> Folyamatos folyamatfejlesztés > Érdeklődőtől a pénz beérkezéséig > Pipedrive > Adatsablon

Az Ön adatsablonja az érdeklődőtől a bevételig tartó folyamathoz

Pipedrive

← Vissza a folyamatfejlesztési útmutatóhoz

Az érdeklődőtől a bevételig tartó folyamat attribútumai(20) Az érdeklődőtől a bevételig tartó folyamat tevékenységei(13) Útmutatók az adatok kinyeréséhez(3)

Az Ön adatsablonja az érdeklődőtől a bevételig tartó folyamathoz

Ez a sablon útmutatást ad azoknak az adatoknak az összegyűjtéséhez, amelyekre a Pipedrive-ban zajló, érdeklődőtől a bevételig tartó folyamat elemzéséhez szüksége van. Bemutatja a rögzítendő alapvető attribútumokat és tevékenységeket, valamint azt is, hogyan nyerheti ki ezeket közvetlenül a Pipedrive rendszeréből. Használja az útmutatót az adatok előkészítéséhez, hogy megkezdhesse a process mining elemzést és a folyamat fejlesztését.

Javasolt attribútumok
Rögzítendő fő tevékenységek
Útmutató az adatok kinyeréséhez a Pipedrive-ból

Most ismerkedik az eseménynaplókkal? Tudja meg, hogyan készíthet process mining eseménynaplót.

Sablon letöltése

Az érdeklődőtől a bevételig tartó folyamat attribútumai

Ezek az ajánlott adatmezők szükségesek a megfelelő eseménynapló összeállításához, amely lehetővé teszi az érdeklődőtől a bevételig tartó folyamat részletes elemzését.

