> Miglioramento continuo dei processi > Gestione degli ordini e degli incassi: elaborazione degli ordini di vendita > Microsoft Dynamics 365 > Template dei dati

Il template dei dati per Order to Cash - elaborazione degli ordini di vendita

Microsoft Dynamics 365

← Torna alla guida al miglioramento

Attributi di Order to Cash - elaborazione degli ordini di vendita(20) Attività di Order to Cash - elaborazione degli ordini di vendita(13) Guide all’estrazione(2)

Il template dei dati per Order to Cash - elaborazione degli ordini di vendita

Questo template offre una panoramica strutturata degli elementi di dati essenziali per analizzare il processo Order to Cash - elaborazione degli ordini di vendita in Microsoft Dynamics 365. Indica gli attributi fondamentali da raccogliere e le attività principali da monitorare nell’Event Log. Include inoltre indicazioni pratiche per estrarre efficacemente questi dati dal sistema.

Attributi consigliati per un’analisi completa
Attività principali del processo da monitorare
Indicazioni specifiche per estrarre i dati da Microsoft Dynamics 365

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

Scarica il template

Attributi di Order to Cash - elaborazione degli ordini di vendita

Questi sono i campi dati consigliati da includere nell’Event Log per analizzare in modo completo il processo Order to Cash - elaborazione degli ordini di vendita in Microsoft Dynamics 365.

