> Miglioramento continuo dei processi > Lead to Cash > Pipedrive > Template dei dati

Il Suo template dei dati Lead to Cash

Pipedrive

Attributi Lead to Cash(20) Attività Lead to Cash(13) Guide all’estrazione(3)

Il Suo template dei dati Lead to Cash

Questo template offre indicazioni chiare per raccogliere i dati essenziali necessari ad analizzare il processo Lead to Cash in Pipedrive. Descrive gli attributi fondamentali e le attività principali da monitorare, oltre a fornire istruzioni pratiche per estrarre queste informazioni direttamente dal sistema Pipedrive. Utilizzi questa risorsa per preparare i dati all’analisi e all’ottimizzazione dei processi.

Attributi consigliati da raccogliere
Attività principali da monitorare
Indicazioni per l’estrazione da Pipedrive

Non conosce ancora gli Event Log? Scopra come creare un Event Log per il Process Mining.

Scarica il template

Attributi Lead to Cash

Questi campi dati consigliati sono essenziali per creare un Event Log completo e analizzare a fondo il processo Lead to Cash.

3 Obbligatorio 4 Consigliato 13 Facoltativo

	Nome	Descrizione
	Nome dell’attività ActivityName	Nome dello specifico evento aziendale o dell’attività che si è verificata nel processo di vendita.
Descrizione Questo attributo descrive una singola fase del processo Lead to Cash, ad esempio 'Trattativa creata', 'Proposta inviata' o 'Pagamento ricevuto'. Le attività sono gli elementi fondamentali utilizzati per visualizzare il flusso del processo. Analizzare la sequenza e la frequenza delle attività aiuta a individuare i percorsi più comuni, i colli di bottiglia in cui si accumula il lavoro e gli scostamenti dalla procedura di vendita standard. È un passaggio essenziale per capire come viene effettivamente svolto il processo. Perché è importante Definisce le fasi del processo e consente di visualizzarne e analizzarne il flusso, individuare i colli di bottiglia ed effettuare il controllo di conformità. Dove reperirli In genere, si ottiene associando gli eventi di Pipedrive, come le modifiche alle fasi della trattativa o la creazione di oggetti correlati, ad esempio le fatture, a un elenco definito di attività. Esempi Trattativa creataProposta inviataTrattativa vintaFattura inviataPagamento ricevuto
	Opportunità di vendita SalesOpportunityId	Identificativo univoco di un’opportunità di vendita, utilizzato come ID del caso per tracciare l’intero processo Lead to Cash.
Descrizione L’ID dell’opportunità di vendita è la chiave primaria che collega tutte le attività correlate, dalla creazione iniziale del lead al pagamento finale. Rappresenta una singola potenziale vendita tracciata in Pipedrive. Nell’analisi dei processi, questo identificativo è fondamentale per ricostruire il percorso completo di ogni trattativa. Consente di raggruppare in un unico caso coerente tutti gli eventi, come 'Trattativa creata', 'Proposta inviata' e 'Pagamento ricevuto', e di analizzare le varianti del processo, i tempi di ciclo e i tassi di conversione. Perché è importante Questo identificativo è alla base della vista del processo: collega tutti gli eventi correlati e ricostruisce la cronologia completa di ogni trattativa. Dove reperirli Recuperato dal campo 'id' dell’oggetto Deal tramite l’API di Pipedrive. Esempi 12543125441254512546
	Ora dell’evento EventTime	Valore temporale che indica quando si è verificata l’attività.
Descrizione L’ora dell’evento, o ora di inizio, registra la data e l’ora precise in cui è stata rilevata una specifica attività. Questi dati temporali sono essenziali per ordinare gli eventi cronologicamente e calcolare la durata tra le diverse fasi del processo. Nell’analisi, questo valore temporale serve a calcolare indicatori chiave come il tempo di ciclo, il tempo di elaborazione e il tempo di attesa. Consente di creare Dashboard basate sul tempo, che monitorano i risultati e individuano i ritardi nel processo di vendita. Perché è importante Questo valore temporale è fondamentale per ordinare gli eventi, calcolare la durata del processo e confrontare i risultati con gli obiettivi temporali. Dove reperirli Recuperato da campi come 'add_time' o 'update_time' degli oggetti Deal, Activity o degli oggetti correlati nell’API di Pipedrive. Esempi 2023-04-15T10:00:00Z2023-04-16T14:30:00Z2023-05-01T09:05:00Z
	Percentuale di sconto DiscountPercentage	Percentuale di sconto applicata alla trattativa.
Descrizione Questo attributo indica la percentuale di sconto eventualmente applicata a una trattativa di vendita. È un fattore importante per comprendere la strategia di prezzo e il suo impatto sulla redditività. Analizzare la percentuale di sconto aiuta a valutare l’efficacia delle strategie di sconto. È possibile confrontarla con altri attributi, come il valore della trattativa, il referente commerciale o il prodotto, per capire dove gli sconti sono più frequenti e se aumentano il tasso di successo o riducono semplicemente i margini. Perché è importante È fondamentale per analizzare le strategie di prezzo, i margini di vendita e la redditività complessiva delle trattative. Dove reperirli Spesso si tratta di un campo personalizzato dell’oggetto Deal in Pipedrive. Per configurarlo, consultare la documentazione di Pipedrive. Esempi 0.050.100.150.0
	Responsabile della trattativa DealOwner	Referente commerciale responsabile della gestione dell’opportunità di vendita.
Descrizione Il responsabile della trattativa è l’utente a cui è assegnata una specifica trattativa. Questo attributo è fondamentale per comprendere l’allocazione delle risorse e i risultati del team di vendita. Consente di analizzare i risultati a livello individuale o di team. È possibile filtrare le Dashboard per responsabile della trattativa e confrontare metriche come il tempo di ciclo delle vendite, i tassi di conversione e il valore medio delle trattative, individuando chi ottiene i risultati migliori e le aree in cui è utile fornire supporto. Perché è importante Consente di analizzare i risultati dei singoli referenti commerciali, individuando chi ottiene i risultati migliori e le aree da migliorare. Dove reperirli Recuperato dal campo 'user_id' dell’oggetto Deal, collegato all’oggetto User nell’API di Pipedrive. Esempi John SmithJane DoePeter Jones
	Stato della trattativa DealStatus	Esito o stato attuale della trattativa, ad esempio vinta, persa o aperta.
Descrizione Lo stato della trattativa indica l’esito finale o lo stato generale attuale di un’opportunità di vendita. È una dimensione fondamentale per analizzare i tassi di successo delle vendite e l’efficienza del processo. Questo attributo è essenziale per calcolare i tassi di trattative vinte e perse e filtrare la mappa del processo, confrontando i percorsi delle trattative vinte con quelli delle trattative perse. Il confronto spesso mette in luce differenze importanti nello svolgimento del processo che contribuiscono al successo o all’insuccesso e offre indicazioni utili per migliorarlo. Perché è importante È essenziale per calcolare i tassi di trattative vinte e perse e confrontare i flussi di processo delle trattative concluse con successo con quelli delle trattative non riuscite. Dove reperirli Recuperato dal campo 'status' dell’oggetto Deal nell’API di Pipedrive. Esempi vintapersaaperta
