> Miglioramento Continuo dei Processi > Lead to Cash > SAP Sales Cloud > Template Dati

Il suo `template` di `dati` per il processo dal Lead al Pagamento

SAP Sales Cloud

Attributi Lead to Cash (18) Attività Lead to Cash (15) Guide all'Estrazione (2)

Il suo `template` di `dati` per il processo dal Lead al Pagamento

Questo template fornisce una guida strutturata per la raccolta dei dati necessari per analizzare il Suo processo Dal Lead al Contante. Delinea gli attributi e le attività essenziali richiesti per costruire un event log completo. Troverà anche indicazioni pratiche sull'estrazione di questi dati dal Suo sistema SAP Sales Cloud, garantendo un avvio agevole del Suo percorso di process mining.

Attributi consigliati da raccogliere
Attività chiave da tracciare
Guida all'estrazione per SAP Sales Cloud

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

Scarica Template

Attributi Lead to Cash

Questi sono i campi dati consigliati da includere nel Suo event log per un'analisi completa del Suo processo Dal Lead al Contante in SAP Sales Cloud.

3 Obbligatorio 6 Consigliato 9 Facoltativo

	Nome	Descrizione
	Nome attività ActivityName	Il nome dell'attività di business o dell'event che si è verificato in un punto specifico del processo.
Descrizione Il Nome Attività descrive un passo o un event specifico all'interno del processo Dal Lead al Contante, come 'Lead Qualificato', 'Offerta Creata' o 'Pagamento Ricevuto'. Questi eventi formano la sequenza di azioni che costituiscono il flusso del processo per ogni opportunità di vendita. L'analisi di queste attività è il cuore del process mining. Permette la visualizzazione di mappe di processo, l'identificazione di bottleneck tra i passaggi e la misurazione delle frequenze per diversi percorsi di processo, rivelando come il processo di vendita viene effettivamente eseguito. Perché è importante Questo attributo definisce i passaggi nella mappa del processo, il che è fondamentale per visualizzare e analizzare il flusso del processo. Dove trovare Derivato dai cambiamenti di stato degli oggetti di business, dagli eventi di creazione documenti o da specifiche azioni utente registrate nei log delle transazioni all'interno di SAP Sales Cloud. Esempi Lead AcquisitoOpportunità CreataOfferta Inviata al ClientePagamento ricevuto
	Opportunità di Vendita SalesOpportunityId	L'identificatore univoco per un'opportunità di vendita, che funge da identificatore di case primario per il processo Dal Lead al Contante.
Descrizione L'ID Opportunità di Vendita identifica in modo univoco ogni potenziale vendita dalla sua nascita come lead alla sua risoluzione finale come affare vinto o perso. Agisce come il filo conduttore che collega tutte le attività correlate, come la qualificazione del lead, la creazione dell'offerta, l'elaborazione dell'ordine e il pagamento. Nell'analisi di process mining, questo ID è cruciale per ricostruire il percorso end-to-end di ogni opportunità. Consente la correlazione di tutti gli eventi, abilitando l'analisi delle varianti di processo, dei tempi di ciclo e dei tassi di conversione su base per opportunità. Perché è importante Questo è l'ID Case essenziale che collega tutte le attività nel processo, rendendo possibile tracciare il ciclo di vita completo di ogni opportunità di vendita. Dove trovare Questa è la chiave primaria per l'oggetto business Opportunità in SAP Sales Cloud. Esempi OP-8000123456OP-8000123457OP-8000123458
	Timestamp Evento EventTime	Il timestamp che indica quando una specifica attività o un evento si è verificato.
Descrizione L'Ora dell'Evento registra la data e l'ora precise in cui un'attività è stata completata. Questi dati temporali sono essenziali per comprendere la tempistica e la durata delle fasi del processo. Forniscono l'ordine cronologico necessario per costruire il flusso del processo. Nell'analisi dei processi, i timestamp vengono utilizzati per calcolare i tempi di ciclo tra le attività, misurare la durata complessiva del processo di vendita e identificare ritardi o colli di bottiglia. L'analisi dei timestamp nel tempo può anche rivelare tendenze nelle prestazioni del processo. Perché è importante Il timestamp è fondamentale per ordinare gli eventi cronologicamente e per tutte le analisi basate sul tempo, inclusi il tempo di ciclo e l'identificazione dei bottleneck. Dove trovare Tipicamente trovato nei campi 'Data Creazione' o 'Ultima Data Modifica' associati a oggetti business come Lead, Opportunità, Offerte e Ordini di Vendita in SAP Sales Cloud. Esempi 2023-04-15T10:30:00Z2023-05-02T14:00:00Z2023-06-20T09:15:00Z
	Categoria di Prodotto ProductCategory	La categoria del prodotto o servizio venduto nell'opportunità.
Descrizione La Categoria di Prodotto raggruppa gli articoli o servizi specifici in un'opportunità in classificazioni più ampie, come 'Hardware', 'Software' o 'Servizi di Consulenza'. Questo semplifica l'analisi quando sono coinvolti molti prodotti individuali. Analizzare per Categoria di Prodotto è essenziale per comprendere come il processo di vendita differisce per vari tipi di offerte. Viene utilizzato in dashboard come 'Distribuzione Sconti' e 'Efficienza Evasione Ordini' per vedere se certe categorie comportano sconti più elevati o tempi di evasione più lunghi. Perché è importante Consente l'analisi delle variazioni di processo in base al tipo di prodotto o servizio venduto, che può avere cicli di vendita significativamente diversi. Dove trovare Derivato dai dati anagrafici del prodotto collegati alle voci di riga di un'Offerta di Vendita o di un Ordine di Vendita in SAP Sales Cloud. Esempi Licenza softwareHardwareServizi professionaliAbbonamento di Supporto
	Fonte Lead LeadSource	Il canale di marketing o l'origine del lead iniziale.
Descrizione L'Origine Lead specifica come un potenziale cliente è stato identificato per la prima volta, ad esempio, tramite un modulo web, una fiera commerciale o una referenza di partner. Questa informazione viene tipicamente catturata quando il lead viene creato. Questo attributo è critico per il dashboard 'Tasso di Conversione Lead per Origine'. Analizzare questa dimensione aiuta i team di marketing e vendita a capire quali canali generano i lead più preziosi, consentendo una migliore allocazione delle risorse e l'ottimizzazione delle campagne di marketing. Perché è importante Essenziale per misurare l'efficacia dei diversi canali di marketing e ottimizzare le strategie di generazione dei lead. Dove trovare Trovato sugli oggetti di business Lead e Opportunità in SAP Sales Cloud. Il campo è spesso chiamato 'Source' o 'Origin'. Esempi WebinarReferenza PartnerFiera CommercialeRichiesta dal Sito Web
	Importo Ordine di Vendita SalesOrderAmount	Il valore monetario totale dell'ordine di vendita associato all'opportunità.
Descrizione Questo attributo rappresenta il valore totale dei beni o servizi venduti una volta che un'opportunità è vinta e viene creato un ordine di vendita. Riflette i ricavi generati dal completamento con successo del processo di vendita. L'Importo dell'Ordine di Vendita è una dimensione finanziaria critica per l'analisi. Può essere utilizzato per segmentare le opportunità per dimensione (ad esempio, affari piccoli, medi, grandi) per vedere se il comportamento del processo differisce. Fornisce anche il contesto di valore per i KPI come il tasso di successo, mostrando il valore totale delle opportunità vinte rispetto a quelle perse. Perché è importante Fornisce una dimensione finanziaria al processo, consentendo un'analisi basata sul valore dei cicli di vendita e dei risultati. Dove trovare Questo valore verrebbe prelevato dal campo 'Valore Netto Totale' dell'oggetto business Ordine di Vendita associato in SAP Sales Cloud. Esempi 50000.00125000.507800.00
	Percentuale di Sconto DiscountPercentage	La percentuale di sconto applicata all'offerta o all'ordine di vendita.
Descrizione Questo attributo cattura il tasso di sconto complessivo applicato a un'opportunità, tipicamente nella fase di quotazione o ordine. È espresso come percentuale del prezzo di listino. Questa è una metrica critica per l'analisi delle performance finanziarie e della disciplina di vendita. La dashboard 'Distribuzione Sconti' utilizza questo attributo per monitorare il comportamento di sconto tra i rappresentanti di vendita e i prodotti. Viene anche utilizzata per il KPI 'Conformità Approvazione Sconti' per garantire che gli sconti elevati seguano i corretti workflow di approvazione. Perché è importante Cruciale per analizzare la strategia di prezzo, il comportamento di scontistica del team di vendita e il suo impatto sulla redditività. Dove trovare Calcolato dagli elementi di prezzo negli oggetti di business Offerta di Vendita o Ordine di Vendita associati in SAP Sales Cloud. Esempi 0.050.100.25
	Rappresentante di Vendita SalesRepresentative	Il dipendente responsabile della gestione dell'opportunità di vendita.
Descrizione Questo attributo identifica l'utente o il dipendente che è il proprietario del lead o dell'opportunità. Questo è spesso il punto di contatto primario per il cliente ed è responsabile di far progredire l'affare attraverso la pipeline di vendita. Nell'analisi, il Rappresentante di Vendita è una dimensione chiave per il confronto delle performance. Consente la valutazione dei tempi di ciclo di vendita, dei tassi di successo e dell'aderenza al processo per individuo, team o regione, aiutando a identificare i migliori performer e le aree per il coaching. Perché è importante Consente l'analisi delle prestazioni per dipendente, aiutando a identificare opportunità di coaching e migliori pratiche tra il personale di vendita. Dove trovare Collegato al ruolo di parte 'Owner' o 'Dipendente Responsabile' sull'oggetto di business Opportunità o Lead in SAP Sales Cloud. Esempi John SmithMaria GarciaChen Wei
