> Perbaikan proses berkelanjutan > Pembelian hingga pembayaran: permintaan pembelian > SAP Ariba > Templat data

Templat data Purchase to Pay - Permintaan

SAP Ariba

Atribut Purchase to Pay - Permintaan(19) Aktivitas Purchase to Pay - Permintaan(13) Panduan ekstraksi(2)

Templat data Purchase to Pay - Permintaan

Templat data ini membantu Anda mengumpulkan dan menyusun informasi yang diperlukan untuk menganalisis proses Purchase to Pay - Permintaan. Templat ini mencantumkan atribut dan aktivitas penting untuk membuat log peristiwa yang dapat digunakan untuk memahami kinerja proses secara mendalam. Anda juga akan menemukan panduan praktis untuk mengekstrak data dari sistem sumber, agar Anda dapat memulai process mining dengan lancar.

Atribut yang disarankan untuk analisis menyeluruh
Aktivitas dan pencapaian penting yang perlu dilacak
Panduan terperinci untuk mengekstrak data dari sistem Anda

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

Unduh template

Atribut Purchase to Pay - Permintaan

Berikut kolom data yang disarankan untuk log peristiwa agar analisis Purchase to Pay - Permintaan mencakup semua informasi penting.

3 Wajib 8 Disarankan 8 Opsional

	Nama	Deskripsi
	Nama aktivitas ActivityName	Nama peristiwa bisnis tertentu yang terjadi pada suatu waktu dalam siklus permintaan pembelian.
Deskripsi Nama Aktivitas menjelaskan satu langkah atau tonggak dalam proses permintaan pembelian, seperti 'Permintaan pembelian dibuat', 'Langkah persetujuan disetujui', atau 'Permintaan pembelian ditutup'. Data ini biasanya berasal dari log peristiwa, perubahan status, atau tindakan pengguna yang tercatat di SAP Ariba. Atribut ini penting untuk menyusun peta proses yang menampilkan alur aktivitas secara visual. Dengan menganalisis urutan dan frekuensi aktivitas, analis dapat menemukan jalur proses yang umum, hambatan, penyimpangan dari prosedur standar, dan bagian yang perlu dikerjakan ulang. Atribut ini menjadi dasar analisis process mining. Mengapa ini penting Atribut ini menentukan langkah-langkah dalam proses, sehingga alur kerja permintaan pembelian dapat ditampilkan dan dianalisis, termasuk hambatan dan penyimpangannya. Sumber data Berasal dari log peristiwa, jejak audit, atau catatan perubahan status di SAP Ariba, biasanya terkait dengan tabel header permintaan dan item baris. Contoh Permintaan pembelian diajukanLangkah persetujuan disetujuiPermintaan pembelian diubahPurchase Order dibuat
	Purchase Requisition ID PurchaseRequisitionId	Pengenal unik untuk dokumen permintaan pembelian yang berfungsi sebagai pengenal kasus utama dalam proses.
Deskripsi Purchase Requisition ID adalah kunci utama yang menghubungkan semua aktivitas terkait satu permintaan barang atau jasa. Setiap permintaan yang dibuat di SAP Ariba mendapat ID unik yang tetap sama sepanjang siklusnya, mulai dari pembuatan dan pengajuan hingga persetujuan, penolakan, atau penutupan. Dalam analisis process mining, atribut ini menjadi dasar untuk menghubungkan peristiwa ke kasus yang tepat. Dengan ID ini, Anda dapat merekonstruksi seluruh perjalanan setiap permintaan dari awal hingga akhir, menghitung waktu siklus secara akurat, menemukan variasi proses, dan menganalisis rangkaian pengerjaan ulang. Tanpa pengenal ini, peristiwa dari permintaan yang berbeda tidak dapat dibedakan. Mengapa ini penting Pengenal kasus utama ini menghubungkan semua aktivitas terkait, sehingga proses permintaan pembelian dari awal hingga akhir dapat dianalisis untuk setiap permintaan. Sumber data Ini adalah kolom kunci utama dalam tabel header permintaan di struktur data SAP Ariba. Contoh PR-102345PR-102346PR-102347
	Waktu peristiwa EventTimestamp	Tanggal dan waktu tepat saat aktivitas terjadi, yang menjadi acuan utama untuk mengurutkan peristiwa.
Deskripsi Waktu Peristiwa mencatat saat tepat suatu aktivitas terjadi. Data dengan presisi tinggi ini diperlukan untuk mengurutkan peristiwa dengan benar dalam setiap kasus dan menghitung durasi antar langkah proses. Dalam analisis, waktu ini menjadi dasar semua perhitungan berbasis waktu, termasuk waktu siklus, waktu tunggu, dan durasi pemrosesan. Data ini digunakan oleh dashboard untuk menganalisis kinerja, seperti Requisition Approval Cycle Time dan Approval Path Bottleneck Analysis. Akurasi kolom ini berpengaruh langsung pada keandalan semua metrik kinerja. Mengapa ini penting Atribut ini menunjukkan urutan waktu peristiwa dan menjadi dasar perhitungan kinerja serta durasi, seperti waktu siklus dan hambatan. Sumber data Biasanya terdapat bersama catatan aktivitas atau perubahan status di jejak audit atau tabel log transaksi SAP Ariba. Contoh 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:05:00Z
	Alasan penolakan RejectionReason	Alasan yang diberikan approver saat menolak permintaan pembelian atau langkah persetujuan.
Deskripsi Saat permintaan ditolak, approver biasanya memberikan alasan, baik dalam bentuk teks bebas maupun pilihan dari daftar yang telah ditentukan. Atribut ini mencatat masukan penting tersebut. Data ini menjadi dasar dashboard 'Requisition Rejection Rate Analysis'. Dengan menganalisis alasan penolakan yang paling umum, Anda dapat menemukan penyebab utama kegagalan proses, seperti kode yang salah, justifikasi yang kurang, atau masalah anggaran. Temuan ini dapat digunakan untuk meningkatkan pelatihan bagi pemohon dan kualitas pengajuan awal, sehingga pengerjaan ulang berkurang. Mengapa ini penting Menunjukkan secara langsung alasan permintaan gagal, sehingga Anda dapat mencari penyebab utama, mengurangi pengerjaan ulang, dan meningkatkan tingkat keberhasilan pada pengajuan pertama. Sumber data Lihat dokumentasi SAP Ariba. Informasi ini biasanya dicatat di bagian komentar atau riwayat yang terkait dengan peristiwa penolakan. Contoh Akun GL salahAnggaran terlampauiJustifikasi tidak memadaiPermintaan duplikat
	Departemen pemohon RequesterDepartment	Departemen bisnis atau pusat biaya karyawan yang membuat permintaan pembelian.
Deskripsi Atribut ini memberikan konteks organisasi dengan menunjukkan bagian bisnis yang mengajukan permintaan. Biasanya, informasi ini berasal dari profil pengguna pemohon atau dicantumkan langsung pada formulir permintaan. Dalam analisis, atribut ini menjadi dimensi penting untuk memfilter dan membandingkan data. Atribut ini digunakan di hampir semua dashboard, seperti 'Requisition Approval Cycle Time' dan 'Requisition Rejection Rate Analysis', untuk mengelompokkan metrik berdasarkan departemen. Dengan begitu, Anda dapat mengetahui departemen dengan waktu siklus terlama, tingkat perubahan tertinggi, atau permintaan yang paling sering tidak patuh, lalu menentukan perbaikan proses yang sesuai. Mengapa ini penting Memungkinkan Anda mengelompokkan dan membandingkan kinerja proses di berbagai bagian organisasi, serta menemukan masalah atau praktik baik yang spesifik pada departemen tertentu. Sumber data Lihat dokumentasi SAP Ariba. Informasi ini biasanya tersedia di data header permintaan dan sering ditautkan dari profil pengguna pemohon. Contoh PemasaranOperasional TIKeuanganRiset dan pengembangan