	Valore della trattativa DealValue	Valore monetario totale dell’opportunità di vendita.
Descrizione Il valore della trattativa rappresenta i ricavi potenziali o effettivi associati a un’opportunità di vendita. È una metrica fondamentale per stabilire la priorità delle trattative e valutarne l’impatto finanziario sulla pipeline di vendita. Nell’analisi dei processi, questo attributo consente di segmentare i casi in base al valore economico e confrontare lo svolgimento delle trattative di importo elevato con quello delle trattative di importo ridotto. È inoltre un elemento centrale delle Dashboard che analizzano i risultati delle vendite, l’efficacia degli sconti e la generazione complessiva di ricavi. Perché è importante Consente di analizzare gli aspetti finanziari del processo di vendita, stabilire la priorità delle trattative di valore elevato e comprenderne l’impatto sui ricavi. Dove reperirli Recuperato dal campo 'value' dell’oggetto Deal nell’API di Pipedrive. Esempi 5000.0025000.501500.75
	Area geografica Region	Area geografica associata al cliente o all’opportunità di vendita.
Descrizione Questo attributo suddivide le trattative per area geografica, ad esempio Nord America, EMEA o APAC. Consente di analizzare i risultati e i processi di vendita in base alla località. Segmentare il processo per area geografica permette alle aziende di individuare differenze regionali nei tempi di ciclo delle vendite, nei tassi di successo e nelle varianti del processo. Queste informazioni possono orientare le strategie di vendita regionali, l’allocazione delle risorse e la standardizzazione dei processi. Perché è importante Consente di analizzare il processo di vendita per area geografica e mette in evidenza le differenze regionali nei risultati e nel comportamento dei clienti. Dove reperirli In genere, è un campo personalizzato dell’oggetto Deal o Organization. È possibile ricavare l’area geografica anche dai campi dell’indirizzo dell’organizzazione. Esempi Nord AmericaEMEAAPACAmerica Latina
	Condizioni di pagamento PaymentTerms	Condizioni di pagamento concordate, ad esempio '30 giorni data fattura' o '60 giorni data fattura'.
Descrizione Le condizioni di pagamento definiscono entro quanto tempo il cliente deve pagare una fattura dopo averla ricevuta. Questo attributo è fondamentale per gestire i crediti verso clienti e il flusso di cassa. Nel Process Mining, questo attributo costituisce il riferimento per valutare la puntualità dei pagamenti. Serve a calcolare indicatori chiave come il tasso di pagamenti puntuali, confrontando la data effettiva del pagamento con la scadenza ricavata dalla data della fattura e dalle relative condizioni. Perché è importante Fornisce il riferimento per misurare la puntualità dei pagamenti e analizzare i ritardi nel processo di incasso. Dove reperirli In genere, è un campo personalizzato dell’oggetto Deal o Organization in Pipedrive, oppure proviene da un sistema contabile integrato. Esempi 30 giorni data fattura60 giorni data fatturaPagamento alla ricezione
	Fase della trattativa DealStage	Fase specifica della pipeline di vendita in cui si trova attualmente la trattativa.
Descrizione La fase della trattativa corrisponde a un passaggio specifico della pipeline di vendita definita dall’azienda, ad esempio 'Qualificata', 'Proposta formulata' o 'Negoziazione'. Offre una visione più dettagliata dell’avanzamento rispetto allo stato generale della trattativa. Analizzare le fasi è fondamentale per comprendere il funnel di vendita e individuare i punti in cui le trattative tendono a bloccarsi. Monitorando il tempo trascorso in ciascuna fase, i team possono individuare i colli di bottiglia e concentrare gli interventi di miglioramento sulle parti più problematiche del ciclo di vendita. Perché è importante Offre una visione dettagliata dell’avanzamento della trattativa nel funnel di vendita e aiuta a individuare i colli di bottiglia e i tassi di conversione tra le fasi. Dove reperirli Recuperato dal campo 'stage_id' dell’oggetto Deal, collegato all’oggetto Stage nell’API di Pipedrive. Esempi Lead acquisitoPrimo contatto stabilitoDemo pianificataProposta formulataNegoziazione avviata
	Fonte del lead LeadSource	Fonte o canale attraverso cui è stato acquisito il lead.
Descrizione La fonte del lead indica come è stato individuato per la prima volta un potenziale cliente, ad esempio tramite un 'Webinar', una 'Chiamata a freddo' o una 'Segnalazione di un partner'. È un’informazione essenziale per la strategia di marketing e di vendita. Analizzare la fonte del lead aiuta a valutare l’efficacia dei diversi canali di marketing. Consente di confrontare i tassi di conversione e i tempi di ciclo delle vendite dei lead provenienti da fonti diverse, così da ottimizzare gli investimenti di marketing e le attività di vendita. Perché è importante Aiuta a misurare l’efficacia dei diversi canali di marketing analizzando i tassi di conversione e i risultati del processo per i lead provenienti da ciascuna fonte. Dove reperirli Recuperato dal campo 'source_name' dell’oggetto Lead, poi associato alla trattativa. Esempi Ricerca organicaSocial a pagamentoSegnalazioneFiera di settore
	Nome dell’organizzazione OrganizationName	Nome dell’azienda o dell’organizzazione del cliente associata alla trattativa.
Descrizione Questo attributo identifica il cliente aziendale associato all’opportunità di vendita e indica quali aziende fanno parte della pipeline. Analizzare i dati per nome dell’organizzazione aiuta a comprendere il comportamento dei clienti e a individuare i clienti strategici. Consente di segmentare l’analisi del processo per verificare se i processi differiscono tra i clienti strategici e quelli più piccoli, oppure per ricostruire l’intera cronologia delle vendite con una specifica azienda. Perché è importante Identifica il cliente e consente di analizzare il processo di vendita dal suo punto di vista e di segmentarlo. Dove reperirli Recuperato dal campo 'org_id' dell’oggetto Deal, collegato all’oggetto Organization nell’API di Pipedrive. Esempi ABC CorporationGlobal Tech Inc.Innovate Solutions
	Ora di fine dell’evento EventEndTime	Valore temporale che indica quando è stata completata un’attività di durata misurabile.