	Stato Opportunità OpportunityStatus	Lo stato attuale o l'esito dell'opportunità di vendita, come 'Aperta', 'Vinta' o 'Persa'.
Descrizione Questo attributo riflette lo stato complessivo dell'opportunità di vendita in un dato momento. Indica se l'opportunità è ancora in corso, è stata vinta con successo o è stata persa a favore di un concorrente o per altri motivi. L'analisi dello stato finale è fondamentale per il calcolo di KPI chiave come il Tasso di Successo delle Opportunità. Permette inoltre di filtrare l'analisi per concentrarsi solo sui percorsi di successo o per indagare i modelli di processo che più frequentemente portano a affari persi. Perché è importante Definisce l'esito del caso, che è cruciale per calcolare i tassi di vittoria/sconfitta e analizzare i percorsi del processo delle opportunità di successo rispetto a quelle non riuscite. Dove trovare Il campo 'Stato' sull'oggetto business Opportunità in SAP Sales Cloud. Esempi ApertoIn ElaborazioneVintoPersoInterrotto
	È Rilavorato IsReworked	Un indicatore che segnala se un'attività o un caso ha subito rilavorazioni.
Descrizione Questo flag booleano è impostato su true se viene rilevato un ciclo di rielaborazione nel processo, come un ordine di vendita modificato dopo la sua creazione iniziale o un'offerta rivista più volte. È derivato analizzando la sequenza di attività. Questo attributo calcolato è essenziale per quantificare le inefficienze di processo. Supporta direttamente la dashboard 'Frequenza Rielaborazioni Ordine di Vendita' e il KPI 'Tasso di Rielaborazione Ordine di Vendita' rendendo facile filtrare e contare le istanze di rielaborazione senza una complessa corrispondenza di pattern nello strumento di analisi. Perché è importante Quantifica direttamente l'inefficienza del processo contrassegnando i casi con cicli di rilavorazione, semplificando l'analisi della frequenza delle rilavorazioni e delle loro cause. Dove trovare Questo attributo non è presente nel sistema di origine. Viene calcolato durante la trasformazione dei dati rilevando sequenze ripetute di attività (ad esempio, 'Ordine di Vendita Creato' seguito da 'Ordine di Vendita Rielaborato'). Esempi truefalse
	Metodo di spedizione ShippingMethod	Il metodo utilizzato per consegnare il prodotto fisico al cliente.
Descrizione Questo attributo specifica il metodo di logistica o consegna per un ordine, come 'Spedizione Terrestre', 'Trasporto Aereo' o 'Consegna Digitale'. È rilevante per i processi che coinvolgono beni fisici. Per la dashboard 'Efficienza Evasione Ordini', questo attributo aiuta ad analizzare se diversi metodi di spedizione correlano con tempi di evasione diversi. Ciò può rivelare inefficienze in canali logistici specifici o aiutare a definire le aspettative del cliente in modo più accurato. Perché è importante Aiuta a diagnosticare i colli di bottiglia nella parte di evasione degli ordini del processo segmentando le prestazioni di consegna per canale logistico. Dove trovare Tipicamente trovato a livello di riga o di intestazione dell'oggetto business Ordine di Vendita in SAP Sales Cloud. Esempi TerraConsegna Aerea il Giorno SuccessivoDownload DigitaleTrasporto
	Nome cliente CustomerName	Il nome dell'azienda o dell'individuo associato all'opportunità di vendita.
Descrizione Questo attributo identifica il potenziale cliente per l'affare di vendita. Collega il processo di vendita a un account specifico nel sistema. L'analisi per cliente consente una visione del processo di vendita centrata sul cliente. Può aiutare a identificare quali clienti hanno i cicli di vendita più lunghi o richiedono la maggiore rielaborazione, ed è essenziale per KPI come il 'Tempo di Ciclo di Incasso Pagamenti' segmentato per cliente. Perché è importante Consente un'analisi centrata sul cliente per identificare modelli nei cicli di vendita o nei comportamenti di pagamento per account specifici. Dove trovare Collegato al ruolo di parte 'Account' o 'Prospect' sull'oggetto di business Opportunità in SAP Sales Cloud. Esempi Global Tech Inc.Innovate Solutions Ltd.Dynamic Corp
	Organizzazione di vendita SalesOrganization	L'unità organizzativa responsabile della vendita.
Descrizione L'Organizzazione di Vendita rappresenta un'unità, divisione o team specifico all'interno dell'azienda responsabile di una transazione di vendita. È un elemento chiave della struttura aziendale in SAP. Questo attributo consente di segmentare l'analisi per diverse parti del business. Può essere utilizzato per confrontare le performance del processo, i tassi di successo e i tempi di ciclo tra diverse unità di business o divisioni di vendita, fornendo una visione organizzativa di alto livello dell'efficienza. Perché è importante Consente il benchmarking delle prestazioni e l'analisi dei processi tra diverse unità di business o divisioni aziendali. Dove trovare Questo è un campo chiave di assegnazione organizzativa sull'Opportunità o sull'Ordine di Vendita in SAP Sales Cloud. Esempi US01DE01Vendite Aziendali Nord
	Regione Region	La regione geografica in cui si trovano il cliente o il team di vendita.
Descrizione La regione rappresenta l'area geografica assegnata all'opportunità di vendita, spesso basata sull'ubicazione del cliente o sulla struttura dell'organizzazione di vendita. Potrebbe essere un paese, uno stato o un territorio di vendita definito su misura. Questo è un attributo chiave per la segmentazione. Viene utilizzato direttamente nella dashboard 'Performance Tasso di Vittoria Opportunità' per confrontare le performance tra diverse regioni. Ciò aiuta a identificare le differenze regionali nell'efficienza dei processi, nel successo di mercato e nelle strategie di vendita. Perché è importante Consente l'analisi geografica delle prestazioni di vendita, evidenziando le variazioni regionali nei tassi di successo, nei tempi di ciclo e nell'esecuzione del processo. Dove trovare Spesso derivato dall'indirizzo del cliente o dall'organizzazione di vendita assegnata all'opportunità in SAP Sales Cloud. Esempi Nord AmericaEMEAAPACLATAM
	Sistema di Origine SourceSystem	Identifica il sistema da cui provengono i dati.
Descrizione Questo attributo specifica l'applicazione sorgente dove sono stati generati i dati dell'event. Per questo processo, sarà tipicamente 'SAP Sales Cloud', ma potrebbe includere altri sistemi integrati come una piattaforma di automazione del marketing per l'acquisizione di lead. In un panorama multi-sistema, questo attributo è vitale per comprendere la data lineage e risolvere i problemi di integrazione dei dati. Assicura che l'analisi sia basata su una chiara comprensione di dove proviene ogni informazione. Perché è importante Aiuta a differenziare le origini dei dati in ambienti integrati, garantendo che la data lineage e il contesto siano chiari durante l'analisi. Dove trovare Questo è tipicamente un valore statico aggiunto durante il processo di estrazione dei dati per etichettare l'origine dei record. Esempi SAP Sales CloudSAP C4CSSC_PROD_100
	Tempo di Elaborazione ProcessingTime	Il tempo trascorso lavorando attivamente su un task, escludendo il tempo di attesa.
Descrizione Il Tempo di Elaborazione, noto anche come tempo di contatto, misura la durata in cui una risorsa è stata attivamente impegnata in un'attività. Differisce dal tempo di ciclo, che include il tempo che un caso trascorre in attesa tra le attività. Analizzare il tempo di elaborazione aiuta a differenziare tra ritardi causati da lavoro inefficiente e ritardi causati dall'attesa di risorse o informazioni. Fornisce una misura più precisa dello sforzo richiesto per ogni attività nel processo di vendita. Perché è importante Misura la durata del lavoro attivo, aiutando a distinguere tra attività inefficienti e lunghi tempi di attesa nel processo. Dove trovare Calcolato come la differenza tra l'Ora di Fine e l'Ora di Inizio di un'attività. Richiede che entrambi i timestamp siano disponibili per ogni evento. Esempi PT1H30MPT8HP2DT4H
	Termini di Pagamento PaymentTerms	I termini di pagamento concordati, come 'Netto 30' o 'Netto 60'.
Descrizione I Termini di Pagamento definiscono le condizioni in base alle quali un cliente è tenuto a pagare per i beni o i servizi. Questo viene stabilito durante la fase di ordine di vendita o contrattuale e detta la data di scadenza per la fattura. Questo attributo è una dimensione chiave per il dashboard 'Tempo di Ciclo di Riscossione dei Pagamenti'. Segmentando per termini di pagamento, un'azienda può valutare se i clienti stanno rispettando le scadenze concordate e identificare quali termini sono associati a cicli di pagamento più lunghi o più brevi. Perché è importante Fornisce contesto per l'analisi della riscossione dei pagamenti, aiutando a determinare se i ritardi sono correlati al comportamento del cliente o a termini di pagamento indulgenti. Dove trovare Situato nei dati anagrafici dell'Ordine di Vendita o del Cliente in SAP Sales Cloud. Esempi Netto 30Netto 60Dovuto al Ricevimento
	Ultimo `Data Update` LastDataUpdate	La data e l'ora dell'ultima estrazione o dell'ultimo aggiornamento dei dati dal sistema sorgente.
Descrizione Questo attributo indica l'ultima volta che i dati per l'event log sono stati aggiornati. Fornisce contesto per la freschezza dei dati analizzati, il che è importante per comprendere la rilevanza dei risultati. Per qualsiasi analisi di processo, conoscere la recentezza dei dati è cruciale. Aiuta gli stakeholder a capire se gli insight riflettono le operazioni attuali o un periodo passato, il che influenza il processo decisionale basato sull'analisi. Perché è importante Fornisce un contesto cruciale sulla freschezza dei dati, garantendo che analisi e decisioni siano basate su informazioni aggiornate. Dove trovare Questo è un timestamp di metadati aggiunto durante il processo di estrazione e trasformazione dei dati (ETL). Esempi 2024-07-20T02:00:00Z2024-07-21T02:00:00Z