3 Kötelező 4 Javasolt 13 Nem kötelező

	Név	Leírás
	Értékesítési lehetőség SalesOpportunityId	Az értékesítési lehetőség egyedi azonosítója, amely a teljes Lead to Cash folyamat követéséhez használt esetazonosító.
Leírás Az értékesítési lehetőség azonosítója az elsődleges kulcs, amely összekapcsolja az összes kapcsolódó tevékenységet az érdeklődő létrehozásától a végső fizetésig. A Pipedrive-ban egyetlen nyomon követett lehetséges értékesítést jelöl. A folyamatelemzésben ez az azonosító teszi lehetővé az egyes üzletek teljes folyamatának rekonstruálását. Segítségével az olyan események, mint a „Deal Created”, a „Proposal Sent” és a „Payment Received”, egyetlen összefüggő esetbe rendezhetők. Így elemezhetők a folyamatváltozatok, az átfutási idők és a konverziós arányok. Miért fontos? Ez az azonosító adja a folyamatnézet alapját: összekapcsolja a kapcsolódó eseményeket, és minden értékesítési üzlethez teljes előzményt állít össze. Hol szerezhető be? A Pipedrive API-n keresztül, a Deal objektum „id” mezőjéből kérhető le. Példák 12543125441254512546
	Esemény időpontja EventTime	Az időbélyeg, amely megmutatja, mikor történt a tevékenység.
Leírás Az esemény időpontja, más néven kezdési idő, rögzíti, hogy egy adott tevékenységet pontosan mikor jegyeztek fel. Ez az időadat szükséges az események időrendi sorba rendezéséhez és a folyamatlépések közötti időtartam kiszámításához. Az elemzés során ebből az időbélyegből számíthatók ki az olyan KPI-k, mint az átfutási idő, a feldolgozási idő és a várakozási idő. Az időalapú dashboardok teljesítménykövetésre és az értékesítési folyamat késedelmeinek feltárására is használják. Miért fontos? Ez az időbélyeg szükséges az események sorba rendezéséhez, a folyamat időtartamának kiszámításához és az időalapú célokhoz viszonyított teljesítmény elemzéséhez. Hol szerezhető be? A Pipedrive API Deal, Activity vagy kapcsolódó objektumainak olyan mezőiből származik, mint az 'add_time' vagy az 'update_time'. Példák 2023-04-15T10:00:00Z2023-04-16T14:30:00Z2023-05-01T09:05:00Z
	Tevékenység neve ActivityName	Az értékesítési folyamatban történt konkrét üzleti esemény vagy feladat neve.
Leírás Ez az attribútum a Lead to Cash folyamat egyetlen lépését írja le, például a „Deal Created”, a „Proposal Sent” vagy a „Payment Received” eseményt. A tevékenységek a folyamat vizuális megjelenítésének alapvető elemei. A tevékenységek sorrendjének és gyakoriságának elemzésével azonosíthatók a leggyakoribb folyamatútvonalak, a munka feltorlódásának helyei és a szokásos értékesítési eljárástól való eltérések. Ez segít megérteni, hogyan zajlik ténylegesen a folyamat. Miért fontos? Meghatározza a folyamat lépéseit, így megjeleníthető és elemezhető a folyamatmenet, azonosíthatók a szűk keresztmetszetek, és ellenőrizhető a szabályoknak való megfelelés. Hol szerezhető be? Ezt jellemzően a Pipedrive-események, például az üzletszakasz-váltások, illetve a kapcsolódó objektumok, például számlák létrehozásának előre meghatározott tevékenységlistához rendelésével állítják elő. Példák Üzlet létrehozvaAjánlat elküldveÜzlet megnyerveSzámla elküldveFizetés beérkezett
	Kedvezmény mértéke DiscountPercentage	Az üzletre adott kedvezmény százalékos mértéke.
Leírás Ez az attribútum az értékesítési üzletre adott esetleges százalékos kedvezményt jelöli. Fontos szempont az árképzési stratégia és a jövedelmezőségre gyakorolt hatás megértéséhez. A kedvezmény mértékének elemzésével felmérhető az árengedmény-stratégia hatékonysága. Összevethető például az üzlet értékével, az értékesítővel vagy a termékkel, így kiderül, hol a leggyakoribb a kedvezményadás, és hogy növeli-e a nyerési arányt, vagy csak csökkenti az árrést. Miért fontos? Fontos az árképzési stratégia, az értékesítési árrés és az üzletek jövedelmezőségének elemzéséhez. Hol szerezhető be? Ez gyakran egyéni mező a Pipedrive Deal objektumában. Az egyéni mezők beállításáról a Pipedrive dokumentációjában tájékozódhat. Példák 0.050.100.150.0
	Üzlet értéke DealValue	Az értékesítési lehetőség teljes pénzbeli értéke.
Leírás Az üzlet értéke az értékesítési lehetőséghez kapcsolódó várható vagy tényleges bevételt jelöli. Alapvető mutató az üzletek rangsorolásához és az értékesítési folyamat pénzügyi hatásának felméréséhez. A folyamatelemzésben ezzel az attribútummal pénzügyi érték szerint csoportosíthatók az esetek, így összehasonlítható a nagy és kis értékű üzletek lebonyolítása. Az értékesítési teljesítményt, az árengedmények hatását és a teljes bevételt elemző dashboardok egyik alapadata is. Miért fontos? Lehetővé teszi az értékesítési folyamat pénzügyi elemzését, segít a nagy értékű üzletek rangsorolásában és a bevételre gyakorolt hatás megértésében. Hol szerezhető be? A Pipedrive API Deal objektumának „value” mezőjéből kérhető le. Példák 5000.0025000.501500.75
	Üzlet felelőse DealOwner	Az értékesítő, aki az értékesítési lehetőség kezeléséért felel.
Leírás Az üzlet felelőse az adott üzlethez rendelt felhasználó. Ez az attribútum segít megérteni az erőforrások elosztását és az értékesítési csapat teljesítményét. Lehetővé teszi az egyéni és csapatszintű teljesítmény elemzését. A dashboardok az üzlet felelőse szerint szűrhetők, így összehasonlítható például az értékesítési ciklus hossza, a konverziós arány és az átlagos üzletérték. Ez segít azonosítani a kiemelkedően teljesítő munkatársakat és a fejlesztendő területeket. Miért fontos? Lehetővé teszi az értékesítők teljesítményének elemzését, és segít azonosítani a kiemelkedően teljesítő munkatársakat, valamint a fejlesztendő területeket. Hol szerezhető be? A Deal objektum „user_id” mezőjéből kérhető le. Ez a mező a Pipedrive API User objektumára hivatkozik. Példák John SmithJane DoePeter Jones
	Üzlet státusza DealStatus	Az üzlet aktuális állapota vagy kimenetele, például megnyert, elveszített vagy nyitott.