5 Obbligatorio 5 Consigliato 10 Facoltativo

	Nome	Descrizione
	Attività ActivityName	Nome dello specifico evento aziendale o dell’attività che si è verificata in un determinato momento del processo dell’ordine di vendita.
Descrizione Questo attributo rappresenta una fase o un evento distinto nel ciclo di vita dell’ordine di vendita, come «Ordine di vendita creato», «Merci spedite» o «Pagamento ricevuto». La sequenza di queste attività per un determinato ordine di vendita costituisce il flusso del processo. Analizzare la sequenza, la frequenza e le transizioni tra le attività è fondamentale nel Process Mining. Consente di visualizzare la mappa del processo, individuare le varianti comuni e rare, rilevare i colli di bottiglia e identificare le aree interessate da rilavorazioni o non conformità. Questo attributo è essenziale per comprendere che cosa accade realmente nel processo. Perché è importante Definisce le fasi del processo e permette di costruirne e visualizzarne il flusso, obiettivo principale del Process Mining. Dove reperirli Questo attributo si ricava concettualmente associando specifici eventi di sistema o modifiche di stato nelle tabelle come «SalesTable» e nelle tabelle correlate di logistica o contabilità a un nome di attività standardizzato. Esempi Ordine di vendita creatoMerci spediteFattura creataPagamento ricevuto
	Ora di inizio EventTime	Data e ora esatte in cui si è verificata una specifica attività o un evento.
Descrizione L’ora dell’evento, o marca temporale, registra il momento esatto in cui si è svolta un’attività. Ogni attività nell’Event Log è associata a una marca temporale, che crea una registrazione cronologica del processo per ciascun caso. Questo attributo è fondamentale per tutte le analisi temporali nel Process Mining. Serve a calcolare i tempi di ciclo tra le attività, misurare la durata complessiva di un caso, analizzare i tempi di attesa e individuare i colli di bottiglia che rallentano il processo. Consente inoltre di monitorare nel tempo le prestazioni, per esempio il volume di attività per giorno, settimana o mese. Perché è importante Questa marca temporale è essenziale per calcolare tutte le metriche basate sulla durata, come i tempi di ciclo, e individuare i colli di bottiglia, oltre che per ordinare cronologicamente gli eventi. Dove reperirli Si ricava da diversi campi di data e ora associati a transazioni specifiche, come «SalesTable.CreatedDateTime» per la creazione dell’ordine o le date di registrazione dei giornali di pagamento. Esempi 2023-04-15T09:02:11Z2023-04-18T14:30:00Z2023-04-25T11:21:45Z
	Ordine di vendita SalesOrderNumber	Identificativo univoco di ogni ordine di vendita, utilizzato come identificativo principale del caso nel processo.
Descrizione Il numero dell’ordine di vendita è un codice alfanumerico univoco assegnato a ogni ordine cliente in Microsoft Dynamics 365. Funge da ID del caso principale e collega tutte le attività e gli eventi correlati, dalla creazione alla chiusura. Nel Process Mining, questo attributo è essenziale per ricostruire il percorso completo di ogni singolo ordine di vendita. Consente agli analisti di seguire l’intera sequenza delle attività, misurare la durata dei casi e analizzare le variazioni di ciascun ordine, costituendo la base dell’intera analisi del processo. Perché è importante Questo identificativo è fondamentale per correlare tutti gli eventi associati e analizzare ogni fase del ciclo di vita dell’ordine di vendita dall’inizio alla fine. Dove reperirli Si trova nella tabella «SalesTable», nel campo «SalesId». Esempi SO-00102345SO-00102346SO-00102347
	Sistema di origine SourceSystem	Identifica il sistema informativo da cui provengono i dati.
Descrizione Questo attributo specifica l’applicazione di origine in cui sono stati registrati i dati degli eventi. In questo contesto, si tratta in genere di «Microsoft Dynamics 365». In un’analisi che riguarda un solo sistema può sembrare ridondante, ma diventa fondamentale quando si integrano dati provenienti da più sistemi, ad esempio da un CRM separato o da un sistema di gestione del magazzino. Consente di ricostruire la provenienza dei dati e di individuare l’origine dei record quando si verificano problemi durante l’estrazione. Perché è importante Fornisce informazioni essenziali sull’origine dei dati, soprattutto quando si integrano dati provenienti da più sistemi, e ne consente di ricostruire chiaramente la provenienza. Dove reperirli È un valore statico, in genere aggiunto durante la trasformazione dei dati per indicare l’origine del set di dati. Esempi Microsoft Dynamics 365 F&OMicrosoft Dynamics 365 Sales