Obbligatorio Consigliato Facoltativo

Attività Lead to Cash

Questi sono i passaggi chiave del processo e le milestone da acquisire nel Suo event log per una scoperta e un'analisi accurate del Suo processo Dal Lead al Contante.

7 Consigliato 8 Facoltativo

	Activity	Descrizione
	Offerta Inviata al Cliente	Questa attività rappresenta il momento in cui un'offerta formale viene ufficialmente inviata al cliente per la revisione. Questo event è tipicamente dedotto da un cambiamento di stato sull'oggetto Offerta di Vendita, ad esempio, da 'In preparazione' a 'Inviata' o 'Proposta'.
Perché è importante Questa è una milestone chiave che avvia il conteggio del tempo di negoziazione e decisione del cliente. L'analisi della durata tra questo event e l'accettazione dell'offerta è fondamentale per comprendere la velocità degli affari e i bottleneck di negoziazione. Dove trovare Inferred dalla cronologia dei cambiamenti di stato dell'oggetto di business Offerta di Vendita. Cercate il timestamp quando lo stato viene aggiornato a un valore che indica che è stata inviata. Acquisisci Identificate il timestamp del cambio di stato a 'Inviata' sull'oggetto Offerta di Vendita. Tipo di evento inferred
	Opportunità Chiusa Persa	Questa attività segna la fine definitiva di un'opportunità non riuscita in cui l'affare è stato perso a favore di un concorrente o il cliente ha deciso di non acquistare. Viene acquisita quando un utente modifica lo stato dell'Opportunità in 'Persa' o 'Chiusa Persa'.
Perché è importante Analizzare quando e perché le opportunità vengono perse è cruciale per migliorare la strategia di vendita. Questo punto di fallimento consente l'analisi delle trattative perse, come la fase media in cui vengono abbandonate o le ragioni comuni di perdita. Dove trovare Inferred dalla cronologia dei cambiamenti di stato dell'oggetto di business Opportunità. È il timestamp quando lo stato viene aggiornato a 'Persa' o 'Chiusa Persa'. Acquisisci Identificate il timestamp del cambio di stato a 'Persa' sull'oggetto Opportunità. Tipo di evento inferred
	Opportunità Chiusa Vinta	Questa attività è lo stato finale e conclusivo di un'opportunità di successo dopo che tutte le attività a valle come la creazione e l'evasione dell'ordine sono state completate. Viene acquisita quando un utente modifica lo stato dell'Opportunità a uno stato finale 'Chiusa' con un motivo di 'Vinta'.
Perché è importante Questo event funge da punto finale di successo per l'analisi di process mining, consentendo il calcolo della durata del ciclo di vendita end-to-end per tutti gli affari vinti. Fornisce una conclusione di processo chiara e definitiva. Dove trovare Inferred dalla cronologia dei cambiamenti di stato dell'oggetto Opportunità, specificamente il timestamp quando lo stato viene aggiornato a 'Chiuso' e il motivo è 'Vinta'. Acquisisci Identificate il timestamp del cambio di stato a 'Chiuso' con un codice motivo 'Vinto'. Tipo di evento inferred
	Opportunità Creata	Questo è l'inizio ufficiale dell'opportunità di vendita, che segna la conversione di un lead qualificato in un concreto obiettivo di vendita. Questo event è esplicitamente acquisito dal sistema alla creazione dell'oggetto business Opportunità, spesso trasferendo dati dal lead originale.
Perché è importante Come punto di partenza principale per l'analisi del ciclo di vendita, questa attività è fondamentale. Consente la misurazione della durata del ciclo di vendita, dei tassi di successo delle opportunità e delle prestazioni del team di vendita dal momento in cui una trattativa diventa tangibile. Dove trovare Questo event corrisponde al timestamp di creazione dell'oggetto business Opportunità in SAP Sales Cloud. Acquisisci Utilizzi la data e l'ora di creazione del record Opportunità. Tipo di evento explicit
	Opportunità Vinta	Questa attività indica che l'affare è stato chiuso con successo e l'organizzazione ha acquisito il business. Viene acquisita da un utente che modifica lo stato dell'Opportunità in 'Vinta', che è un'azione standard ed esplicita nel sistema.
Perché è importante Questa è una milestone cruciale per misurare i tassi di successo e le performance di vendita. Spesso funge da trigger per processi a valle come la creazione e l'evasione dell'ordine, rendendola un punto di transizione chiave nel ciclo Dal Lead al Contante. Dove trovare Inferred dalla cronologia dei cambiamenti di stato dell'oggetto di business Opportunità. È il timestamp quando lo stato viene aggiornato a 'Vinta'. Acquisisci Identificate il timestamp del cambio di stato a 'Vinta' sull'oggetto Opportunità. Tipo di evento inferred
	Ordine cliente creato	Questa attività segna la creazione di un ordine di vendita formale, che è il documento interno ufficiale per avviare l'evasione e la fatturazione. Viene esplicitamente registrata quando un utente crea un oggetto Ordine di Vendita e lo collega all'opportunità genitore.
Perché è importante Questo è un punto di passaggio critico dalla vendita alle operazioni. L'analisi del tempo da 'Opportunità Vinta' a 'Ordine di Vendita Creato' può rivelare ritardi interni, mentre il tracciamento delle rielaborazioni dopo questo punto evidenzia problemi di qualità dei dati. Dove trovare Questo event corrisponde al timestamp di creazione dell'oggetto business Ordine di Vendita associato all'Opportunità. Acquisisci Utilizzi la data e l'ora di creazione del record Ordine di Vendita associato. Tipo di evento explicit
	Pagamento ricevuto	Questa attività conferma che il pagamento del cliente è stato ricevuto ed elaborato, completando la transazione finanziaria. Questa informazione è quasi sempre ottenuta da un sistema finanziario o ERP esterno che aggiorna lo stato della fattura o dell'ordine in SAP Sales Cloud.
Perché è importante Questo è il passo finale di realizzazione del valore nel processo Dal Lead al Contante. Misurare il 'Tempo di Ciclo di Incasso Pagamenti' dalla fattura al pagamento è un KPI chiave per gestire il flusso di cassa e valutare le performance dei crediti. Dove trovare Inferred da un cambio di stato sull'oggetto Fattura o Ordine di Vendita a uno stato 'Pagato' o 'Liquidato'. Questi dati provengono da un sistema finanziario esterno. Acquisisci Identificate il timestamp quando lo stato di una Fattura cambia a 'Pagato' o 'Liquidato'. Tipo di evento inferred
	Fattura generata	Rappresenta la creazione della fattura del cliente, che avvia la fase finanziaria finale del processo. Questo event può essere acquisito dalla creazione di un oggetto Fattura all'interno di SAP Sales Cloud o, più comunemente, da un sistema di fatturazione integrato.