Leírás Az üzlet státusza jelzi az értékesítési lehetőség végső kimenetelét vagy aktuális, magas szintű állapotát. Az értékesítési sikerarány és a folyamat hatékonyságának elemzésében ez az egyik alapvető szempont. Ez az attribútum szükséges a nyerési és veszteségi arány kiszámításához, valamint a folyamattérkép szűréséhez, hogy összehasonlíthatók legyenek a megnyert és elveszített üzletek útvonalai. Az összevetés gyakran feltárja a sikerhez vagy kudarchoz vezető folyamatbeli különbségeket, és támpontot ad a folyamatfejlesztéshez. Miért fontos? Szükséges a nyerési és veszteségi arány kiszámításához, valamint a sikeres és sikertelen üzletek folyamatmenetének összehasonlításához. Hol szerezhető be? A Pipedrive API Deal objektumának „status” mezőjéből kérhető le. Példák megnyertelveszítettnyitott
	Érdeklődő forrása LeadSource	Az a forrás vagy csatorna, ahonnan az érdeklődő érkezett.
Leírás Az érdeklődő forrása megmutatja, hogyan találtak rá először a lehetséges ügyfélre, például webináriumon, hideghívással vagy partneri ajánlással. Ez az információ fontos a marketing- és értékesítési stratégia kialakításához. Az érdeklődő forrásának elemzésével felmérhető a különböző marketingcsatornák hatékonysága. Összehasonlíthatók az egyes forrásokból érkező érdeklődők konverziós arányai és értékesítési ciklusai, így a vállalat hatékonyabban oszthatja el a marketingkeretet és az értékesítési erőforrásokat. Miért fontos? Segít felmérni a marketingcsatornák hatékonyságát az egyes forrásokból érkező érdeklődők konverziós arányának és folyamatbeli teljesítményének elemzésével. Hol szerezhető be? A Lead objektum „source_name” mezőjéből kérhető le, majd az üzlethez rendelhető. Példák Organikus keresésFizetett közösségi médiaAjánlásSzakkiállítás
	Esemény befejezési időpontja EventEndTime	Az időbélyeg, amely megmutatja, mikor fejeződött be egy időtartammal rendelkező tevékenység.
Leírás Az esemény befejezési időpontja jelzi egy mérhető időtartamú tevékenység, például egy megbeszélés vagy feladat végét. A kezdési időponttal együtt pontosan kiszámítható, mennyi ideig tartott az adott tevékenység. Ez az attribútum szükséges az egyes tevékenységek feldolgozási idejének kiszámításához. Az időtartam elemzésével azonosíthatók a legtöbb időt igénylő feladatok, és feltárhatók az optimalizálás, az automatizálás vagy az erőforrások átcsoportosításának lehetőségei. Miért fontos? Lehetővé teszi az egyes tevékenységek időtartamának pontos kiszámítását, ami segít azonosítani az időigényes feladatokat és a szűk keresztmetszeteket. Hol szerezhető be? A Pipedrive API Activity objektumainak olyan mezőiből származik, mint a 'due_date' vagy a befejezési időbélyeg. Példák 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	Fizetési feltételek PaymentTerms	A megállapodás szerinti fizetési határidő, például „Net 30” vagy „Net 60”.
Leírás A fizetési feltételek határozzák meg, hogy a számla elküldése után mennyi időn belül kell az ügyfélnek fizetnie. Ez az attribútum fontos a vevőkövetelések és a pénzforgalom kezeléséhez. A process mining során viszonyítási alapként szolgál a fizetési teljesítmény értékeléséhez. Segítségével olyan KPI-k számíthatók ki, mint a határidőre fizetések aránya: a tényleges fizetési dátum összevethető a számla dátumából és a fizetési feltételekből számított esedékességgel. Miért fontos? Viszonyítási alapot ad a határidőre történő fizetés méréséhez és a pénzbeszedési folyamat késedelmeinek elemzéséhez. Hol szerezhető be? Ez jellemzően egyéni mező a Pipedrive Deal vagy Organization objektumában, de származhat integrált könyvelési rendszerből is. Példák Net 30Net 60Fizetés átvételkor
	Forrásrendszer SourceSystem	Azonosítja azt a rendszert, amelyből az adatot kinyerték.
Leírás Ez az attribútum megadja az adat forrását, ebben az esetben a Pipedrive-ot. Különösen hasznos, ha több rendszer adatait egyesítik a folyamat egységes áttekintéséhez. Egyetlen rendszer elemzésekor gyakran állandó érték, mégis fontos kontextust ad, és segíti az adatkezelést, valamint a nyomon követhetőséget. Megerősíti, hogy az események és attribútumok a Pipedrive-példányhoz tartoznak. Miért fontos? Fontos információt ad az adatok eredetéről, és biztosítja a nyomon követhetőséget, valamint az egyértelműséget, különösen több rendszer adatainak egyesítésekor. Hol szerezhető be? Ez jellemzően egy állandó érték, amelyet az adatátalakítás során adnak hozzá. Példák Pipedrive
	Határidőre érkezett a fizetés IsOnTimePayment	Logikai jelző, amely megmutatja, hogy a fizetés a megállapodott határidőn belül érkezett-e be.
Leírás Ez az attribútum egy logikai jelző (True/False), amely megmutatja, hogy a fizetés határidőre történt-e. A számlafizetési idő és a megadott fizetési feltételek összehasonlításával számítható ki. A jelző egyszerűbbé teszi a fizetési szokások elemzését. Segítségével gyorsan kiszámítható a határidőre fizetések arányát mutató KPI, és kiszűrhetők a késedelmes fizetések. Így célzottan vizsgálhatók azok az okok, amelyek miatt bizonyos ügyfelek vagy üzlettípusok esetében késik a fizetés. Miért fontos? Egyszerűsíti a fizetési határidők betartásának elemzését, és a határidőre fizetések arányát mutató KPI kiszámítására használható. Hol szerezhető be? Az „InvoicePaymentTime” és a „PaymentTerms” attribútum összehasonlításával számítható ki. Például ha a PaymentTerms értéke „Net 30”, az InvoicePaymentTime pedig legfeljebb 30 nap, akkor az érték True. Példák truefalse
	Régió Region	Az ügyfélhez vagy az értékesítési lehetőséghez kapcsolódó földrajzi régió.
Leírás Ez az attribútum földrajzi területek szerint csoportosítja az üzleteket, például Észak-Amerika, EMEA vagy APAC szerint. Lehetővé teszi az értékesítési teljesítmény és a folyamatok földrajzi alapú elemzését. A folyamat régió szerinti bontásával feltárhatók az értékesítési ciklus hosszában, a nyerési arányban és a folyamatváltozatokban mutatkozó regionális eltérések. Ezek az eredmények segíthetik a regionális értékesítési stratégiák, az erőforrás-elosztás és a folyamatok egységesítésének kialakítását. Miért fontos? Lehetővé teszi az értékesítési folyamat földrajzi elemzését, és rávilágít a teljesítmény, valamint az ügyfélviselkedés regionális eltéréseire. Hol szerezhető be? Ez jellemzően egyéni mező a Deal vagy Organization objektumban. A régió a szervezet címadataiból is meghatározható. Példák Észak-AmerikaEMEAAPACLATAM
	Számlafizetési idő InvoicePaymentTime	A számla elküldése és a fizetés beérkezése között eltelt idő.