	Ultimo aggiornamento dei dati LastDataUpdate	Data e ora dell’ultimo aggiornamento o dell’ultima estrazione dei dati dal sistema di origine.
Descrizione Questo attributo registra la data e l’ora dell’ultima estrazione dei dati da Microsoft Dynamics 365 e permette di sapere quanto sono aggiornati i dati analizzati. Per prendere decisioni informate nell’ambito dell’analisi dei processi, è fondamentale sapere a quando risalgono i dati. Questo timestamp indica con precisione quando sono stati aggiornati l’ultima volta, aiutando gli utenti a fare affidamento sui dati e assicurando che le conclusioni si basino su informazioni attuali. Perché è importante Permette agli utenti di sapere quanto sono aggiornati i dati, un aspetto fondamentale per garantire la pertinenza e l’accuratezza dell’analisi di Process Mining. Dove reperirli Viene generato al momento dell’estrazione dei dati e aggiunto a ogni record durante il processo di acquisizione. Esempi 2023-10-27T02:00:00Z2023-10-28T02:00:00Z
	Canale di vendita SalesChannel	Il canale attraverso cui è stato ricevuto l’ordine di vendita, ad esempio il web, la vendita diretta o un partner.
Descrizione Il canale di vendita indica da dove proviene l’ordine del cliente. Può trattarsi di un sito di commercio elettronico, di un team di vendita diretta, di un negozio, di un call center o della rete di partner. In Dynamics 365, questa dimensione viene spesso configurata in base alle esigenze aziendali. Analizzare il processo per canale di vendita aiuta a individuare differenze nelle prestazioni. Per esempio, gli ordini web potrebbero essere elaborati più rapidamente e con un maggior grado di automazione rispetto a quelli ricevuti per telefono. Queste informazioni consentono di ottimizzare i processi e allocare le risorse in base al canale, anche tramite Dashboard come «Valore degli ordini di vendita per segmento». Perché è importante Consente di confrontare le prestazioni dei diversi canali di vendita e di individuare inefficienze o buone pratiche legate alle modalità di acquisizione degli ordini. Dove reperirli Queste informazioni sono in genere memorizzate nell’intestazione dell’ordine di vendita. Per individuare il campo specifico, consulti la documentazione di Microsoft Dynamics 365. Esempi WebVendita direttaPartnerVendita al dettaglio
	Data di consegna confermata ConfirmedDeliveryDate	La data di consegna che l’azienda ha confermato e si è impegnata a rispettare nei confronti del cliente.
Descrizione La data di consegna confermata è quella che l’azienda venditrice comunica al cliente come data prevista per la consegna della merce. Viene stabilita dopo aver completato verifiche interne, ad esempio sulla disponibilità delle scorte e sui programmi di produzione. Questo attributo è essenziale per calcolare il KPI «Tasso di rispetto della data di consegna» dal punto di vista degli impegni operativi. Rispetto alla richiesta iniziale del cliente, offre un riferimento interno più realistico per valutare le consegne puntuali. Analizzare gli scostamenti da questa data aiuta a individuare problemi interni nei processi logistici e di evasione degli ordini. Perché è importante Rappresenta l’impegno assunto dall’azienda nei confronti del cliente e costituisce un riferimento interno essenziale per misurare l’affidabilità dell’evasione degli ordini e le prestazioni operative. Dove reperirli Si trova nei dati delle righe dell’ordine di vendita, spesso nella tabella «SalesLine», in un campo denominato, ad esempio, «ConfirmedDlv». Esempi 2023-05-122023-06-012023-05-28
	Data di consegna richiesta RequestedDeliveryDate	La data di consegna richiesta dal cliente per l’ordine.
Descrizione Questo attributo memorizza la data in cui il cliente ha chiesto inizialmente di ricevere la merce. La data viene registrata al momento della creazione dell’ordine e costituisce il riferimento per misurare le prestazioni di consegna dal punto di vista del cliente. È un dato fondamentale per la Dashboard «Rispetto della data di consegna». Il confronto tra «RequestedDeliveryDate», «ConfirmedDeliveryDate» e la data effettiva di «Goods Delivered» mostra quanto l’organizzazione riesca a soddisfare le aspettative dei clienti. Scostamenti ampi possono segnalare problemi di pianificazione, gestione delle scorte o logistica. Perché è importante Rappresenta le aspettative del cliente sulla consegna e costituisce un riferimento essenziale per misurare la soddisfazione e le prestazioni delle consegne puntuali. Dove reperirli Si trova nella tabella «SalesTable», spesso con il nome «DeliveryDate» o una variante simile. Esempi 2023-05-102023-06-012023-05-25