	Jalur alur kerja persetujuan ApprovalWorkflowPath	Urutan langkah persetujuan yang telah ditetapkan dan diharapkan diikuti oleh permintaan pembelian.
Deskripsi Atribut ini menentukan variasi proses standar atau matriks persetujuan yang harus diikuti permintaan berdasarkan karakteristiknya, seperti nilai, kategori item, dan departemen. Atribut ini mewakili proses yang direncanakan atau jalur ideal. Atribut ini menjadi dasar pemeriksaan kesesuaian dan digunakan dalam dashboard 'Requisition Compliance Overview'. Dengan membandingkan urutan aktivitas aktual dengan Jalur Alur Kerja Persetujuan yang diharapkan, analis dapat mendeteksi pelanggaran kebijakan, langkah persetujuan tanpa wewenang, atau kontrol yang terlewat secara otomatis. Informasi ini penting untuk audit internal dan manajemen risiko. Mengapa ini penting Menentukan proses standar yang harus diikuti, sehingga pemeriksaan kesesuaian dapat mendeteksi penyimpangan dan pelanggaran kebijakan secara otomatis. Sumber data Lihat dokumentasi SAP Ariba. Informasi ini dapat berasal dari konfigurasi matriks persetujuan atau kolom khusus pada permintaan. Contoh TI standar > $10kLayanan pemasaran < $5kCAPEX > $100k
	Kategori item ItemCategory	Klasifikasi barang atau jasa yang diminta, seperti 'Perangkat keras TI', 'Perlengkapan kantor', atau 'Jasa profesional'.
Deskripsi Kategori Item menjelaskan barang atau jasa yang dibeli. Klasifikasi ini membantu memahami pola belanja dan menerapkan strategi serta kebijakan pengadaan yang sesuai untuk setiap kategori. Dalam process mining, atribut ini penting untuk dashboard 'Requisition Amendment Analysis'. Atribut ini dapat menunjukkan apakah kategori tertentu lebih sering mengalami perubahan, yang mungkin menandakan spesifikasi kurang jelas atau harga yang berubah-ubah. Anda juga dapat membandingkan kinerja proses, seperti waktu persetujuan, antarjenis pembelian untuk mengetahui kategori yang lebih sering mengalami kendala. Mengapa ini penting Memungkinkan analisis berdasarkan jenis barang atau jasa yang dibeli, sehingga hambatan atau masalah kepatuhan pada kategori tertentu dapat ditemukan. Sumber data Lihat dokumentasi SAP Ariba. Informasi ini biasanya tersedia pada tingkat item baris permintaan. Contoh Perangkat keras TIJasa konsultasiPerlengkapan kantorMateri pemasaran
	Pengguna peristiwa EventUser	ID atau nama pengguna yang melakukan aktivitas, seperti pemohon atau approver.
Deskripsi Atribut Pengguna Peristiwa menunjukkan orang yang bertanggung jawab menjalankan langkah tertentu dalam proses. Orang tersebut dapat berupa karyawan yang mengajukan permintaan, manajer yang menyetujuinya, atau staf pengadaan yang memprosesnya. Atribut ini penting untuk menganalisis beban kerja dan kinerja, serta menemukan kebutuhan pelatihan. Atribut ini mendukung dashboard 'Approver Workload and Performance' dengan memungkinkan analisis waktu persetujuan per pengguna. Anda juga dapat menelusuri penyebab keterlambatan atau penyimpangan hingga ke orang atau tim tertentu. Mengapa ini penting Atribut ini memungkinkan analisis pembagian beban kerja, kinerja pengguna, dan alokasi sumber daya. Dengan begitu, hambatan yang disebabkan pengguna atau tim tertentu dapat ditemukan. Sumber data Lihat dokumentasi SAP Ariba. Informasi ini sering disimpan dalam tabel jejak audit atau riwayat dan ditautkan ke data induk pengguna. Contoh john.doejane.smithmanager123
	Status permintaan pembelian RequisitionStatus	Status terkini permintaan pembelian dalam siklus prosesnya.
Deskripsi Atribut ini menunjukkan status permintaan secara real time, seperti 'Sedang Disusun', 'Diajukan', 'Disetujui', 'Ditolak', atau 'Ditutup'. Atribut ini memberikan gambaran posisi setiap kasus dalam proses saat data diekstrak. process mining merekonstruksi alur historis, sedangkan atribut ini penting untuk pemantauan operasional. Atribut ini menjadi sumber data utama untuk 'Pelacak Status Permintaan Langsung', sehingga manajer dapat melihat beban kerja saat ini dan menemukan permintaan yang tertahan atau belum diproses dalam waktu lama. Informasi ini membantu Anda memantau permintaan yang masih berjalan dan segera menentukan tindakan. Mengapa ini penting Memungkinkan pemantauan alur permintaan secara real time, sehingga Anda dapat menemukan dan menangani permintaan yang tertahan atau belum diproses dalam waktu lama sebelum menimbulkan masalah. Sumber data Lihat dokumentasi SAP Ariba. Ini adalah kolom status standar pada header permintaan. Contoh DisetujuiDiajukanDitolakMenunggu Persetujuan
	Tingkat urgensi UrgencyLevel	Penanda prioritas permintaan, seperti 'Normal', 'Urgent', atau 'Critical'.
Deskripsi Tingkat Urgensi, yang biasanya ditampilkan sebagai penanda prioritas, menunjukkan kebutuhan bisnis untuk mempercepat pemrosesan. Pemohon biasanya menetapkan tingkat ini agar kebutuhan penting segera ditangani. Atribut ini menjadi dasar dashboard 'Urgent Requisition Process Monitor' dan KPI 'Urgent Requisition Proc. Time'. Anda dapat membandingkan waktu siklus permintaan mendesak dengan permintaan biasa untuk mengetahui apakah penanganan prioritas berjalan efektif. Analisis penyimpangan atau keterlambatan pada permintaan mendesak juga membantu menjaga kelangsungan bisnis. Mengapa ini penting Memungkinkan Anda memprioritaskan analisis dan memantau apakah permintaan berprioritas tinggi diproses lebih cepat, sehingga kebutuhan bisnis yang penting dapat terpenuhi. Sumber data Lihat dokumentasi SAP Ariba. Kolom ini sering tersedia sebagai pilihan pada formulir pembuatan permintaan. Contoh TinggiSedangRendah
	Total nilai permintaan pembelian TotalRequisitionAmount	Nilai total permintaan pembelian.
Deskripsi Atribut ini mencatat nilai finansial seluruh permintaan. Informasi ini memberikan konteks bisnis penting untuk mengelompokkan dan menentukan prioritas permintaan. Membandingkan metrik proses dengan nilai ini dapat mengungkap pola penting. Misalnya, permintaan bernilai tinggi mungkin mengikuti jalur persetujuan yang berbeda dan lebih ketat, atau memiliki waktu siklus lebih lama. Atribut ini membantu memahami dampak finansial inefisiensi proses dan mengelompokkan permintaan berdasarkan rentang nilai untuk dibandingkan. Mengapa ini penting Memberikan konteks finansial penting agar Anda dapat menganalisis pengaruh nilai permintaan terhadap proses, seperti waktu persetujuan dan kompleksitas alur kerja. Sumber data Lihat dokumentasi SAP Ariba. Kolom ini biasanya tersedia di header Purchase Requisition. Contoh 1500.0025000.5099.95
	ID pesanan pembelian PurchaseOrderId	Pengenal pesanan pembelian yang dibuat dari permintaan yang disetujui.
Deskripsi Atribut ini menghubungkan permintaan pembelian dengan dokumen berikutnya, yaitu pesanan pembelian (PO). Jika atribut ini terisi, berarti permintaan berhasil diubah menjadi pesanan. Atribut ini penting untuk analisis proses menyeluruh yang mencakup tahap setelah permintaan. Atribut ini digunakan untuk menghitung KPI 'Waktu dari Permintaan ke PO' dengan menghubungkan peristiwa pembuatan permintaan dan pembuatan PO. Hasilnya, Anda mendapat gambaran menyeluruh tentang tahap awal siklus pengadaan. Mengapa ini penting Menghubungkan permintaan dengan pesanan pembelian berikutnya, sehingga waktu siklus dari permintaan hingga PO dapat diukur. Sumber data Lihat dokumentasi SAP Ariba. Biasanya, informasi ini tersimpan dalam data baris permintaan setelah PO dibuat. Contoh PO-4500012345PO-4500012346PO-4500012347