Leírás A számlafizetési idő a vevőkövetelések kezelésének hatékonyságát méri. Pontosan a „Invoice Sent” és a „Payment Received” tevékenység közötti időt követi. Ez a mutató fontos a pénzforgalom nyomon követéséhez és a fizetési késedelmek feltárásához. Elemzésével megérthető az ügyfelek fizetési viselkedése, valamint a fizetési emlékeztetők és a követelésbehajtás hatékonysága. Ez közvetlenül befolyásolja az ajánlattól a fizetésig tartó ciklust. Miért fontos? Közvetlenül méri a pénzbeszedési folyamat hatékonyságát, és fontos a pénzforgalom kezeléséhez. Hol szerezhető be? Az adott esetben a „Payment Received” és a „Invoice Sent” tevékenység időbélyege közötti különbségként számítható ki. Példák 28 nap45 nap10 nap
	Szervezet neve OrganizationName	Az üzlethez kapcsolódó ügyfélvállalat vagy szervezet neve.
Leírás Ez az attribútum azonosítja az értékesítési lehetőséghez kapcsolódó vállalati ügyfelet. Megmutatja, mely vállalatok szerepelnek az értékesítési folyamatban. A szervezet neve szerinti elemzés segít megérteni az ügyfelek viselkedését és azonosítani a kiemelt ügyfeleket. Az elemzés ügyféltípus szerint is szűrhető, így összehasonlítható, hogy a stratégiai ügyfelek és a kisebb vállalatok esetében eltér-e a folyamat. Egy adott vállalattal folytatott teljes értékesítési előzmény is nyomon követhető. Miért fontos? Azonosítja az ügyfelet, így ügyfélközpontú elemzés és az értékesítési folyamat ügyfélszegmensek szerinti vizsgálata válik lehetővé. Hol szerezhető be? A Deal objektum „org_id” mezőjéből kérhető le. Ez a mező a Pipedrive API Organization objektumára hivatkozik. Példák ABC CorporationGlobal Tech Inc.Innovate Solutions
	Termék ProductAttached	Az értékesítési lehetőséghez kapcsolódó termék vagy szolgáltatás.
Leírás Ez az attribútum adja meg, hogy az üzletben melyik terméket vagy szolgáltatást értékesítik. Részletesebben elemezhetők vele az egyes ajánlatokhoz kapcsolódó értékesítési tevékenységek. A termék szerinti bontás lehetővé teszi a különböző termékvonalak értékesítési folyamatainak összehasonlítását. Kiderülhet, hogy egyes termékek értékesítési ciklusa hosszabb, más a konverziós arányuk, vagy eltérő folyamatlépéseket igényelnek. Ezek alapján célzottabb értékesítési stratégia alakítható ki. Miért fontos? Lehetővé teszi az értékesítési folyamat termékvonalankénti elemzését, és segít feltárni a különböző ajánlatok értékesítési ciklusának vagy sikerarányának eltéréseit. Hol szerezhető be? A Pipedrive API Deal objektumához kapcsolt Product objektumból kérhető le. Példák Standard SaaS-előfizetésVállalati platformlicencProfesszionális szolgáltatási csomag
	Újramunkálás része IsRework	Jelző, amely az újramunkálási körbe tartozó tevékenységeket azonosítja.
Leírás Az újramunkálás jelzője logikai érték, amelyet a process mining eszköz jellemzően a lineáris folyamattól eltérő, korábbi lépéseket megismétlő esetek kiemelésére számít ki. Például újramunkálásnak számít, ha egy üzlet a „Negotiation” szakaszból visszalép a „Proposal Sent” szakaszba. Az újramunkálás azonosítása fontos a folyamatfejlesztéshez, mert hatékonyságvesztést, felesleges munkát és az ügyfél számára zavart okozhat. Az újramunkálásként megjelölt tevékenységek elemzésével feltárhatók a folyamat hibás pontjai, és célzott fejlesztések indíthatók. Miért fontos? Segít számszerűsíteni a folyamat hatékonyságvesztését az ismétlődő vagy körkörös folyamatútvonalhoz tartozó tevékenységek azonosításával és megjelölésével. Hol szerezhető be? A process mining szoftver az egyes esetek tevékenységsorrendjének elemzésével számítja ki. Példák truefalse
	Utolsó adatfrissítés LastDataUpdate	A forrásrendszerből végzett legutóbbi adatfrissítés időbélyege.
Leírás Ez az attribútum jelzi, mikor nyerték ki és frissítették utoljára az adatokat a process mining adatkészletben. Egyértelmű támpontot ad az elemzett adatok frissességének megítéléséhez. Az elemzés során fontos tudni, mennyire naprakészek az adatok. Ez az attribútum segít megítélni, hogy a megtekintett eredmények a folyamat legfrissebb állapotát tükrözik-e. Ez elengedhetetlen a működés nyomon követéséhez és a döntéshozatalhoz. Miért fontos? Jelzi az adatok frissességét, így a felhasználók tudják, mennyire aktuális a folyamatelemzés. Hol szerezhető be? Ez az érték az adatbetöltés vagy az ETL-folyamat során jön létre és kerül rögzítésre. Példák 2023-10-27T02:00:00Z2023-10-28T02:00:00Z
	Üzlet pénzneme DealCurrency	Az üzlet értékéhez tartozó pénznem.
Leírás Ez az attribútum adja meg, hogy milyen pénznemben szerepel az üzlet értéke, például USD-ben, EUR-ban vagy GBP-ben. Szükséges kontextust biztosít minden pénzügyi mutató értelmezéséhez. Több régió vagy ország üzleteinek elemzésekor elengedhetetlen a pontos pénzügyi kimutatások és összesítések elkészítéséhez. Biztosítja, hogy a pénzügyi adatok összesítése előtt helyesen lehessen elvégezni a pénznemek átváltását, így elkerülhetők a téves következtetések. Miért fontos? Szükséges kontextust ad az üzlet értékéhez, és pontos pénzügyi elemzést, valamint kimutatásokat tesz lehetővé a különböző régiókban. Hol szerezhető be? A Pipedrive API Deal objektumának „currency” mezőjéből kérhető le. Példák USDEURGBP
	Üzlet szakasza DealStage	Az értékesítési folyamat azon konkrét szakasza, amelyben az üzlet éppen tart.
Leírás Az üzlet szakasza a vállalat által meghatározott értékesítési folyamat egy konkrét lépése, például „Qualified”, „Proposal Made” vagy „Negotiation”. Részletesebben mutatja az üzlet előrehaladását, mint az üzlet általános státusza. Az üzletszakaszok elemzése segít megérteni az értékesítési tölcsért és feltárni, hol akadnak el az üzletek. Az egyes szakaszokban eltöltött idő követésével a csapatok azonosíthatják a szűk keresztmetszeteket, és a fejlesztési erőfeszítéseket az értékesítési ciklus legproblémásabb részeire összpontosíthatják. Miért fontos? Részletes képet ad az üzlet értékesítési tölcsérben megtett útjáról, és segít feltárni a szűk keresztmetszeteket, valamint a szakaszok közötti konverziós arányokat. Hol szerezhető be? A Deal objektum „stage_id” mezőjéből kérhető le. Ez a mező a Pipedrive API Stage objektumára hivatkozik. Példák Érdeklődő beérkezettKapcsolatfelvétel megtörténtBemutató egyeztetveAjánlat elkészítveTárgyalás megkezdődött