Descrizione L’ora di fine dell’evento indica il completamento di un’attività di durata misurabile, come una riunione o un’attività operativa. Insieme all’ora di inizio, consente di calcolare con precisione quanto tempo è stato necessario per svolgere le singole attività. Questo attributo è essenziale per calcolare il tempo di elaborazione delle singole attività. Analizzare la durata aiuta a individuare le attività che richiedono più tempo e le opportunità di ottimizzazione, automazione o riallocazione delle risorse. Perché è importante Consente di calcolare con precisione la durata delle singole attività, un dato fondamentale per individuare le attività che richiedono più tempo e i colli di bottiglia. Dove reperirli Recuperato da campi come 'due_date' o da un valore temporale di completamento degli oggetti Activity nell’API di Pipedrive. Esempi 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	Pagamento puntuale IsOnTimePayment	Indicatore booleano che segnala se il pagamento è stato ricevuto entro i termini concordati.
Descrizione Questo attributo è un indicatore binario (vero/falso) che segnala se il pagamento è stato effettuato puntualmente. Si ricava confrontando il tempo di pagamento effettivo della fattura con le condizioni di pagamento stabilite. L’indicatore semplifica l’analisi del comportamento nei pagamenti. Può essere utilizzato per calcolare rapidamente il KPI relativo al tasso di pagamenti puntuali e filtrare i pagamenti in ritardo, concentrando l’analisi sulle cause profonde dei ritardi per determinati clienti o tipi di trattativa. Perché è importante Semplifica l’analisi del rispetto delle scadenze di pagamento e serve a calcolare il KPI relativo al tasso di pagamenti puntuali. Dove reperirli Calcolato confrontando 'InvoicePaymentTime' con l’attributo 'PaymentTerms'. Ad esempio, se 'PaymentTerms' è 'Net 30' e 'InvoicePaymentTime' è pari o inferiore a 30 giorni, il valore è True. Esempi truefalse
	Prodotto ProductAttached	Prodotto o servizio associato all’opportunità di vendita.
Descrizione Questo attributo specifica il prodotto o il servizio venduto nell’ambito della trattativa. Consente di analizzare più nel dettaglio le attività di vendita relative a offerte specifiche. Includere il prodotto permette di segmentare l’analisi e confrontare i processi di vendita delle diverse linee di prodotto. Si può così verificare se alcuni prodotti hanno cicli di vendita più lunghi, tassi di conversione diversi o richiedono fasi specifiche, definendo strategie di vendita più mirate. Perché è importante Consente di analizzare il processo di vendita per linea di prodotto e individuare differenze nei cicli di vendita o nei tassi di successo delle diverse offerte. Dove reperirli Recuperato dall’oggetto Product collegato a un Deal nell’API di Pipedrive. Esempi Abbonamento SaaS standardLicenza della piattaforma EnterprisePacchetto di servizi professionali
	Rilavorazione IsRework	Indicatore che identifica le attività appartenenti a un ciclo di rilavorazione.
Descrizione L’indicatore di rilavorazione è un valore booleano che il software di Process Mining calcola in genere per evidenziare i casi in cui il processo si discosta da un flusso lineare e ripete fasi già svolte. Ad esempio, una trattativa che passa da 'Negoziazione' a 'Proposta inviata' viene considerata una rilavorazione. Individuare le rilavorazioni è fondamentale per ottimizzare il processo, perché comportano inefficienze, spreco di risorse e possibili incomprensioni per il cliente. Analizzare le attività contrassegnate come rilavorazioni aiuta a individuare i punti in cui il processo si interrompe e a definire interventi mirati. Perché è importante Aiuta a quantificare le inefficienze del processo individuando e segnalando le attività che fanno parte di un percorso ripetuto o circolare. Dove reperirli Viene calcolato dal software di Process Mining analizzando la sequenza delle attività all’interno di ciascun caso. Esempi truefalse
	Sistema di origine SourceSystem	Identifica il sistema da cui sono stati estratti i dati.
Descrizione Questo attributo specifica l’origine dei dati, in questo caso Pipedrive. È particolarmente utile quando si consolidano dati provenienti da più sistemi per ottenere una visione complessiva del processo. Anche se spesso è un valore statico nelle analisi che riguardano un solo sistema, fornisce un contesto essenziale e facilita la governance e la tracciabilità dei dati. Conferma che gli eventi e gli attributi sono associati all’istanza di Pipedrive. Perché è importante Fornisce informazioni essenziali sull’origine dei dati e ne garantisce la tracciabilità e la chiarezza, soprattutto quando si combinano dati provenienti da più sistemi. Dove reperirli In genere, è un valore statico aggiunto durante la trasformazione dei dati. Esempi Pipedrive
	Tempo di pagamento della fattura InvoicePaymentTime	Tempo che intercorre tra l’invio della fattura e la ricezione del pagamento.
Descrizione Il tempo di pagamento della fattura misura l’efficienza del processo di gestione dei crediti verso clienti. Registra in particolare il tempo trascorso tra l’attività 'Fattura inviata' e l’attività 'Pagamento ricevuto'. Questa metrica è fondamentale per monitorare il flusso di cassa e individuare i ritardi negli incassi. Analizzarne la durata aiuta le aziende a comprendere il comportamento dei clienti nei pagamenti e l’efficacia delle strategie di sollecito e recupero crediti, con un impatto diretto sul ciclo dal preventivo al pagamento. Perché è importante Misura direttamente l’efficienza del processo di incasso ed è fondamentale per gestire il flusso di cassa. Dove reperirli Calcolato come differenza tra i valori temporali delle attività 'Pagamento ricevuto' e 'Fattura inviata' per un determinato caso. Esempi 28 giorni45 giorni10 giorni
	Ultimo aggiornamento dei dati LastDataUpdate	Valore temporale dell’ultimo aggiornamento dei dati dal sistema di origine.
Descrizione Questo attributo indica l’ultima estrazione e l’ultimo aggiornamento dei dati nel set di dati di Process Mining. Fornisce un riferimento chiaro per valutarne l’aggiornamento. In ogni analisi è fondamentale sapere quanto sono recenti i dati. Questo attributo aiuta a capire se le informazioni visualizzate riflettono lo stato più aggiornato del processo, un aspetto essenziale per il monitoraggio operativo e il processo decisionale. Perché è importante Indica quanto sono aggiornati i dati e permette di valutare l’attualità dell’analisi del processo. Dove reperirli Questo valore viene generato e registrato durante l’acquisizione dei dati o il processo ETL. Esempi 2023-10-27T02:00:00Z2023-10-28T02:00:00Z
	Valuta della trattativa DealCurrency	Valuta associata al valore della trattativa.
Descrizione Questo attributo specifica la valuta, ad esempio USD, EUR o GBP, in cui è espresso il valore della trattativa. Fornisce il contesto necessario per tutte le metriche finanziarie. Quando si analizzano trattative di più aree geografiche o paesi, questo attributo è essenziale per elaborare e aggregare correttamente i dati finanziari. Consente di applicare le conversioni valutarie corrette prima di riepilogare i dati, evitando conclusioni inesatte. Perché è importante Fornisce il contesto necessario per interpretare il valore della trattativa e garantisce analisi e rendicontazioni finanziarie accurate tra diverse aree geografiche. Dove reperirli Recuperato dal campo 'currency' dell’oggetto Deal nell’API di Pipedrive. Esempi USDEURGBP

