> Perbaikan proses berkelanjutan > Dari prospek hingga pembayaran > Pipedrive > Templat data

Templat data Lead to Cash Anda

Pipedrive

Atribut Lead to Cash(20) Aktivitas Lead to Cash(13) Panduan ekstraksi data(3)

Templat data Lead to Cash Anda

Templat ini membantu Anda mengumpulkan data penting untuk menganalisis proses Lead to Cash di Pipedrive. Templat ini mencantumkan atribut dan aktivitas utama yang perlu dilacak, serta panduan praktis untuk mengambil data langsung dari sistem Pipedrive Anda. Gunakan panduan ini untuk menyiapkan data bagi process mining dan perbaikan proses.

Atribut yang disarankan untuk dikumpulkan
Aktivitas utama yang perlu dilacak
Panduan ekstraksi data Pipedrive

Baru mengenal log peristiwa? Pelajari cara membuat log peristiwa process mining.

Unduh template

Atribut Lead to Cash

Kolom data yang disarankan ini penting untuk menyusun log peristiwa yang andal dan menganalisis proses Lead to Cash Anda.

3 Wajib 4 Disarankan 13 Opsional

	Nama	Deskripsi
	Nama aktivitas ActivityName	Nama peristiwa bisnis atau tugas tertentu yang terjadi dalam proses penjualan.
Deskripsi Atribut ini menjelaskan satu langkah dalam proses Lead to Cash, seperti 'Deal Created', 'Proposal Sent', atau 'Payment Received'. Aktivitas menjadi unsur dasar untuk memvisualisasikan alur proses. Dengan menganalisis urutan dan frekuensi aktivitas, Anda dapat menemukan jalur proses yang paling umum, hambatan saat pekerjaan menumpuk, dan penyimpangan dari prosedur penjualan standar. Analisis ini membantu Anda memahami bagaimana proses benar-benar dijalankan. Mengapa ini penting Atribut ini menentukan langkah-langkah dalam proses. Anda dapat memvisualisasikan dan menganalisis alur proses, menemukan hambatan, serta memeriksa kesesuaian proses. Sumber data Biasanya, atribut ini diperoleh dengan memetakan peristiwa Pipedrive, seperti perubahan tahap kesepakatan atau pembuatan objek terkait seperti faktur, ke daftar aktivitas yang telah ditentukan. Contoh Transaksi dibuatProposal dikirimTransaksi berhasil ditutupFaktur dikirimPembayaran diterima
	Peluang penjualan SalesOpportunityId	Pengenal unik untuk peluang penjualan, yang berfungsi sebagai ID kasus untuk melacak seluruh proses Lead to Cash.
Deskripsi ID Peluang Penjualan adalah kunci utama yang menghubungkan semua aktivitas terkait, mulai dari pembuatan prospek hingga pembayaran akhir. ID ini mewakili satu potensi penjualan yang dilacak di Pipedrive. Dalam analisis proses, pengenal ini penting untuk menyusun perjalanan setiap kesepakatan dari awal hingga akhir. ID ini mengelompokkan semua peristiwa, seperti 'Deal Created', 'Proposal Sent', dan 'Payment Received', ke dalam satu kasus yang utuh. Dengan begitu, Anda dapat menganalisis variasi proses, lama siklus, dan tingkat konversi. Mengapa ini penting Pengenal ini menjadi dasar tampilan proses. Pengenal ini menghubungkan semua peristiwa terkait untuk membentuk riwayat lengkap setiap kesepakatan penjualan. Sumber data Diambil dari kolom 'id' pada objek Deal melalui Pipedrive API. Contoh 12543125441254512546
	Waktu peristiwa EventTime	Waktu yang menunjukkan kapan aktivitas terjadi.
Deskripsi Waktu Peristiwa, atau Waktu Mulai, mencatat tanggal dan waktu tepat saat suatu aktivitas direkam. Data waktu ini penting untuk mengurutkan peristiwa secara kronologis dan menghitung durasi antar langkah proses. Dalam analisis, waktu ini digunakan untuk menghitung KPI utama seperti lama siklus, waktu pemrosesan, dan waktu tunggu. Data ini juga mendukung pembuatan dashboard berbasis waktu untuk memantau kinerja dan menemukan keterlambatan dalam proses penjualan. Mengapa ini penting Waktu ini penting untuk mengurutkan peristiwa, menghitung durasi proses, dan menganalisis kinerja berdasarkan target waktu. Sumber data Diambil dari kolom seperti 'add_time' atau 'update_time' pada Deal, Activity, atau objek terkait melalui API Pipedrive. Contoh 2023-04-15T10:00:00Z2023-04-16T14:30:00Z2023-05-01T09:05:00Z
	Nilai kesepakatan DealValue	Total nilai uang dari peluang penjualan.
Deskripsi Nilai Kesepakatan menunjukkan potensi atau pendapatan aktual dari suatu peluang penjualan. Metrik ini menjadi dasar untuk menentukan prioritas kesepakatan dan menilai dampak finansial pipeline penjualan. Dalam analisis proses, atribut ini digunakan untuk mengelompokkan kasus berdasarkan nilai finansial. Anda dapat membandingkan pelaksanaan proses untuk kesepakatan bernilai tinggi dan rendah. Atribut ini juga menjadi bagian penting dari dashboard untuk menganalisis kinerja penjualan, efektivitas pemberian diskon, dan pendapatan secara keseluruhan. Mengapa ini penting Atribut ini mendukung analisis finansial proses penjualan, membantu Anda memprioritaskan kesepakatan bernilai tinggi dan memahami dampaknya terhadap pendapatan. Sumber data Diambil dari kolom 'value' pada objek Deal di Pipedrive API. Contoh 5000.0025000.501500.75
	Pemilik kesepakatan DealOwner	Perwakilan penjualan yang bertanggung jawab mengelola peluang penjualan.
Deskripsi Pemilik Kesepakatan adalah pengguna yang ditugaskan untuk menangani suatu kesepakatan. Atribut ini penting untuk memahami alokasi sumber daya dan kinerja tim penjualan. Atribut ini mendukung analisis kinerja individu maupun tim. Anda dapat memfilter dashboard berdasarkan Pemilik Kesepakatan untuk membandingkan metrik seperti lama siklus penjualan, tingkat konversi, dan nilai rata-rata kesepakatan. Hasilnya membantu Anda mengenali kinerja terbaik dan menentukan kebutuhan pembinaan. Mengapa ini penting Mendukung analisis kinerja tiap perwakilan penjualan, sehingga Anda dapat mengenali kinerja terbaik dan area yang perlu ditingkatkan. Sumber data Diambil dari kolom 'user_id' pada objek Deal, yang tertaut ke objek User di Pipedrive API. Contoh John SmithJane DoePeter Jones
	Persentase diskon DiscountPercentage	Persentase diskon yang diberikan untuk kesepakatan.
Deskripsi Atribut ini menunjukkan persentase diskon yang diberikan untuk kesepakatan penjualan, jika ada. Diskon menjadi faktor penting untuk memahami strategi harga dan dampaknya terhadap profitabilitas. Analisis Persentase Diskon membantu Anda menilai efektivitas strategi pemberian diskon. Anda dapat membandingkannya dengan atribut lain seperti Nilai Kesepakatan, Perwakilan Penjualan, atau Produk untuk mengetahui kapan diskon paling sering diberikan dan apakah diskon meningkatkan tingkat keberhasilan atau justru mengurangi margin. Mengapa ini penting Atribut ini penting untuk menganalisis strategi harga, margin penjualan, dan profitabilitas kesepakatan secara keseluruhan. Sumber data Atribut ini sering berupa kolom khusus pada objek Deal di Pipedrive. Lihat dokumentasi Pipedrive untuk mengetahui cara menyiapkan kolom khusus. Contoh 0.050.100.150.0