Kötelező Javasolt Nem kötelező

Az érdeklődőtől a bevételig tartó folyamat tevékenységei

A pontos folyamattérképezéshez és a hatékony folyamatfejlesztéshez rögzítse ezeket a fontos folyamatlépéseket és mérföldköveket az eseménynaplóban.

5 Javasolt 8 Nem kötelező

	Tevékenység	Leírás
	Ajánlat elküldve	Azt jelöli, amikor a hivatalos árajánlatot vagy ajánlatot eljuttatják az ügyfélhez. Erre gyakran abból lehet következtetni, hogy az üzlet egy meghatározott értékesítési szakaszba, például a „Proposal Made” vagy a „Quote Sent” szakaszba kerül.
Miért fontos? Ez fontos mérföldkő az értékesítési folyamatban. Az esemény és a „Deal Won” közötti idő elemzésével megérthető, mennyi ideig tart a döntéshozatal és a tárgyalás. Hol szerezhető be? A Deal változásnaplójából következtethető ki, amikor a „stage_id” ajánlathoz rendelt szakaszra változik. Az esemény időpontját a szakaszváltás időbélyege adja meg. Rögzítés Észlelje, amikor egy Deal „stage_id” mezője egy meghatározott „Proposal” szakaszra változik. Eseménytípus inferred
	Fizetés beérkezett	Azt jelzi, hogy az ügyfél sikeresen kifizette a számlát, ezzel lezárul az üzlet pénzforgalmi ciklusa. Ez a Lead to Cash folyamat utolsó eseménye, és egy pénzügyi rendszerből származik.
Miért fontos? Ez az utolsó, bevételt eredményező lépés. Ezzel ér véget a Lead to Cash folyamat, ezért nélkülözhetetlen a teljes folyamat átfutási idejének méréséhez és a fizetési késedelmek elemzéséhez. Hol szerezhető be? Könyvelési vagy fizetésfeldolgozó rendszerből származik. A fizetési visszaigazolást vissza kell kapcsolni a Pipedrive-üzlethez. Rögzítés Külső pénzügyi rendszerből származó eseményadat, amely egyedi azonosítóval kapcsolódik az üzlethez. Eseménytípus explicit
	Üzlet elveszítve	Azt jelzi, hogy az üzlet sikertelenül zárult. Ez akkor történik, amikor az értékesítési folyamat azért ér véget, mert az ügyfél egy versenytársat választott, elvesztette az érdeklődését, vagy más okból visszalépett.
Miért fontos? Ez a sikertelen folyamat elsődleges végpontja. Az elveszített üzletek időpontjának és okának elemzése fontos támpontokat ad az értékesítési stratégia, a képzés és a minősítési folyamatok fejlesztéséhez. Hol szerezhető be? Ez egy egyértelműen rögzített esemény, amely akkor következik be, amikor az üzlet státusza „lost” értékre változik. A Deals entitás „lost_time” mezője rögzíti az időbélyeget. Rögzítés Használja a Deals entitás „lost_time” időbélyegét. Eseménytípus explicit
	Üzlet létrehozva	Az értékesítési lehetőség hivatalos kezdetét jelöli. Ez az esemény akkor következik be, amikor manuálisan létrehoznak egy új üzletet, vagy egy minősített érdeklődőből automatikusan üzlet jön létre.
Miért fontos? Ez az értékesítési ciklus elsődleges kezdőtevékenysége. Az esemény és a „Deal Won” vagy „Deal Lost” közötti idő megmutatja a teljes értékesítési ciklus hosszát. Hol szerezhető be? Ez a Pipedrive Deals entitásában rögzített, kifejezett esemény. Az üzletrekord létrehozási időbélyege, az „add_time” mező adja meg az esemény időpontját. Rögzítés Használja a Deals entitás „add_time” mezőjét. Eseménytípus explicit
	Üzlet megnyerve	A sikeres üzletzárást jelzi, vagyis azt, hogy az ügyfél szóban vagy írásban megállapodott. A Pipedrive-ban ez egy szabványos, egyértelmű státuszváltás.
Miért fontos? Ez a siker legfontosabb mérföldköve. Nélkülözhetetlen a nyerési arány, a sikeres üzletek értékesítési ciklusának hossza és az értékesítési teljesítmény egészének kiszámításához. Hol szerezhető be? Ez egy egyértelműen rögzített esemény, amely akkor következik be, amikor az üzlet státusza „won” értékre változik. A Deals entitás „won_time” mezője tartalmazza a pontos időbélyeget. Rögzítés Használja a Deals entitás „won_time” időbélyegét. Eseménytípus explicit
	Ajánlat utáni kapcsolatfelvétel	Az ajánlat elküldése után végzett értékesítési tevékenységeket, például telefonhívást vagy e-mailt rögzíti. Ez az esemény azt jelzi, hogy az értékesítő aktívan tartja a kapcsolatot az ügyfél mérlegelési időszakában.
Miért fontos? Méri az utánkövetés gyorsaságát és gyakoriságát, ami fontos a lendület fenntartásához és az üzletek lezárásához. Ezt használja az „Proposal Follow-up Timeliness” dashboard. Hol szerezhető be? A Pipedrive Activities entitásból származik. Az adott üzleti lehetőség 'Proposal Sent' eseménye után bekövetkező, befejezett tevékenységként azonosítható. Rögzítés Keressen olyan befejezett tevékenységet, amelynek „done_time” értéke későbbi, mint az „Ajánlat elküldve” tevékenység időbélyege. Eseménytípus explicit
	Első kapcsolatfelvétel	Az üzlethez kapcsolódó leendő ügyféllel folytatott első érdemi kapcsolatfelvételt jelöli. Ezt általában az üzlethez kapcsolt, befejezett tevékenységként rögzítik, például telefonhívásként, e-mailként vagy megbeszélésként.
Miért fontos? Ennek nyomon követésével mérhető az első kapcsolatfelvételig eltelt idő, és biztosítható, hogy az értékesítők időben foglalkozzanak az érdeklődőkkel. Az adat megmutatja, milyen gyorsan reagál az értékesítési csapat. Hol szerezhető be? A Pipedrive Activities entitásból származik. Az üzleti lehetőség azonosítójához kapcsolódó, legkorábban befejezett tevékenység megkeresésével azonosítható. Rögzítés Keresse meg az üzlethez kapcsolódó első befejezett tevékenységet a „done_time” mező alapján. Eseménytípus explicit
	Értékesítési rendelés létrehozva	A sikeres üzlet lezárása után egy kapcsolódó rendszerben, például ERP-ben vagy könyvelési platformon létrehozott hivatalos értékesítési rendelést jelöli. Ez a tevékenység nem része a Pipedrive alapfunkcióinak, adatai egy integrált rendszerből származnak.
Miért fontos? Ez az esemény jelzi az átadást az értékesítéstől a működésért vagy a pénzügyekért felelős csapatnak. A „Deal Won” és ez a tevékenység közötti idő elemzésével feltárhatók a rendelésfeldolgozás esetleges késedelmei. Hol szerezhető be? Az adat jellemzően egy csatlakoztatott ERP- vagy pénzügyi rendszerből származik. Be kell tölteni, majd össze kell kapcsolni a Pipedrive üzletazonosítójával. Rögzítés Külső rendszerből API-n keresztül érkező eseményadat, amely gyakran a Pipedrive-üzlet egyéni mezőjét frissíti. Eseménytípus explicit
	Rendelés teljesítve	Azt jelzi, hogy a terméket kiszállították, vagy a szolgáltatást nyújtották az ügyfélnek. Az esemény egy külső teljesítési vagy működési rendszerből származik.
Miért fontos? A teljesítés nyomon követésével megérthető a rendeléstől a kiszállításig vagy szolgáltatásnyújtásig eltelt idő. Az esetleges késedelmek közvetlenül befolyásolják az ügyfél-elégedettséget és a bevétel elszámolását. Hol szerezhető be? Külső ERP-, készletkezelő vagy szolgáltatásmenedzsment-rendszerből származik. Az adatot vissza kell kapcsolni a megfelelő Pipedrive-üzlethez. Rögzítés Külső rendszerből származó eseményadat, amely üzletazonosítóval vagy más közös azonosítóval kapcsolható össze. Eseménytípus explicit
	Számla elküldve	Azt az időpontot jelöli, amikor a számlát fizetésre elküldik az ügyfélnek. Ez az esemény általában egy külső könyvelési vagy számlázási rendszerben jön létre a rendelés teljesítése után.
Miért fontos? Ez jelzi a fizetési ciklus kezdetét. Az esemény és a „Payment Received” közötti idő fontos a vevőkövetelések és a pénzforgalom nyomon követéséhez. Hol szerezhető be? Külső könyvelési vagy ERP-rendszerből, például Xero vagy QuickBooks rendszerből származik. Az eseményadatot integrálni kell, és hozzá kell rendelni a Pipedrive-üzlethez. Rögzítés Külső számlázási rendszerből származó eseményadat, amely API-integráción keresztül kapcsolódik az üzlethez. Eseménytípus explicit
	Tárgyalás kezdete	Az árra, a feltételekre vagy a megállapodás terjedelmére vonatkozó aktív tárgyalás kezdetét jelzi. Ez általában abból következtethető ki, hogy az üzlet az ajánlat elküldése után a „Negotiation” értékesítési szakaszba kerül.
Miért fontos? A tárgyalási szakasz külön elemzésével megállapítható, mennyi ideig tart ez a folyamat, és mely üzleteknél húzódik el a tárgyalás. Hol szerezhető be? A Deal változásnaplójából következtethető ki, amikor a „stage_id” kifejezetten tárgyalásra utaló szakaszra változik. Rögzítés Az üzlet előzményeiben keresse meg a szakaszváltást egy előre meghatározott „Negotiation” szakaszra. Eseménytípus inferred
	Üzlet minősítve	Azt jelzi, hogy az üzlet megfelel az előre meghatározott feltételeknek, és érdemes vele tovább foglalkozni. Ez általában abból következtethető ki, hogy az üzlet a korai értékesítési szakaszból, például a „Lead In” szakaszból egy minősítettebb szakaszba, például a „Contact Made” vagy a „Needs Defined” szakaszba kerül.
Miért fontos? Ez a mérföldkő segít felmérni az érdeklődők minősítési folyamatának eredményességét, és megmutatja, mennyi időt töltenek az üzletek a kezdeti, még nem minősített szakaszokban. Hol szerezhető be? A Deal változásnaplójából vagy előzményeiből következtethető ki, amikor a „stage_id” mező értéke minősítést jelző szakaszra változik. Rögzítés Az üzlet előzményeiben keresse meg a szakaszváltást egy előre meghatározott „qualified” szakaszra. Eseménytípus inferred
	Üzlet újranyitva	Korábban elveszítettnek jelölt üzlet, amelyet ismét aktiváltak a további értékesítési tevékenységekhez. Az eseményre abból lehet következtetni, ha az üzlet státusza „lost” értékről ismét „open” értékre változik.
Miért fontos? Ez a tevékenység az újramunkálási körökre és az ügyfél újbóli megkeresésére irányuló erőfeszítésekre hívja fel a figyelmet. Az ilyen esetek elemzése feltárhatja az ügyfélviselkedés vagy az értékesítési utánkövetés hatékonyságának mintázatait. Hol szerezhető be? A Deal changelog alapján következtethető ki. Akkor észlelhető, ha a „status” mező „lost” értékről „open” értékre változik. Rögzítés Keresse meg az üzlet előzményeiben a „lost” értékről „open” értékre történő státuszváltást. Eseménytípus inferred