Obbligatorio Consigliato Facoltativo

Attività Lead to Cash

Per individuare correttamente il processo e ottimizzarlo in modo efficace, è opportuno registrare nell’Event Log queste fasi e questi traguardi principali.

5 Consigliato 8 Facoltativo

	Attività	Descrizione
	Pagamento ricevuto	Indica che il pagamento del cliente è stato ricevuto correttamente e completa il ciclo di cassa dell’opportunità. È l’evento finale del processo Lead to Cash e proviene da un sistema finanziario.
Perché è importante È la fase conclusiva in cui si concretizza il valore. Segna la vera conclusione del processo Lead to Cash ed è indispensabile per misurare il tempo di ciclo complessivo e analizzare i ritardi nei pagamenti. Dove reperirli I dati provengono da un sistema contabile o di elaborazione dei pagamenti. La conferma del pagamento deve essere associata alla trattativa corrispondente in Pipedrive. Acquisizione Dati dell’evento provenienti da un sistema finanziario esterno, associati alla trattativa tramite un identificativo univoco. Tipo di evento explicit
	Proposta inviata	Indica il momento in cui un preventivo o una proposta formale viene consegnata al cliente. Spesso si deduce dal passaggio della trattativa a una fase specifica della pipeline, come «Proposal Made» o «Quote Sent».
Perché è importante È una tappa fondamentale del processo di vendita. Analizzando il tempo che intercorre da questo evento a «Trattativa vinta» è possibile comprendere la durata della fase decisionale e negoziale. Dove reperirli Si deduce dal changelog del Deal quando «stage_id» cambia e assume il valore di una fase dedicata alle proposte. Si utilizza l’orario del cambio di fase. Acquisizione Rilevi quando «stage_id» di un Deal viene aggiornato e impostato su una specifica fase «Proposal». Tipo di evento inferred
	Trattativa creata	Segna l’inizio ufficiale di un’opportunità di vendita. L’evento si verifica quando una nuova trattativa viene creata manualmente o generata automaticamente a partire da un lead convertito.
Perché è importante È la principale attività iniziale del ciclo di vendita. Analizzando il tempo che intercorre da questo evento a «Trattativa vinta» o «Trattativa persa» si ottiene la durata complessiva del ciclo di vendita. Dove reperirli È un evento esplicito registrato nell’entità Deals di Pipedrive. L’ora di creazione («add_time») del record della trattativa funge da orario dell’evento. Acquisizione Utilizzi il campo «add_time» dell’entità Deals. Tipo di evento explicit
	Trattativa persa	Indica la conclusione negativa di una trattativa. Si verifica quando il processo di vendita viene interrotto perché il cliente ha scelto un concorrente, non è più interessato o per altri motivi.
Perché è importante È il principale esito negativo del processo. Analizzare quando e perché si perdono le trattative fornisce indicazioni preziose per migliorare la strategia di vendita, la formazione e i processi di qualificazione. Dove reperirli È un evento esplicito, registrato quando lo stato di una trattativa passa a 'persa'. Il campo 'lost_time' nell’entità Deals registra il valore temporale. Acquisizione Utilizzare il valore temporale 'lost_time' dell’entità Deals. Tipo di evento explicit
	Trattativa vinta	Indica la conclusione positiva di una trattativa, quando il cliente ha espresso il proprio accordo verbalmente o per iscritto. In Pipedrive corrisponde a una modifica di stato esplicita e standard.
Perché è importante È il principale traguardo positivo. È fondamentale per calcolare il tasso di successo, la durata del ciclo di vendita delle trattative concluse e i risultati complessivi delle vendite. Dove reperirli È un evento esplicito, registrato quando lo stato di una trattativa passa a 'vinta'. Il campo 'won_time' nell’entità Deals fornisce l’indicazione temporale precisa. Acquisizione Utilizzare il valore temporale 'won_time' dell’entità Deals. Tipo di evento explicit
	Fattura inviata	Indica il momento in cui la fattura viene inviata al cliente per il pagamento. Di solito, l’evento viene generato in un sistema esterno di contabilità o fatturazione dopo l’evasione dell’ordine.
Perché è importante Segna l’inizio del ciclo di pagamento. Il tempo che intercorre tra questo evento e 'Pagamento ricevuto' è fondamentale per monitorare i crediti verso clienti e il flusso di cassa. Dove reperirli L’evento proviene da un sistema contabile o ERP esterno, come Xero o QuickBooks. I relativi dati devono essere integrati e associati alla trattativa in Pipedrive. Acquisizione Dati dell’evento provenienti da un sistema di fatturazione esterno, associati alla trattativa tramite un’integrazione API. Tipo di evento explicit
	Follow-up della proposta	Registra qualsiasi attività commerciale, come una chiamata o un’e-mail, svolta dopo l’invio di una proposta al cliente. Questo evento indica che il contatto prosegue durante la fase di valutazione.
