> Miglioramento Continuo dei Processi > Lead to Cash > Pipedrive > Template Dati

Il suo Template per i Dati Dal Lead all'Incasso.

Pipedrive

Attributi Lead to Cash (21) Attività Lead to Cash (13) Guide all'Estrazione (3)

Il suo Template per i Dati Dal Lead all'Incasso.

Questo `template` fornisce una chiara `roadmap` per la raccolta dei `dati` cruciali necessari per analizzare il Suo processo `Dal Lead all'Incasso` in Pipedrive. Delinea gli `attributi` essenziali e le `attività` chiave da tracciare, insieme a indicazioni pratiche su come estrarre queste informazioni direttamente dal Suo sistema Pipedrive. Sfrutti questa risorsa per preparare i Suoi `dati` per un `process mining` e un'ottimizzazione completi.

Attributi consigliati da raccogliere
Attività chiave da tracciare
Guida all'estrazione da Pipedrive

È nuovo agli event log? Impari come creare un event log di Process Mining.

Scarica Template

Attributi Lead to Cash

Questi campi `dati` raccomandati sono essenziali per costruire un robusto `event log`, consentendo un'analisi completa del Suo processo `Dal Lead all'Incasso`.

3 Obbligatorio 4 Consigliato 14 Facoltativo

	Nome	Descrizione
	Nome attività ActivityName	Il nome dello specifico `evento` aziendale o compito che si è verificato all'interno del processo di vendita.
Descrizione Questo `attributo` descrive un singolo passaggio nel processo `Dal Lead all'Incasso`, come 'Trattativa Creata', 'Proposta Inviata' o 'Pagamento Ricevuto'. Le `attività` sono i blocchi costitutivi fondamentali utilizzati per visualizzare il flusso di processo. Analizzare la sequenza e la frequenza delle `attività` aiuta a identificare i percorsi di processo più comuni, i `colli di bottiglia` dove il lavoro si accumula e qualsiasi deviazione dalla procedura di vendita standard. Questo è essenziale per comprendere come il processo viene effettivamente eseguito. Perché è importante Definisce i passaggi nel processo, consentendo la visualizzazione e l'analisi del flusso di processo, l'identificazione dei colli di bottiglia e il controllo di conformità. Dove trovare Questo è tipicamente derivato mappando gli `eventi` di Pipedrive, come i cambiamenti di fase della trattativa o la creazione di `oggetti` correlati come le fatture, a un elenco definito di `attività`. Esempi Affare CreatoProposta InviataAffare VintoFattura InviataPagamento ricevuto
	Opportunità di Vendita SalesOpportunityId	L'identificatore univoco per un'opportunità di vendita, che funge da `case ID` per il tracciamento dell'intero processo `Dal Lead all'Incasso`.
Descrizione L'`ID` 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 di processo, questo identificatore è cruciale per ricostruire il percorso end-to-end di ogni trattativa. Consente il raggruppamento di tutti gli `eventi`, come 'Trattativa Creata', 'Proposta Inviata' e 'Pagamento Ricevuto', in un `case` coerente, abilitando l'analisi delle varianti di processo, dei tempi di ciclo e dei tassi di conversione. Perché è importante Questo identificatore è la base della vista di processo, collegando tutti gli `eventi` correlati per formare una cronologia completa del `case` per ogni trattativa di vendita. Dove trovare Recuperato dal campo 'id' dell'`oggetto` `Deal` tramite l'API Pipedrive. Esempi 12543125441254512546
	Timestamp Evento EventTime	Il timestamp che indica quando l'attività si è verificata.
Descrizione L'Ora dell'`Evento`, o Ora di Inizio, cattura la data e l'ora precise in cui una specifica `attività` è stata registrata. Questi `dati` temporali sono essenziali per ordinare gli `eventi` cronologicamente e calcolare le durate tra i diversi passaggi del processo. Nell'analisi, questo `timestamp` viene utilizzato per calcolare `indicatori chiave di performance` (KPI) come il tempo di ciclo, il tempo di elaborazione e il tempo di attesa. Consente la creazione di `dashboard` basate sul tempo che monitorano le prestazioni e identificano i ritardi all'interno del processo di vendita. Perché è importante Questo `timestamp` è critico per ordinare gli `eventi`, calcolare le durate dei processi e analizzare le prestazioni rispetto agli obiettivi basati sul tempo. Dove trovare Recuperato da campi come 'add_time' o 'update_time' su `Deal`, `Activity` o `oggetti` correlati nell'API Pipedrive. Esempi 2023-04-15T10:00:00Z2023-04-16T14:30:00Z2023-05-01T09:05:00Z
	Percentuale di Sconto DiscountPercentage	La percentuale di sconto applicata alla trattativa.
Descrizione Questo `attributo` rappresenta la percentuale di sconto applicata a una trattativa di vendita, se presente. È un fattore critico per comprendere la strategia di prezzo e il suo impatto sulla redditività. L'analisi della Percentuale di Sconto aiuta a valutare l'efficacia delle strategie di sconto. Può essere correlata con altri `attributi` come Valore della Trattativa, Rappresentante di Vendita o Prodotto per vedere dove gli sconti sono più comuni e se portano a tassi di vittoria più elevati o semplicemente erodono i margini. Perché è importante Questo è cruciale per analizzare le strategie di prezzo, i margini di vendita e la redditività complessiva delle trattative. Dove trovare Questo è spesso un campo `custom` sull'`oggetto` `Deal` in Pipedrive. Consulti la documentazione di Pipedrive per la configurazione dei campi `custom`. Esempi 0.050.100.150.0
	Proprietario Affare DealOwner	Il rappresentante di vendita responsabile della gestione dell'opportunità di vendita.
Descrizione Il Proprietario della Trattativa è l'utente assegnato a una specifica trattativa. Questo `attributo` è fondamentale per comprendere l'allocazione delle risorse e le prestazioni all'interno del `team` di vendita. Questo `attributo` consente l'analisi delle prestazioni a livello individuale o di `team`. Le `dashboard` possono essere filtrate per Proprietario della Trattativa per confrontare metriche come il tempo del ciclo di vendita, i tassi di conversione e il valore medio della trattativa, aiutando a identificare i migliori `performer` e le aree per il `coaching`. Perché è importante Consente l'analisi delle prestazioni per rappresentante di vendita, aiutando a identificare i migliori performer e le aree che necessitano di miglioramento. Dove trovare Recuperato dal campo 'user_id' sull'`oggetto` `Deal`, che si collega all'`oggetto` `User` nell'API Pipedrive. Esempi John SmithJane DoePeter Jones
	Stato dell'Affare DealStatus	L'esito o lo stato attuale della trattativa, come vinta, persa o aperta.
Descrizione Lo Stato dell'Affare indica il risultato finale o lo stato attuale di alto livello di un'opportunità di vendita. Questa è una dimensione primaria per l'analisi dei tassi di successo delle vendite e dell'efficienza del processo. Questo attributo è fondamentale per calcolare i tassi di vittoria/sconfitta e per filtrare la mappa di processo per confrontare i percorsi degli affari vinti rispetto a quelli persi. Questo confronto rivela spesso differenze chiave nell'esecuzione del processo che contribuiscono al successo o al fallimento, fornendo preziosi insight per il miglioramento del processo. Perché è importante È essenziale per calcolare i tassi di vittoria/sconfitta e confrontare i flussi di processo degli affari riusciti rispetto a quelli non riusciti. Dove trovare Recuperato dal campo 'status' dell'`oggetto` `Deal` nell'API Pipedrive. Esempi wonlostaperto