Javasolt Nem kötelező

Útmutatók az adatok kinyeréséhez

Adatok kinyerése a Pipedrive-ból

Lépések

Jelentkezzen be a Pipedrive-ba: Olyan felhasználói profillal lépjen be Pipedrive-fiókjába, amely jogosult az adatok exportálására. Ez általában rendszergazdai fiók.
Lépjen az adatexportáláshoz: Kattintson a jobb felső sarokban lévő profilképére, majd válassza a 'Settings' lehetőséget. A bal oldali navigációs menüben keresse meg a 'Tools and apps' részt, majd kattintson az 'Export data' lehetőségre.
Az üzleti lehetőségek adatainak exportálása: Az 'Export data' nézetben válassza a 'Deals' lehetőséget, majd a 'CSV' fájlformátumot. A kezelhető fájlméret érdekében érdemes megadni egy időszakot, például az elmúlt 6 hónapot. Kattintson az 'Export' gombra, majd várja meg a fájl létrehozását és letöltését. A fájl az üzleti lehetőségek fontos adatait tartalmazza, többek között a létrehozás, a megnyerés és az elvesztés időpontját.
A tevékenységadatok exportálása: Ismételje meg a folyamatot az 'Activities' objektummal. Válassza az 'Activities', majd a 'CSV' lehetőséget, állítsa be az üzleti lehetőségeknél használt időszakot, és exportálja a fájlt. Ez a fájl az üzleti lehetőségekhez kapcsolódó hívásokat, e-maileket, megbeszéléseket és egyéni tevékenységeket tartalmazza.
Külső adatok összegyűjtése: Szerezze be a kapcsolódó adatokat a további rendszerekből. Az olyan eseményekhez, mint a 'Sales Order Created', 'Order Fulfilled', 'Invoice Sent' és 'Payment Received', exportáljon adatokat az ERP-, könyvelési vagy teljesítési rendszerekből. Ellenőrizze, hogy ezek a fájlok tartalmaznak-e olyan közös azonosítót, amely megfeleltethető a Pipedrive Deal ID értékének.
Adatfeldolgozási környezet kialakítása: Használjon olyan eszközt, amely képes több CSV-fájl kezelésére és egyesítésére, például a pandas könyvtárral kiegészített Pythont, a Microsoft Excelt Power Queryvel vagy más adat-előkészítő eszközt.
Az adatok betöltése és egyesítése: Töltse be a Deals.csv és az Activities.csv fájlt, valamint az előző lépésben összegyűjtött külső adatfájlokat.
Az eseménynapló összeállítása: A nyers adatokat alakítsa át a szükséges tevékenységformátumra, és hozzon létre egységes eseménynaplót. Mind a 13 kötelező tevékenységhez hozzon létre megfelelő sorokat. Például:
- A 'Deal Created' események a Deals.csv fájl add_time oszlopából származnak.
- A 'Deal Won' események a Deals.csv fájl won_time oszlopából származnak.
- Az 'Initial Contact Made' esemény minden üzleti lehetőséghez az Activities.csv fájl legkorábban befejezett tevékenysége.
- Az olyan további tevékenységek, mint a 'Proposal Sent' vagy a 'Negotiation Started', az Activities.csv fájl meghatározott tevékenységtárgyaiból vagy -típusaiból következtethetők ki.
Attribútumok hozzárendelése: Minden eseménysornál töltse ki az összes kötelező oszlopot: SalesOpportunityId, ActivityName és EventTime. Az üzleti lehetőségek adataival való összekapcsolással adja hozzá az ajánlott attribútumokat, például a DealValue, DealOwner és DealStatus mezőt.
Végső exportálás: Az eseménynapló összeállítása és ellenőrzése után mentse a végleges táblát egyetlen, UTF-8 kódolású CSV-fájlba. A fájl készen áll az elemzéshez történő ProcessMind-feltöltésre.

Konfiguráció

Objektumok exportálása: Legalább a „Deals” és az „Activities” objektumot exportálja. Ha további dimenzióadatokra van szüksége, az „Organizations” vagy a „People” objektumot is exportálnia kellhet.
Fájlformátum: A CSV-formátumot válassza, így a fájl a lehető legtöbb adatfeldolgozó eszközzel, például a Pythonnal vagy a Power Queryvel használható.
Dátumtartomány szűrése: A „Filter by” beállítással adja meg az időszakot. Például válassza a „Deal add time” mezőnél a „last 180 days” értéket. Ezzel szabályozhatja az exportálás teljesítményét és a fájlméretet.
Felhasználói jogosultságok: Adminisztrátori jogosultságra vagy olyan engedélykészletre van szüksége, amely kifejezetten engedélyezi az adatok exportálását a Pipedrive-fiókból.
Egyéni tevékenységtípusok: Az olyan folyamatlépések sikeres kinyerése, mint a „Deal Qualified” vagy a „Proposal Sent”, nagyban függ attól, hogy a szervezet használ-e egyéni tevékenységtípusokat a Pipedrive-ban. Ellenőrizze, hogy ezeket beállították-e, és az értékesítési csapat következetesen használja-e őket.

Példa-lekérdezés 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.')