Perché è importante Questa attività è il trigger per il ciclo di incasso dei pagamenti. I ritardi nella generazione delle fatture incidono direttamente sul flusso di cassa, quindi il monitoraggio del tempo dall'evasione alla fatturazione è fondamentale per la salute finanziaria. Dove trovare Può essere il timestamp di creazione di un oggetto di business Fattura collegato all'Ordine di Vendita o un aggiornamento da un ERP esterno. L'origine dipende dal panorama del sistema. Acquisisci Utilizzi la data di creazione del record Fattura o una voce di activity log da un ERP integrato. Tipo di evento explicit
	Lead Acquisito	Questa attività segna la creazione iniziale di un record di lead in SAP Sales Cloud. Rappresenta il primo punto di contatto o interesse da parte di un potenziale cliente ed è tipicamente acquisita automaticamente da un modulo web, un'importazione di lista o un'immissione manuale da parte dell'utente.
Perché è importante Tracciare questo event è cruciale per analizzare l'efficacia delle diverse fonti di lead e misurare il volume complessivo di generazione di lead. Serve come punto di partenza per calcolare i tassi di conversione dei lead e comprendere la parte superiore del funnel di vendita. Dove trovare Questo event è acquisito dal timestamp di creazione dell'oggetto business Lead. La fonte del lead è tipicamente disponibile come attributo sullo stesso oggetto. Acquisisci Utilizzi la data e l'ora di creazione del record Lead. Tipo di evento explicit
	Lead Qualificato	Rappresenta il momento in cui un lead è stato verificato e soddisfa i criteri per essere considerato un potenziale cliente di vendita valido. Questo viene tipicamente acquisito quando un utente modifica manualmente lo stato del Lead in 'Qualificato' o uno stato simile, indicando che è pronto per la conversione.
Perché è importante Questa attività separa i lead grezzi dai prospect seri, consentendo l'analisi dell'efficienza del processo di qualificazione. Aiuta a determinare la qualità dei lead da varie fonti e identifica i bottleneck tra l'acquisizione del lead e la vendita attiva. Dove trovare Inferred dalla cronologia dei cambiamenti di stato dell'oggetto di business Lead. Cercate un timestamp quando il campo stato viene aggiornato a 'Qualificato'. Acquisisci Identificate il timestamp del cambio di stato a 'Qualificato' sull'oggetto Lead. Tipo di evento inferred
	Offerta Accettata dal Cliente	Indica che il cliente ha formalmente o informalmente accettato i termini dell'offerta. Questo viene solitamente catturato tramite un aggiornamento manuale dello stato sull'oggetto Offerta di Vendita o Opportunità da parte del rappresentante di vendita.
Perché è importante Questo è un forte segnale di acquisto e una milestone critica prima della finalizzazione del contratto o della creazione dell'ordine. Aiuta a misurare l'efficacia delle proposte e la durata del ciclo decisionale del cliente. Dove trovare Inferred da un cambio di stato sull'oggetto Offerta di Vendita a 'Accettato' o un simile cambio di stato sull'oggetto Opportunità collegato. Acquisisci Identificate il timestamp quando lo stato dell'Offerta di Vendita cambia a 'Accettato'. Tipo di evento inferred
	Offerta Creata	Segna la creazione di un documento di offerta di vendita formale collegato all'opportunità. Questo è un passaggio interno prima che l'offerta venga inviata al cliente ed è catturato esplicitamente quando un utente genera un nuovo record Offerta.
Perché è importante Questa attività separa il tempo di preparazione interno dal tempo in cui il cliente ha l'offerta. Aiuta nell'analisi dell'efficienza del processo di generazione dell'offerta e di quanto tempo impiegano i rappresentanti di vendita per preparare i prezzi. Dove trovare Questo event è il timestamp di creazione dell'oggetto business Offerta di Vendita associato all'Opportunità. Acquisisci Utilizzi la data e l'ora di creazione del record Offerta di Vendita associato. Tipo di evento explicit
	Ordine di Vendita Rielaborato	Rappresenta una modifica o correzione a un ordine di vendita dopo che è già stato inviato. Questo event è dedotto rilevando cicli nello stato dell'ordine di vendita, come uno stato che passa da 'Inviato' a 'In elaborazione' o 'In attesa di revisione'.
Perché è importante Identificare le rilavorazioni è fondamentale per scoprire inefficienze di processo, errori di inserimento dati e lacune di comunicazione tra vendite e operazioni. Un'alta frequenza di rilavorazioni indica problemi di qualità che causano ritardi e aumentano i costi. Dove trovare Inferred dalla cronologia dei cambiamenti di stato dell'oggetto Ordine di Vendita. Richiede l'analisi della sequenza dei cambiamenti di stato per identificare movimenti all'indietro o cicli. Acquisisci Rileva transizioni di stato che rappresentano un ciclo, ad esempio, da 'Inviato' a 'In Elaborazione'. Tipo di evento inferred
	Ordine evaso	Questa attività indica che i prodotti sono stati spediti o i servizi sono stati erogati al cliente. Questo event è spesso acquisito tramite un'integrazione con un sistema ERP o logistico, che aggiorna lo stato dell'Ordine di Vendita in SAP Sales Cloud.
Perché è importante Questo segna il completamento della parte di consegna del processo. Misurare il tempo da 'Ordine di Vendita Creato' a 'Ordine Evaso' è essenziale per monitorare l'efficienza dell'evasione degli ordini e il suo impatto sulla soddisfazione del cliente. Dove trovare Tipicamente dedotto da un cambiamento di stato sull'oggetto Ordine di Vendita, come 'Evaso' o 'Spedito'. Questo stato è spesso aggiornato tramite un'integrazione di sistema esterna. Acquisisci Identificate il timestamp del cambio di stato dell'Ordine di Vendita a 'Evaso' o 'Consegnato'. Tipo di evento inferred
	Soluzione Proposta	Questa attività indica che una potenziale soluzione o configurazione di prodotto è stata presentata al cliente. Viene tipicamente dedotta da una fase di vendita o un cambiamento di stato sull'oggetto Opportunità, come il passaggio a una fase di 'Proposta' o 'Progettazione Soluzione'.
Perché è importante L'analisi del tempo trascorso in questa fase e la transizione alla fase di offerta aiuta a identificare i colli di bottiglia nel processo di definizione della soluzione. Fornisce informazioni su quanto tempo è necessario per passare dal contatto iniziale a una proposta concreta. Dove trovare Inferred dal change log o dalla cronologia dello stato dell'oggetto Opportunità, specificamente quando la fase di vendita viene aggiornata a un valore come 'Soluzione Proposta' o 'Proposta di Valore'. Acquisisci Identificate il timestamp quando il campo fase di vendita dell'Opportunità cambia per riflettere una proposta. Tipo di evento inferred