	Mengalami pengerjaan ulang IsRework	Penanda boolean yang menunjukkan apakah permintaan mengalami pengerjaan ulang, misalnya karena ditolak atau diubah beberapa kali.
Deskripsi Atribut terhitung ini mengukur inefisiensi secara lebih luas daripada 'PernahDiubah'. Atribut ini menandai kasus yang mengalami pengerjaan ulang berulang, biasanya jika terdapat satu atau lebih peristiwa 'Langkah Persetujuan Ditolak' atau beberapa peristiwa 'Permintaan Diubah'. Penanda ini digunakan untuk menghitung KPI 'Tingkat Pengerjaan Ulang Permintaan'. Atribut ini membantu mengukur biaya tersembunyi dan keterlambatan akibat kegagalan proses. Analisis kasus yang ditandai sebagai pengerjaan ulang dapat mengungkap pola terkait pemberi persetujuan, departemen, atau jenis permintaan tertentu yang menghambat proses. Mengapa ini penting Menandai kasus yang mengalami hambatan proses, seperti penolakan, agar penyebab inefisiensi dan keterlambatan dapat dianalisis secara terarah. Sumber data Bernilai benar jika kasus memuat aktivitas penolakan atau lebih dari satu aktivitas perubahan. Contoh truefalse
	Nama pemberi persetujuan ApproverName	Nama pengguna yang ditugaskan untuk menyetujui langkah tertentu dalam alur kerja.
Deskripsi Atribut ini menunjukkan manajer atau pemangku kepentingan yang bertanggung jawab atas suatu aktivitas persetujuan. Berbeda dari 'Pengguna Peristiwa' umum, atribut ini khusus merujuk pada tugas persetujuan. Atribut ini menjadi kunci untuk dashboard 'Beban Kerja dan Kinerja Pemberi Persetujuan'. Anda dapat melacak jumlah permintaan yang ditangani setiap pemberi persetujuan dan rata-rata waktu persetujuannya. Informasi ini membantu menemukan hambatan pada individu, menyeimbangkan beban kerja, dan menilai kinerja berdasarkan target. Mengapa ini penting Menunjukkan siapa yang bertanggung jawab atas persetujuan, sehingga Anda dapat menganalisis kinerja pemberi persetujuan dan menyeimbangkan beban kerja secara terperinci. Sumber data Lihat dokumentasi SAP Ariba. Informasi ini tersimpan dalam data alur persetujuan yang terhubung dengan permintaan. Contoh Sarah JonesDavid ChenMaria Garcia
	Nama pemohon RequesterName	Nama karyawan yang mengajukan permintaan pembelian.
Deskripsi Atribut tingkat kasus ini menunjukkan siapa yang membuat permintaan pembelian. Atribut ini memberi konteks tentang asal permintaan dan pemangku kepentingan yang mengajukannya. Dalam analisis, atribut ini digunakan untuk memfilter proses dan menganalisis pola berdasarkan pemohon tertentu. Contohnya, dashboard 'Analisis Perubahan Permintaan' dan 'Analisis Tingkat Penolakan Permintaan' menggunakannya untuk menemukan pemohon yang mungkin memerlukan pelatihan tambahan karena sering mengubah atau mengalami penolakan permintaan. Informasi ini membantu Anda menyesuaikan masukan dan inisiatif perbaikan. Mengapa ini penting Menunjukkan siapa yang membuat permintaan, sehingga pola dan kualitas proses dapat dianalisis untuk setiap pemohon. Sumber data Lihat dokumentasi SAP Ariba. Ini adalah kolom standar pada header permintaan, biasanya berlabel 'Dibuat Oleh' atau 'Pemohon'. Contoh Alice WilliamsBob MillerCharles Brown
	Otomatis IsAutomated	Penanda boolean yang menunjukkan apakah aktivitas dilakukan oleh sistem atau pengguna.
Deskripsi Atribut ini membedakan peristiwa otomatis oleh sistem, seperti persetujuan otomatis atau perubahan status yang dipicu sistem, dari aktivitas manual yang dilakukan pengguna. Perbedaan ini penting untuk memahami tingkat otomatisasi proses. Dalam analisis, atribut ini membantu mengukur upaya manusia secara akurat dan menemukan peluang untuk menambah otomatisasi. Misalnya, Anda dapat memfilter aktivitas manual untuk menghitung waktu pemrosesan yang melibatkan pengguna secara tepat. Atribut ini juga membantu memastikan aturan otomatis berjalan sesuai harapan dalam proses. Mengapa ini penting Membedakan tindakan manusia dan sistem. Ini penting untuk mengukur tingkat otomatisasi dan menemukan peluang otomatisasi baru. Sumber data Biasanya ditentukan dengan memeriksa apakah 'Pengguna Peristiwa' cocok dengan ID pengguna sistem atau pengguna batch. Contoh truefalse
	Pembaruan data terakhir LastDataUpdate	Waktu yang menunjukkan kapan data untuk catatan ini terakhir kali diperbarui dari sistem sumber.
Deskripsi Atribut ini menunjukkan tanggal dan waktu ekstraksi atau pembaruan data terbaru untuk suatu peristiwa. Informasi ini memperjelas seberapa baru data yang dianalisis, terutama saat memantau proses yang sedang berjalan. Analis menggunakan informasi ini untuk mengetahui kapan wawasan yang dihasilkan terakhir diperbarui. Untuk dashboard seperti 'Live Requisition Status Tracker', kolom ini penting agar pengguna tahu seberapa mutakhir informasi yang ditampilkan. Dengan begitu, pengguna dapat memahami batas waktu pembaruan data. Mengapa ini penting Menunjukkan kemutakhiran data, yang penting untuk memahami seberapa baru dan relevan wawasan process mining. Sumber data Waktu ini biasanya dibuat dan ditambahkan ke setiap catatan saat data dimasukkan ke sistem. Contoh 2024-05-21T02:00:00Z2024-05-22T02:00:00Z
	Pernah diubah IsAmended	Penanda boolean yang menunjukkan apakah permintaan pernah diubah setelah pertama kali diajukan.
Deskripsi Atribut terhitung ini menandai kasus yang mengalami setidaknya satu aktivitas 'Permintaan Diubah'. Dengan atribut ini, Anda dapat dengan mudah menemukan permintaan yang perlu diubah selama siklus prosesnya. Penanda ini digunakan untuk menghitung KPI 'Tingkat Perubahan Permintaan'. Dengan menghitung kasus yang bernilai benar, analis dapat mengukur frekuensi pengerjaan ulang dan menyelidiki penyebabnya dengan membandingkan atribut ini dengan atribut lain, seperti 'Nama pemohon' atau 'Kategori barang'. Mengapa ini penting Memudahkan penghitungan KPI tingkat perubahan, sehingga Anda dapat mengukur pengerjaan ulang dan menemukan bagian yang memerlukan spesifikasi awal lebih jelas. Sumber data Bernilai benar jika kasus memuat satu atau lebih aktivitas 'Permintaan Diubah', dan salah jika tidak. Contoh truefalse
	Sistem sumber SourceSystem	Sistem pencatatan utama tempat data diambil.
Deskripsi Atribut ini menunjukkan asal data proses. Untuk tampilan ini, nilainya selalu 'SAP Ariba'. Jika data dari beberapa sistem digabungkan, kolom ini penting untuk melacak asal data dan membantu pemecahan masalah. Dalam analisis, atribut ini membantu memastikan asal data dan dapat digunakan untuk memfilter atau membandingkan proses yang melibatkan sistem berbeda. Dengan begitu, sumber data tetap jelas dan dapat dipercaya, sehingga pemangku kepentingan lebih yakin terhadap hasil analisis. Mengapa ini penting Menunjukkan asal data. Informasi ini penting untuk tata kelola data, pemecahan masalah, dan memahami konteks analisis. Sumber data Biasanya berupa nilai tetap yang ditambahkan saat proses ekstraksi dan transformasi data untuk menandai asal kumpulan data. Contoh SAP AribaSAP_ARIBA_P2PAribaCloud