	Status kesepakatan DealStatus	Hasil atau kondisi terkini kesepakatan, seperti berhasil, gagal, atau terbuka.
Deskripsi Status Kesepakatan menunjukkan hasil akhir atau kondisi umum terkini suatu peluang penjualan. Ini adalah dimensi utama untuk menganalisis tingkat keberhasilan penjualan dan efisiensi proses. Atribut ini penting untuk menghitung tingkat keberhasilan dan kegagalan, serta memfilter peta proses guna membandingkan perjalanan kesepakatan yang berhasil dan yang gagal. Perbandingan ini sering mengungkap perbedaan penting dalam pelaksanaan proses yang berkontribusi pada keberhasilan atau kegagalan, sehingga memberi wawasan untuk perbaikan proses. Mengapa ini penting Atribut ini penting untuk menghitung tingkat keberhasilan dan kegagalan, serta membandingkan alur proses kesepakatan yang berhasil dan yang tidak. Sumber data Diambil dari kolom 'status' pada objek Deal di Pipedrive API. Contoh berhasilgagalterbuka
	Mata uang kesepakatan DealCurrency	Mata uang yang digunakan untuk nilai kesepakatan.
Deskripsi Atribut ini menunjukkan mata uang yang digunakan untuk Nilai Kesepakatan, misalnya USD, EUR, atau GBP. Informasi ini diperlukan untuk memahami semua metrik finansial. Atribut ini penting saat menganalisis kesepakatan dari berbagai wilayah atau negara. Atribut ini memastikan konversi mata uang dilakukan dengan benar sebelum data finansial dijumlahkan, sehingga kesimpulan yang diambil tetap akurat. Mengapa ini penting Memberi konteks penting untuk Nilai Kesepakatan, sehingga analisis dan pelaporan finansial dari berbagai wilayah tetap akurat. Sumber data Diambil dari kolom 'currency' pada objek Deal di Pipedrive API. Contoh USDEURGBP
	Nama organisasi OrganizationName	Nama perusahaan atau organisasi pelanggan yang terkait dengan kesepakatan.
Deskripsi Atribut ini mengidentifikasi pelanggan perusahaan yang terkait dengan peluang penjualan. Atribut ini memberi konteks tentang perusahaan yang ada dalam pipeline penjualan. Analisis berdasarkan Nama Organisasi membantu Anda memahami perilaku pelanggan dan mengenali akun utama. Anda dapat mengelompokkan analisis proses untuk melihat apakah proses berbeda bagi pelanggan strategis dan pelanggan yang lebih kecil, atau melacak seluruh riwayat penjualan dengan perusahaan tertentu. Mengapa ini penting Mengidentifikasi pelanggan, sehingga Anda dapat menganalisis proses penjualan dari sudut pandang pelanggan dan mengelompokkannya. Sumber data Diambil dari kolom 'org_id' pada objek Deal, yang tertaut ke objek Organization di Pipedrive API. Contoh ABC CorporationGlobal Tech Inc.Innovate Solutions
	Pembaruan data terakhir LastDataUpdate	Waktu pembaruan data terbaru dari sistem sumber.
Deskripsi Atribut ini menunjukkan kapan terakhir kali data diekstrak dan diperbarui dalam kumpulan data process mining. Dengan begitu, Anda dapat mengetahui seberapa baru data yang dianalisis. Ketepatan waktu data penting dalam setiap analisis. Atribut ini membantu pengguna memahami apakah wawasan yang ditampilkan mencerminkan kondisi proses terkini. Hal ini penting untuk pemantauan operasional dan pengambilan keputusan. Mengapa ini penting Menunjukkan seberapa baru data, sehingga pengguna tahu apakah analisis proses menggunakan data terkini. Sumber data Nilai ini dibuat dan dicatat selama proses pemasukan data atau ETL. Contoh 2023-10-27T02:00:00Z2023-10-28T02:00:00Z
	Pembayaran tepat waktu IsOnTimePayment	Penanda boolean yang menunjukkan apakah pembayaran diterima dalam batas waktu yang disepakati.
Deskripsi Atribut ini berupa penanda biner (True/False) yang menunjukkan apakah pembayaran dilakukan tepat waktu. Nilainya ditentukan dengan membandingkan Waktu Pembayaran Faktur aktual dengan Persyaratan Pembayaran. Penanda ini menyederhanakan analisis perilaku pembayaran. Anda dapat menggunakannya untuk menghitung KPI Tingkat Pembayaran Tepat Waktu dan memfilter pembayaran terlambat. Dengan begitu, Anda dapat mencari penyebab utama keterlambatan pada pelanggan atau jenis kesepakatan tertentu. Mengapa ini penting Menyederhanakan analisis kepatuhan pembayaran dan digunakan untuk menghitung KPI Tingkat Pembayaran Tepat Waktu. Sumber data Dihitung dengan membandingkan 'InvoicePaymentTime' dan atribut 'PaymentTerms'. Misalnya, jika PaymentTerms bernilai 'Net 30' dan InvoicePaymentTime kurang dari atau sama dengan 30 hari, nilainya True. Contoh truefalse
	Pengerjaan ulang IsRework	Penanda yang mengidentifikasi aktivitas dalam siklus pengerjaan ulang.
Deskripsi Pengerjaan Ulang adalah penanda boolean yang biasanya dihitung oleh alat process mining untuk menunjukkan kejadian saat proses menyimpang dari alur linear dan mengulang langkah sebelumnya. Misalnya, kesepakatan yang kembali dari 'Negotiation' ke 'Proposal Sent' dianggap sebagai pengerjaan ulang. Mengenali pengerjaan ulang penting untuk perbaikan proses karena hal ini menunjukkan inefisiensi, upaya yang terbuang, dan potensi kebingungan bagi pelanggan. Analisis aktivitas yang ditandai sebagai pengerjaan ulang membantu menemukan bagian proses yang bermasalah agar perbaikan dapat dilakukan secara terarah. Mengapa ini penting Membantu mengukur inefisiensi proses dengan mengenali dan menandai aktivitas dalam jalur proses yang berulang atau berputar. Sumber data Perangkat lunak process mining menghitung nilai ini dengan menganalisis urutan aktivitas dalam setiap kasus. Contoh truefalse
	Persyaratan pembayaran PaymentTerms	Ketentuan pembayaran yang disepakati, seperti 'Net 30' atau 'Net 60'.
Deskripsi Persyaratan Pembayaran menentukan jangka waktu yang diberikan kepada pelanggan untuk membayar faktur setelah dikirim. Atribut ini penting untuk mengelola piutang usaha dan arus kas. Dalam process mining, atribut ini menjadi acuan untuk menilai kinerja pembayaran. Atribut ini digunakan untuk menghitung KPI seperti Tingkat Pembayaran Tepat Waktu, dengan membandingkan tanggal pembayaran aktual dan tanggal jatuh tempo yang dihitung dari tanggal faktur serta persyaratan pembayaran. Mengapa ini penting Menjadi acuan untuk mengukur ketepatan waktu pembayaran dan menganalisis keterlambatan dalam proses penagihan. Sumber data Biasanya, atribut ini berupa kolom khusus pada objek Deal atau Organization di Pipedrive, atau berasal dari sistem akuntansi terintegrasi. Contoh Net 30Net 60Jatuh tempo saat diterima