Consigliato Facoltativo

Guide all'Estrazione

Come ottenere i vostri dati da SAP Sales Cloud

Fasi

Prerequisiti: Assicuratevi di avere un utente in SAP Sales Cloud con accesso al work center Analytics, specificamente con i diritti per creare e modificare origini dati e report.
Creare un'Origine Dati Combinata: Navigate alla vista Design Data Sources all'interno del work center Business Analytics. Create una nuova Origine Dati Combinata. Unite le seguenti origini dati standard utilizzando un left outer join per assicurarvi che tutte le opportunità siano catturate: Lead Information -> Opportunity Header and Item -> Sales Quote Header and Item -> Sales Order Header and Item. La condizione di join dovrebbe basarsi tipicamente sull'ID Opportunità o sugli ID dei documenti successivi.
Costruire un Report Personalizzato: Navigate alla vista Design Reports. Create un nuovo report basato sull'origine dati combinata creata nel passaggio precedente. Aggiungete tutte le caratteristiche e gli indicatori chiave necessari alla vista del report, inclusi gli identificatori (ID Lead, ID Opportunità), tutti i campi di stato rilevanti e tutti i campi timestamp (Data di Creazione, Date di Cambio Stato, ecc.). Includete anche gli attributi richiesti come Responsabile delle Vendite, Origine Lead e Importo Ordine.
Esporre il Report come Servizio OData: Nella vista Design Reports, selezionate il report appena creato. Nelle configurazioni o impostazioni del report, trovate l'opzione per esporre il report come query OData. Questa è spesso una casella di controllo etichettata Enable for OData. Salvate le modifiche. Il sistema genererà un URL OData unico per questo report.
Identificare l'URL OData: Andate alla vista OData Services nel work center Administrator. Trovate il vostro report personalizzato nell'elenco e copiate il suo URL di servizio. Vi servirà per lo script Python.
Configurare l'Ambiente Python: Assicuratevi di avere Python installato insieme alle librerie requests e pandas. Potete installarle usando pip: pip install requests pandas.
Configurare lo Script Python: Copiate lo script Python fornito. Sostituite i valori segnaposto per C4C_TENANT_URL, OData_SERVICE_PATH, USERNAME e PASSWORD con le vostre specifiche credenziali SAP Sales Cloud e l'URL OData dal passaggio precedente.
Eseguire lo Script di Estrazione: Eseguite lo script Python. Lo script si autenticherà con l'API OData, recupererà i dati in pagine per gestire grandi volumi e li caricherà in un pandas DataFrame.
Trasformazione dei Dati: Lo script trasforma automaticamente i dati in formato ampio (una riga per opportunità) in un event log in formato lungo. Itera attraverso ogni potenziale activity, controllando la presenza di un timestamp valido. Se un timestamp esiste, crea un corrispondente event record con il corretto ActivityName.
Esportare l'Event Log: Una volta completato lo script, salverà l'event log finale come file lead_to_cash_event_log.csv nella stessa directory. Questo file è formattato per il caricamento diretto in uno strumento di Process Mining.

Configurazione

Configurazione dell'Origine Dati: Il fulcro di questo metodo è un'Origine Dati Combinata in SAP Sales Cloud Analytics. È fondamentale utilizzare Left Outer Joins a partire dall'oggetto Opportunità per assicurarsi di catturare le opportunità che non si traducono in offerte o ordini.
Caratteristiche del Report: Il report personalizzato deve includere tutti i campi data e ora che corrispondono alle attività desiderate. Questo include i timestamp di creazione per lead, opportunità, offerte e ordini, così come i timestamp di cambio di stato.
Filtro API OData: Per gestire le prestazioni e il volume dei dati, utilizzare il parametro $filter nell'URL OData all'interno dello script Python. Si raccomanda vivamente di filtrare su un intervallo di date, ad esempio, OpportunityCreationDate. Un intervallo di date tipico per l'analisi iniziale è di 6-12 mesi.
Paginazione: Lo script fornito gestisce la paginazione OData utilizzando i parametri $top e $skip. Questo è essenziale per estrarre grandi set di dati senza che la connessione API vada in timeout.
Prerequisiti: Questo metodo richiede un utente analitico dedicato con le autorizzazioni per accedere all'API OData e alle origini dati sottostanti per lead, opportunità, offerte e ordini.