Lépések

Állítsa be a Python-környezetet: Ellenőrizze, hogy a rendszerén a Python 3.6-os vagy újabb verziója van-e telepítve. Nyisson meg egy terminált vagy parancssort, és telepítse a szükséges Python-könyvtárakat a következő parancs futtatásával: pip install requests pandas.
Szerezze be a Pipedrive API-hitelesítő adatokat: Jelentkezzen be a Pipedrive-fiókjába. A profilképre kattintva nyissa meg a Settings menüt, válassza a „Personal preferences” lehetőséget, majd lépjen az „API” lapra. Másolja ki a személyes API-tokenjét. A vállalati domainre is szüksége lesz. Ez a Pipedrive URL előtagja, például a your-company a your-company.pipedrive.com címben.
Állítsa be az adatkinyerő szkriptet: Nyissa meg a megadott Python-szkriptet egy szövegszerkesztőben vagy IDE-ben. Keresse meg a konfigurációs részt a fájl elején, és cserélje le az API_TOKEN és a COMPANY_DOMAIN helyőrző értékeit a saját adataira.
Adja meg az adatkinyerés időszakát: A szkript konfigurációs részében állítsa be a START_DATE változót annak a legkorábbi létrehozási dátumnak megfelelően, amelytől az üzleteket be szeretné vonni az elemzésbe. A formátum: „YYYY-MM-DD”.
Rendelje hozzá az értékesítési folyamat és a szakaszok azonosítóit: A szkript az üzletek szakaszok közötti mozgása alapján következtet több tevékenységre. Adja meg az értékesítési folyamat és a fontos szakaszok pontos azonosítóit. Ezeket az azonosítókat a Pipedrive felületén, az adott szakasz URL-jében találja meg, vagy lekérheti őket az API-n keresztül. Frissítse a szkriptben a PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID és NEGOTIATION_STAGE_ID változókat.
Futtassa a szkriptet: A terminálból a következő paranccsal indítsa el: python your_script_name.py. A szkript a Pipedrive API-hívásokkal lekéri az üzleteket, a tevékenységeket és a változási naplókat.
Kövesse nyomon a folyamatot: A szkript a konzolon jelzi az előrehaladást és az éppen lekért adatokat. Az adatmennyiségtől és az API-hívások sebességkorlátaitól függően a folyamat több percig is eltarthat.
Állítsa be a külső adatok kinyerését: A „Sales Order Created” és a „Payment Received” típusú tevékenységekhez a szkript helyőrző függvényeket tartalmaz. Módosítsa ezeket úgy, hogy csatlakozzanak a külső rendszerekhez, például ERP- vagy könyvelési platformhoz, és lekérjék a megfelelő eseményadatokat. Rendelje hozzá a Pipedrive SalesOpportunityId azonosítóját a más rendszerekben szereplő rekordokhoz.
Ellenőrizze az eredményt: A szkript futásának végén létrejön a pipedrive_event_log.csv nevű CSV-fájl. Ez a fájl tartalmazza a kinyert tevékenységeket strukturált eseménynaplóként.
Készítse elő a feltöltést: Nyissa meg a CSV-fájlt, és ellenőrizze, hogy megfelelően jött-e létre. Az oszlopok között szerepeljen a SalesOpportunityId, az ActivityName, az EventTime és a többi ajánlott attribútum. Ezt a fájlt már feltöltheti a ProcessMindba elemzésre.

Konfiguráció

API-hitelesítő adatok: A szkriptnek érvényes API_TOKEN értékre és COMPANY_DOMAIN adatra van szüksége a Pipedrive API-hitelesítéshez. Ellenőrizze, hogy a tokenhez tartozó felhasználó jogosult-e az üzletek, a tevékenységek és a felhasználók adatainak olvasására.
Dátumtartomány: A START_DATE változó a megadott dátumon vagy azt követően létrehozott üzletekre szűr. Első elemzéshez 3–6 hónapnyi adat javasolt, hogy az adatmennyiség kezelhető maradjon.
Az értékesítési folyamat és a szakaszok azonosítói: Az olyan folyamatlépések pontos meghatározásához, mint a „Deal Qualified” vagy a „Proposal Sent”, állítsa be a szkriptben az elsődleges értékesítési folyamat megfelelő numerikus PIPELINE_ID azonosítóját, valamint a fontos mérföldkövekhez tartozó STAGE_ID értékeket. A hibás azonosítók miatt tevékenységek maradhatnak ki.
Teljesítmény és sebességkorlátozás: A szkript rövid szünetet tart az API-hívások között, hogy betartsa a Pipedrive sebességkorlátait. Nagy üzletforgalmú szervezeteknél szükség lehet a szünet módosítására vagy fejlettebb újrapróbálkozási stratégiára az API-hibák elkerüléséhez.
Egyéni mezők hozzárendelése: Ha fontos attribútumokhoz, például a DiscountPercentage értékéhez egyéni mezőket használ, keresse meg az adott mező API-kulcsát. Ez egy hosszú hash-karakterlánc, nem a megjelenített név. Hivatkozzon rá az adatátalakítási logikában.
Külső rendszerek integrációja: A Pipedrive-on kívüli események, például a számlázás vagy a teljesítés adatainak kinyerését helyőrző függvények végzik. Módosítsa ezeket a saját külső adatforrásaihoz való csatlakozáshoz.

Példa-lekérdezés 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}")

Lépések

Válasszon és licenceljen egy kereskedelmi ETL- vagy automatizálási szolgáltatást, amely támogatja a Pipedrive-csatlakozót, például a Fivetrant vagy a Make-et. Ellenőrizze, hogy a kiválasztott termék le tudja-e kérni az üzleteket, tevékenységeket, az üzletszakaszok előzményeit, az állapotváltozásokat, a személyeket, a szervezeteket és az egyéni mezőket, valamint tud-e adatot írni a célként megadott adattárházba vagy adattóba.
Hozzon létre olvasási jogosultságú Pipedrive-kapcsolatot a csatlakozó által támogatott hitelesítési módszerrel. Állítsa be a forrásfiókot, munkaterületet vagy szervezetet a kiválasztott eszköznek megfelelően. Ne induljon ki rögzített menüútvonalból vagy API-végpontból, mert ezek termékenként és csatlakozóverziónként eltérnek.
Állítsa be a célkapcsolatot, és hozzon létre egy átmeneti területet a szinkronizált forrásobjektumoknak. Használja a csatlakozó által létrehozott táblák vagy gyűjtemények nevét, vagy cserélje le a szkriptben szereplő neveket a saját környezetében létrehozottakra. Őrizze meg a forrásazonosítókat, időbélyegeket, állapotértékeket, szakaszértékeket, felelősök azonosítóit, pénzösszegeket és egyéni mezőket.
Állítson be növekményes szinkronizálást a szükséges dátumtartományra, jellemzően az előző 3–6 hónapra. Ha a csatlakozó támogatja, használjon átfedési időszakot. Vegye fel azokat az előzményeket is, amelyekből azonosíthatók az újranyitott üzletek, és a jelenlegi üzletpillanatkép helyett a szakasz- vagy állapotelőzményeket használja.
Szinkronizálja a Pipedrive-objektumokat, valamint a „Sales Order Created”, „Order Fulfilled”, „Invoice Sent” és „Payment Received” eseményekhez szükséges, integrált további objektumokat. Ez a négy tevékenység nem natív Pipedrive-esemény, ezért ERP-, teljesítési, könyvelési, számlázási vagy pénzügyi rendszerből származó adatokra van szükség hozzájuk. Ha a csatlakozó nem teszi elérhetővé ezeket az objektumokat, töltsön be további, támogatott csatlakozóval adatokat a célrendszerbe.
Hozzon létre normalizált nézeteket vagy táblákat, amelyek a csatlakozó kimenetét a kinyerő szkriptben hivatkozott logikai forrásobjektumokhoz rendelik. Cserélje le a szkriptben szereplő minden helyőrző táblanevet a célrendszer megfelelő táblájára vagy nézetére. A megadott konfigurációs részben állítsa be a forrásspecifikus szakaszneveket, állapotértékeket, tevékenységtípusokat és a külső rendszerek kapcsolatkulcsait.
Futtassa az adatkinyerő szkriptet. A szkript külön sorokat hoz létre a következő eseményekhez: 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 és Deal Reopened. A szakasz- vagy állapotelőzményekből kikövetkeztetett események csak akkor jelennek meg, ha a forráselőzmények tartalmazzák a szükséges átmenetet. A ProcessMind nem következtet ki hiányzó eseményeket a feltöltés után.
Ellenőrizze, hogy a SalesOpportunityId, az ActivityName és az EventTime mező ki van-e töltve, az időbélyegek egységes időzónát használnak-e, és a duplikált forrásrekordokat eltávolították-e vagy kezelték-e a forrásesemény-azonosító és az időbélyeg alapján. Nézze át az ajánlott attribútumokat, és hagyja meg NULL értékként azokat, amelyeket a forrás nem tartalmaz.
Exportálja az eredményt egyszerű CSV-fájlként vagy más, ProcessMind által támogatott eseménynapló-formátumban. Használja a SalesOpportunityId mezőt esetazonosítóként, az ActivityName mezőt tevékenységoszlopként, az EventTime mezőt pedig esemény-időbélyegként. További attribútumként vegye fel a DealValue, DealOwner, DealStatus és DiscountPercentage mezőket. Töltse fel a fájlt, vagy csatlakoztassa a céladatkészletet a ProcessMindban, majd ellenőrizze, hogy a tevékenységnevek pontosan megegyeznek-e az előírt címkékkel.