	Produk ProductAttached	Produk atau layanan yang terkait dengan peluang penjualan.
Deskripsi Atribut ini menunjukkan produk atau layanan yang dijual dalam kesepakatan. Dengan atribut ini, Anda dapat menganalisis aktivitas penjualan untuk penawaran tertentu secara lebih terperinci. Dengan menyertakan produk, Anda dapat membandingkan proses penjualan untuk berbagai lini produk. Analisis ini dapat menunjukkan apakah siklus penjualan produk tertentu lebih panjang, tingkat konversinya berbeda, atau memerlukan langkah proses yang berbeda. Hasilnya membantu Anda menyusun strategi penjualan yang lebih sesuai. Mengapa ini penting Mendukung analisis proses penjualan berdasarkan lini produk, sehingga Anda dapat menemukan perbedaan lama siklus penjualan atau tingkat keberhasilan antar penawaran. Sumber data Diambil dari objek Product yang tertaut ke Deal di Pipedrive API. Contoh Langganan SaaS standarLisensi platform perusahaanPaket layanan profesional
	Sistem sumber SourceSystem	Menunjukkan sistem asal data yang diekstrak.
Deskripsi Atribut ini menunjukkan asal data, dalam hal ini Pipedrive. Atribut ini berguna terutama saat data dari beberapa sistem digabungkan untuk memberikan gambaran proses secara menyeluruh. Meski sering berupa nilai tetap dalam analisis satu sistem, atribut ini memberi konteks penting serta membantu tata kelola dan pelacakan data. Atribut ini memastikan bahwa peristiwa dan atribut terkait dengan instans Pipedrive. Mengapa ini penting Memberi konteks penting tentang asal data sehingga data mudah dilacak dan dipahami, terutama saat menggabungkan data dari beberapa sistem. Sumber data Biasanya, nilai tetap ini ditambahkan selama transformasi data. Contoh Pipedrive
	Sumber prospek LeadSource	Sumber atau kanal yang mendatangkan prospek.
Deskripsi Sumber Prospek menunjukkan cara calon pelanggan pertama kali ditemukan, misalnya melalui 'Webinar', 'Panggilan tanpa janji', atau 'Rujukan mitra'. Informasi ini penting untuk strategi pemasaran dan penjualan. Analisis Sumber Prospek membantu Anda menilai efektivitas berbagai kanal pemasaran. Anda dapat membandingkan tingkat konversi dan lama siklus penjualan prospek dari berbagai sumber. Hasilnya membantu bisnis mengoptimalkan anggaran pemasaran dan upaya penjualan. Mengapa ini penting Membantu mengukur efektivitas berbagai kanal pemasaran dengan menganalisis tingkat konversi dan kinerja proses prospek dari setiap sumber. Sumber data Diambil dari kolom 'source_name' pada objek Lead, lalu dikaitkan dengan Deal. Contoh Pencarian organikMedia sosial berbayarRujukanPameran dagang
	Tahap kesepakatan DealStage	Tahap tertentu dalam pipeline penjualan yang sedang dijalani kesepakatan.
Deskripsi Tahap Kesepakatan menunjukkan langkah tertentu dalam pipeline penjualan yang telah ditetapkan perusahaan, seperti 'Qualified', 'Proposal Made', atau 'Negotiation'. Atribut ini memberikan gambaran kemajuan kesepakatan yang lebih terperinci daripada Status Kesepakatan. Analisis tahap kesepakatan penting untuk memahami funnel penjualan dan menemukan titik tempat kesepakatan sering terhenti. Dengan melacak waktu di setiap tahap, tim dapat menemukan hambatan dan memusatkan upaya perbaikan pada bagian siklus penjualan yang paling bermasalah. Mengapa ini penting Memberikan gambaran terperinci tentang kemajuan kesepakatan dalam funnel penjualan, serta membantu menemukan hambatan dan mengukur tingkat konversi antar tahap. Sumber data Diambil dari kolom 'stage_id' pada objek Deal, yang tertaut ke objek Stage di Pipedrive API. Contoh Prospek masukKontak terjalinDemo dijadwalkanProposal disampaikanNegosiasi dimulai
	Waktu akhir peristiwa EventEndTime	Waktu yang menunjukkan kapan aktivitas berdurasi selesai.
Deskripsi Waktu Akhir Peristiwa menandai selesainya aktivitas yang memiliki durasi terukur, seperti rapat atau tugas. Data ini melengkapi Waktu Mulai agar Anda dapat menghitung dengan tepat durasi aktivitas tertentu. Atribut ini penting untuk menghitung waktu pemrosesan setiap aktivitas. Analisis durasi membantu menemukan tugas yang paling banyak menyita waktu dan peluang untuk mengoptimalkan proses, menerapkan otomatisasi, atau mengalokasikan ulang sumber daya. Mengapa ini penting Memungkinkan penghitungan durasi setiap aktivitas secara tepat, sehingga Anda dapat menemukan tugas yang menyita waktu dan hambatan. Sumber data Diambil dari kolom seperti 'due_date' atau stempel waktu penyelesaian pada objek Activity melalui API Pipedrive. Contoh 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	Waktu pembayaran faktur InvoicePaymentTime	Durasi antara pengiriman faktur dan penerimaan pembayaran.
Deskripsi Waktu Pembayaran Faktur mengukur efisiensi proses piutang usaha. Metrik ini mencatat waktu dari aktivitas 'Invoice Sent' hingga 'Payment Received'. Metrik ini penting untuk memantau arus kas dan menemukan keterlambatan penagihan. Analisis durasi ini membantu bisnis memahami perilaku pembayaran pelanggan dan efektivitas strategi pengingat serta penagihan. Hal ini berdampak langsung pada siklus dari penawaran hingga pembayaran. Mengapa ini penting Mengukur langsung efisiensi proses penagihan dan penting untuk mengelola arus kas. Sumber data Dihitung dari selisih waktu aktivitas 'Payment Received' dan 'Invoice Sent' untuk suatu kasus. Contoh 28 hari45 hari10 hari
	Wilayah Region	Wilayah geografis yang terkait dengan pelanggan atau peluang penjualan.
Deskripsi Atribut ini mengelompokkan kesepakatan berdasarkan wilayah geografis, seperti Amerika Utara, EMEA, atau APAC. Atribut ini mendukung analisis kinerja dan proses penjualan berdasarkan lokasi. Dengan mengelompokkan proses berdasarkan wilayah, bisnis dapat menemukan perbedaan lama siklus penjualan, tingkat keberhasilan, dan variasi proses antarwilayah. Wawasan ini dapat membantu menyusun strategi penjualan regional, mengalokasikan sumber daya, dan menstandarkan proses. Mengapa ini penting Mendukung analisis proses penjualan berdasarkan wilayah dan menyoroti perbedaan kinerja serta perilaku pelanggan. Sumber data Biasanya, atribut ini berupa kolom khusus pada objek Deal atau Organization. Anda juga dapat menggunakan kolom alamat Organization untuk menentukan wilayah. Contoh Amerika UtaraEMEAAPACLATAM