Perché è importante Misura la tempestività e la frequenza delle attività di follow-up, fondamentali per mantenere lo slancio e concludere le trattative. Alimenta la Dashboard «Tempestività del follow-up delle proposte». Dove reperirli Il dato proviene dall’entità Activities di Pipedrive. Si identifica come attività completata successiva all’evento «Proposta inviata» per la stessa trattativa. Acquisizione Individui un’Activity completata con un valore «done_time» successivo all’orario dell’attività «Proposta inviata». Tipo di evento explicit
	Negoziazione avviata	Segna l’inizio delle trattative attive su prezzo, condizioni o ambito. In genere si deduce quando, dopo l’invio di una proposta, la trattativa passa alla fase «Negotiation» della pipeline.
Perché è importante Isolare la fase di negoziazione consente di misurarne la durata e di individuare le trattative che richiedono negoziazioni particolarmente lunghe. Dove reperirli Si deduce dal changelog del Deal quando «stage_id» viene aggiornato e impostato su una fase denominata esplicitamente «Negotiation». Acquisizione Individui nella cronologia della trattativa il passaggio a una fase «Negotiation» predefinita. Tipo di evento inferred
	Ordine di vendita creato	Indica la creazione di un ordine di vendita formale in un sistema a valle, ad esempio un ERP o una piattaforma contabile, dopo la conclusione positiva di una trattativa. Questa attività non è nativa di Pipedrive e richiede dati provenienti da un sistema integrato.
Perché è importante Questo evento segna il passaggio delle attività dal team vendite a quello operativo o finanziario. Analizzando il tempo che intercorre tra 'Trattativa vinta' e questa attività è possibile individuare eventuali ritardi nell’elaborazione degli ordini. Dove reperirli In genere, i dati provengono da un sistema ERP o finanziario collegato. Devono essere acquisiti e associati all’ID della trattativa in Pipedrive. Acquisizione Dati dell’evento inviati da un sistema esterno tramite API, spesso con l’aggiornamento di un campo personalizzato della trattativa in Pipedrive. Tipo di evento explicit
	Ordine evaso	Indica che il prodotto è stato spedito o che il servizio è stato erogato al cliente. L’evento proviene da un sistema esterno di evasione degli ordini o di gestione operativa.
Perché è importante Monitorare l’evasione degli ordini è essenziale per comprendere il tempo di ciclo dall’ordine alla consegna. I ritardi in questa fase incidono direttamente sulla soddisfazione dei clienti e sulla rilevazione dei ricavi. Dove reperirli I dati provengono da un sistema ERP, di gestione delle scorte o di gestione dei servizi esterno. Devono essere associati alla trattativa corrispondente in Pipedrive. Acquisizione Dati dell’evento provenienti da un sistema esterno, associati tramite l’ID della trattativa o un altro identificativo comune. Tipo di evento explicit
	Primo contatto effettuato	Indica la prima interazione significativa con il potenziale cliente associato alla trattativa. In genere viene registrata come attività completata, ad esempio una chiamata, un’e-mail o una riunione collegata alla trattativa.
Perché è importante Il monitoraggio di questo dato consente di misurare il tempo necessario per il primo contatto e di verificare che i lead vengano contattati tempestivamente. Fornisce indicazioni sulla reattività del team commerciale. Dove reperirli Il dato proviene dall’entità Activities di Pipedrive. Si individua cercando la prima attività completata collegata all’ID della trattativa. Acquisizione Individui la prima Activity completata associata a un Deal, in base al campo «done_time». Tipo di evento explicit
	Trattativa qualificata	Indica che la trattativa soddisfa criteri prestabiliti ed è considerata un’opportunità concreta da perseguire. In genere si deduce quando la trattativa passa da una fase iniziale della pipeline, come «Lead In», a una fase più qualificata, come «Contact Made» o «Needs Defined».
Perché è importante Questa tappa consente di analizzare l’efficacia del processo di qualificazione dei lead e di individuare quanto tempo le trattative trascorrono nelle fasi iniziali, prima della qualificazione. Dove reperirli Si deduce dal changelog o dalla cronologia del Deal quando il campo «stage_id» cambia e assume il valore di una fase che indica la qualificazione. Acquisizione Individui nella cronologia della trattativa il passaggio a una fase «qualified» predefinita. Tipo di evento inferred
	Trattativa riaperta	Indica una trattativa precedentemente contrassegnata come persa, ma riattivata per proseguire le attività di vendita. L’evento viene dedotto quando lo stato della trattativa passa da 'lost' a 'open'.
Perché è importante Questa attività mette in evidenza i cicli di rilavorazione e i tentativi di riprendere il contatto. Analizzare questi casi può rivelare schemi nel comportamento dei clienti o nell’efficacia dei successivi contatti commerciali. Dove reperirli Dedotto dal registro delle modifiche della trattativa. Viene rilevato quando il campo 'status' passa da 'lost' a 'open'. Acquisizione Individuare nella cronologia della trattativa una modifica dello stato da 'lost' a 'open'. Tipo di evento inferred