Wajib Disarankan Opsional

Aktivitas Purchase to Pay - Permintaan

Berikut langkah dan pencapaian proses utama yang perlu dicatat dalam log peristiwa untuk menemukan proses secara akurat dan mengidentifikasi hambatan.

6 Disarankan 7 Opsional

	Aktivitas	Deskripsi
	Permintaan pembelian diajukan	Menandai pengajuan resmi Purchase Requisition oleh pemohon ke alur kerja persetujuan. Peristiwa ini tercatat saat status berubah dari 'Composing' menjadi 'Submitted'.
Mengapa ini penting Ini adalah tonggak penting yang memulai proses persetujuan. Data ini diperlukan untuk mengukur 'Requisition Approval Cycle Time' dan 'Requisition Creation Lead Time'. Sumber data Diketahui dari riwayat dokumen atau log audit Ariba, yang mencatat perubahan status permintaan menjadi 'Submitted' beserta waktunya. Pengumpulan data Temukan waktu saat kolom status permintaan pertama kali berubah menjadi 'Submitted'. Jenis peristiwa inferred
	Permintaan pembelian dibuat	Menandai saat pengguna pertama kali membuat dokumen Purchase Requisition. Peristiwa ini tercatat ketika permintaan pertama kali disimpan dalam status 'Composing' atau draf.
Mengapa ini penting Ini adalah awal siklus permintaan pembelian. Dengan menganalisis waktu dari pembuatan hingga pengajuan, Anda dapat mengukur efisiensi pengguna dan mengetahui kebutuhan pelatihan. Sumber data Diambil dari waktu pembuatan objek Purchase Requisition di SAP Ariba. Informasi ini terdapat di data header dokumen permintaan dan mencatat peristiwa pembuatan secara langsung. Pengumpulan data Gunakan 'CreateTime' atau kolom waktu yang setara dari tabel header dokumen permintaan. Jenis peristiwa explicit
	Permintaan pembelian disetujui	Menandai persetujuan akhir Purchase Requisition setelah berhasil melewati semua langkah dalam alur kerja. Peristiwa ini tercatat saat status berubah menjadi 'Approved'.
Mengapa ini penting Ini adalah tonggak penting yang menandai berakhirnya tahap persetujuan. Peristiwa ini menjadi titik akhir pengukuran 'Avg Requisition Approval Time' dan menandakan bahwa permintaan siap dibuat menjadi PO. Sumber data Diketahui dari riwayat dokumen Ariba, yang mencatat perubahan status akhir permintaan menjadi 'Approved'. Pengumpulan data Temukan waktu saat kolom status permintaan berubah menjadi 'Approved'. Jenis peristiwa inferred
	Permintaan pembelian ditolak	Menandai penolakan akhir Purchase Requisition setelah ditinjau. Ini adalah status akhir proses dan tercatat saat status berubah menjadi 'Denied'.
Mengapa ini penting Ini adalah titik akhir yang menandakan kegagalan proses. Analisis permintaan yang ditolak penting untuk KPI 'Requisition Rejection Rate', agar pola penolakan dapat ditemukan dan kualitas permintaan ditingkatkan. Sumber data Diketahui dari riwayat dokumen Ariba, yang mencatat perubahan status akhir permintaan menjadi 'Denied'. Pengumpulan data Temukan waktu saat kolom status permintaan berubah menjadi 'Denied'. Jenis peristiwa inferred
	Permintaan pembelian ditutup	Penutupan administratif akhir Purchase Requisition setelah semua tindakan terkait, seperti pemesanan dan penerimaan, selesai. Peristiwa ini tercatat saat status akhir berubah menjadi 'Closed'.
Mengapa ini penting Menandai akhir seluruh siklus permintaan pembelian. Analisis waktu dari pembuatan PO hingga penutupan dapat mengungkap hambatan dalam proses penerimaan atau penagihan berikutnya. Sumber data Diketahui dari riwayat dokumen Ariba, yang mencatat perubahan status permintaan menjadi 'Closed'. Pengumpulan data Temukan waktu saat kolom status permintaan berubah menjadi 'Closed'. Jenis peristiwa inferred
	Purchase Order dibuat	Menandai keberhasilan konversi Purchase Requisition yang telah disetujui menjadi Purchase Order. Peristiwa ini tercatat saat dokumen PO yang merujuk ke permintaan tersebut dibuat.
Mengapa ini penting Ini adalah hasil utama yang menandakan keberhasilan proses permintaan pembelian. Data ini diperlukan untuk mengukur KPI 'Requisition to PO Lead Time' dari awal hingga akhir. Sumber data Peristiwa ini tercatat secara langsung. Gunakan waktu pembuatan dokumen Purchase Order yang memiliki tautan atau referensi langsung ke Purchase Requisition ID sumber. Pengumpulan data Cari PO yang terkait dengan permintaan di tabel header PO, lalu gunakan waktu pembuatannya. Jenis peristiwa explicit
	Item baris permintaan pembelian dipesan	Menandai perubahan status item baris pada permintaan menjadi 'Ordered' setelah item tersebut dimasukkan ke purchase order. Data ini memberikan pelacakan yang lebih terperinci daripada pembuatan PO di tingkat header.
Mengapa ini penting Memungkinkan analisis pemesanan sebagian atau keterlambatan pada tingkat item baris, yang tidak terlihat jika hanya melihat header. Data ini berguna untuk permintaan dengan banyak item yang dipenuhi melalui PO berbeda. Sumber data Diketahui dari perubahan status objek item baris permintaan. Status item baris diperbarui menjadi 'Ordered' setelah PO dibuat untuk item tersebut. Pengumpulan data Temukan waktu saat kolom status item baris permintaan berubah menjadi 'Ordered'. Jenis peristiwa inferred
	Langkah persetujuan dimulai	Menandakan bahwa Purchase Requisition telah diteruskan kepada approver atau antrean persetujuan dan menunggu tindakan. Peristiwa ini tercatat saat permintaan persetujuan dibuat dan ditugaskan.
Mengapa ini penting Memberikan gambaran terperinci tentang alur kerja persetujuan. Data ini penting untuk menghitung waktu antre dan menemukan langkah yang menjadi hambatan dalam 'Approval Path Bottleneck Analysis'. Sumber data Diambil dari tabel alur persetujuan Ariba, yang mencatat pembuatan dan penugasan setiap tugas persetujuan yang terkait dengan permintaan. Pengumpulan data Gunakan waktu pembuatan catatan permintaan persetujuan yang terkait dengan permintaan dan langkah persetujuan tertentu. Jenis peristiwa explicit
	Langkah persetujuan disetujui	Menandai hasil positif dari suatu langkah persetujuan, yaitu saat approver menyetujui bagian permintaan yang ditugaskan kepadanya. Tindakan persetujuan ini dicatat secara langsung.
Mengapa ini penting Mengukur waktu pemrosesan setiap approver. Data ini penting untuk menghitung 'Avg Approval Step Duration' dan menilai beban kerja approver. Sumber data Diambil dari tabel alur persetujuan Ariba. Waktu peristiwa dicatat saat approver memilih tindakan 'Approve' pada tugas yang diberikan. Pengumpulan data Gunakan waktu tindakan 'Approve' yang tercatat dalam riwayat persetujuan untuk langkah tertentu. Jenis peristiwa explicit
	Langkah persetujuan ditolak	Menandai hasil negatif dari suatu langkah persetujuan, yaitu saat approver menolak permintaan pembelian, biasanya agar permintaan tersebut diperbaiki. Tindakan ini dicatat sebagai 'Deny'.
Mengapa ini penting Menunjukkan salah satu penyebab utama pengerjaan ulang dan keterlambatan proses. Analisis peristiwa ini penting untuk memahami 'Requisition Rework Rate' dan alasan penolakan. Sumber data Diambil dari tabel alur persetujuan Ariba. Waktu peristiwa dicatat saat approver memilih tindakan 'Deny' atau 'Reject' pada tugas yang diberikan. Pengumpulan data Gunakan waktu tindakan 'Deny' yang tercatat dalam riwayat persetujuan untuk langkah tertentu. Jenis peristiwa explicit
	Permintaan pembelian dikirim ke sourcing	Terjadi saat permintaan yang telah disetujui diteruskan ke departemen sourcing untuk menjalankan proses seperti RFQ sebelum PO dibuat. Peristiwa ini tercatat melalui perubahan status, misalnya menjadi 'Sourcing'.
Mengapa ini penting Menandai cabang penting dalam proses untuk barang bernilai tinggi atau yang tidak standar. Data ini membantu menganalisis kontribusi departemen sourcing terhadap waktu penyelesaian. Sumber data Diketahui dari perubahan status permintaan ke nilai yang menunjukkan bahwa permintaan telah dikirim ke sourcing. Hal ini umum terjadi pada Ariba Buying yang terintegrasi dengan Ariba Sourcing. Pengumpulan data Temukan waktu saat kolom status permintaan berubah menjadi 'Sourcing' atau status khusus lain yang setara. Jenis peristiwa inferred
	Permintaan pembelian ditarik	Terjadi saat pemohon awal membatalkan Purchase Requisition yang telah diajukan sebelum seluruh persetujuan selesai. Peristiwa ini tercatat saat status berubah menjadi 'Withdrawn' atau 'Canceled'.
Mengapa ini penting Menandai penghentian proses oleh pengguna. Dengan menganalisis alasan permintaan ditarik, Anda dapat menemukan masalah akibat perubahan kebutuhan bisnis atau waktu persetujuan yang terlalu lama. Sumber data Diketahui dari riwayat dokumen atau log audit Ariba, yang mencatat perubahan status permintaan menjadi 'Withdrawn'. Pengumpulan data Temukan waktu saat kolom status permintaan berubah menjadi 'Withdrawn'. Jenis peristiwa inferred
	Permintaan pembelian diubah	Terjadi saat pengguna mengubah Purchase Requisition setelah diajukan, biasanya sebagai tanggapan atas penolakan atau pertanyaan. Peristiwa ini tercatat saat dokumen diedit dan diajukan kembali.
Mengapa ini penting Mencatat pengerjaan ulang dan inefisiensi proses. Perubahan yang sering terjadi dapat menunjukkan persyaratan awal atau kebijakan yang kurang jelas, dan memengaruhi KPI 'Requisition Amendment Rate'. Sumber data Diketahui dari data versi di Ariba. Setiap perubahan membuat versi baru dokumen permintaan. Versi yang lebih besar dari 1 menandakan adanya perubahan. Pengumpulan data Periksa apakah ada versi baru permintaan yang dibuat setelah status awal 'Submitted'. Waktu pembuatan versi baru menjadi waktu peristiwanya. Jenis peristiwa inferred