Wajib Disarankan Opsional

Aktivitas Lead to Cash

Catat langkah proses dan tonggak utama ini dalam log peristiwa agar proses dapat ditemukan dan diperbaiki dengan akurat.

5 Disarankan 8 Opsional

	Aktivitas	Deskripsi
	Kesepakatan gagal	Menandai kesepakatan yang tidak berhasil ditutup. Ini terjadi saat proses penjualan dihentikan karena pelanggan memilih pesaing, tidak lagi berminat, atau alasan lainnya.
Mengapa ini penting Ini adalah titik akhir utama untuk kesepakatan yang gagal. Analisis waktu dan alasan kesepakatan gagal memberi wawasan penting untuk memperbaiki strategi penjualan, pelatihan, dan proses kualifikasi. Sumber data Peristiwa ini tercatat secara eksplisit saat status kesepakatan berubah menjadi 'lost'. Kolom 'lost_time' di entitas Deals mencatat waktunya. Pengumpulan data Gunakan waktu pada 'lost_time' dari entitas Deals. Jenis peristiwa explicit
	Pembayaran diterima	Menandai pembayaran dari pelanggan yang berhasil diterima, sekaligus menuntaskan siklus kas untuk peluang tersebut. Ini adalah peristiwa terakhir dalam proses Lead to Cash dan berasal dari sistem keuangan.
Mengapa ini penting Ini adalah tahap terakhir yang menghasilkan nilai. Tahap ini menandai akhir sebenarnya dari proses Lead to Cash dan penting untuk mengukur lama siklus dari awal hingga akhir serta menganalisis keterlambatan pembayaran. Sumber data Diambil dari sistem akuntansi atau pemrosesan pembayaran. Konfirmasi pembayaran harus ditautkan kembali ke kesepakatan Pipedrive. Pengumpulan data Data peristiwa dari sistem keuangan eksternal, ditautkan ke kesepakatan melalui pengenal unik. Jenis peristiwa explicit
	Proposal dikirim	Menandai saat penawaran resmi atau proposal disampaikan kepada pelanggan. Peristiwa ini sering disimpulkan saat transaksi berpindah ke tahap pipeline tertentu, seperti 'Proposal Made' atau 'Quote Sent'.
Mengapa ini penting Ini adalah pencapaian penting dalam proses penjualan. Analisis waktu dari peristiwa ini hingga 'Deal Won' membantu Anda memahami durasi pengambilan keputusan dan negosiasi. Sumber data Disimpulkan dari changelog Deal saat 'stage_id' berubah ke tahap yang ditetapkan untuk proposal. Timestamp perubahan tahap digunakan. Pengumpulan data Deteksi saat 'stage_id' suatu Deal diperbarui ke tahap 'Proposal' tertentu. Jenis peristiwa inferred
	Transaksi berhasil ditutup	Menandai kesepakatan yang berhasil ditutup, setelah pelanggan menyetujui secara lisan atau tertulis. Ini adalah perubahan status yang jelas dan umum di Pipedrive.
Mengapa ini penting Ini adalah tonggak keberhasilan yang paling penting. Data ini penting untuk menghitung tingkat kemenangan, lama siklus penjualan untuk kesepakatan yang berhasil, dan kinerja penjualan secara keseluruhan. Sumber data Peristiwa ini tercatat secara eksplisit saat status kesepakatan berubah menjadi 'won'. Kolom 'won_time' di entitas Deals mencatat waktu yang tepat. Pengumpulan data Gunakan waktu pada 'won_time' dari entitas Deals. Jenis peristiwa explicit
	Transaksi dibuat	Menandai dimulainya peluang penjualan secara resmi. Peristiwa ini terjadi saat transaksi baru dibuat secara manual atau dibuat otomatis dari prospek yang dikonversi.
Mengapa ini penting Ini adalah aktivitas awal utama dalam siklus penjualan. Analisis waktu dari peristiwa ini hingga 'Deal Won' atau 'Deal Lost' menunjukkan durasi siklus penjualan secara keseluruhan. Sumber data Peristiwa ini tercatat secara langsung di entitas Deals Pipedrive. Waktu pembuatan ('add_time') pada catatan transaksi digunakan sebagai waktu peristiwa. Pengumpulan data Gunakan kolom 'add_time' dari entitas Deals. Jenis peristiwa explicit
	Faktur dikirim	Menandai saat faktur dikirim kepada pelanggan untuk dibayar. Peristiwa ini biasanya dipicu di sistem akuntansi atau penagihan eksternal setelah pesanan dipenuhi.
Mengapa ini penting Ini menandai dimulainya siklus pembayaran. Waktu antara peristiwa ini dan 'Payment Received' penting untuk memantau piutang usaha dan arus kas. Sumber data Berasal dari sistem akuntansi atau ERP eksternal seperti Xero atau QuickBooks. Data peristiwa perlu diintegrasikan dan dikaitkan dengan kesepakatan Pipedrive. Pengumpulan data Data peristiwa dari sistem penagihan eksternal, dikaitkan dengan kesepakatan melalui integrasi API. Jenis peristiwa explicit
	Kesepakatan dibuka kembali	Menandai kesepakatan yang sebelumnya berstatus gagal, lalu diaktifkan kembali untuk kegiatan penjualan lanjutan. Peristiwa ini disimpulkan saat status kesepakatan berubah dari 'lost' kembali menjadi 'open'.
