle de données Lead to Cash

Votre modèle de données Lead to Cash

Attributs Lead to Cash

Activités Lead to Cash

Guides d’extraction

Export natif des données Pipedrive vers CSV/Excel

Étapes

Configuration

a Exemple de requête python

Extraction par script Python via l’API REST Pipedrive

Étapes

Configuration

a Exemple de requête python

Outil ETL tiers avec connecteur Pipedrive

Étapes

Configuration

a Exemple de requête python

Prêt à commencer ?

Augmentez vos taux de réussite : optimisez dès aujourd’hui votre processus Lead to Cash dans Pipedrive

Nous attachons de l’importance à votre confidentialité