	Nome del cliente CustomerName	Il nome del cliente che ha effettuato l’ordine di vendita.
Descrizione Questo attributo contiene la ragione sociale del cliente associato all’ordine di vendita. Si ricava collegando il numero di conto del cliente presente nell’ordine ai dati anagrafici principali dei clienti. Analizzare il processo per cliente è fondamentale per comprendere comportamenti e livelli di servizio specifici. Aiuta a individuare i clienti che subiscono più ritardi, quelli con i tassi di rilavorazione più elevati e quelli che seguono percorsi di processo non standard. Queste informazioni sono essenziali per migliorare la soddisfazione dei clienti e gestire efficacemente i clienti strategici. Perché è importante Consente un’analisi incentrata sui clienti per individuare schemi ricorrenti, ritardi o problemi specifici, con un impatto diretto sulla loro soddisfazione. Dove reperirli Si recupera dalla tabella «CustTable» utilizzando il campo «CustAccount» della tabella «SalesTable». Esempi Contoso LtdAdatum CorporationFabrikam Inc.
	Valore dell’ordine OrderValue	Il valore monetario totale dell’ordine di vendita.
Descrizione Questo attributo rappresenta l’importo finanziario totale dell’ordine di vendita, comprensivo di articoli, imposte e spese. È una metrica finanziaria importante associata a ogni caso. Il valore dell’ordine è fondamentale per analizzare il processo in base al valore economico. Consente di suddividere i dati e verificare se gli ordini di importo elevato vengono gestiti in modo diverso o subiscono più ritardi rispetto a quelli di importo inferiore. In questo modo è possibile dare priorità ai miglioramenti che riguardano i casi di maggiore rilevanza finanziaria e alimentare Dashboard come «Valore degli ordini di vendita per segmento». Perché è importante Consente di segmentare il processo in base al valore economico, dando priorità ai miglioramenti sugli ordini di importo elevato e aiutando a comprendere l’impatto economico delle deviazioni del processo. Dove reperirli Si trova nei dati di intestazione dell’ordine di vendita. Per individuare la tabella e il campo specifici, consulti la documentazione di Microsoft Dynamics 365; spesso il valore è calcolato a partire dagli importi delle righe dell’ordine. Esempi 5250.7512300.00899.50
	Consegna puntuale OnTimeDelivery	Indicatore booleano che segnala se la merce è stata consegnata entro la data di consegna confermata.
Descrizione Questo attributo calcolato confronta il timestamp dell’attività «Goods Delivered» con «ConfirmedDeliveryDate» per ogni ordine di vendita. Il valore è «true» se la consegna è avvenuta entro la data prevista, altrimenti è «false». Questo indicatore è alla base del calcolo del KPI «Tasso di rispetto della data di consegna». Semplifica l’analisi perché consente di filtrare e aggregare facilmente gli ordini consegnati puntualmente e quelli in ritardo. Aiuta così a individuare rapidamente i fattori associati ai ritardi, come determinati prodotti, clienti, aree geografiche o metodi di spedizione. Perché è importante Misura direttamente le prestazioni di evasione rispetto agli impegni presi, un dato fondamentale per monitorare la soddisfazione dei clienti e l’affidabilità della catena di fornitura. Dove reperirli Si calcola confrontando il valore di «EventTime» dell’attività «Goods Delivered» con l’attributo «ConfirmedDeliveryDate». Formula: («Goods Delivered» Timestamp <= ConfirmedDeliveryDate). Esempi truefalse
	Data di scadenza del pagamento PaymentDueDate	La data entro cui il cliente deve pagare la fattura.
Descrizione La data di scadenza del pagamento viene calcolata in base alla data della fattura e ai termini di pagamento concordati con il cliente. È registrata nella fattura del cliente. Questo attributo è fondamentale per l’analisi «Rispetto della scadenza di pagamento» e per il KPI «Tasso di pagamenti puntuali». Confrontando «PaymentDueDate» con la data effettiva di «Payment Received», l’azienda può individuare i pagamenti in ritardo, analizzare le abitudini di pagamento per segmento di clientela e intervenire in modo proattivo per migliorare il flusso di cassa e ridurre i giorni medi di incasso (DSO). Perché è importante Costituisce il riferimento per misurare le prestazioni dei pagamenti, un aspetto essenziale per analizzare il flusso di cassa e gestire efficacemente i crediti verso i clienti. Dove reperirli Si trova nella tabella «CustInvoiceJour», nel campo «DueDate». Esempi 2023-05-302023-06-152023-06-30