Mengapa ini penting Aktivitas ini menunjukkan adanya pengerjaan ulang dan upaya untuk kembali menjalin hubungan dengan pelanggan. Analisis kejadian ini dapat mengungkap pola perilaku pelanggan atau efektivitas tindak lanjut penjualan. Sumber data Disimpulkan dari changelog Deal. Peristiwa ini terdeteksi saat kolom 'status' berubah dari 'lost' menjadi 'open'. Pengumpulan data Cari perubahan status dari 'lost' menjadi 'open' dalam riwayat kesepakatan. Jenis peristiwa inferred
	Kontak awal dilakukan	Menandai interaksi bermakna pertama dengan calon pelanggan yang terkait dengan transaksi. Biasanya, interaksi ini tercatat sebagai aktivitas yang selesai, seperti panggilan, email, atau rapat yang ditautkan ke transaksi.
Mengapa ini penting Pelacakan ini membantu mengukur waktu hingga kontak pertama dan memastikan prospek segera ditindaklanjuti. Data ini juga menunjukkan seberapa tanggap tim penjualan. Sumber data Diambil dari entitas Activities di Pipedrive. Peristiwa ini ditentukan dengan mencari aktivitas selesai paling awal yang terkait dengan ID deal. Pengumpulan data Cari Activity selesai pertama yang terkait dengan Deal berdasarkan kolom 'done_time'. Jenis peristiwa explicit
	Negosiasi dimulai	Menandai dimulainya negosiasi aktif mengenai harga, ketentuan, atau cakupan. Peristiwa ini biasanya disimpulkan saat transaksi berpindah ke tahap pipeline 'Negotiation' setelah proposal dikirim.
Mengapa ini penting Dengan memisahkan tahap negosiasi, Anda dapat mengetahui durasi tahap ini dan transaksi mana yang mengalami negosiasi panjang. Sumber data Disimpulkan dari changelog Deal saat 'stage_id' diperbarui ke tahap yang secara khusus bernama untuk negosiasi. Pengumpulan data Temukan perubahan tahap ke tahap 'Negotiation' yang telah ditentukan sebelumnya dalam riwayat transaksi. Jenis peristiwa inferred
	Pesanan dipenuhi	Menunjukkan bahwa produk telah dikirim atau layanan telah diberikan kepada pelanggan. Peristiwa ini berasal dari sistem eksternal untuk pemenuhan pesanan atau operasional.
Mengapa ini penting Pelacakan pemenuhan pesanan penting untuk memahami lama siklus dari pemesanan hingga pengiriman. Keterlambatan pada tahap ini berdampak langsung pada kepuasan pelanggan dan pengakuan pendapatan. Sumber data Diambil dari sistem ERP, inventaris, atau manajemen layanan eksternal. Data ini harus ditautkan kembali ke kesepakatan Pipedrive yang sesuai. Pengumpulan data Data peristiwa dari sistem eksternal, ditautkan melalui ID kesepakatan atau pengenal umum lainnya. Jenis peristiwa explicit
	Pesanan penjualan dibuat	Menandai pembuatan pesanan penjualan resmi di sistem lanjutan, seperti ERP atau platform akuntansi, setelah kesepakatan berhasil. Aktivitas ini bukan fitur bawaan Pipedrive dan memerlukan data dari sistem terintegrasi.
Mengapa ini penting Peristiwa ini menandai serah terima dari tim Penjualan ke Operasional atau Keuangan. Analisis waktu dari 'Deal Won' hingga aktivitas ini dapat mengungkap potensi keterlambatan pemrosesan pesanan. Sumber data Biasanya diambil dari sistem ERP atau keuangan yang terhubung. Data perlu dimasukkan dan ditautkan ke ID kesepakatan Pipedrive. Pengumpulan data Data peristiwa dikirim dari sistem eksternal melalui API, sering kali dengan memperbarui kolom khusus pada kesepakatan di Pipedrive. Jenis peristiwa explicit
	Tindak lanjut proposal	Mencatat aktivitas penjualan, seperti panggilan atau email, yang dilakukan setelah proposal dikirim kepada pelanggan. Peristiwa ini menandakan adanya interaksi aktif selama pelanggan mempertimbangkan penawaran.
Mengapa ini penting Mengukur ketepatan waktu dan frekuensi tindak lanjut, yang penting untuk menjaga momentum dan menutup transaksi. Data ini mendukung dashboard 'Ketepatan waktu tindak lanjut proposal'. Sumber data Diambil dari entitas Activities di Pipedrive. Peristiwa ini dikenali sebagai aktivitas selesai yang terjadi setelah peristiwa 'Proposal Sent' untuk deal yang sama. Pengumpulan data Temukan Activity selesai dengan 'done_time' setelah timestamp aktivitas 'Proposal Sent'. Jenis peristiwa explicit
	Transaksi memenuhi kualifikasi	Menandakan bahwa transaksi telah memenuhi kriteria yang ditetapkan dan dianggap sebagai peluang yang layak ditindaklanjuti. Peristiwa ini biasanya disimpulkan saat transaksi berpindah dari tahap awal pipeline, seperti 'Lead In', ke tahap yang lebih memenuhi kualifikasi, seperti 'Contact Made' atau 'Needs Defined'.
Mengapa ini penting Pencapaian ini membantu mengukur efektivitas proses kualifikasi prospek dan menunjukkan berapa lama transaksi berada di tahap awal sebelum memenuhi kualifikasi. Sumber data Disimpulkan dari changelog atau riwayat Deal saat kolom 'stage_id' berubah ke tahap yang menandakan kualifikasi. Pengumpulan data Temukan perubahan tahap ke tahap 'qualified' yang telah ditentukan sebelumnya dalam riwayat transaksi. Jenis peristiwa inferred