	Valore Affare DealValue	Il valore monetario totale dell'opportunità di vendita.
Descrizione Il Valore dell'Affare rappresenta il potenziale o il ricavo effettivo associato a un'opportunità di vendita. È una metrica fondamentale per prioritizzare gli affari e valutare l'impatto finanziario della pipeline di vendita. Nell'analisi dei processi, questo attributo viene utilizzato per segmentare i casi per dimensione finanziaria, consentendo confronti dell'esecuzione del processo per affari di alto valore rispetto a quelli di basso valore. È anche un componente centrale delle dashboard che analizzano le prestazioni di vendita, l'efficacia degli sconti e la generazione complessiva dei ricavi. Perché è importante Permette l'analisi finanziaria del processo di vendita, aiutando a prioritizzare gli affari di alto valore e a comprendere l'impatto sui ricavi. Dove trovare Recuperato dal campo 'value' dell'`oggetto` `Deal` nell'API Pipedrive. Esempi 5000.0025000.501500.75
	È una Rilavorazione IsRework	Un flag che identifica le attività che fanno parte di un ciclo di rilavorazione.
Descrizione Il Rilavorazione è un flag booleano che viene tipicamente calcolato dallo strumento di Process Mining per evidenziare i case in cui il processo devia da un flusso lineare e ripete i passaggi precedenti. Ad esempio, un affare che si sposta da 'Negoziazione' di nuovo a 'Proposta Inviata' sarebbe considerato rilavorazione. L'identificazione della rilavorazione è critica per l'ottimizzazione dei processi in quanto rappresenta inefficienza, sforzi sprecati e potenziale confusione per il cliente. L'analisi delle attività contrassegnate come rilavorazione aiuta a individuare le aree in cui il processo si sta guastando, consentendo miglioramenti mirati. Perché è importante Aiuta a quantificare l'inefficienza del processo identificando e segnalando le attività che fanno parte di un percorso di processo ripetuto o circolare. Dove trovare Questo è calcolato dal `software` di `process mining` analizzando la sequenza delle `attività` all'interno di ogni `case`. Esempi truefalse
	Fase Affare DealStage	La fase specifica della `pipeline` di vendita in cui si trova attualmente la trattativa.
Descrizione La Fase della Trattativa rappresenta un passaggio specifico nella `pipeline` di vendita definita da un'azienda, come 'Qualificata', 'Proposta Fatta' o 'Negoziazione'. Fornisce una visione più granulare del progresso di una trattativa rispetto allo Stato generale della Trattativa. Analizzare le fasi della trattativa è cruciale per comprendere il `funnel` di vendita e identificare dove le trattative tendono a bloccarsi. Tracciando il tempo trascorso in ogni fase, i `team` possono individuare i `colli di bottiglia` e concentrare gli sforzi di miglioramento sulle parti più problematiche del ciclo di vendita. Perché è importante Fornisce una visione granulare del progresso di una trattativa attraverso il `funnel` di vendita, aiutando a identificare i `colli di bottiglia` e i tassi di conversione tra le fasi. Dove trovare Recuperato dal campo 'stage_id' sull'`oggetto` `Deal`, che si collega all'`oggetto` `Stage` nell'API Pipedrive. Esempi Lead in EntrataContatto StabilitoDemo ProgrammataProposta FattaNegoziazioni Avviate
	Fonte del Lead LeadSource	La fonte o il canale attraverso cui è stato acquisito il `lead`.
Descrizione La Fonte del Lead identifica come un potenziale cliente è stato inizialmente individuato, ad esempio, 'Webinar', 'Chiamata a Freddo' o 'Referral Partner'. Questa informazione è vitale per la strategia di marketing e vendita. Analizzare la Fonte del Lead aiuta a determinare l'efficacia dei diversi canali di marketing. Può essere utilizzata per confrontare i tassi di conversione e i tempi del ciclo di vendita per i lead provenienti da varie fonti, consentendo all'azienda di ottimizzare la spesa di marketing e gli sforzi di vendita. Perché è importante Aiuta a misurare l'efficacia dei diversi canali di marketing analizzando i tassi di conversione e le prestazioni del processo dei lead da ogni fonte. Dove trovare Recuperato dal campo 'source_name' sull'`oggetto` `Lead`, che viene poi associato alla `Deal`. Esempi Ricerca OrganicaSocial a PagamentoReferralFiera Commerciale
	Nome Organizzazione OrganizationName	Il nome dell'azienda o dell'organizzazione del cliente associata alla trattativa.
Descrizione Questo `attributo` identifica il cliente aziendale collegato all'opportunità di vendita. Fornisce contesto su quali aziende si trovano nella `pipeline` di vendita. L'analisi dei `dati` per Nome Organizzazione aiuta a comprendere il comportamento del cliente e a identificare gli `account` chiave. Può essere utilizzata per segmentare l'analisi del processo per vedere se i processi differiscono per i clienti strategici rispetto ai clienti più piccoli, o per tracciare l'intera storia di vendita con una specifica azienda. Perché è importante Identifica il cliente, consentendo un'analisi customer-centric e la segmentazione del processo di vendita. Dove trovare Recuperato dal campo 'org_id' sull'`oggetto` `Deal`, che si collega all'`oggetto` `Organization` nell'API Pipedrive. Esempi ABC CorporationGlobal Tech Inc.Innovare Soluzioni
	Ora Fine Evento EventEndTime	Il `timestamp` che indica quando un'attività con una durata è stata completata.
Descrizione L'Ora di Fine `Evento` segna il completamento di un'`attività` che ha una durata misurabile, come una riunione o un compito. Integra l'Ora di Inizio consentendo un calcolo preciso della durata di attività specifiche. Questo `attributo` è essenziale per calcolare il tempo di elaborazione delle singole `attività`. Analizzare questa durata aiuta a identificare quali compiti specifici richiedono più tempo e offre opportunità di ottimizzazione, automazione o riallocazione delle risorse. Perché è importante Permette il calcolo preciso delle durate delle singole attività, elemento chiave per identificare attività che richiedono tempo e colli di bottiglia. Dove trovare Recuperato da campi come 'due_date' o un `timestamp` di completamento su `oggetti` `Activity` nell'API Pipedrive. Esempi 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	Pagamento Puntuale IsOnTimePayment	Un flag booleano che indica se un pagamento è stato ricevuto entro i termini di pagamento concordati.
Descrizione Questo `attributo` è un `flag` binario (Vero/Falso) che indica se un pagamento è stato effettuato in tempo. È derivato confrontando l'Ora di Pagamento Effettiva della Fattura con i Termini di Pagamento specificati. Questo `flag` semplifica l'analisi del comportamento di pagamento. Può essere utilizzato per calcolare rapidamente il `KPI` del Tasso di Pagamento Puntuale e per filtrare i pagamenti in ritardo, consentendo un'analisi approfondita delle cause principali del perché alcuni clienti o tipi di trattative comportano ritardi nei pagamenti. Perché è importante Semplifica l'analisi dell'adesione al pagamento e viene utilizzato per calcolare il `KPI` del Tasso di Pagamento Puntuale. Dove trovare Calcolato confrontando 'InvoicePaymentTime' con l'attributo 'PaymentTerms'. Ad esempio, se PaymentTerms è 'Net 30' e InvoicePaymentTime è <= 30 giorni, il valore è True. Esempi truefalse