Disarankan Opsional

Panduan ekstraksi

Cara mengambil data dari SAP Ariba

Langkah

Masuk ke SAP Ariba: Buka lingkungan SAP Ariba menggunakan akun yang memiliki izin untuk membuat dan menjalankan laporan analitis, misalnya dengan peran 'Analis Pelaporan'.
Buka Pelaporan Analitis: Dari dasbor utama, buka bagian pelaporan. Biasanya, bagian ini ada di menu seperti 'Pelaporan', 'Analitik', atau 'Kelola' > 'Laporan Analitis'.
Buat laporan baru: Mulai proses pembuatan laporan analitis. Anda akan diminta memilih area data utama, yang sering disebut 'Fakta'. Pilih fakta yang terkait dengan permintaan, seperti '[Requisition]' atau nama serupa yang digunakan dalam konfigurasi Ariba Anda.
Tambahkan kolom data: Gunakan antarmuka pembuat laporan untuk menambahkan kolom. Anda perlu menggabungkan beberapa sumber data (Fakta) agar semua informasi yang diperlukan tersedia. Laporan biasanya menggabungkan '[Requisition Fact]', '[Approval History Fact]', dan '[Purchase Order Fact]' dengan Requisition ID sebagai kunci. Tambahkan semua kolom yang tercantum dalam konfigurasi kueri, termasuk stempel waktu seperti Tanggal dibuat, Tanggal diajukan, Tanggal disetujui, dan Tanggal tindakan dari riwayat persetujuan.
Atur filter: Batasi cakupan data dengan filter. Filter terpenting adalah rentang tanggal. Terapkan filter pada 'Tanggal pembuatan permintaan' untuk periode yang diinginkan, misalnya 3 hingga 6 bulan terakhir. Tambahkan filter lain sesuai kebutuhan, seperti Kode perusahaan atau Realm tertentu.
Jalankan dan ekspor laporan mentah: Jalankan laporan. Setelah selesai, ekspor hasilnya ke file CSV atau Excel. Ekspor awal ini menggunakan format 'lebar', dengan satu baris untuk setiap permintaan atau entri persetujuan dan banyak kolom untuk tanggal serta tindakan pengguna.
Ubah data ke format log peristiwa: Langkah ini penting dan dilakukan di luar sistem. Gunakan Microsoft Excel dengan Power Query, skrip Python, atau alat persiapan data lain untuk mengubah data dari format lebar menjadi format panjang. Untuk setiap kolom stempel waktu yang diekspor, misalnya 'Tanggal dibuat', 'Tanggal diajukan', dan 'Tanggal disetujui', buat baris terpisah dalam log peristiwa akhir. Proses ini sering disebut 'unpivoting' atau 'melting'.
Petakan aktivitas dan atribut: Saat mengubah data, buat kolom ActivityName dan EventTimestamp. Misalnya, saat memproses kolom 'Tanggal diajukan', buat baris dengan ActivityName bernilai 'Permintaan Diajukan' dan EventTimestamp berisi nilai dari kolom 'Tanggal diajukan'.
Gabungkan dan bersihkan data: Gabungkan data hasil unpivot dari semua kolom stempel waktu ke dalam satu file. Pastikan kolom PurchaseRequisitionId, ActivityName, dan EventTimestamp terisi dengan benar di setiap baris. Hapus baris kosong dan perbaiki masalah format.
Simpan sebagai CSV akhir: Simpan log peristiwa yang sudah diubah sebagai file CSV dengan encoding UTF-8. File ini siap diunggah ke alat process mining.