Disarankan Opsional

Panduan ekstraksi data

Cara mengambil data dari Pipedrive

Langkah

Masuk ke Pipedrive: Akses akun Pipedrive Anda dengan profil pengguna yang memiliki izin untuk mengekspor data. Biasanya, ini adalah pengguna Admin.
Buka ekspor data: Klik foto profil di pojok kanan atas, lalu pilih 'Settings'. Di menu navigasi sebelah kiri, cari bagian 'Tools and apps', lalu klik 'Export data'.
Ekspor data Deals: Di tampilan 'Export data', pilih 'Deals'. Pilih format file 'CSV'. Sebaiknya gunakan filter rentang tanggal tertentu, misalnya 6 bulan terakhir, agar ukuran file tetap mudah dikelola. Klik 'Export', lalu tunggu hingga file dibuat dan diunduh. File ini berisi informasi penting tentang deal, termasuk waktu pembuatan, waktu deal dimenangkan, dan waktu deal kalah.
Ekspor data Activities: Ulangi langkah yang sama untuk 'Activities'. Pilih 'Activities', pilih 'CSV', gunakan filter rentang tanggal yang sama seperti untuk deal, lalu ekspor file. File ini berisi catatan panggilan, email, rapat, dan aktivitas khusus yang terkait dengan deal.
Kumpulkan data eksternal: Dapatkan data terkait dari sistem hilir Anda. Anda memerlukan ekspor dari sistem ERP, akuntansi, atau pemenuhan pesanan untuk peristiwa seperti 'Sales Order Created', 'Order Fulfilled', 'Invoice Sent', dan 'Payment Received'. Pastikan file tersebut memiliki pengenal umum yang dapat dipetakan kembali ke Deal ID Pipedrive.
Siapkan lingkungan pemrosesan data: Gunakan alat yang dapat menangani dan menggabungkan beberapa file CSV, seperti Python dengan pustaka pandas, Microsoft Excel dengan Power Query, atau alat persiapan data lainnya.
Muat dan gabungkan data: Muat file Deals.csv dan Activities.csv. Muat juga file data eksternal yang dikumpulkan pada langkah sebelumnya.
Susun log peristiwa: Buat log peristiwa terpadu dengan mengubah data mentah menjadi format aktivitas yang diperlukan melalui skrip. Buat kumpulan baris yang sesuai untuk masing-masing dari 13 aktivitas wajib. Contoh:
- Peristiwa 'Deal Created' diambil dari kolom add_time dalam file Deals.csv.
- Peristiwa 'Deal Won' diambil dari kolom won_time dalam file Deals.csv.
- 'Initial Contact Made' adalah aktivitas selesai paling awal untuk setiap deal dalam file Activities.csv.
- Aktivitas lain seperti 'Proposal Sent' atau 'Negotiation Started' disimpulkan dari subjek atau jenis aktivitas tertentu dalam Activities.csv.
Petakan atribut: Pastikan setiap baris peristiwa memiliki semua kolom wajib: SalesOpportunityId, ActivityName, dan EventTime. Tambahkan atribut yang disarankan seperti DealValue, DealOwner, dan DealStatus dengan menggabungkan data deal.
Ekspor akhir: Setelah log peristiwa selesai disusun dan divalidasi, simpan tabel akhir sebagai satu file CSV dengan enkode UTF-8. File ini siap diunggah ke ProcessMind untuk dianalisis.

Konfigurasi

Ekspor objek: Anda wajib mengekspor setidaknya 'Deals' dan 'Activities'. Anda juga mungkin perlu mengekspor 'Organizations' atau 'People' jika memerlukan data dimensi tambahan.
Format file: Pilih CSV agar kompatibel dengan berbagai alat pemrosesan data seperti Python atau Power Query.
Filter rentang tanggal: Gunakan opsi 'Filter by' untuk memilih periode tertentu, misalnya 'Deal add time' dalam 'last 180 days'. Langkah ini penting untuk mengelola kinerja ekspor dan ukuran file.
Izin pengguna: Anda harus menjadi pengguna Admin atau memiliki izin yang secara khusus mengizinkan ekspor data dari akun Pipedrive.
Jenis aktivitas khusus: Keberhasilan ekstraksi langkah proses seperti 'Deal Qualified' atau 'Proposal Sent' sangat bergantung pada penggunaan Activity Types khusus di Pipedrive oleh organisasi Anda. Pastikan jenis tersebut dikonfigurasikan dan digunakan secara konsisten oleh tim penjualan.

Contoh kueri 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.')