a Query di Esempio python

import requests
import pandas as pd
import numpy as np

class=class="hl-string">"hl-comment"># --- Configuration Placeholders ---
C4C_TENANT_URL = class="hl-string">"[Your SAP Sales Cloud Tenant URL, e.g., my123456.crm.ondemand.com]"
class=class="hl-string">"hl-comment"># The service path comes from the OData Services view for your custom report
ODATA_SERVICE_PATH = class="hl-string">"/sap/c4c/odata/analytics/ds/CUST_REPORT_ID.svc"
USERNAME = class="hl-string">"[Your_Username]"
PASSWORD = class="hl-string">"[Your_Password]"

class=class="hl-string">"hl-comment"># --- OData Service Details ---
class=class="hl-string">"hl-comment"># The entity set is usually the report ID followed by class="hl-string">'ResultSet'
ENTITY_SET = class="hl-string">"CUST_REPORT_IDResultSet"
BASE_API_URL = fclass="hl-string">"https://{C4C_TENANT_URL}{ODATA_SERVICE_PATH}/{ENTITY_SET}"

class=class="hl-string">"hl-comment"># --- Data Extraction ---
def get_odata_data(api_url, username, password):
    records = []
    page_size = 1000
    skip = 0
    
    class=class="hl-string">"hl-comment"># It is highly recommended to add a date filter for performance
    class=class="hl-string">"hl-comment"># e.g., class="hl-string">"$filter=OpportunityCreationDate ge datetime'2023-01-01T00:00:00'"
    odata_params = {
        class="hl-string">"$format": class="hl-string">"json",
        class="hl-string">"$top": page_size,
        class="hl-string">"$skip": skip,
        class="hl-string">"$inlinecount": class="hl-string">"allpages"
        class=class="hl-string">"hl-comment"># class="hl-string">"$filter": class="hl-string">"[Your OData Filter String]"
    }

    print(class="hl-string">"Starting data extraction from SAP Sales Cloud...")
    while True:
        odata_params[class="hl-string">'$skip'] = skip
        response = requests.get(api_url, auth=(username, password), params=odata_params)
        
        if response.status_code != 200:
            print(fclass="hl-string">"Error: Failed to fetch data. Status code: {response.status_code}")
            print(response.text)
            break

        data = response.json()[class="hl-string">'d']
        if class="hl-string">'results' in data and data[class="hl-string">'results']:
            records.extend(data[class="hl-string">'results'])
            count = len(data[class="hl-string">'results'])
            print(fclass="hl-string">"Fetched {len(records)} records...")
            if count < page_size:
                break
            skip += page_size
        else:
            break
            
    print(class="hl-string">"Extraction complete.")
    return pd.DataFrame(records)

source_df = get_odata_data(BASE_API_URL, USERNAME, PASSWORD)

class=class="hl-string">"hl-comment"># --- Data Transformation ---
if not source_df.empty:
    print(class="hl-string">"Starting data transformation into event log format...")
    
    class=class="hl-string">"hl-comment"># Rename columns for clarity (adjust these based on your report's field names)
    class=class="hl-string">"hl-comment"># These are example API field names from the OData service.
    class=class="hl-string">"hl-comment"># You MUST inspect your OData metadata to get the correct field names.
    column_mapping = {
        class="hl-string">'C_OpportunityId': class="hl-string">'SalesOpportunityId',
        class="hl-string">'LeadCreationDateTime': class="hl-string">'LeadCaptured_Time',
        class="hl-string">'LeadConversionDateTime': class="hl-string">'LeadQualified_Time',
        class="hl-string">'OpportunityCreationDateTime': class="hl-string">'OpportunityCreated_Time',
        class="hl-string">'OpportunityProposalStageDateTime': class="hl-string">'SolutionProposed_Time',
        class="hl-string">'QuoteCreationDateTime': class="hl-string">'QuoteCreated_Time',
        class="hl-string">'QuoteSentToCustomerDateTime': class="hl-string">'QuoteSentToCustomer_Time',
        class="hl-string">'QuoteAcceptedDateTime': class="hl-string">'QuoteAccepted_Time',
        class="hl-string">'OpportunityWonDateTime': class="hl-string">'OpportunityWon_Time',
        class="hl-string">'SalesOrderCreationDateTime': class="hl-string">'SalesOrderCreated_Time',
        class="hl-string">'SalesOrderReworkedDateTime': class="hl-string">'SalesOrderReworked_Time',
        class="hl-string">'SalesOrderFulfilledDateTime': class="hl-string">'OrderFulfilled_Time',
        class="hl-string">'InvoiceGeneratedDateTime': class="hl-string">'InvoiceGenerated_Time',
        class="hl-string">'PaymentReceivedDateTime': class="hl-string">'PaymentReceived_Time',
        class="hl-string">'OpportunityClosedWonDateTime': class="hl-string">'OpportunityClosedWon_Time',
        class="hl-string">'OpportunityClosedLostDateTime': class="hl-string">'OpportunityClosedLost_Time',
        class="hl-string">'SalesRepresentativeName': class="hl-string">'SalesRepresentative',
        class="hl-string">'LeadSourceName': class="hl-string">'LeadSource',
        class="hl-string">'OpportunityStatusName': class="hl-string">'OpportunityStatus',
        class="hl-string">'SalesOrderAmountValue': class="hl-string">'SalesOrderAmount',
        class="hl-string">'ProductCategoryName': class="hl-string">'ProductCategory',
        class="hl-string">'QuoteDiscountPercentage': class="hl-string">'DiscountPercentage'
    }
    source_df.rename(columns=column_mapping, inplace=True)

    class=class="hl-string">"hl-comment"># Convert date strings to datetime objects, coercing errors to NaT (Not a Time)
    date_cols = [col for col in source_df.columns if class="hl-string">'_Time' in col]
    for col in date_cols:
        class=class="hl-string">"hl-comment"># OData date format is /Date(timestamp)/. We need to extract the timestamp.
        source_df[col] = source_df[col].str.extract(rclass="hl-string">'\/Date\((\d+)\)\/').astype(float)
        source_df[col] = pd.to_datetime(source_df[col], unit=class="hl-string">'ms', errors=class="hl-string">'coerce')

    class=class="hl-string">"hl-comment"># Define the activities and their corresponding timestamp columns
    activity_mapping = {
        class="hl-string">'Lead Captured': class="hl-string">'LeadCaptured_Time',
        class="hl-string">'Lead Qualified': class="hl-string">'LeadQualified_Time',
        class="hl-string">'Opportunity Created': class="hl-string">'OpportunityCreated_Time',
        class="hl-string">'Solution Proposed': class="hl-string">'SolutionProposed_Time',
        class="hl-string">'Quote Created': class="hl-string">'QuoteCreated_Time',
        class="hl-string">'Quote Sent to Customer': class="hl-string">'QuoteSentToCustomer_Time',
        class="hl-string">'Quote Accepted by Customer': class="hl-string">'QuoteAccepted_Time',
        class="hl-string">'Opportunity Won': class="hl-string">'OpportunityWon_Time',
        class="hl-string">'Sales Order Created': class="hl-string">'SalesOrderCreated_Time',
        class="hl-string">'Sales Order Reworked': class="hl-string">'SalesOrderReworked_Time',
        class="hl-string">'Order Fulfilled': class="hl-string">'OrderFulfilled_Time',
        class="hl-string">'Invoice Generated': class="hl-string">'InvoiceGenerated_Time',
        class="hl-string">'Payment Received': class="hl-string">'PaymentReceived_Time',
        class="hl-string">'Opportunity Closed Won': class="hl-string">'OpportunityClosedWon_Time',
        class="hl-string">'Opportunity Closed Lost': class="hl-string">'OpportunityClosedLost_Time'
    }

    class=class="hl-string">"hl-comment"># Unpivot the DataFrame into an event log format
    event_log_df = pd.DataFrame()
    for activity, time_col in activity_mapping.items():
        if time_col in source_df.columns:
            temp_df = source_df[[class="hl-string">'SalesOpportunityId'] + [col for col in column_mapping.values() if col in source_df.columns]].copy()
            temp_df = temp_df.dropna(subset=[time_col])
            if not temp_df.empty:
                temp_df[class="hl-string">'ActivityName'] = activity
                temp_df.rename(columns={time_col: class="hl-string">'EventTime'}, inplace=True)
                event_log_df = pd.concat([event_log_df, temp_df])

    class=class="hl-string">"hl-comment"># Select and order final columns
    required_cols = [class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime']
    recommended_cols = [class="hl-string">'SalesRepresentative', class="hl-string">'LeadSource', class="hl-string">'OpportunityStatus', class="hl-string">'SalesOrderAmount', class="hl-string">'ProductCategory', class="hl-string">'DiscountPercentage']
    final_cols = required_cols + [col for col in recommended_cols if col in event_log_df.columns]
    
    event_log_df = event_log_df[final_cols]
    event_log_df.sort_values(by=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime'], inplace=True)

    class=class="hl-string">"hl-comment"># --- Export to CSV ---
    event_log_df.to_csv(class="hl-string">'lead_to_cash_event_log.csv', index=False)
    print(class="hl-string">"Event log saved to 'lead_to_cash_event_log.csv'.")
else:
    print(class="hl-string">"No data extracted. Skipping transformation and export.")