	Prodotto ProductAttached	Il prodotto o servizio associato all'opportunità di vendita.
Descrizione Questo `attributo` specifica il prodotto o servizio venduto nella trattativa. Consente un'analisi più dettagliata delle `attività` di vendita relative a offerte specifiche. Includendo il prodotto, l'analisi può essere segmentata per confrontare i processi di vendita tra diverse linee di prodotto. Ciò può rivelare se determinati prodotti hanno cicli di vendita più lunghi, tassi di conversione diversi o richiedono passaggi di processo differenti, portando a strategie di vendita più personalizzate. Perché è importante Consente l'analisi del processo di vendita per linea di prodotto, aiutando a identificare variazioni nei cicli di vendita o nei tassi di successo per diverse offerte. Dove trovare Recuperato dall'`oggetto` `Product` collegato a una `Deal` nell'API Pipedrive. Esempi Abbonamento `SaaS` StandardLicenza Piattaforma EnterprisePacchetto Servizi Professionali
	Regione Region	La regione geografica associata al cliente o all'opportunità di vendita.
Descrizione Questo `attributo` classifica le trattative in aree geografiche, come Nord America, EMEA o APAC. Consente un'analisi basata sulla posizione delle prestazioni e dei processi di vendita. Segmentando il processo per regione, le aziende possono scoprire differenze regionali nei tempi del ciclo di vendita, nei tassi di vittoria e nelle varianti di processo. Questi `insight` possono informare strategie di vendita regionali, allocazione delle risorse e sforzi di standardizzazione dei processi. Perché è importante Consente l'analisi geografica del processo di vendita, evidenziando le differenze regionali nelle prestazioni e nel comportamento dei clienti. Dove trovare Questo è tipicamente un campo `custom` sull'`oggetto` `Deal` o `Organization`. I campi indirizzo dell'`Organization` possono anche essere utilizzati per derivare questo. Esempi Nord AmericaEMEAAPACLATAM
	Sistema di Origine SourceSystem	Identifica il sistema da cui i dati sono stati estratti.
Descrizione Questo `attributo` specifica l'origine dei `dati`, che in questo caso è Pipedrive. È particolarmente utile in ambienti in cui i `dati` provenienti da più sistemi vengono consolidati per una visione olistica del processo. Sebbene spesso sia un valore statico in un'analisi a sistema singolo, fornisce contesto essenziale e aiuta nella `data governance` e nella tracciabilità. Conferma che gli `eventi` e gli `attributi` sono correlati all'istanza di Pipedrive. Perché è importante Fornisce un contesto cruciale sull'origine dei `dati`, garantendo tracciabilità e chiarezza, specialmente quando vengono combinati `dati` provenienti da più sistemi. Dove trovare Questo è tipicamente un valore statico aggiunto durante il processo di trasformazione dei `dati`. Esempi Pipedrive
	Tempo del Ciclo di Vendita SalesCycleTime	La durata totale dalla creazione di una trattativa a quando è stata chiusa (vinta o persa).
Descrizione Il Tempo del Ciclo di Vendita è un `indicatore chiave di performance` (KPI) che misura il tempo totale trascorso dal primo `evento`, 'Trattativa Creata', all'`evento` di esito finale, come 'Trattativa Vinta' o 'Trattativa Persa'. Questa metrica calcolata fornisce una panoramica di alto livello della velocità di vendita. Analizzarne la media e la distribuzione aiuta a identificare tendenze e ritardi sistemici nel processo complessivo. È un `KPI` primario per le `dashboard` focalizzate sull'efficienza e le prestazioni di vendita. Perché è importante Questo è un `KPI` critico per misurare l'efficienza complessiva e la velocità del processo di vendita dall'inizio alla fine. Dove trovare Calcolato trovando la differenza tra il timestamp della prima e dell'ultima attività per ogni SalesOpportunityId. Esempi 30 giorni 4 ore92 giorni 8 ore15 giorni 2 ore
	Tempo di Pagamento Fattura InvoicePaymentTime	La durata tra l'invio di una fattura e la ricezione del pagamento.
Descrizione Il Tempo di Pagamento della Fattura misura l'efficienza del processo di contabilità clienti. Traccia specificamente il tempo trascorso dall'attività 'Fattura Inviata' all'attività 'Pagamento Ricevuto'. Questa metrica è cruciale per monitorare il flusso di cassa e identificare i ritardi nella riscossione dei pagamenti. Analizzare questa durata aiuta le aziende a comprendere il comportamento di pagamento dei clienti e l'efficacia delle loro strategie di sollecito e riscossione, influenzando direttamente il ciclo dal Preventivo al Pagamento. Perché è importante Misura direttamente l'efficienza del processo di riscossione del denaro ed è vitale per la gestione del flusso di cassa. Dove trovare Calcolato come la differenza tra i timestamp delle attività 'Pagamento Ricevuto' e 'Fattura Inviata' per un dato caso. Esempi 28 giorni45 giorni10 giorni
	Termini di Pagamento PaymentTerms	I termini di pagamento concordati, come 'Netto 30' o 'Netto 60'.
Descrizione I Termini di Pagamento definiscono il lasso di tempo entro il quale un cliente è tenuto a pagare una fattura dopo che è stata inviata. Questo `attributo` è fondamentale per la gestione dei crediti e del flusso di cassa. Nel `process mining`, questo `attributo` funge da base per valutare le prestazioni di pagamento. Viene utilizzato per calcolare `KPI` come il Tasso di Pagamento Puntuale confrontando la data di pagamento effettiva con la data di scadenza derivata dalla data della fattura e da questi termini. Perché è importante Fornisce la base per misurare le prestazioni di pagamento puntuale e analizzare i ritardi nel processo di riscossione del denaro. Dove trovare Questo è tipicamente un campo `custom` sull'`oggetto` `Deal` o `Organization` in Pipedrive, o potrebbe provenire da un sistema contabile integrato. Esempi Netto 30Netto 60Dovuto al Ricevimento
	Ultimo `Data Update` LastDataUpdate	Il timestamp dell'ultimo aggiornamento dei dati dal sistema sorgente.
Descrizione Questo `attributo` indica l'ultima volta che i `dati` sono stati estratti e aggiornati nel `dataset` di `process mining`. Fornisce un chiaro punto di riferimento per la freschezza dei `dati` analizzati. Per qualsiasi analisi, conoscere la tempestività dei `dati` è fondamentale. Questo `attributo` aiuta gli utenti a capire se gli `insight` che stanno visualizzando riflettono lo stato più attuale del processo, il che è essenziale per il monitoraggio operativo e il processo decisionale. Perché è importante Indica l'aggiornamento dei dati, assicurando che gli utenti siano consapevoli di quanto sia attuale l'analisi del processo. Dove trovare Questo valore viene generato e registrato durante il processo di `data ingestion` o ETL. Esempi 2023-10-27T02:00:00Z2023-10-28T02:00:00Z
	Valuta Affare DealCurrency	La 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 da più regioni o paesi, questo `attributo` è essenziale per un `reporting` finanziario e un'aggregazione corretti. Garantisce che le conversioni di valuta possano essere applicate correttamente prima di riepilogare i `dati` finanziari, prevenendo conclusioni imprecise. Perché è importante Fornisce un contesto essenziale per il Valore della Trattativa, garantendo un'analisi finanziaria e un `reporting` accurati in diverse regioni. Dove trovare Recuperato dal campo 'currency' dell'`oggetto` `Deal` nell'API Pipedrive. Esempi USDEURGBP