Konfiguráció

Forráscsatlakozó: Állítson be támogatott Pipedrive-csatlakozót a kiválasztott ETL- vagy automatizálási szolgáltatásban. A csatlakozó képességei, szinkronizálási módjai, létrehozott táblanevei és hitelesítési lehetőségei termékenként és verziónként eltérnek.
Szükséges forrásadatok: Vegye fel az üzleteket, a tevékenységeket, az üzletszakaszok előzményeit, az üzletállapotok előzményeit, a felelősöket vagy felhasználókat, valamint az érdeklődők konverziójának azonosításához használt mezőket. Az integrált rendszerekből vegye fel az értékesítési rendelések, a teljesítés, a számlák és a fizetések adatait is.
Célobjektumok: Cserélje le a [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] és [Your payments table] helyőrzőket a csatlakozó által létrehozott táblákra vagy gondozott nézetekre.
Dátumtartomány: Kezdje 3–6 hónapnyi adattal. Bővítse az időszakot, ha a folyamatciklus hosszabb, az újranyitott üzleteket is elemezni kell, vagy szükség van a szakasz- és állapotváltozások előzményeire.
Dátumparaméterek: Állítsa be a [Start date] és [End date] értékét a célrendszer által támogatott dátumformátumban. Növekményes betöltésnél használjon átfedési időszakot a későn érkező frissítések, javított időbélyegek és késve rögzített további tranzakciók felvételéhez.
Szakaszok beállítása: Adja meg az értékesítésre használt Pipedrive-fiókban szereplő pontos szakaszneveket vagy normalizált szakaszkategóriákat a minősítéshez, az ajánlathoz és a tárgyaláshoz. Csak akkor használjon példaként megadott szakaszneveket, ha azok megegyeznek a forrásban szereplő értékekkel.
Tevékenységek beállítása: Állítsa be azokat a pontos, befejezett tevékenységtípusokat, amelyek az első kapcsolatfelvételt és az ajánlat utáni utánkövetést jelölik. Ilyen lehet például a hívás, az e-mail vagy a megbeszélés, a csatlakozó normalizált értékei alapján.
Külső rendszerek összekapcsolása: Állítsa be azt a kapcsolatkulcsot, amely összekapcsolja a további rendszerekben szereplő értékesítési rendelést a Pipedrive-üzlettel. Ha a további rendszer más kulcsot használ, az adatkinyerés előtt hozzon létre egy megfeleltető nézetet.
Szűrők: Csak akkor alkalmazzon vállalati, szervezeti, értékesítési folyamatra, csapatra, pénznemre vagy üzletágra vonatkozó szűrőket, ha szükséges. Dokumentálja mindegyik szűrőt, mert módosítja az esetek és események teljességét.
Teljesítmény: Nagy adatkészleteknél használjon növekményes szinkronizálást, forrásoldali dátumszűrőket, particionált céltáblákat, valamint indexelt vagy klaszterezett esetazonosító- és időbélyeg-oszlopokat. Ne olvassa be ismételten a teljes előzménytáblákat.
Duplikációk kezelése: Ha elérhető, őrizzen meg stabil forrásesemény-azonosítót. Ennek hiányában az esetazonosító, a tevékenységnév, az esemény időbélyege és a forrásrekord-azonosító alapján szűrje ki a duplikációkat, de a jogosan ismétlődő tevékenységeket, például a többszöri utánkövetést tartsa meg.
Előfeltételek: Szükség van a csatlakozó licencére, a Pipedrive-hitelesítésre, a célrendszer írási jogosultságára, az üzlettörténethez és a tevékenységekhez való hozzáférésre, valamint a további ERP-, teljesítési, könyvelési, számlázási vagy pénzügyi adatok elérésére. Az egyéni mezőkhöz és a korábbi változási adatokhoz további termékjogosultságra vagy csatlakozófunkcióra lehet szükség.

Példa-lekérdezés 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")

Készen áll a kezdésre?

Ezzel a sablonnal hatékonyan előkészítheti az érdeklődőtől a bevételig tartó folyamathoz szükséges adatokat, és feltárhatja a folyamat működéséről árulkodó összefüggéseket. Kezdje el még ma a Pipedrive működésének optimalizálását.

Vissza a folyamatfejlesztési útmutatóhoz

Sablon letöltése

Növelje a nyerési arányt: optimalizálja még ma a Pipedrive érdeklődőtől a bevételig tartó folyamatát

Növelje 20%-kal a nyerési arányt, és rövidítse le az értékesítési ciklust. Kezdje el most.

Próbálja ki ingyen

Nincs szükség bankkártyára. A próbaverzió 14 napig ingyenes.

Az Ön adatsablonja az érdeklődőtől a bevételig tartó folyamathoz

Az Ön adatsablonja az érdeklődőtől a bevételig tartó folyamathoz

Az érdeklődőtől a bevételig tartó folyamat attribútumai

Az érdeklődőtől a bevételig tartó folyamat tevékenységei

Útmutatók az adatok kinyeréséhez

Adatok exportálása a Pipedrive-ból CSV/Excel formátumban

Lépések

Konfiguráció

Példa-lekérdezés python

Adatok kinyerése Python-szkripttel a Pipedrive REST API-n keresztül

Lépések

Konfiguráció

Példa-lekérdezés python

Külső ETL-eszköz Pipedrive-csatlakozóval

Lépések

Konfiguráció

Példa-lekérdezés python

Készen áll a kezdésre?

Növelje a nyerési arányt: optimalizálja még ma a Pipedrive érdeklődőtől a bevételig tartó folyamatát