Fasi

Prerequisiti: Assicuratevi di avere un utente in SAP Sales Cloud con accesso al work center Analytics, specificamente con i diritti per creare e modificare origini dati e report.
Creare un'Origine Dati Combinata: Navigate alla vista Design Data Sources all'interno del work center Business Analytics. Create una nuova Origine Dati Combinata. Unite le seguenti origini dati standard utilizzando un left outer join per assicurarvi che tutte le opportunità siano catturate: Lead Information -> Opportunity Header and Item -> Sales Quote Header and Item -> Sales Order Header and Item. La condizione di join dovrebbe basarsi tipicamente sull'ID Opportunità o sugli ID dei documenti successivi.
Costruire un Report Personalizzato: Navigate alla vista Design Reports. Create un nuovo report basato sull'origine dati combinata creata nel passaggio precedente. Aggiungete tutte le caratteristiche e gli indicatori chiave necessari alla vista del report, inclusi gli identificatori (ID Lead, ID Opportunità), tutti i campi di stato rilevanti e tutti i campi timestamp (Data di Creazione, Date di Cambio Stato, ecc.). Includete anche gli attributi richiesti come Responsabile delle Vendite, Origine Lead e Importo Ordine.
Esporre il Report come Servizio OData: Nella vista Design Reports, selezionate il report appena creato. Nelle configurazioni o impostazioni del report, trovate l'opzione per esporre il report come query OData. Questa è spesso una casella di controllo etichettata Enable for OData. Salvate le modifiche. Il sistema genererà un URL OData unico per questo report.
Identificare l'URL OData: Andate alla vista OData Services nel work center Administrator. Trovate il vostro report personalizzato nell'elenco e copiate il suo URL di servizio. Vi servirà per lo script Python.
Configurare l'Ambiente Python: Assicuratevi di avere Python installato insieme alle librerie requests e pandas. Potete installarle usando pip: pip install requests pandas.
Configurare lo Script Python: Copiate lo script Python fornito. Sostituite i valori segnaposto per C4C_TENANT_URL, OData_SERVICE_PATH, USERNAME e PASSWORD con le vostre specifiche credenziali SAP Sales Cloud e l'URL OData dal passaggio precedente.
Eseguire lo Script di Estrazione: Eseguite lo script Python. Lo script si autenticherà con l'API OData, recupererà i dati in pagine per gestire grandi volumi e li caricherà in un pandas DataFrame.
Trasformazione dei Dati: Lo script trasforma automaticamente i dati in formato ampio (una riga per opportunità) in un event log in formato lungo. Itera attraverso ogni potenziale activity, controllando la presenza di un timestamp valido. Se un timestamp esiste, crea un corrispondente event record con il corretto ActivityName.
Esportare l'Event Log: Una volta completato lo script, salverà l'event log finale come file lead_to_cash_event_log.csv nella stessa directory. Questo file è formattato per il caricamento diretto in uno strumento di Process Mining.

Configurazione

Configurazione dell'Origine Dati: Il fulcro di questo metodo è un'Origine Dati Combinata in SAP Sales Cloud Analytics. È fondamentale utilizzare Left Outer Joins a partire dall'oggetto Opportunità per assicurarsi di catturare le opportunità che non si traducono in offerte o ordini.
Caratteristiche del Report: Il report personalizzato deve includere tutti i campi data e ora che corrispondono alle attività desiderate. Questo include i timestamp di creazione per lead, opportunità, offerte e ordini, così come i timestamp di cambio di stato.
Filtro API OData: Per gestire le prestazioni e il volume dei dati, utilizzare il parametro $filter nell'URL OData all'interno dello script Python. Si raccomanda vivamente di filtrare su un intervallo di date, ad esempio, OpportunityCreationDate. Un intervallo di date tipico per l'analisi iniziale è di 6-12 mesi.
Paginazione: Lo script fornito gestisce la paginazione OData utilizzando i parametri $top e $skip. Questo è essenziale per estrarre grandi set di dati senza che la connessione API vada in timeout.
Prerequisiti: Questo metodo richiede un utente analitico dedicato con le autorizzazioni per accedere all'API OData e alle origini dati sottostanti per lead, opportunità, offerte e ordini.

a Query di Esempio python

import requests
import pandas as pd
import numpy as np

class=class="hl-string">"hl-comment"># --- Configuration Placeholders ---
C4C_TENANT_URL = class="hl-string">"[Your SAP Sales Cloud Tenant URL, e.g., my123456.crm.ondemand.com]"
class=class="hl-string">"hl-comment"># The service path comes from the OData Services view for your custom report
ODATA_SERVICE_PATH = class="hl-string">"/sap/c4c/odata/analytics/ds/CUST_REPORT_ID.svc"
USERNAME = class="hl-string">"[Your_Username]"
PASSWORD = class="hl-string">"[Your_Password]"

class=class="hl-string">"hl-comment"># --- OData Service Details ---
class=class="hl-string">"hl-comment"># The entity set is usually the report ID followed by class="hl-string">'ResultSet'
ENTITY_SET = class="hl-string">"CUST_REPORT_IDResultSet"
BASE_API_URL = fclass="hl-string">"https://{C4C_TENANT_URL}{ODATA_SERVICE_PATH}/{ENTITY_SET}"

class=class="hl-string">"hl-comment"># --- Data Extraction ---
def get_odata_data(api_url, username, password):
    records = []
    page_size = 1000
    skip = 0
    
    class=class="hl-string">"hl-comment"># It is highly recommended to add a date filter for performance
    class=class="hl-string">"hl-comment"># e.g., class="hl-string">"$filter=OpportunityCreationDate ge datetime'2023-01-01T00:00:00'"
    odata_params = {
        class="hl-string">"$format": class="hl-string">"json",
        class="hl-string">"$top": page_size,
        class="hl-string">"$skip": skip,
        class="hl-string">"$inlinecount": class="hl-string">"allpages"
        class=class="hl-string">"hl-comment"># class="hl-string">"$filter": class="hl-string">"[Your OData Filter String]"
    }

    print(class="hl-string">"Starting data extraction from SAP Sales Cloud...")
    while True:
        odata_params[class="hl-string">'$skip'] = skip
        response = requests.get(api_url, auth=(username, password), params=odata_params)
        
        if response.status_code != 200:
            print(fclass="hl-string">"Error: Failed to fetch data. Status code: {response.status_code}")
            print(response.text)
            break

        data = response.json()[class="hl-string">'d']
        if class="hl-string">'results' in data and data[class="hl-string">'results']:
            records.extend(data[class="hl-string">'results'])
            count = len(data[class="hl-string">'results'])
            print(fclass="hl-string">"Fetched {len(records)} records...")
            if count < page_size:
                break
            skip += page_size
        else:
            break
            
    print(class="hl-string">"Extraction complete.")
    return pd.DataFrame(records)

source_df = get_odata_data(BASE_API_URL, USERNAME, PASSWORD)

class=class="hl-string">"hl-comment"># --- Data Transformation ---
if not source_df.empty:
    print(class="hl-string">"Starting data transformation into event log format...")
    