Consigliato Facoltativo

Guide all’estrazione

Come ottenere i dati da Pipedrive

Passaggi

Acceda a Pipedrive: acceda al Suo account Pipedrive con un profilo utente autorizzato a esportare i dati. In genere, si tratta di un utente amministratore.
Acceda alla sezione di esportazione dei dati: faccia clic sull’immagine del profilo in alto a destra e selezioni 'Impostazioni'. Nel menu di navigazione a sinistra, individui la sezione 'Strumenti e app' e faccia clic su 'Esporta dati'.
Esporti i dati delle trattative: nella schermata 'Esporta dati', selezioni 'Trattative' e scelga il formato di file 'CSV'. È consigliabile applicare un filtro per un intervallo di date specifico, ad esempio gli ultimi 6 mesi, così da mantenere gestibili le dimensioni del file. Faccia clic su 'Esporta' e attenda la generazione e il download del file, che conterrà informazioni importanti sulle trattative, tra cui le date di creazione, di chiusura con esito positivo e di chiusura con esito negativo.
Esporti i dati delle attività: ripeta la procedura per le 'Attività'. Selezioni 'Attività', scelga 'CSV', applichi lo stesso filtro per intervallo di date usato per le trattative ed esporti il file. Il file contiene i record di chiamate, e-mail, riunioni e attività personalizzate associate alle trattative.
Raccolga i dati esterni: recuperi i dati corrispondenti dai sistemi a valle. Dovrà esportare dal sistema ERP, contabile o di evasione degli ordini gli eventi come 'Ordine di vendita creato', 'Ordine evaso', 'Fattura inviata' e 'Pagamento ricevuto'. Verifichi che questi file contengano un identificativo comune, riconducibile all’ID della trattativa Pipedrive.
Predisponga un ambiente di elaborazione dei dati: utilizzi uno strumento in grado di gestire e unire più file CSV, ad esempio Python con la libreria pandas, Microsoft Excel con Power Query o un altro strumento di preparazione dei dati.
Carichi e unisca i dati: carichi i file Deals.csv e Activities.csv, insieme ai file di dati esterni raccolti nel passaggio precedente.
Crei l’Event Log: generi un Event Log unificato trasformando tramite script i dati grezzi nel formato richiesto per le attività. Crei un insieme di righe corrispondente per ciascuna delle 13 attività richieste. Ad esempio:
- gli eventi 'Trattativa creata' vengono generati dalla colonna add_time del file Deals.csv.
- gli eventi 'Trattativa vinta' vengono generati dalla colonna won_time del file Deals.csv.
- 'Primo contatto effettuato' corrisponde alla prima attività completata per ciascuna trattativa nel file Activities.csv.
- altre attività, come 'Proposta inviata' o 'Negoziazione avviata', vengono dedotte da specifici oggetti o tipi di attività in Activities.csv.
Mappi gli attributi: per ogni riga dell’evento, verifichi che siano compilate tutte le colonne obbligatorie: SalesOpportunityId, ActivityName e EventTime. Aggiunga gli attributi consigliati, come DealValue, DealOwner e DealStatus, unendo i dati delle trattative.
Esporti il file finale: una volta creato e convalidato l’Event Log, salvi la tabella finale in un unico file CSV con codifica UTF-8. Il file è pronto per essere caricato in ProcessMind e analizzato.

Configurazione

Oggetti da esportare: è necessario esportare almeno 'Trattative' e 'Attività'. Potrebbe essere necessario esportare anche 'Organizzazioni' o 'Persone' per includere ulteriori dati dimensionali.
Formato del file: scelga CSV per garantire la massima compatibilità con strumenti di elaborazione dei dati come Python o Power Query.
Filtro per intervallo di date: utilizzi l’opzione 'Filtra per' per selezionare un periodo specifico, ad esempio 'Data di aggiunta della trattativa' negli 'ultimi 180 giorni'. Questo è fondamentale per gestire le prestazioni dell’esportazione e le dimensioni del file.
Autorizzazioni utente: è necessario disporre di un account amministratore o di un insieme di autorizzazioni che consenta esplicitamente di esportare i dati dall’account Pipedrive.
Tipi di attività personalizzati: l’estrazione corretta di fasi del processo come 'Trattativa qualificata' o 'Proposta inviata' dipende in larga misura dall’uso di tipi di attività personalizzati in Pipedrive. Verifichi che siano configurati e utilizzati in modo coerente dal team commerciale.

Query di esempio 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.')