Konfigurasi

Jenis laporan: Laporan analitis menggunakan antarmuka pelaporan standar Ariba.
Fakta data utama: Anda perlu menggabungkan data dari beberapa fakta, biasanya '[Requisition Fact]', '[Approval History Fact]', dan '[Purchase Order Fact]'. Nama persisnya dapat berbeda, bergantung pada model data Ariba Anda.
Rentang tanggal: Sebaiknya filter 'Tanggal pembuatan permintaan' untuk periode yang mudah dikelola, misalnya 3-6 bulan. Untuk pengujian awal, gunakan periode yang lebih singkat, seperti satu minggu.
Filter utama: Selalu gunakan filter rentang tanggal tertentu. Pertimbangkan juga untuk memfilter 'Kode perusahaan' atau 'Organisasi pembelian' agar data terbatas pada cakupan bisnis yang relevan dan laporan berjalan lebih cepat.
Prasyarat: Pengguna yang menjalankan laporan harus memiliki peran dengan izin untuk mengakses modul Pelaporan Analitis dan fakta data yang mendasari permintaan, persetujuan, serta pesanan pembelian.

Contoh kueri config

REPORT CONFIGURATION for SAP Ariba Analytical Reporting

REPORT TYPE: Analytical Report

PRIMARY DATA SOURCE (FACT):
*   [Requisition Fact]

JOINED DATA SOURCES (FACTS):
*   [Approval History Fact] on Requisition ID
*   [Purchase Order Fact] on Requisition ID
*   [Requisition Line Item Fact] on Requisition ID

REPORT FIELDS (COLUMNS TO EXPORT for subsequent transformation):

// Case and General Attributes
*   Requisition.Requisition ID (as PurchaseRequisitionId)
*   Requisition.Status (as RequisitionStatus)
*   Requisition.Requester.Department (as RequesterDepartment)
*   Requisition.Total Cost.Amount (as TotalRequisitionAmount)
*   Requisition.Line Items.Category (as ItemCategory)
*   Requisition.Is Urgent (as UrgencyLevel)
*   Requisition.Approval Flow Name (as ApprovalWorkflowPath)

// Fields for 'Requisition Created'
*   Requisition.Created Date (Timestamp)
*   Requisition.Requester.User ID (User)

// Fields for 'Requisition Submitted'
*   Requisition.Submitted Date (Timestamp)
*   Requisition.Submitter.User ID (User)

// Fields for 'Requisition Amended'
*   Requisition.Last Modified Date (Timestamp) - Note: Requires logic to isolate true amendment events
*   Requisition.Last Modified By.User ID (User)

// Fields for 'Approval Step' activities
*   Approval History.Approval Request Date (Timestamp for 'Approval Step Started')
*   Approval History.Action Date (Timestamp for 'Approval Step Approved'/'Approval Step Rejected')
*   Approval History.Action (Value: 'Approve'/'Deny')
*   Approval History.Approver.User ID (User)
*   Approval History.Comments (for RejectionReason)

// Fields for final status activities
*   Requisition.Approved Date (Timestamp for 'Requisition Approved')
*   Requisition.Denied Date (Timestamp for 'Requisition Denied')
*   Requisition.Withdrawn Date (Timestamp for 'Requisition Withdrawn')
*   Requisition.Closed Date (Timestamp for 'Requisition Closed')

// Fields for downstream activities
*   Requisition.Sourcing Status Date (Timestamp for 'Requisition Sent To Sourcing')
*   Purchase Order.Created Date (Timestamp for 'Purchase Order Created')
*   Purchase Order.Creator.User ID (User for 'Purchase Order Created')
*   Requisition Line Item.Ordered Date (Timestamp for 'Requisition Line Item Ordered')

FILTERS:
*   Requisition.Created Date BETWEEN [Start Date] AND [End Date]
*   Company Code IN ([Your Company Codes])

Langkah

Siapkan lingkungan Python: Pastikan Python versi 3.6 atau lebih baru sudah terpasang. Pasang pustaka yang diperlukan dengan pip: pip install requests pandas.
Atur akses API: Di SAP Ariba Developer Portal, daftarkan aplikasi baru. Berlangganan ke 'Operational Reporting API for Requisitions', lalu dapatkan kredensial OAuth: Application Key (API Key), OAuth Client Secret, dan string berkode Base64 [your_api_key]:[your_client_secret].
Sesuaikan skrip Python: Buka skrip Python yang disediakan. Isi variabel placeholder di bagian atas, termasuk ARIBA_REALM, BASE_URL, API_KEY, dan BASE64_CREDS. Atur juga START_DATE dan END_DATE untuk periode ekstraksi data.
Tentukan payload laporan: Tinjau objek JSON report_payload di dalam skrip. Objek ini menentukan laporan yang akan dijalankan. Skrip sudah dikonfigurasi untuk menggunakan RequisitionFactSystemView dan memilih kolom yang relevan dengan aktivitas serta atribut yang diperlukan. Anda dapat menambahkan kolom atau filter lain sesuai kebutuhan.
Jalankan skrip: Jalankan skrip dari terminal dengan perintah python your_script_name.py. Skrip akan terlebih dahulu melakukan autentikasi ke Ariba untuk mendapatkan token akses.
Kirim dan pantau tugas laporan: Skrip mengirim permintaan laporan ke Ariba API secara otomatis. Karena tugas berjalan secara asinkron, skrip akan memeriksa status tugas melalui API Ariba setiap 60 detik.
Unduh data laporan: Setelah Ariba API melaporkan status tugas sebagai 'COMPLETED', skrip akan mengunduh data hasilnya. Biasanya, data berupa file ZIP yang berisi satu file CSV.
Olah dan transformasikan data: Skrip mengekstrak file ZIP dan memuat data mentah ke dalam pandas DataFrame. Selanjutnya, skrip mengubah data dari format lebar, yaitu satu baris per permintaan pembelian dengan banyak kolom tanggal, menjadi format log peristiwa panjang, yaitu beberapa baris per permintaan pembelian, satu baris untuk setiap aktivitas.
Buat log peristiwa: DataFrame hasil transformasi kini tersusun sebagai log peristiwa dengan kolom seperti PurchaseRequisitionId, ActivityName, dan EventTimestamp. Skrip menyimpannya sebagai ariba_requisition_event_log.csv di direktori yang sama dengan lokasi skrip.
Siapkan data untuk diunggah: File CSV yang dihasilkan siap diunggah ke ProcessMind. Pastikan header kolom sesuai dengan pemetaan yang dikonfigurasi di proyek ProcessMind Anda.