Obbligatorio Consigliato Facoltativo

Attività Lead to Cash

Questi passaggi e `milestone` chiave del processo dovrebbero essere catturati nel Suo `event log` per garantire una scoperta accurata del processo e un'ottimizzazione efficace.

5 Consigliato 8 Facoltativo

	Activity	Descrizione
	Affare Creato	Segna l'inizio ufficiale di un'opportunità di vendita. Questo evento è attivato quando un nuovo affare viene creato manualmente o generato automaticamente da un lead convertito.
Perché è importante Questa è l'`attività` di inizio primaria per il ciclo di vendita. L'analisi del tempo trascorso da questo `evento` a 'Trattativa Vinta' o 'Trattativa Persa' fornisce la durata complessiva del ciclo di vendita. Dove trovare Questo è un `evento` esplicito catturato nell'entità `Deals` di Pipedrive. Il `timestamp` di creazione ('add_time') per il record della trattativa funge da ora dell'`evento`. Acquisisci Utilizzi il campo 'add_time' dall'entità `Deals`. Tipo di evento explicit
	Affare Perso	Segna la chiusura non riuscita di un affare. Questo si verifica quando il processo di vendita viene terminato perché il cliente ha scelto un concorrente, non è più interessato o per altri motivi.
Perché è importante Questo è il punto finale di fallimento primario. Analizzare quando e perché le trattative vengono perse fornisce `insight` critici per migliorare la strategia di vendita, la formazione e i processi di qualificazione. Dove trovare Questo è un `evento` esplicito catturato quando lo stato di una trattativa viene modificato in 'persa'. Il campo 'lost_time' nell'entità `Deals` registra il `timestamp`. Acquisisci Utilizzi il `timestamp` 'lost_time' dall'entità `Deals`. Tipo di evento explicit
	Affare Vinto	Segna la chiusura riuscita di un affare, significando un accordo verbale o scritto da parte del cliente. Questo è un cambiamento di stato standard ed esplicito all'interno di Pipedrive.
Perché è importante Questo è il `milestone` di successo più importante. È cruciale per calcolare i tassi di vittoria, la durata del ciclo di vendita per le trattative di successo e le prestazioni complessive di vendita. Dove trovare Questo è un `evento` esplicito catturato quando lo stato di una trattativa viene modificato in 'vinta'. Il campo 'won_time' nell'entità `Deals` fornisce il `timestamp` preciso. Acquisisci Utilizzi il `timestamp` 'won_time' dall'entità `Deals`. Tipo di evento explicit
	Pagamento ricevuto	Segna la ricezione riuscita del pagamento dal cliente, completando il ciclo di cassa per l'opportunità. Questo è l'evento finale nel processo Lead to Cash e ha origine da un sistema finanziario.
Perché è importante Questo è il passaggio finale, che realizza valore. È la vera fine del processo `Dal Lead all'Incasso` ed è essenziale per misurare il tempo di ciclo `end-to-end` e analizzare i ritardi nei pagamenti. Dove trovare Acquisito da un sistema contabile o di elaborazione dei pagamenti. La conferma di pagamento deve essere collegata all'affare di Pipedrive. Acquisisci Dati di evento da un sistema finanziario esterno, collegati all'affare tramite un identificatore unico. Tipo di evento explicit
	Proposta Inviata	Rappresenta il punto in cui un'offerta o una proposta formale viene consegnata al cliente. Questo è spesso inferito dal passaggio della trattativa a una specifica fase di `pipeline`, come 'Proposta Fatta' o 'Offerta Inviata'.
Perché è importante Questo è un `milestone` chiave nel processo di vendita. L'analisi del tempo trascorso da questo `evento` a 'Trattativa Vinta' aiuta a comprendere la durata della fase decisionale e di negoziazione. Dove trovare Inferito dal changelog dell'Affare quando il 'stage_id' cambia in una fase designata per le proposte. Viene utilizzato il timestamp del cambiamento di fase. Acquisisci Rilevare quando il 'stage_id' di un Affare viene aggiornato a una fase di 'Proposta' specifica. Tipo di evento inferred
	Affare Qualificato	Indica che l'affare ha soddisfatto criteri predefiniti ed è considerato un'opportunità valida da perseguire. Ciò è tipicamente inferito quando un affare si sposta da una fase iniziale della pipeline, come 'Lead In', a una fase più qualificata, come 'Contatto Stabilito' o 'Esigenze Definite'.
Perché è importante Questo `milestone` aiuta ad analizzare l'efficacia del processo di qualificazione dei `lead` e individua quanto tempo le trattative trascorrono nelle fasi iniziali, non qualificate. Dove trovare Inferito dalla cronologia o dal changelog dell'Affare quando il campo 'stage_id' cambia in una fase che significa qualificazione. Acquisisci Identificare il cambiamento di fase a una fase 'qualificata' predefinita dalla cronologia dell'affare. Tipo di evento inferred
	Affare Riaperto	Rappresenta una trattativa precedentemente contrassegnata come persa ma riattivata per ulteriori attività di vendita. Questo `evento` è inferito quando lo stato di una trattativa cambia da 'persa' a 'aperta'.
Perché è importante Questa `attività` evidenzia i `loop` di rilavorazione e gli sforzi di re-coinvolgimento. L'analisi di queste istanze può rivelare modelli nel comportamento del cliente o nell'efficacia del `follow-up` delle vendite. Dove trovare Inferito dal changelog dell'Affare. Viene rilevato quando il campo 'status' cambia da 'lost' a 'open'. Acquisisci Identificare un cambiamento di stato da 'perso' a 'aperto' nella cronologia dell'affare. Tipo di evento inferred
	Contatto Iniziale Effettuato	Rappresenta la prima interazione significativa con il potenziale cliente associato alla trattativa. Questa viene tipicamente registrata come `attività` completata, come una chiamata, un'`email` o una riunione, collegata alla trattativa.
Perché è importante Tracciare questo aiuta a misurare il tempo al primo contatto e assicura che i `lead` siano coinvolti tempestivamente. Fornisce `insight` sulla reattività del `team` di vendita. Dove trovare Acquisito dall'entità Attività di Pipedrive. Viene identificato trovando l'attività completata più antica collegata all'ID dell'affare. Acquisisci Trovare la prima Attività completata associata a un Affare, basandosi sul campo 'done_time'. Tipo di evento explicit
	Fattura Inviata	Rappresenta il momento in cui una fattura viene inviata al cliente per il pagamento. Questo `evento` è solitamente attivato in un sistema contabile o di fatturazione esterno dopo l'evasione dell'ordine.
Perché è importante Questo segna l'inizio del ciclo di pagamento. Il tempo tra questo `evento` e 'Pagamento Ricevuto' è critico per il monitoraggio dei crediti e del flusso di cassa. Dove trovare Origina da un sistema contabile o ERP esterno come Xero o QuickBooks. I `dati` dell'`evento` devono essere integrati e associati alla trattativa Pipedrive. Acquisisci Dati di evento da un sistema di fatturazione esterno, associati all'affare tramite integrazione API. Tipo di evento explicit
	Follow-up Proposta	Cattura qualsiasi attività di vendita, come una chiamata o un'e-mail, che si verifica dopo l'invio di una proposta al cliente. Questo evento indica un coinvolgimento attivo durante la fase di considerazione.
Perché è importante Misura la tempestività e la frequenza delle azioni di follow-up, il che è critico per mantenere lo slancio e chiudere gli affari. Supporta la dashboard 'Tempestività Follow-up Proposta'. Dove trovare Acquisito dall'entità Attività di Pipedrive. È identificato come un'attività completata che si verifica dopo l'evento 'Proposta Inviata' per lo stesso affare. Acquisisci Identificare un'Attività completata con un 'done_time' successivo al timestamp dell'attività 'Proposta Inviata'. Tipo di evento explicit
	Negoziazione Avviata	Segnala l'inizio di una negoziazione attiva su prezzo, termini o ambito. Questo è tipicamente inferito quando una trattativa passa a una fase di `pipeline` 'Negoziazione' dopo che una proposta è stata inviata.
Perché è importante Isolare la fase di negoziazione aiuta a identificare quanto tempo richiede questa parte specifica del ciclo e quali affari coinvolgono negoziazioni lunghe. Dove trovare Inferito dal changelog dell'Affare quando il 'stage_id' viene aggiornato a una fase esplicitamente denominata per la negoziazione. Acquisisci Identificare il cambiamento di fase a una fase di 'Negoziazione' predefinita dalla cronologia dell'affare. Tipo di evento inferred
	Ordine cliente creato	Rappresenta la creazione di un ordine di vendita formale in un sistema a valle, come un ERP o una piattaforma contabile, dopo che una trattativa è stata vinta. Questa `attività` non è nativa di Pipedrive e si basa sui `dati` di un sistema integrato.
Perché è importante Questo `evento` segna il passaggio dalle Vendite alle Operazioni o alla Finanza. L'analisi del tempo trascorso da 'Trattativa Vinta' a questa `attività` rivela potenziali ritardi nell'elaborazione degli ordini. Dove trovare Tipicamente catturato da un sistema ERP o finanziario connesso. I `dati` dovrebbero essere acquisiti e collegati all'`ID` della trattativa Pipedrive. Acquisisci Dati di evento inviati da un sistema esterno tramite API, spesso aggiornando un campo personalizzato sull'affare Pipedrive. Tipo di evento explicit
	Ordine evaso	Indica che il prodotto è stato spedito o il servizio è stato consegnato al cliente. Questo evento ha origine da un sistema esterno di evasione o operativo.
Perché è importante Il tracciamento dell'evasione è fondamentale per comprendere il tempo del ciclo dall'ordine alla consegna. I ritardi qui influiscono direttamente sulla soddisfazione del cliente e sul riconoscimento dei ricavi. Dove trovare Acquisito da un sistema ERP, di inventario o di gestione dei servizi esterno. Questi dati devono essere collegati all'affare Pipedrive corrispondente. Acquisisci Dati di evento da un sistema esterno, collegati tramite ID affare o un altro identificatore comune. Tipo di evento explicit