Passaggi

Predisponga l’ambiente Python: verifichi che sul sistema sia installato Python 3.6 o una versione successiva. Apra un terminale o il prompt dei comandi e installi le librerie Python necessarie eseguendo il comando seguente: pip install requests pandas.
Ottenga le credenziali API di Pipedrive: acceda al Suo account Pipedrive. Apra le Impostazioni facendo clic sull’immagine del profilo, selezioni 'Preferenze personali' e acceda alla scheda 'API'. Copi il token API personale. Le servirà anche il dominio aziendale, ovvero il prefisso dell’URL Pipedrive, ad esempio your-company in your-company.pipedrive.com.
Configuri lo script di estrazione: apra lo script Python fornito in un editor di testo o in un ambiente di sviluppo integrato. Individui la sezione di configurazione in alto e sostituisca i valori segnaposto di API_TOKEN e COMPANY_DOMAIN con le Sue credenziali.
Definisca il periodo di estrazione: nella sezione di configurazione dello script, imposti la variabile START_DATE sulla data di creazione più remota delle trattative da includere nell’analisi. Il formato deve essere 'YYYY-MM-DD'.
Mappi gli ID della pipeline e delle fasi: lo script deduce diverse attività dai passaggi delle trattative tra le fasi. Dovrà specificare gli ID della pipeline di vendita e delle fasi principali. Può trovare questi ID aprendo la fase nell’interfaccia di Pipedrive e controllando l’URL, oppure tramite API. Aggiorni nello script le variabili PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID e NEGOTIATION_STAGE_ID.
Esegua lo script: avvii lo script dal terminale con il comando python your_script_name.py. Lo script inizierà a interrogare l’API di Pipedrive per recuperare trattative, attività e registri delle modifiche.
Controlli l’avanzamento: lo script mostrerà nella console gli aggiornamenti sullo stato di avanzamento e i dati in fase di recupero. L’operazione può richiedere diversi minuti, a seconda del volume dei dati e dei limiti di frequenza dell’API.
Predisponga l’estrazione dei dati esterni: per attività come 'Ordine di vendita creato' e 'Pagamento ricevuto', lo script include funzioni segnaposto. Dovrà modificarle per collegarsi ai sistemi esterni, ad esempio una piattaforma ERP o contabile, e recuperare i dati degli eventi pertinenti. Mappi SalesOpportunityId di Pipedrive ai record presenti in questi altri sistemi.
Riveda i risultati: al termine dell’esecuzione, verrà generato un file CSV denominato pipedrive_event_log.csv, contenente l’Event Log strutturato con tutte le attività estratte.
Prepari il caricamento: apra il file CSV e verifichi che sia stato creato correttamente. Le colonne devono includere SalesOpportunityId, ActivityName, EventTime e gli altri attributi consigliati. Il file è pronto per essere caricato in ProcessMind e analizzato.

Configurazione

Credenziali API: per autenticarsi all’API di Pipedrive, lo script richiede un API_TOKEN valido e il valore di COMPANY_DOMAIN. Verifichi che l’utente associato al token disponga delle autorizzazioni necessarie per leggere trattative, attività e utenti.
Intervallo di date: la variabile START_DATE filtra le trattative create a partire dalla data specificata. Per un’analisi iniziale, si consiglia un periodo da 3 a 6 mesi, così da mantenere gestibile il volume dei dati.
ID della pipeline e delle fasi: per dedurre correttamente fasi del processo come 'Trattativa qualificata' o 'Proposta inviata', configuri lo script con gli ID numerici corretti della pipeline di vendita principale PIPELINE_ID e i valori STAGE_ID specifici per ciascun traguardo. Se gli ID non corrispondono, alcune attività non verranno rilevate.
Prestazioni e limiti di frequenza: lo script introduce una breve pausa tra le chiamate API per rispettare i limiti di frequenza di Pipedrive. Per le organizzazioni con un volume molto elevato di trattative, potrebbe essere necessario modificare questa pausa o implementare una strategia di attesa progressiva più articolata per evitare errori API.
Mappatura dei campi personalizzati: se utilizza campi personalizzati per attributi importanti come DiscountPercentage, dovrà individuare la chiave API del campo, una lunga stringa hash diversa dal nome visualizzato, e richiamarla nella logica di trasformazione dei dati.
Integrazione con sistemi esterni: l’estrazione degli eventi che hanno origine al di fuori di Pipedrive, come la fatturazione o l’evasione degli ordini, è gestita da funzioni segnaposto. Dovrà personalizzare queste sezioni per collegarsi alle specifiche origini dati esterne.

Query di esempio 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}")

Passaggi

Selezioni e attivi una licenza per un servizio commerciale di ETL o automazione con un connettore Pipedrive supportato, ad esempio Fivetran o Make. Verifichi che il prodotto scelto possa estrarre trattative, attività, cronologia delle fasi e delle modifiche di stato delle trattative, persone, organizzazioni e campi personalizzati, e scrivere i dati nel data warehouse o data lake di destinazione.
Crei una connessione Pipedrive con autorizzazione di lettura utilizzando il metodo di autenticazione supportato dal connettore. Configuri l’account, l’area di lavoro o l’organizzazione di origine in base allo strumento scelto. Non presuma che il percorso nei menu o l’endpoint API siano sempre gli stessi, poiché variano in base al prodotto e alla versione del connettore.
Configuri la connessione di destinazione e crei un’area di atterraggio per gli oggetti di origine sincronizzati. Utilizzi i nomi di tabelle o raccolte generati dal connettore oppure sostituisca nello script i nomi con quelli creati nel Suo ambiente. Mantenga gli identificativi di origine, le date e ore, i valori di stato e fase, gli identificativi dei responsabili, i valori monetari e i campi personalizzati.
Configuri la sincronizzazione incrementale per l’intervallo di date richiesto, in genere i 3-6 mesi precedenti, includendo un periodo di sovrapposizione se supportato dal connettore. Includa i record storici necessari a individuare le trattative riaperte e la cronologia delle fasi o degli stati, non soltanto l’istantanea corrente delle trattative.
Sincronizzi gli oggetti Pipedrive e gli eventuali oggetti dei sistemi a valle necessari per gli eventi 'Ordine di vendita creato', 'Ordine evaso', 'Fattura inviata' e 'Pagamento ricevuto'. Queste quattro attività non sono eventi nativi di Pipedrive e richiedono dati di origine da un sistema ERP, di evasione, contabile, di fatturazione o finanziario. Se il connettore non espone questi oggetti, li carichi nella destinazione tramite un altro connettore supportato.
Crei viste o tabelle normalizzate che associno i dati prodotti dal connettore agli oggetti logici di origine richiamati dallo script di estrazione. Sostituisca ogni nome di tabella segnaposto nello script con la tabella o vista corrispondente nella destinazione. Nella sezione di configurazione indicata, imposti i nomi delle fasi specifici dell’origine, i valori di stato, i tipi di attività e le chiavi di relazione con i sistemi esterni.
Esegua lo script di estrazione. Lo script crea esplicitamente righe per Trattativa creata, Primo contatto effettuato, Trattativa qualificata, Proposta inviata, Sollecito della proposta, Negoziazione avviata, Trattativa vinta, Ordine di vendita creato, Ordine evaso, Fattura inviata, Pagamento ricevuto, Trattativa persa e Trattativa riaperta. Gli eventi dedotti dalla cronologia delle fasi o degli stati vengono generati solo se la cronologia di origine contiene la transizione richiesta. ProcessMind non deduce gli eventi mancanti dopo il caricamento.
Verifichi che SalesOpportunityId, ActivityName e EventTime siano compilati, che le date e ore siano normalizzate su un fuso orario coerente e che i record di origine duplicati siano rimossi o gestiti tramite l’identificativo dell’evento di origine e la relativa data e ora. Riveda gli attributi consigliati e mantenga i valori NULL quando non sono disponibili nell’origine.
Esporti il risultato in un file CSV semplice o in un altro formato di Event Log supportato da ProcessMind. Utilizzi SalesOpportunityId come identificativo del caso, ActivityName come colonna delle attività e EventTime come data e ora dell’evento. Includa DealValue, DealOwner, DealStatus e DiscountPercentage come attributi aggiuntivi. Carichi il file o colleghi il set di dati di destinazione in ProcessMind, quindi verifichi che i nomi delle attività corrispondano esattamente alle etichette richieste.