Konfigurasi

URL endpoint API: Skrip memerlukan URL dasar API untuk instans Ariba Anda. Format umumnya https://[your-realm].api.ariba.com/api/operationalreporting/v2/. Ganti [your-realm] dengan nama realm Ariba khusus perusahaan Anda.
Autentikasi: Ekstraksi menggunakan OAuth 2.0 untuk autentikasi. Anda harus menyediakan apiKey, clientSecret, dan string base64EncodedCredentials yang valid dari aplikasi yang didaftarkan di Ariba Developer Portal.
Templat tampilan: Skrip dikonfigurasi untuk menggunakan RequisitionFactSystemView. Ini adalah tampilan standar Ariba. Pastikan tampilan tersebut diaktifkan di lingkungan Anda dan pengguna API memiliki izin untuk mengaksesnya.
Filter rentang tanggal: Filter creationDate dalam payload laporan penting untuk mengendalikan volume data. Untuk ekstraksi awal, sebaiknya gunakan periode 3 hingga 6 bulan. Jika organisasi Anda besar, pertimbangkan untuk mengekstrak data dalam kelompok bulanan yang lebih kecil.
Pemuatan bertahap: Untuk ekstraksi berikutnya, sesuaikan START_DATE dan END_DATE agar hanya mengambil data baru atau yang diperbarui. Skrip tidak mengelola logika pemuatan bertahap secara otomatis, jadi Anda harus mengatur rentang tanggal secara manual setiap kali menjalankannya.
Prasyarat: Anda harus memiliki akun SAP Ariba dengan izin 'Developer Portal Access' untuk membuat aplikasi dan kredensial. Aplikasi API itu sendiri memerlukan peran 'Operational Reporting API User' untuk menjalankan tugas laporan.

Contoh kueri python

import requests
import json
import pandas as pd
import time
import zipfile
import io

class=class="hl-string">"hl-comment"># --- Configuration --- 
class=class="hl-string">"hl-comment"># Replace with your SAP Ariba realm, datacenter-specific URL, and credentials
ARIBA_REALM = class="hl-string">"[Your Ariba Realm]"
BASE_URL = fclass="hl-string">"https://{ARIBA_REALM}.api.ariba.com/api/operationalreporting/v2/"
TOKEN_URL = class="hl-string">"https://api.ariba.com/v2/oauth/token"
API_KEY = class="hl-string">"[Your Application Key]"
BASE64_CREDS = class="hl-string">"[Your Base64-encoded ClientID:ClientSecret]"

class=class="hl-string">"hl-comment"># --- Report Parameters ---
class=class="hl-string">"hl-comment"># Set the date range for the extraction
START_DATE = class="hl-string">"2023-01-01T00:00:00Z"
END_DATE = class="hl-string">"2023-06-30T23:59:59Z"

class=class="hl-string">"hl-comment"># The main function to orchestrate the extraction process
def main():
    print(class="hl-string">"1. Acquiring access token...")
    access_token = get_access_token()
    if not access_token:
        return

    print(class="hl-string">"2. Creating asynchronous report job...")
    job_id = create_report_job(access_token)
    if not job_id:
        return

    print(fclass="hl-string">"Job created with ID: {job_id}. Polling for completion...")
    status = poll_job_status(access_token, job_id)

    if status == class="hl-string">'COMPLETED':
        print(class="hl-string">"3. Job completed. Downloading report data...")
        raw_data = download_report(access_token, job_id)
        if raw_data:
            print(class="hl-string">"4. Processing raw data into event log...")
            event_log = process_data(raw_data)
            output_filename = class="hl-string">'ariba_requisition_event_log.csv'
            event_log.to_csv(output_filename, index=False)
            print(fclass="hl-string">"5. Success! Event log saved to {output_filename}")
    else:
        print(fclass="hl-string">"Job failed or timed out with status: {status}")

def get_access_token():
    headers = {
        class="hl-string">'Authorization': fclass="hl-string">'Basic {BASE64_CREDS}',
        class="hl-string">'Content-Type': class="hl-string">'application/x-www-form-urlencoded',
    }
    data = {class="hl-string">'grant_type': class="hl-string">'client_credentials'}
    try:
        response = requests.post(TOKEN_URL, headers=headers, data=data)
        response.raise_for_status()
        return response.json().get(class="hl-string">'access_token')
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error getting access token: {e}")
        return None

def create_report_job(token):
    headers = {
        class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}',
        class="hl-string">'apiKey': API_KEY,
        class="hl-string">'Content-Type': class="hl-string">'application/json'
    }
    report_payload = {
        class="hl-string">"name": class="hl-string">"ProcessMind Requisition Extraction",
        class="hl-string">"viewTemplateName": class="hl-string">"RequisitionFactSystemView",
        class="hl-string">"outputFormat": class="hl-string">"CSV",
        class="hl-string">"filters": {
            class="hl-string">"creationDate": {
                class="hl-string">"from": START_DATE,
                class="hl-string">"to": END_DATE
            }
        },
        class="hl-string">"select": [
            class="hl-string">"RequisitionId", class="hl-string">"StatusString", class="hl-string">"SubmitDate", class="hl-string">"ApprovedState.TimeUpdated",
            class="hl-string">"DeniedState.TimeUpdated", class="hl-string">"SourcingState.TimeUpdated", class="hl-string">"ClosedState.TimeUpdated",
            class="hl-string">"WithdrawnState.TimeUpdated", class="hl-string">"Requester.Name", class="hl-string">"Requester.Department",
            class="hl-string">"TotalCost.Amount", class="hl-string">"LineItems.Category.Name", class="hl-string">"IsUrgent", class="hl-string">"ApprovalFlow.Name",
            class="hl-string">"RequisitionVersion", class="hl-string">"TimeCreated", class="hl-string">"LineItems.OrderedState.TimeUpdated", class="hl-string">"POInfo.POId"
        ]
    }
    try:
        response = requests.post(fclass="hl-string">"{BASE_URL}jobs", headers=headers, json=report_payload)
        response.raise_for_status()
        return response.json().get(class="hl-string">'jobId')
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error creating report job: {e}")
        return None

def poll_job_status(token, job_id):
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}', class="hl-string">'apiKey': API_KEY}
    while True:
        try:
            response = requests.get(fclass="hl-string">"{BASE_URL}jobs('{job_id}')", headers=headers)
            response.raise_for_status()
            status = response.json().get(class="hl-string">'status')
            print(fclass="hl-string">"Current job status: {status}")
            if status in [class="hl-string">'COMPLETED', class="hl-string">'FAILED', class="hl-string">'CANCELLED']:
                return status
            time.sleep(60) class=class="hl-string">"hl-comment"># Wait 60 seconds before polling again
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error polling job status: {e}")
            return class="hl-string">'FAILED'

def download_report(token, job_id):
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}', class="hl-string">'apiKey': API_KEY}
    try:
        response = requests.get(fclass="hl-string">"{BASE_URL}jobs('{job_id}')/result", headers=headers, stream=True)
        response.raise_for_status()
        return response.content
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error downloading report: {e}")
        return None

def process_data(zip_content):
    try:
        with zipfile.ZipFile(io.BytesIO(zip_content)) as z:
            class=class="hl-string">"hl-comment"># Assuming the first file in the zip is the CSV we need
            csv_filename = z.namelist()[0]
            with z.open(csv_filename) as f:
                df = pd.read_csv(f)
    except Exception as e:
        print(fclass="hl-string">"Error reading zipped CSV: {e}")
        return pd.DataFrame()