    class=class="hl-string">"hl-comment"># Rename columns for clarity (adjust these based on your report's field names)
    class=class="hl-string">"hl-comment"># These are example API field names from the OData service.
    class=class="hl-string">"hl-comment"># You MUST inspect your OData metadata to get the correct field names.
    column_mapping = {
        class="hl-string">'C_OpportunityId': class="hl-string">'SalesOpportunityId',
        class="hl-string">'LeadCreationDateTime': class="hl-string">'LeadCaptured_Time',
        class="hl-string">'LeadConversionDateTime': class="hl-string">'LeadQualified_Time',
        class="hl-string">'OpportunityCreationDateTime': class="hl-string">'OpportunityCreated_Time',
        class="hl-string">'OpportunityProposalStageDateTime': class="hl-string">'SolutionProposed_Time',
        class="hl-string">'QuoteCreationDateTime': class="hl-string">'QuoteCreated_Time',
        class="hl-string">'QuoteSentToCustomerDateTime': class="hl-string">'QuoteSentToCustomer_Time',
        class="hl-string">'QuoteAcceptedDateTime': class="hl-string">'QuoteAccepted_Time',
        class="hl-string">'OpportunityWonDateTime': class="hl-string">'OpportunityWon_Time',
        class="hl-string">'SalesOrderCreationDateTime': class="hl-string">'SalesOrderCreated_Time',
        class="hl-string">'SalesOrderReworkedDateTime': class="hl-string">'SalesOrderReworked_Time',
        class="hl-string">'SalesOrderFulfilledDateTime': class="hl-string">'OrderFulfilled_Time',
        class="hl-string">'InvoiceGeneratedDateTime': class="hl-string">'InvoiceGenerated_Time',
        class="hl-string">'PaymentReceivedDateTime': class="hl-string">'PaymentReceived_Time',
        class="hl-string">'OpportunityClosedWonDateTime': class="hl-string">'OpportunityClosedWon_Time',
        class="hl-string">'OpportunityClosedLostDateTime': class="hl-string">'OpportunityClosedLost_Time',
        class="hl-string">'SalesRepresentativeName': class="hl-string">'SalesRepresentative',
        class="hl-string">'LeadSourceName': class="hl-string">'LeadSource',
        class="hl-string">'OpportunityStatusName': class="hl-string">'OpportunityStatus',
        class="hl-string">'SalesOrderAmountValue': class="hl-string">'SalesOrderAmount',
        class="hl-string">'ProductCategoryName': class="hl-string">'ProductCategory',
        class="hl-string">'QuoteDiscountPercentage': class="hl-string">'DiscountPercentage'
    }
    source_df.rename(columns=column_mapping, inplace=True)

    class=class="hl-string">"hl-comment"># Convert date strings to datetime objects, coercing errors to NaT (Not a Time)
    date_cols = [col for col in source_df.columns if class="hl-string">'_Time' in col]
    for col in date_cols:
        class=class="hl-string">"hl-comment"># OData date format is /Date(timestamp)/. We need to extract the timestamp.
        source_df[col] = source_df[col].str.extract(rclass="hl-string">'\/Date\((\d+)\)\/').astype(float)
        source_df[col] = pd.to_datetime(source_df[col], unit=class="hl-string">'ms', errors=class="hl-string">'coerce')

    class=class="hl-string">"hl-comment"># Define the activities and their corresponding timestamp columns
    activity_mapping = {
        class="hl-string">'Lead Captured': class="hl-string">'LeadCaptured_Time',
        class="hl-string">'Lead Qualified': class="hl-string">'LeadQualified_Time',
        class="hl-string">'Opportunity Created': class="hl-string">'OpportunityCreated_Time',
        class="hl-string">'Solution Proposed': class="hl-string">'SolutionProposed_Time',
        class="hl-string">'Quote Created': class="hl-string">'QuoteCreated_Time',
        class="hl-string">'Quote Sent to Customer': class="hl-string">'QuoteSentToCustomer_Time',
        class="hl-string">'Quote Accepted by Customer': class="hl-string">'QuoteAccepted_Time',
        class="hl-string">'Opportunity Won': class="hl-string">'OpportunityWon_Time',
        class="hl-string">'Sales Order Created': class="hl-string">'SalesOrderCreated_Time',
        class="hl-string">'Sales Order Reworked': class="hl-string">'SalesOrderReworked_Time',
        class="hl-string">'Order Fulfilled': class="hl-string">'OrderFulfilled_Time',
        class="hl-string">'Invoice Generated': class="hl-string">'InvoiceGenerated_Time',
        class="hl-string">'Payment Received': class="hl-string">'PaymentReceived_Time',
        class="hl-string">'Opportunity Closed Won': class="hl-string">'OpportunityClosedWon_Time',
        class="hl-string">'Opportunity Closed Lost': class="hl-string">'OpportunityClosedLost_Time'
    }

    class=class="hl-string">"hl-comment"># Unpivot the DataFrame into an event log format
    event_log_df = pd.DataFrame()
    for activity, time_col in activity_mapping.items():
        if time_col in source_df.columns:
            temp_df = source_df[[class="hl-string">'SalesOpportunityId'] + [col for col in column_mapping.values() if col in source_df.columns]].copy()
            temp_df = temp_df.dropna(subset=[time_col])
            if not temp_df.empty:
                temp_df[class="hl-string">'ActivityName'] = activity
                temp_df.rename(columns={time_col: class="hl-string">'EventTime'}, inplace=True)
                event_log_df = pd.concat([event_log_df, temp_df])

    class=class="hl-string">"hl-comment"># Select and order final columns
    required_cols = [class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime']
    recommended_cols = [class="hl-string">'SalesRepresentative', class="hl-string">'LeadSource', class="hl-string">'OpportunityStatus', class="hl-string">'SalesOrderAmount', class="hl-string">'ProductCategory', class="hl-string">'DiscountPercentage']
    final_cols = required_cols + [col for col in recommended_cols if col in event_log_df.columns]
    
    event_log_df = event_log_df[final_cols]
    event_log_df.sort_values(by=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime'], inplace=True)

    class=class="hl-string">"hl-comment"># --- Export to CSV ---
    event_log_df.to_csv(class="hl-string">'lead_to_cash_event_log.csv', index=False)
    print(class="hl-string">"Event log saved to 'lead_to_cash_event_log.csv'.")
else:
    print(class="hl-string">"No data extracted. Skipping transformation and export.")

Il suo `template` di `dati` per il processo dal Lead al Pagamento

Il suo `template` di `dati` per il processo dal Lead al Pagamento

Attributi Lead to Cash

Attività Lead to Cash

Guide all'Estrazione

Estrazione API OData di SAP Sales Cloud Analytics

Fasi

Configurazione

a Query di Esempio python

Query Oggetto Business OData Standard di SAP Sales Cloud

Fasi

Configurazione

a Query di Esempio python

Pronto per iniziare?

Ottimizzate il Vostro Processo Dal Lead al Contante Ora, Aumentate i Tassi di Successo!

Il suo template di dati per il processo dal Lead al Pagamento

Il suo template di dati per il processo dal Lead al Pagamento

Attributi Lead to Cash

Attività Lead to Cash

Guide all'Estrazione

Estrazione API OData di SAP Sales Cloud Analytics

Fasi

Configurazione

a Query di Esempio python

Query Oggetto Business OData Standard di SAP Sales Cloud

Fasi

Configurazione

a Query di Esempio python

Abbiamo a cuore la Sua privacy

Pronto per iniziare?

Ottimizzate il Vostro Processo Dal Lead al Contante Ora, Aumentate i Tassi di Successo!

Il suo `template` di `dati` per il processo dal Lead al Pagamento

Il suo `template` di `dati` per il processo dal Lead al Pagamento