	È una rilavorazione IsRework	Indicatore booleano che segnala se un ordine di vendita ha richiesto una rilavorazione, ad esempio la ripetizione di un’attività.
Descrizione Questo attributo calcolato identifica i casi che si discostano dal percorso diretto e ottimale del processo. La rilavorazione viene rilevata individuando sequenze di attività che indicano la ripetizione di un passaggio, ad esempio un ordine prima non confermato e poi confermato di nuovo, oppure merce prelevata e successivamente riportata a magazzino. Segnalare i casi con rilavorazioni è essenziale per il KPI «Tasso di rilavorazione degli ordini di vendita». Gli analisti possono così isolare e approfondire rapidamente i flussi di processo inefficienti per comprenderne le cause profonde, che possono includere errori di inserimento dei dati, problemi di credito o difficoltà nella gestione delle scorte. Ridurre le rilavorazioni è uno degli obiettivi principali dei progetti di miglioramento dei processi. Perché è importante Aiuta a quantificare le inefficienze del processo segnalando i casi che hanno richiesto la ripetizione di passaggi, così da analizzarli in modo mirato e ridurre sprechi e ritardi. Dove reperirli Viene calcolato dallo strumento di Process Mining analizzando la sequenza delle attività di ogni caso. Per esempio, una sequenza come (A -> B -> C -> B) segnala una rilavorazione. Esempi truefalse
	Metodo di spedizione ShippingMethod	Il metodo o il vettore utilizzato per spedire la merce al cliente.
Descrizione Questo attributo specifica il servizio di trasporto utilizzato per la consegna, ad esempio «Ground Shipping», «Air Freight» o il nome di un vettore specifico. Viene selezionato durante l’elaborazione dell’ordine in base alle preferenze del cliente, ai costi e ai tempi di consegna. Questa dimensione è essenziale per la Dashboard «Prestazioni dei metodi di spedizione». Analizzare i tempi di ciclo da «Goods Packed» a «Goods Delivered» per metodo di spedizione aiuta a individuare i vettori più rapidi e affidabili e quelli che causano più ritardi. Queste informazioni consentono di pianificare meglio la logistica e scegliere i vettori. Perché è importante Consente di analizzare le prestazioni dei diversi vettori e delle opzioni di spedizione, aiutando a ottimizzare la logistica in termini di costi, velocità e affidabilità. Dove reperirli Queste informazioni sono in genere memorizzate nell’intestazione dell’ordine di vendita o nei record correlati all’evasione. Per maggiori dettagli, consulti la documentazione di Microsoft Dynamics 365. Esempi FedEx GroundUPS Next Day AirDHL Express
	Nome utente UserName	Il nome dell’utente che ha eseguito l’attività.
Descrizione Questo attributo identifica il dipendente o l’utente di sistema responsabile di una determinata attività, ad esempio la conferma di un ordine o la creazione di una fattura. In genere è collegato a un ID utente in Microsoft Dynamics 365. Analizzare le prestazioni per utente aiuta a individuare esigenze di formazione, riconoscere chi ottiene i risultati migliori e distribuire il carico di lavoro in modo adeguato. È inoltre essenziale ai fini della conformità e degli audit, perché permette di attribuire chiaramente ogni azione svolta nel processo. Perché è importante Consente di analizzare le prestazioni del processo per singola persona o per team e di individuare opportunità di formazione, squilibri nel carico di lavoro e colli di bottiglia legati alle risorse. Dove reperirli Si ricava da campi contenenti l’ID utente, come «CreatedBy» o «ModifiedBy», presenti in diverse tabelle delle transazioni. Questi campi vengono poi collegati alla tabella principale degli utenti, ad esempio «UserInfo», per recuperare il nome completo. Esempi Alice JohnsonRobert BrownAmministratore di sistema
	Numero articolo ItemNumber	L’identificativo univoco di un prodotto o servizio nell’ordine di vendita.
Descrizione Il numero articolo identifica il prodotto specifico venduto. Poiché un ordine di vendita può contenere più prodotti, questo attributo è in genere associato ai dati degli eventi a livello di riga. Analizzare il processo per prodotto aiuta a individuare problemi specifici. Per esempio, alcuni prodotti possono essere associati a tempi di evasione più lunghi, tassi di rilavorazione più elevati o blocchi del credito più frequenti. In questo modo è possibile intervenire in modo mirato sulla gestione delle scorte, sulla configurazione dei dati di prodotto o sui processi di evasione per determinati articoli. Perché è importante Consente di analizzare il processo a livello di prodotto e di individuare gli articoli associati a ritardi, rilavorazioni o altre inefficienze. Dove reperirli Si trova nella tabella «SalesLine», nel campo «ItemId». Esempi PROD-00123PROD-00548SVC-00045