Langkah

Siapkan lingkungan Python: Pastikan Python 3.6 atau versi lebih baru sudah terpasang di sistem Anda. Buka terminal atau command prompt, lalu pasang pustaka Python yang diperlukan dengan menjalankan perintah berikut: pip install requests pandas.
Dapatkan kredensial API Pipedrive: Masuk ke akun Pipedrive Anda. Buka Settings dengan mengeklik foto profil, pilih 'Personal preferences', lalu buka tab 'API'. Salin token API pribadi Anda. Anda juga memerlukan domain perusahaan, yaitu awalan pada URL Pipedrive Anda, misalnya your-company pada your-company.pipedrive.com.
Konfigurasikan skrip ekstraksi: Buka skrip Python yang disediakan di editor teks atau IDE. Cari bagian konfigurasi di bagian atas, lalu ganti nilai placeholder API_TOKEN dan COMPANY_DOMAIN dengan kredensial Anda.
Tentukan periode ekstraksi: Di bagian konfigurasi skrip, atur variabel START_DATE ke tanggal pembuatan paling awal untuk deal yang ingin Anda sertakan dalam analisis. Gunakan format 'YYYY-MM-DD'.
Petakan ID pipeline dan tahap: Skrip menyimpulkan beberapa aktivitas berdasarkan perpindahan deal antar tahap. Anda harus memasukkan ID pipeline penjualan dan tahap utama yang sesuai. Temukan ID ini dengan membuka tahap di UI Pipedrive dan melihat URL, atau gunakan API. Perbarui variabel PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID, dan NEGOTIATION_STAGE_ID di skrip.
Jalankan skrip: Jalankan skrip dari terminal dengan perintah: python your_script_name.py. Skrip akan mulai memanggil API Pipedrive untuk mengambil data deal, aktivitas, dan log perubahan.
Pantau prosesnya: Skrip akan menampilkan pembaruan progres di konsol untuk menunjukkan data yang sedang diambil. Proses ini mungkin memerlukan beberapa menit, bergantung pada volume data dan batas laju API.
Tambahkan ekstraksi data eksternal: Untuk aktivitas seperti 'Sales Order Created' dan 'Payment Received', skrip menyediakan fungsi placeholder. Ubah fungsi tersebut agar terhubung ke sistem eksternal, seperti platform ERP atau akuntansi, dan mengambil data event yang relevan. Petakan SalesOpportunityId Pipedrive ke catatan di sistem lain tersebut.
Periksa hasilnya: Setelah skrip selesai, skrip akan membuat file CSV bernama pipedrive_event_log.csv. File ini berisi log peristiwa terstruktur dengan semua aktivitas yang diekstrak.
Siapkan file untuk diunggah: Buka file CSV untuk memastikan file dibuat dengan benar. Kolomnya harus mencakup SalesOpportunityId, ActivityName, EventTime, dan atribut lain yang disarankan. File ini siap diunggah ke ProcessMind untuk dianalisis.

Konfigurasi

Kredensial API: Skrip memerlukan API_TOKEN yang valid dan COMPANY_DOMAIN Anda untuk autentikasi ke API Pipedrive. Pastikan pengguna yang terkait dengan token memiliki izin yang cukup untuk membaca data deal, aktivitas, dan pengguna.
Rentang tanggal: Variabel START_DATE memfilter deal yang dibuat pada atau setelah tanggal yang ditentukan. Untuk analisis awal, sebaiknya gunakan periode 3 hingga 6 bulan agar volume data tetap terkendali.
ID pipeline dan tahap: Agar langkah proses seperti 'Deal Qualified' atau 'Proposal Sent' dapat disimpulkan dengan akurat, konfigurasikan skrip menggunakan ID numerik yang benar untuk PIPELINE_ID penjualan utama dan nilai STAGE_ID untuk setiap tonggak penting. ID yang tidak cocok akan menyebabkan aktivitas tidak tercatat.
Kinerja dan batas laju: Skrip memberi jeda singkat di antara panggilan API untuk mematuhi batas laju Pipedrive. Jika organisasi Anda memiliki volume deal yang sangat tinggi, sesuaikan jeda tersebut atau terapkan strategi backoff yang lebih canggih untuk menghindari error API.
Pemetaan kolom khusus: Jika Anda menggunakan kolom khusus untuk atribut penting seperti DiscountPercentage, cari kunci API kolom tersebut, berupa rangkaian hash panjang, bukan nama tampilannya, lalu gunakan kunci itu dalam logika transformasi data.
Integrasi dengan sistem eksternal: Ekstraksi event yang berasal dari luar Pipedrive, seperti penagihan atau pemenuhan pesanan, ditangani oleh fungsi placeholder. Sesuaikan bagian ini agar terhubung ke sumber data eksternal yang Anda gunakan.

Contoh kueri 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}")

Langkah

Pilih dan beli lisensi layanan ETL komersial atau otomatisasi yang mendukung konektor Pipedrive, seperti Fivetran atau Make. Pastikan produk yang dipilih dapat mengambil data deal, aktivitas, riwayat tahap deal, perubahan status deal, orang, organisasi, dan kolom khusus, serta menulis data ke gudang data atau data lake tujuan Anda.
Buat koneksi Pipedrive dengan izin baca menggunakan metode autentikasi yang didukung konektor. Konfigurasikan akun sumber, ruang kerja, atau organisasi sesuai alat yang dipilih. Jangan mengasumsikan jalur menu atau endpoint API tertentu karena dapat berbeda menurut produk dan versi konektor.
Konfigurasikan koneksi tujuan dan buat area pendaratan untuk objek sumber yang disinkronkan. Gunakan nama tabel atau koleksi yang dibuat konektor, atau ganti nama dalam skrip dengan nama yang dibuat di lingkungan Anda. Pertahankan pengenal sumber, stempel waktu, nilai status, nilai tahap, pengenal pemilik, nilai moneter, dan kolom khusus.
Konfigurasikan sinkronisasi inkremental untuk rentang tanggal yang diperlukan, biasanya 3 hingga 6 bulan sebelumnya, dengan jendela tumpang tindih jika konektor mendukungnya. Sertakan catatan historis yang diperlukan untuk mengidentifikasi deal yang dibuka kembali, serta riwayat tahap atau status, bukan hanya cuplikan deal saat ini.
Sinkronkan objek Pipedrive dan objek hilir terintegrasi yang diperlukan untuk Sales Order Created, Order Fulfilled, Invoice Sent, dan Payment Received. Keempat aktivitas ini bukan peristiwa bawaan Pipedrive dan memerlukan data sumber dari sistem ERP, pemenuhan pesanan, akuntansi, penagihan, atau keuangan. Jika konektor tidak menyediakan objek tersebut, muat melalui konektor tambahan yang didukung ke tujuan.
Buat tampilan atau tabel ternormalisasi yang memetakan keluaran konektor ke objek sumber logis yang dirujuk oleh skrip ekstraksi. Ganti setiap nama tabel sementara dalam skrip dengan tabel atau tampilan yang sesuai di tujuan Anda. Konfigurasikan nama tahap, nilai status, jenis aktivitas, dan kunci relasi sistem eksternal yang khusus untuk sumber di bagian konfigurasi yang ditunjukkan.
Jalankan skrip ekstraksi. Skrip ini membuat baris secara eksplisit untuk 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, dan Deal Reopened. Peristiwa yang disimpulkan dari riwayat tahap atau status hanya dihasilkan jika riwayat sumber memuat transisi yang diperlukan. ProcessMind tidak menyimpulkan peristiwa yang hilang setelah data diunggah.
Pastikan SalesOpportunityId, ActivityName, dan EventTime terisi, stempel waktu menggunakan zona waktu yang konsisten, serta catatan sumber duplikat dihapus atau dikendalikan menggunakan pengenal peristiwa sumber dan stempel waktu peristiwa. Tinjau atribut yang disarankan dan pertahankan nilai NULL jika sumber tidak menyediakannya.
Ekspor hasilnya sebagai CSV datar atau format log peristiwa lain yang didukung ProcessMind. Gunakan SalesOpportunityId sebagai pengenal kasus, ActivityName sebagai kolom aktivitas, dan EventTime sebagai stempel waktu peristiwa. Sertakan DealValue, DealOwner, DealStatus, dan DiscountPercentage sebagai atribut tambahan. Unggah file atau hubungkan set data tujuan di ProcessMind, lalu pastikan nama aktivitas sama persis dengan label yang diwajibkan.