    class=class="hl-string">"hl-comment"># Rename columns for clarity
    df.rename(columns={
        class="hl-string">'RequisitionId': class="hl-string">'PurchaseRequisitionId',
        class="hl-string">'TimeCreated': class="hl-string">'Timestamp_Created',
        class="hl-string">'SubmitDate': class="hl-string">'Timestamp_Submitted',
        class="hl-string">'ApprovedState.TimeUpdated': class="hl-string">'Timestamp_Approved',
        class="hl-string">'DeniedState.TimeUpdated': class="hl-string">'Timestamp_Denied',
        class="hl-string">'SourcingState.TimeUpdated': class="hl-string">'Timestamp_SentToSourcing',
        class="hl-string">'ClosedState.TimeUpdated': class="hl-string">'Timestamp_Closed',
        class="hl-string">'WithdrawnState.TimeUpdated': class="hl-string">'Timestamp_Withdrawn',
        class="hl-string">'LineItems.OrderedState.TimeUpdated': class="hl-string">'Timestamp_LineItemOrdered',
        class="hl-string">'POInfo.POId': class="hl-string">'POId',
        class="hl-string">'Requester.Name': class="hl-string">'EventUser',
        class="hl-string">'Requester.Department': class="hl-string">'RequesterDepartment',
        class="hl-string">'TotalCost.Amount': class="hl-string">'TotalRequisitionAmount',
        class="hl-string">'LineItems.Category.Name': class="hl-string">'ItemCategory',
        class="hl-string">'IsUrgent': class="hl-string">'UrgencyLevel',
        class="hl-string">'ApprovalFlow.Name': class="hl-string">'ApprovalWorkflowPath',
        class="hl-string">'StatusString': class="hl-string">'RequisitionStatus'
    }, inplace=True)
    
    class=class="hl-string">"hl-comment"># Create a base dataframe for melting
    id_vars = [
        class="hl-string">'PurchaseRequisitionId', class="hl-string">'EventUser', class="hl-string">'RequesterDepartment', class="hl-string">'TotalRequisitionAmount',
        class="hl-string">'ItemCategory', class="hl-string">'UrgencyLevel', class="hl-string">'ApprovalWorkflowPath', class="hl-string">'RequisitionStatus', class="hl-string">'RequisitionVersion', class="hl-string">'POId'
    ]
    
    timestamp_cols = [col for col in df.columns if col.startswith(class="hl-string">'Timestamp_')]
    
    class=class="hl-string">"hl-comment"># Melt the dataframe to turn timestamp columns into rows
    event_log = pd.melt(df, id_vars=id_vars, value_vars=timestamp_cols, var_name=class="hl-string">'ActivityName', value_name=class="hl-string">'EventTimestamp')
    
    class=class="hl-string">"hl-comment"># Clean up and format
    event_log.dropna(subset=[class="hl-string">'EventTimestamp'], inplace=True)
    event_log[class="hl-string">'ActivityName'] = event_log[class="hl-string">'ActivityName'].str.replace(class="hl-string">'Timestamp_', class="hl-string">'Requisition ')
    event_log[class="hl-string">'EventTimestamp'] = pd.to_datetime(event_log[class="hl-string">'EventTimestamp'])

    class=class="hl-string">"hl-comment"># --- Handle specific/derived activities ---
    class=class="hl-string">"hl-comment"># Requisition Amended
    amended_df = df[df[class="hl-string">'RequisitionVersion'] > 1].copy()
    if not amended_df.empty:
        amended_df[class="hl-string">'ActivityName'] = class="hl-string">'Requisition Amended'
        amended_df[class="hl-string">'EventTimestamp'] = pd.to_datetime(amended_df[class="hl-string">'Timestamp_Submitted'])
        event_log = pd.concat([event_log, amended_df[event_log.columns]], ignore_index=True)

    class=class="hl-string">"hl-comment"># Purchase Order Created (use the timestamp of the first line item ordered as a proxy)
    po_created_df = df[df[class="hl-string">'POId'].notna() & df[class="hl-string">'Timestamp_LineItemOrdered'].notna()].copy()
    if not po_created_df.empty:
        po_created_df[class="hl-string">'ActivityName'] = class="hl-string">'Purchase Order Created'
        po_created_df[class="hl-string">'EventTimestamp'] = pd.to_datetime(po_created_df[class="hl-string">'Timestamp_LineItemOrdered'])
        event_log = pd.concat([event_log, po_created_df[event_log.columns]], ignore_index=True)
    
    class=class="hl-string">"hl-comment"># Placeholder for Approval Steps - requires parsing ApprovalRecords not included in this basic script
    class=class="hl-string">"hl-comment"># For now, we only have the final class="hl-string">'Approved' status. This logic can be expanded.
    class=class="hl-string">"hl-comment"># Creating dummy class="hl-string">'Approval Step Started/Approved' for demonstration.
    approval_df = df[df[class="hl-string">'Timestamp_Approved'].notna()].copy()
    if not approval_df.empty:
        approval_started = approval_df.copy()
        approval_started[class="hl-string">'ActivityName'] = class="hl-string">'Approval Step Started'
        class=class="hl-string">"hl-comment"># Approximate start time as submit time
        approval_started[class="hl-string">'EventTimestamp'] = pd.to_datetime(approval_started[class="hl-string">'Timestamp_Submitted'])
        
        approval_approved = approval_df.copy()
        approval_approved[class="hl-string">'ActivityName'] = class="hl-string">'Approval Step Approved'
        approval_approved[class="hl-string">'EventTimestamp'] = pd.to_datetime(approval_approved[class="hl-string">'Timestamp_Approved'])
        approval_approved[class="hl-string">'RejectionReason'] = None class=class="hl-string">"hl-comment"># Add column for consistency
        
        event_log = pd.concat([event_log, approval_started[event_log.columns], approval_approved[event_log.columns.tolist() + [class="hl-string">'RejectionReason']]], ignore_index=True)

    class=class="hl-string">"hl-comment"># Add placeholder for RejectionReason, as it's not directly in this view
    if class="hl-string">'RejectionReason' not in event_log.columns:
        event_log[class="hl-string">'RejectionReason'] = None

    class=class="hl-string">"hl-comment"># Final sorting and cleanup
    event_log = event_log.sort_values(by=[class="hl-string">'PurchaseRequisitionId', class="hl-string">'EventTimestamp']).reset_index(drop=True)
    
    class=class="hl-string">"hl-comment"># Rename class="hl-string">'Requisition LineItemOrdered' to class="hl-string">'Requisition Line Item Ordered'
    event_log[class="hl-string">'ActivityName'] = event_log[class="hl-string">'ActivityName'].replace({class="hl-string">'Requisition LineItemOrdered': class="hl-string">'Requisition Line Item Ordered'})

    class=class="hl-string">"hl-comment"># Final column selection
    final_columns = [
        class="hl-string">'PurchaseRequisitionId', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'EventUser',
        class="hl-string">'RequesterDepartment', class="hl-string">'TotalRequisitionAmount', class="hl-string">'ItemCategory', class="hl-string">'UrgencyLevel',
        class="hl-string">'ApprovalWorkflowPath', class="hl-string">'RejectionReason', class="hl-string">'RequisitionStatus'
    ]
    event_log = event_log[final_columns]

    return event_log

if __name__ == class="hl-string">"__main__":
    main()

Siap memulai?

Gunakan templat ini untuk menyiapkan data dengan lebih mudah dan mendapatkan wawasan tentang proses Purchase to Pay - Permintaan. Mulailah meningkatkan operasional Anda hari ini.

Kembali ke panduan perbaikan

Unduh template

Atasi keterlambatan: perbaiki proses permintaan Purchase to Pay

Temukan inefisiensi SAP Ariba dan kurangi waktu siklus hingga 30%.

Mulai uji coba gratis

Tidak perlu kartu kredit. Penyiapannya cepat dan mudah.

Templat data Purchase to Pay - Permintaan

Templat data Purchase to Pay - Permintaan

Atribut Purchase to Pay - Permintaan

Aktivitas Purchase to Pay - Permintaan

Panduan ekstraksi

Ekspor CSV/Excel laporan analitis SAP Ariba

Langkah

Konfigurasi

Contoh kueri config

Ekstraksi dengan skrip Python melalui Operational Reporting API

Langkah

Konfigurasi

Contoh kueri python

Siap memulai?

Atasi keterlambatan: perbaiki proses permintaan Purchase to Pay