Consigliato Facoltativo

Guide all'Estrazione

Come ottenere i Suoi **dati** da Pipedrive

Fasi

Acceda a Pipedrive: Acceda al Suo account Pipedrive con un profilo utente che abbia i permessi per esportare i dati. Tipicamente, si tratta di un utente Admin.
Navighi a Esportazione Dati: Clicchi sulla Sua immagine profilo nell'angolo in alto a destra, quindi selezioni 'Impostazioni'. Nel menu di navigazione a sinistra, trovi la sezione 'Strumenti e app' e clicchi su 'Esporta dati'.
Esporti i Dati degli Affari: Nella vista 'Esporta dati', selezioni 'Affari'. Scelga il formato file 'CSV'. Si raccomanda di applicare un filtro per un intervallo di date specifico, ad esempio, gli ultimi 6 mesi, per mantenere la dimensione del file gestibile. Clicchi su 'Esporta' e attenda che il file venga generato e scaricato. Questo file conterrà informazioni chiave sugli affari, inclusi data di creazione, data di vittoria e data di perdita.
Esporti i Dati delle Attività: Ripeta il processo per 'Attività'. Selezioni 'Attività', scelga 'CSV', applichi lo stesso filtro per intervallo di date degli affari ed esporti il file. Questo file contiene registrazioni di chiamate, email, riunioni e attività personalizzate legate agli affari.
Raccolga Dati Esterni: Ottenga i dati corrispondenti dai Suoi sistemi a valle. Avrà bisogno di esportazioni dai Suoi sistemi ERP, contabili o di evasione per eventi come 'Ordine di Vendita Creato', 'Ordine Evaso', 'Fattura Inviata' e 'Pagamento Ricevuto'. Si assicuri che questi file contengano un identificatore comune che possa essere mappato all'ID dell'Affare di Pipedrive.
Imposti un Ambiente di Elaborazione Dati: Utilizzi uno strumento in grado di gestire e unire più file CSV, come Python con la libreria pandas, Microsoft Excel con Power Query, o un altro strumento di preparazione dati.
Carichi e Combini i Dati: Carichi i file Deals.csv e Activities.csv. Inoltre, carichi i file di dati esterni raccolti nel passaggio precedente.
Costruisca l'Event Log: Crei un log di eventi unificato scriptando la trasformazione dei dati grezzi nel formato di attività richiesto. Per ognuna delle 13 attività richieste, crei un set di righe corrispondente. Ad esempio:
- Gli eventi 'Affare Creato' sono generati dalla colonna add_time nel file Deals.csv.
- Gli eventi 'Affare Vinto' sono generati dalla colonna won_time nel file Deals.csv.
- 'Primo Contatto Stabilito' è l'attività completata più antica per ogni affare dal file Activities.csv.
- Altre attività come 'Proposta Inviata' o 'Negoziazione Avviata' sono inferite da soggetti o tipi di attività specifici in Activities.csv.
Mappi gli Attributi: Per ogni riga di evento, si assicuri che tutte le colonne richieste siano popolate: SalesOpportunityId, ActivityName e EventTime. Aggiunga attributi raccomandati come DealValue, DealOwner e DealStatus unendo con i dati degli affari.
Esportazione Finale: Una volta che l'event log è completamente costruito e validato, salvi la tabella finale come un singolo file CSV con codifica UTF-8. Questo file è ora pronto per essere caricato su ProcessMind per l'analisi.

Configurazione

Oggetti da Esportare: Deve esportare almeno 'Affari' e 'Attività'. Potrebbe anche dover esportare 'Organizzazioni' o 'Persone' se necessita di dati dimensionali aggiuntivi.
Formato File: Scelga CSV per la massima compatibilità con strumenti di elaborazione dati come Python o Power Query.
Filtro per Intervallo di Date: Utilizzi l'opzione 'Filtra per' per selezionare un periodo di tempo specifico, ad esempio, 'Ora di aggiunta dell'affare' entro gli 'ultimi 180 giorni'. Questo è fondamentale per gestire le prestazioni dell'esportazione e la dimensione del file.
Permessi Utente: Deve essere un utente Admin o avere un set di permessi che consente esplicitamente l'esportazione dei dati dall'account Pipedrive.
Tipi di Attività Personalizzate: L'estrazione efficace di passaggi del processo come 'Affare Qualificato' o 'Proposta Inviata' dipende fortemente dall'uso di Tipi di Attività personalizzati da parte della Sua organizzazione. Si assicuri che questi siano configurati e utilizzati in modo coerente dal Suo team di vendita.

a Query di Esempio config

import pandas as pd

# --- 1. Load Data ---
# Load Pipedrive exports. Replace 'deals.csv' and 'activities.csv' with your actual file paths.
deals_df = pd.read_csv('deals.csv')
activities_df = pd.read_csv('activities.csv')

# Placeholder: Load data from external systems. These files should contain a Deal ID column.
# Replace with actual file loads from your ERP, Accounting, or Fulfillment systems.
sales_orders_df = pd.DataFrame({'Deal ID': [], 'Order Created Date': []}) # Example from ERP
fulfillments_df = pd.DataFrame({'Deal ID': [], 'Fulfillment Date': []})   # Example from Fulfillment System
invoices_df = pd.DataFrame({'Deal ID': [], 'Invoice Sent Date': []})         # Example from Accounting System
payments_df = pd.DataFrame({'Deal ID': [], 'Payment Received Date': []})     # Example from Accounting System