Konfigurasi

Konektor sumber: Konfigurasikan konektor Pipedrive yang didukung di layanan ETL atau otomatisasi pilihan Anda. Kemampuan konektor, mode sinkronisasi, nama tabel yang dibuat, dan opsi autentikasi berbeda menurut produk dan versinya.
Data sumber wajib: Sertakan deal, aktivitas, riwayat tahap deal, riwayat status deal, pemilik atau pengguna, serta kolom yang digunakan untuk mengidentifikasi prospek yang dikonversi. Sertakan data pesanan penjualan, pemenuhan, faktur, dan pembayaran dari sistem terintegrasi.
Objek tujuan: Ganti [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], dan [Your payments table] dengan tabel yang dibuat konektor atau tampilan yang telah disiapkan.
Rentang tanggal: Mulai dengan data 3 hingga 6 bulan. Perpanjang rentang jika siklus proses lebih lama, jika Anda perlu menganalisis deal yang dibuka kembali, atau jika memerlukan transisi tahap dan status historis.
Parameter tanggal: Atur [Start date] dan [End date] menggunakan format tanggal yang didukung tujuan Anda. Gunakan periode tumpang tindih untuk pemuatan inkremental agar pembaruan terlambat, stempel waktu yang dikoreksi, dan transaksi lanjutan yang tertunda ikut tercatat.
Konfigurasi tahap: Atur nama tahap yang tepat atau kategori tahap yang dinormalisasi untuk kualifikasi, proposal, dan negosiasi yang digunakan di akun Pipedrive. Jangan gunakan nama tahap contoh kecuali sesuai dengan nilai sumber.
Konfigurasi aktivitas: Atur jenis aktivitas selesai yang tepat untuk kontak awal dan tindak lanjut proposal, seperti panggilan, email, atau rapat, berdasarkan nilai yang dinormalisasi oleh konektor.
Keterkaitan dengan sistem eksternal: Atur kunci relasi yang menghubungkan pesanan penjualan lanjutan dengan deal Pipedrive. Jika sistem lanjutan menggunakan kunci berbeda, buat tampilan pemetaan sebelum menjalankan ekstraksi.
Filter: Terapkan filter perusahaan, organisasi, pipeline, tim, mata uang, atau unit bisnis hanya jika diperlukan. Catat setiap filter karena dapat memengaruhi kelengkapan kasus dan event.
Kinerja: Untuk set data besar, gunakan sinkronisasi inkremental, filter tanggal di sisi sumber, tabel tujuan yang dipartisi, serta kolom kasus dan stempel waktu yang diindeks atau dikelompokkan. Hindari memindai ulang seluruh tabel riwayat berulang kali.
Penghapusan duplikat: Pertahankan pengenal event sumber yang stabil jika tersedia. Jika tidak, hapus duplikat berdasarkan pengenal kasus, nama aktivitas, stempel waktu event, dan pengenal catatan sumber. Jangan hapus aktivitas berulang yang sah, seperti beberapa tindak lanjut.
Prasyarat: Anda memerlukan lisensi konektor, otorisasi Pipedrive, izin menulis ke tujuan, akses ke riwayat deal dan aktivitas, serta akses ke data ERP, pemenuhan, akuntansi, penagihan, atau keuangan di sistem lanjutan. Kolom khusus dan data perubahan historis mungkin memerlukan izin produk atau fitur konektor tambahan.

Contoh kueri 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")

Siap memulai?

Gunakan templat ini untuk menyiapkan data Lead to Cash dengan efisien dan mulai menemukan wawasan tentang proses Anda. Mulai optimalkan operasional Pipedrive Anda hari ini.

Kembali ke panduan perbaikan

Unduh template

Tingkatkan rasio kemenangan: optimalkan Lead to Cash di Pipedrive hari ini

Tingkatkan rasio kemenangan hingga 20% dan persingkat siklus penjualan. Mulai sekarang.

Mulai uji coba gratis

Tidak perlu kartu kredit. Uji coba gratis selama 14 hari.

Templat data Lead to Cash Anda

Templat data Lead to Cash Anda

Atribut Lead to Cash

Aktivitas Lead to Cash

Panduan ekstraksi data

Ekspor data Pipedrive ke CSV/Excel

Langkah

Konfigurasi

Contoh kueri python

Ekstraksi dengan skrip Python melalui REST API Pipedrive

Langkah

Konfigurasi

Contoh kueri python

Alat ETL pihak ketiga dengan konektor Pipedrive

Langkah

Konfigurasi

Contoh kueri python

Siap memulai?

Tingkatkan rasio kemenangan: optimalkan Lead to Cash di Pipedrive hari ini