Configurazione

Connettore di origine: configuri un connettore Pipedrive supportato nel servizio ETL o di automazione scelto. Le funzionalità del connettore, le modalità di sincronizzazione, i nomi delle tabelle generate e le opzioni di autenticazione variano in base al prodotto e alla versione.
Dati di origine richiesti: includa trattative, attività, cronologia delle fasi e degli stati delle trattative, responsabili o utenti e tutti i campi utilizzati per identificare i lead convertiti. Includa anche i dati degli ordini di vendita, dell’evasione, delle fatture e dei pagamenti provenienti dai sistemi integrati.
Oggetti di destinazione: sostituisca [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] e [Your payments table] con le tabelle generate dal connettore o con viste curate.
Intervallo di date: inizi con 3-6 mesi di dati. Estenda l’intervallo se il ciclo del processo è più lungo, se occorre analizzare le trattative riaperte o se è necessario disporre delle transizioni storiche di fase e stato.
Parametri di data: imposti [Start date] e [End date] nel formato di data supportato dalla destinazione. Per i caricamenti incrementali, utilizzi un periodo di sovrapposizione per acquisire aggiornamenti tardivi, date e ore corrette e transazioni a valle ritardate.
Configurazione delle fasi: imposti i nomi esatti delle fasi o le categorie normalizzate utilizzate nell’account Pipedrive per la qualificazione, la proposta e la negoziazione. Non utilizzi i nomi di esempio se non corrispondono ai valori di origine.
Configurazione delle attività: imposti i tipi esatti di attività completate che rappresentano il primo contatto e il sollecito della proposta, ad esempio chiamata, e-mail o riunione, in base ai valori normalizzati dal connettore.
Collegamento ai sistemi esterni: imposti la chiave di relazione che collega un ordine di vendita a valle a una trattativa Pipedrive. Se il sistema a valle utilizza una chiave diversa, crei una vista di mappatura prima di avviare l’estrazione.
Filtri: applichi filtri per azienda, organizzazione, pipeline, team, valuta o unità aziendale solo quando necessario. Documenti ogni filtro, poiché modifica la completezza dei casi e degli eventi.
Prestazioni: per i set di dati di grandi dimensioni, utilizzi la sincronizzazione incrementale, i filtri sulle date applicati all’origine, tabelle di destinazione partizionate e colonne del caso e della data e ora indicizzate o raggruppate. Eviti di eseguire ripetutamente la scansione delle tabelle con l’intera cronologia.
Rimozione dei duplicati: mantenga un identificativo stabile dell’evento di origine, se disponibile. In caso contrario, rimuova i duplicati utilizzando l’identificativo del caso, il nome dell’attività, la data e ora dell’evento e l’identificativo del record di origine, preservando le ripetizioni legittime, come più solleciti.
Prerequisiti: sono necessari la licenza del connettore, l’autorizzazione Pipedrive, le autorizzazioni di scrittura sulla destinazione, l’accesso alla cronologia delle trattative e alle attività, nonché l’accesso ai dati dei sistemi ERP, di evasione, contabili, di fatturazione o finanziari a valle. I campi personalizzati e i dati storici delle modifiche potrebbero richiedere autorizzazioni aggiuntive o funzionalità specifiche del connettore.

Query di esempio 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")

È pronto a iniziare?

Utilizzi questo template per preparare in modo efficiente i dati Lead to Cash e iniziare a individuare informazioni utili sui processi. Inizi subito a ottimizzare le operazioni in Pipedrive.

Torna alla guida al miglioramento

Scarica il template

Aumenti il tasso di successo: ottimizzi subito il processo Lead to Cash in Pipedrive

Aumenti del 20% il tasso di successo e riduca la durata dei cicli di vendita. Inizi ora.

Inizi la prova gratuita

Non è richiesta alcuna carta di credito. Prova gratuita di 14 giorni.

Il Suo template dei dati Lead to Cash

Il Suo template dei dati Lead to Cash

Attributi Lead to Cash

Attività Lead to Cash

Guide all’estrazione

Esportazione nativa dei dati Pipedrive in CSV/Excel

Passaggi

Configurazione

Query di esempio python

Estrazione tramite script Python e API REST di Pipedrive

Passaggi

Configurazione

Query di esempio python

Strumento ETL di terze parti con connettore Pipedrive

Passaggi

Configurazione

Query di esempio python

È pronto a iniziare?

Aumenti il tasso di successo: ottimizzi subito il processo Lead to Cash in Pipedrive