	Ora di fine EndTime	La data e l’ora esatte in cui è stata completata un’attività.
Descrizione Il timestamp dell’ora di fine indica il momento in cui si conclude un’attività. Se disponibile, consente di misurarne la durata con maggiore precisione rispetto a una stima basata sull’ora di inizio dell’attività successiva. In fase di analisi, disporre sia dell’ora di inizio sia di quella di fine permette di calcolare con precisione il «tempo di elaborazione» di ogni attività e di distinguerlo dal «tempo di attesa» tra un’attività e l’altra. È un dato prezioso per individuare le attività che richiedono più tempo e le fasi del processo caratterizzate da lunghe attese. Perché è importante Consente di calcolare con precisione i tempi di elaborazione delle singole attività, distinguendo il tempo di lavoro effettivo dalle attese. Dove reperirli Come l’ora di inizio, si ricava da diversi campi di data e ora. Può trattarsi del campo «ModifiedDateTime» o del timestamp di un aggiornamento di stato specifico, in tabelle come «SalesTable» o «WHSLoadTable». Esempi 2023-04-15T09:12:30Z2023-04-18T14:35:00Z2023-04-25T11:21:55Z
	Paese CountryRegion	Il paese dell’indirizzo di spedizione del cliente.
Descrizione Questo attributo indica il paese di destinazione della spedizione dell’ordine di vendita. Si ricava dalle informazioni sull’indirizzo di consegna del cliente memorizzate in Dynamics 365. Analizzare le prestazioni del processo per paese è importante per individuare differenze tra le aree geografiche. Le spedizioni internazionali possono richiedere passaggi aggiuntivi, come lo sdoganamento, e quindi tempi di ciclo più lunghi. Questa analisi aiuta a comprendere e ottimizzare la logistica nei diversi mercati geografici. Perché è importante Consente di analizzare i dati per area geografica e di individuare colli di bottiglia regionali, problemi di conformità o differenze nelle prestazioni della catena di fornitura. Dove reperirli Si ricava dall’indirizzo di consegna del cliente, collegato all’ordine di vendita. Le informazioni sul paese si trovano in genere nella tabella «LogisticsPostalAddress», collegata tramite il riferimento all’indirizzo di consegna presente in «SalesTable». Esempi USADEUCANGBR
	Pagamento puntuale OnTimePayment	Indicatore booleano che segnala se il pagamento è stato ricevuto entro la data di scadenza.
Descrizione Questo attributo calcolato confronta il timestamp dell’attività «Payment Received» con «PaymentDueDate». Il valore è «true» se il pagamento è avvenuto entro la scadenza, altrimenti è «false». Questo indicatore è alla base del KPI «Tasso di pagamenti puntuali». Consente di suddividere rapidamente i clienti tra chi paga puntualmente e chi paga in ritardo. L’analisi può orientare le politiche di credito, le strategie di recupero crediti e la gestione delle relazioni con i clienti, aiutando a individuare quelli che pagano abitualmente in ritardo. Perché è importante Misura il comportamento di pagamento dei clienti rispetto ai termini concordati, un dato fondamentale per gestire il flusso di cassa e valutare il rischio di credito. Dove reperirli Si calcola confrontando il valore di «EventTime» dell’attività «Payment Received» con l’attributo «PaymentDueDate». Formula: («Payment Received» Timestamp <= PaymentDueDate). Esempi truefalse
	Stato dell’ordine di vendita SalesOrderStatus	Lo stato corrente dell’ordine di vendita al momento dell’estrazione dei dati.
Descrizione Questo attributo indica lo stato complessivo dell’ordine di vendita, ad esempio «Ordine aperto», «Fatturato», «Annullato» o «Consegnato». È uno stato riepilogativo mantenuto nell’intestazione dell’ordine. Il registro delle attività offre una visione dinamica del processo, mentre lo stato finale è utile per filtrare e segmentare i dati. Gli analisti possono isolare facilmente tutti gli ordini aperti per visualizzare il carico di lavoro corrente oppure separare gli ordini completati con successo da quelli annullati e analizzare le ragioni dell’annullamento. Perché è importante Fornisce una fotografia dello stato dell’ordine e consente di filtrare l’analisi per ordini aperti, chiusi o annullati, un’informazione utile per la gestione del carico di lavoro e l’analisi degli esiti. Dove reperirli Si trova nella tabella «SalesTable», nel campo «SalesStatus». Esempi In arretratoConsegnatoFatturatoAnnullato