# --- 2. Prepare and Clean Data ---
# Rename columns for consistency and convert date columns to datetime objects
deals_df.rename(columns={'ID': 'SalesOpportunityId', 'Value': 'DealValue', 'Owner name': 'DealOwner', 'Status': 'DealStatus', 'Add time': 'EventTime_Created', 'Won time': 'EventTime_Won', 'Lost time': 'EventTime_Lost'}, inplace=True)
activities_df.rename(columns={'Deal ID': 'SalesOpportunityId', 'Subject': 'ActivityName', 'Done time': 'EventTime'}, inplace=True)

for col in ['EventTime_Created', 'EventTime_Won', 'EventTime_Lost']: 
    deals_df[col] = pd.to_datetime(deals_df[col], errors='coerce')
activities_df['EventTime'] = pd.to_datetime(activities_df['EventTime'], errors='coerce')


# --- 3. Extract Activities from Pipedrive Data ---

# Activity: Deal Created
event_created = deals_df[['SalesOpportunityId', 'EventTime_Created']].copy()
event_created.rename(columns={'EventTime_Created': 'EventTime'}, inplace=True)
event_created['ActivityName'] = 'Deal Created'

# Activity: Deal Won
event_won = deals_df[deals_df['EventTime_Won'].notna()][['SalesOpportunityId', 'EventTime_Won']].copy()
event_won.rename(columns={'EventTime_Won': 'EventTime'}, inplace=True)
event_won['ActivityName'] = 'Deal Won'

# Activity: Deal Lost
event_lost = deals_df[deals_df['EventTime_Lost'].notna()][['SalesOpportunityId', 'EventTime_Lost']].copy()
event_lost.rename(columns={'EventTime_Lost': 'EventTime'}, inplace=True)
event_lost['ActivityName'] = 'Deal Lost'

# Filter for relevant, completed activities linked to a deal
completed_activities = activities_df[activities_df['EventTime'].notna() & activities_df['SalesOpportunityId'].notna()].copy()
completed_activities['SalesOpportunityId'] = completed_activities['SalesOpportunityId'].astype(int)

# Activity: Initial Contact Made (first completed activity for each deal)
event_initial_contact = completed_activities.sort_values('EventTime', ascending=True).drop_duplicates('SalesOpportunityId')
event_initial_contact = event_initial_contact[['SalesOpportunityId', 'EventTime']].copy()
event_initial_contact['ActivityName'] = 'Initial Contact Made'

# Infer other activities based on activity subject keywords. Adjust keywords as needed.
event_qualified = completed_activities[completed_activities['ActivityName'].str.contains('qualify|qualification', case=False, na=False)].copy()
event_qualified['ActivityName'] = 'Deal Qualified'

event_proposal_sent = completed_activities[completed_activities['ActivityName'].str.contains('proposal|quote', case=False, na=False)].copy()
event_proposal_sent['ActivityName'] = 'Proposal Sent'

# 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[['SalesOpportunityId', 'EventTime']].rename(columns={'EventTime':'ProposalTime'}), on='SalesOpportunityId')
    follow_ups = merged_followup[merged_followup['EventTime'] > merged_followup['ProposalTime']]
    event_follow_up = follow_ups[follow_ups['ActivityName'].str.contains('call|email|follow-up', case=False, na=False)].copy()
    event_follow_up['ActivityName'] = 'Proposal Follow-Up'
else:
    event_follow_up = pd.DataFrame(columns=['SalesOpportunityId', 'EventTime', 'ActivityName'])

event_negotiation = completed_activities[completed_activities['ActivityName'].str.contains('negotiation|negotiate', case=False, na=False)].copy()
event_negotiation['ActivityName'] = 'Negotiation Started'

# Placeholder for Deal Reopened: Logic is complex and not reliably available from standard export.
event_reopened = pd.DataFrame(columns=['SalesOpportunityId', 'EventTime', 'ActivityName'])

# --- 4. Extract Activities from External Data (Placeholders) ---

# Rename columns and convert dates for external data
# This section needs to be adapted to your specific file structures
event_so_created = sales_orders_df.rename(columns={'Deal ID': 'SalesOpportunityId', 'Order Created Date': 'EventTime'}).assign(ActivityName='Sales Order Created')
event_fulfilled = fulfillments_df.rename(columns={'Deal ID': 'SalesOpportunityId', 'Fulfillment Date': 'EventTime'}).assign(ActivityName='Order Fulfilled')
event_invoice_sent = invoices_df.rename(columns={'Deal ID': 'SalesOpportunityId', 'Invoice Sent Date': 'EventTime'}).assign(ActivityName='Invoice Sent')
event_payment_received = payments_df.rename(columns={'Deal ID': 'SalesOpportunityId', 'Payment Received Date': 'EventTime'}).assign(ActivityName='Payment Received')


# --- 5. Combine and Finalize Event Log ---

event_log_frames = [
    event_created,
    event_won,
    event_lost,
    event_initial_contact,
    event_qualified[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_proposal_sent[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_follow_up[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_negotiation[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_reopened,
    event_so_created,
    event_fulfilled,
    event_invoice_sent,
    event_payment_received
]

event_log = pd.concat(event_log_frames)

# Merge with deal attributes
final_event_log = pd.merge(event_log, deals_df[['SalesOpportunityId', 'DealValue', 'DealOwner', 'Status']], on='SalesOpportunityId', how='left')

# Clean up and select final columns
final_event_log.rename(columns={'Status':'DealStatus'}, inplace=True)
final_event_log.dropna(subset=['EventTime', 'SalesOpportunityId'], inplace=True)

# Placeholder for DiscountPercentage - Assuming it's a custom field in your deals export
if 'Discount percentage' in deals_df.columns:
    final_event_log = pd.merge(final_event_log, deals_df[['SalesOpportunityId', 'Discount percentage']], on='SalesOpportunityId', how='left')
    final_event_log.rename(columns={'Discount percentage':'DiscountPercentage'}, inplace=True)
else:
    final_event_log['DiscountPercentage'] = None

# Reorder columns to match requirements
output_columns = ['SalesOpportunityId', 'ActivityName', 'EventTime', 'DealValue', 'DealOwner', 'DealStatus', 'DiscountPercentage']
final_event_log = final_event_log[output_columns]

# --- 6. Save Final Event Log ---
final_event_log.to_csv('pipedrive_event_log.csv', index=False, date_format='%Y-%m-%d %H:%M:%S')

print('Event log created successfully.')

Fasi

Imposti l'Ambiente Python: Si assicuri di avere Python 3.6 o versioni successive installato sul Suo sistema. Apra un terminale o un prompt dei comandi e installi le librerie Python necessarie eseguendo il seguente comando: pip install requests pandas.
Ottenga le Credenziali API di Pipedrive: Acceda al Suo account Pipedrive. Navighi su Impostazioni cliccando sulla Sua immagine profilo, quindi selezioni 'Preferenze personali' e vada alla scheda 'API'. Copi il Suo token API personale. Avrà anche bisogno del Suo dominio aziendale, che è il prefisso nel Suo 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 IDE. Individui la sezione di configurazione in alto e sostituisca i valori placeholder per 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 alla data di creazione più vecchia per gli affari che desidera includere nell'analisi. Il formato deve essere 'AAAA-MM-GG'.
Mappi i Suoi ID di Pipeline e Fase: Lo script inferisce diverse attività basandosi sul movimento degli affari tra le fasi. Deve fornire gli ID specifici per la Sua pipeline di vendita e le fasi chiave. Può trovare questi ID navigando alla fase nell'interfaccia utente di Pipedrive e guardando l'URL, o utilizzando l'API. Aggiorni le variabili PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID e NEGOTIATION_STAGE_ID nello script.
Esegua lo Script: Esegua lo script dal Suo terminale usando il comando: python your_script_name.py. Lo script inizierà a effettuare chiamate all'API di Pipedrive per recuperare affari, attività e log di modifiche.
Monitori il Processo: Lo script stamperà gli aggiornamenti di progresso sulla console, indicando quali dati vengono recuperati. Il processo potrebbe richiedere diversi minuti, a seconda del volume dei dati e dei limiti di chiamate API.
Implementi l'Estrazione Dati Esterni: Per attività come 'Ordine di Vendita Creato' e 'Pagamento Ricevuto', lo script contiene funzioni placeholder. Deve modificare queste funzioni per connettersi ai Suoi sistemi esterni, come un ERP o una piattaforma contabile, e recuperare i dati di evento pertinenti. Mappi il SalesOpportunityId di Pipedrive ai record in questi altri sistemi.
Riveda l'Output: Una volta completato lo script, genererà un file CSV chiamato pipedrive_event_log.csv. Questo file contiene l'event log strutturato con tutte le attività estratte.
Prepara per il Caricamento: Apra il file CSV per assicurarsi che sia stato creato correttamente. Le colonne dovrebbero includere SalesOpportunityId, ActivityName, EventTime e altri attributi raccomandati. Questo file è ora pronto per essere caricato su ProcessMind per l'analisi.

Configurazione

Credenziali API: Lo script richiede un API_TOKEN valido e il Suo COMPANY_DOMAIN per l'autenticazione con l'API di Pipedrive. Si assicuri che l'utente associato al token abbia permessi sufficienti per leggere affari, attività e utenti.
Intervallo di Date: La variabile START_DATE filtra gli affari creati a partire dalla data specificata. Per un'analisi iniziale, si raccomanda un periodo di 3-6 mesi per garantire un volume di dati gestibile.
ID di Pipeline e Fase: Per inferire con precisione i passaggi del processo come 'Affare Qualificato' o 'Proposta Inviata', deve configurare lo script con gli ID numerici corretti per la Sua pipeline di vendita principale PIPELINE_ID e i valori STAGE_ID specifici per ogni milestone chiave. ID non corrispondenti comporteranno attività mancanti.
Prestazioni e Limite di Chiamate: Lo script include un breve ritardo tra le chiamate API per rispettare i limiti di chiamate di Pipedrive. Per organizzazioni con un volume molto elevato di affari, questo ritardo potrebbe dover essere regolato, o potrebbe essere necessaria l'implementazione di una strategia di

a 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}")

Fasi

Acceda a Pipedrive: Acceda al Suo account Pipedrive con un profilo utente che abbia i permessi per esportare i dati. Tipicamente, si tratta di un utente Admin.
Navighi a Esportazione Dati: Clicchi sulla Sua immagine profilo nell'angolo in alto a destra, quindi selezioni 'Impostazioni'. Nel menu di navigazione a sinistra, trovi la sezione 'Strumenti e app' e clicchi su 'Esporta dati'.
Esporti i Dati degli Affari: Nella vista 'Esporta dati', selezioni 'Affari'. Scelga il formato file 'CSV'. Si raccomanda di applicare un filtro per un intervallo di date specifico, ad esempio, gli ultimi 6 mesi, per mantenere la dimensione del file gestibile. Clicchi su 'Esporta' e attenda che il file venga generato e scaricato. Questo file conterrà informazioni chiave sugli affari, inclusi data di creazione, data di vittoria e data di perdita.
Esporti i Dati delle Attività: Ripeta il processo per 'Attività'. Selezioni 'Attività', scelga 'CSV', applichi lo stesso filtro per intervallo di date degli affari ed esporti il file. Questo file contiene registrazioni di chiamate, email, riunioni e attività personalizzate legate agli affari.
Raccolga Dati Esterni: Ottenga i dati corrispondenti dai Suoi sistemi a valle. Avrà bisogno di esportazioni dai Suoi sistemi ERP, contabili o di evasione per eventi come 'Ordine di Vendita Creato', 'Ordine Evaso', 'Fattura Inviata' e 'Pagamento Ricevuto'. Si assicuri che questi file contengano un identificatore comune che possa essere mappato all'ID dell'Affare di Pipedrive.
Imposti un Ambiente di Elaborazione Dati: Utilizzi uno strumento in grado di gestire e unire più file CSV, come Python con la libreria pandas, Microsoft Excel con Power Query, o un altro strumento di preparazione dati.
Carichi e Combini i Dati: Carichi i file Deals.csv e Activities.csv. Inoltre, carichi i file di dati esterni raccolti nel passaggio precedente.
Costruisca l'Event Log: Crei un log di eventi unificato scriptando la trasformazione dei dati grezzi nel formato di attività richiesto. Per ognuna delle 13 attività richieste, crei un set di righe corrispondente. Ad esempio:
- Gli eventi 'Affare Creato' sono generati dalla colonna add_time nel file Deals.csv.
- Gli eventi 'Affare Vinto' sono generati dalla colonna won_time nel file Deals.csv.
- 'Primo Contatto Stabilito' è l'attività completata più antica per ogni affare dal file Activities.csv.
- Altre attività come 'Proposta Inviata' o 'Negoziazione Avviata' sono inferite da soggetti o tipi di attività specifici in Activities.csv.
Mappi gli Attributi: Per ogni riga di evento, si assicuri che tutte le colonne richieste siano popolate: SalesOpportunityId, ActivityName e EventTime. Aggiunga attributi raccomandati come DealValue, DealOwner e DealStatus unendo con i dati degli affari.
Esportazione Finale: Una volta che l'event log è completamente costruito e validato, salvi la tabella finale come un singolo file CSV con codifica UTF-8. Questo file è ora pronto per essere caricato su ProcessMind per l'analisi.

Configurazione

Oggetti da Esportare: Deve esportare almeno 'Affari' e 'Attività'. Potrebbe anche dover esportare 'Organizzazioni' o 'Persone' se necessita di dati dimensionali aggiuntivi.
Formato File: Scelga CSV per la massima compatibilità con strumenti di elaborazione dati come Python o Power Query.
Filtro per Intervallo di Date: Utilizzi l'opzione 'Filtra per' per selezionare un periodo di tempo specifico, ad esempio, 'Ora di aggiunta dell'affare' entro gli 'ultimi 180 giorni'. Questo è fondamentale per gestire le prestazioni dell'esportazione e la dimensione del file.
Permessi Utente: Deve essere un utente Admin o avere un set di permessi che consente esplicitamente l'esportazione dei dati dall'account Pipedrive.
Tipi di Attività Personalizzate: L'estrazione efficace di passaggi del processo come 'Affare Qualificato' o 'Proposta Inviata' dipende fortemente dall'uso di Tipi di Attività personalizzati da parte della Sua organizzazione. Si assicuri che questi siano configurati e utilizzati in modo coerente dal Suo team di vendita.

a Query di Esempio config

import pandas as pd

# --- 1. Load Data ---
# Load Pipedrive exports. Replace 'deals.csv' and 'activities.csv' with your actual file paths.
deals_df = pd.read_csv('deals.csv')
activities_df = pd.read_csv('activities.csv')

# Placeholder: Load data from external systems. These files should contain a Deal ID column.
# Replace with actual file loads from your ERP, Accounting, or Fulfillment systems.
sales_orders_df = pd.DataFrame({'Deal ID': [], 'Order Created Date': []}) # Example from ERP
fulfillments_df = pd.DataFrame({'Deal ID': [], 'Fulfillment Date': []})   # Example from Fulfillment System
invoices_df = pd.DataFrame({'Deal ID': [], 'Invoice Sent Date': []})         # Example from Accounting System
payments_df = pd.DataFrame({'Deal ID': [], 'Payment Received Date': []})     # Example from Accounting System

# --- 2. Prepare and Clean Data ---
# Rename columns for consistency and convert date columns to datetime objects
deals_df.rename(columns={'ID': 'SalesOpportunityId', 'Value': 'DealValue', 'Owner name': 'DealOwner', 'Status': 'DealStatus', 'Add time': 'EventTime_Created', 'Won time': 'EventTime_Won', 'Lost time': 'EventTime_Lost'}, inplace=True)
activities_df.rename(columns={'Deal ID': 'SalesOpportunityId', 'Subject': 'ActivityName', 'Done time': 'EventTime'}, inplace=True)

for col in ['EventTime_Created', 'EventTime_Won', 'EventTime_Lost']: 
    deals_df[col] = pd.to_datetime(deals_df[col], errors='coerce')
activities_df['EventTime'] = pd.to_datetime(activities_df['EventTime'], errors='coerce')


# --- 3. Extract Activities from Pipedrive Data ---

# Activity: Deal Created
event_created = deals_df[['SalesOpportunityId', 'EventTime_Created']].copy()
event_created.rename(columns={'EventTime_Created': 'EventTime'}, inplace=True)
event_created['ActivityName'] = 'Deal Created'

# Activity: Deal Won
event_won = deals_df[deals_df['EventTime_Won'].notna()][['SalesOpportunityId', 'EventTime_Won']].copy()
event_won.rename(columns={'EventTime_Won': 'EventTime'}, inplace=True)
event_won['ActivityName'] = 'Deal Won'

# Activity: Deal Lost
event_lost = deals_df[deals_df['EventTime_Lost'].notna()][['SalesOpportunityId', 'EventTime_Lost']].copy()
event_lost.rename(columns={'EventTime_Lost': 'EventTime'}, inplace=True)
event_lost['ActivityName'] = 'Deal Lost'

# Filter for relevant, completed activities linked to a deal
completed_activities = activities_df[activities_df['EventTime'].notna() & activities_df['SalesOpportunityId'].notna()].copy()
completed_activities['SalesOpportunityId'] = completed_activities['SalesOpportunityId'].astype(int)

# Activity: Initial Contact Made (first completed activity for each deal)
event_initial_contact = completed_activities.sort_values('EventTime', ascending=True).drop_duplicates('SalesOpportunityId')
event_initial_contact = event_initial_contact[['SalesOpportunityId', 'EventTime']].copy()
event_initial_contact['ActivityName'] = 'Initial Contact Made'

# Infer other activities based on activity subject keywords. Adjust keywords as needed.
event_qualified = completed_activities[completed_activities['ActivityName'].str.contains('qualify|qualification', case=False, na=False)].copy()
event_qualified['ActivityName'] = 'Deal Qualified'

event_proposal_sent = completed_activities[completed_activities['ActivityName'].str.contains('proposal|quote', case=False, na=False)].copy()
event_proposal_sent['ActivityName'] = 'Proposal Sent'

# 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[['SalesOpportunityId', 'EventTime']].rename(columns={'EventTime':'ProposalTime'}), on='SalesOpportunityId')
    follow_ups = merged_followup[merged_followup['EventTime'] > merged_followup['ProposalTime']]
    event_follow_up = follow_ups[follow_ups['ActivityName'].str.contains('call|email|follow-up', case=False, na=False)].copy()
    event_follow_up['ActivityName'] = 'Proposal Follow-Up'
else:
    event_follow_up = pd.DataFrame(columns=['SalesOpportunityId', 'EventTime', 'ActivityName'])

event_negotiation = completed_activities[completed_activities['ActivityName'].str.contains('negotiation|negotiate', case=False, na=False)].copy()
event_negotiation['ActivityName'] = 'Negotiation Started'

# Placeholder for Deal Reopened: Logic is complex and not reliably available from standard export.
event_reopened = pd.DataFrame(columns=['SalesOpportunityId', 'EventTime', 'ActivityName'])

# --- 4. Extract Activities from External Data (Placeholders) ---

# Rename columns and convert dates for external data
# This section needs to be adapted to your specific file structures
event_so_created = sales_orders_df.rename(columns={'Deal ID': 'SalesOpportunityId', 'Order Created Date': 'EventTime'}).assign(ActivityName='Sales Order Created')
event_fulfilled = fulfillments_df.rename(columns={'Deal ID': 'SalesOpportunityId', 'Fulfillment Date': 'EventTime'}).assign(ActivityName='Order Fulfilled')
event_invoice_sent = invoices_df.rename(columns={'Deal ID': 'SalesOpportunityId', 'Invoice Sent Date': 'EventTime'}).assign(ActivityName='Invoice Sent')
event_payment_received = payments_df.rename(columns={'Deal ID': 'SalesOpportunityId', 'Payment Received Date': 'EventTime'}).assign(ActivityName='Payment Received')


# --- 5. Combine and Finalize Event Log ---

event_log_frames = [
    event_created,
    event_won,
    event_lost,
    event_initial_contact,
    event_qualified[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_proposal_sent[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_follow_up[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_negotiation[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_reopened,
    event_so_created,
    event_fulfilled,
    event_invoice_sent,
    event_payment_received
]

event_log = pd.concat(event_log_frames)

# Merge with deal attributes
final_event_log = pd.merge(event_log, deals_df[['SalesOpportunityId', 'DealValue', 'DealOwner', 'Status']], on='SalesOpportunityId', how='left')

# Clean up and select final columns
final_event_log.rename(columns={'Status':'DealStatus'}, inplace=True)
final_event_log.dropna(subset=['EventTime', 'SalesOpportunityId'], inplace=True)

# Placeholder for DiscountPercentage - Assuming it's a custom field in your deals export
if 'Discount percentage' in deals_df.columns:
    final_event_log = pd.merge(final_event_log, deals_df[['SalesOpportunityId', 'Discount percentage']], on='SalesOpportunityId', how='left')
    final_event_log.rename(columns={'Discount percentage':'DiscountPercentage'}, inplace=True)
else:
    final_event_log['DiscountPercentage'] = None

# Reorder columns to match requirements
output_columns = ['SalesOpportunityId', 'ActivityName', 'EventTime', 'DealValue', 'DealOwner', 'DealStatus', 'DiscountPercentage']
final_event_log = final_event_log[output_columns]

# --- 6. Save Final Event Log ---
final_event_log.to_csv('pipedrive_event_log.csv', index=False, date_format='%Y-%m-%d %H:%M:%S')

print('Event log created successfully.')

Il suo Template per i Dati Dal Lead all'Incasso.

Il suo Template per i Dati Dal Lead all'Incasso.

Attributi Lead to Cash

Attività Lead to Cash

Guide all'Estrazione

Esportazione `dati` nativa di Pipedrive in CSV/Excel

Fasi

Configurazione

a Query di Esempio config

Estrazione tramite script Python via API REST di Pipedrive

Fasi

Configurazione

a Query di Esempio python

Strumento ETL di terze parti con connettore Pipedrive

Fasi

Configurazione

a Query di Esempio config

Pronto per iniziare?

Aumenti i Tassi di Vittoria: Ottimizzi il Lead to Cash di Pipedrive Oggi

Il suo Template per i Dati Dal Lead all'Incasso.

Il suo Template per i Dati Dal Lead all'Incasso.

Attributi Lead to Cash

Attività Lead to Cash

Guide all'Estrazione

Esportazione `dati` nativa di Pipedrive in CSV/Excel

Fasi

Configurazione

a Query di Esempio config

Estrazione tramite script Python via API REST di Pipedrive

Fasi

Configurazione

a Query di Esempio python

Strumento ETL di terze parti con connettore Pipedrive

Fasi

Configurazione

a Query di Esempio config

Abbiamo a cuore la Sua privacy

Pronto per iniziare?

Aumenti i Tassi di Vittoria: Ottimizzi il Lead to Cash di Pipedrive Oggi