Obbligatorio Consigliato Facoltativo

Attività di Order to Cash - elaborazione degli ordini di vendita

Questi sono i passaggi principali del processo e le tappe fondamentali da registrare nell’Event Log per individuare e analizzare con precisione il processo di elaborazione degli ordini di vendita.

6 Consigliato 7 Facoltativo

	Attività	Descrizione
	Fattura creata	Indica la generazione e la registrazione della fattura di vendita per i beni o i servizi spediti. È una transazione finanziaria fondamentale, che registra formalmente il debito del cliente.
Perché è importante Questa attività segna l’inizio della fase di regolamento finanziario del processo. Il tempo che intercorre tra la spedizione e la creazione della fattura è fondamentale per il KPI «Tempo di ciclo di generazione della fattura» e incide sul flusso di cassa. Dove reperirli È una transazione finanziaria esplicita. L’evento viene ricavato dalla data e dall’ora di registrazione del giornale della fattura di vendita (CustInvoiceJour). Acquisizione Acquisire la marca temporale di registrazione del giornale della fattura di vendita. Tipo di evento explicit
	Merci spedite	Questo evento indica che le merci imballate per l’ordine sono state spedite e hanno lasciato il magazzino. In Dynamics 365, l’operazione viene formalizzata con la registrazione del documento di trasporto.
Perché è importante È una tappa fondamentale, che segna la fine del processo interno di evasione e l’inizio della fase di consegna. La relativa marca temporale è essenziale per calcolare la puntualità delle spedizioni. Dove reperirli È un evento esplicito e inequivocabile, ricavato dalla data e dall’ora di registrazione del giornale del documento di trasporto (CustPackingSlipJour). Acquisizione Acquisire la marca temporale di registrazione del giornale del documento di trasporto. Tipo di evento explicit
	Ordine chiuso	Stato finale di un ordine di vendita elaborato correttamente: l’ordine è stato spedito e fatturato interamente e non sono previste altre transazioni. Segna il completamento del processo.
Perché è importante Questa attività è il punto finale principale dei casi completati correttamente. È essenziale per calcolare i tempi di ciclo complessivi e il volume di attività. Dove reperirli L’evento viene dedotto dai campi di stato di SalesTable. Un ordine è considerato chiuso quando «Sales status» è «Invoiced» e anche gli stati delle righe sono «Invoiced». Acquisizione Dedurre l’evento dai campi di stato di SalesTable quando passano a «Invoiced». In genere, la marca temporale corrisponde alla data dell’ultima transazione correlata, per esempio la fatturazione o il pagamento. Tipo di evento inferred
	Ordine confermato	Questa attività indica la conferma formale dell’ordine di vendita, con l’impegno a consegnare i beni o i servizi specificati. In Dynamics 365 si tratta di un’azione esplicita dell’utente che genera un giornale di conferma.
Perché è importante La conferma è una tappa fondamentale che segna l’avvio ufficiale del processo di evasione. Misurare il tempo che intercorre tra la creazione e la conferma permette di valutare l’efficienza delle attività iniziali. Dove reperirli È un evento esplicito, ricavato dalla data di registrazione del giornale di conferma dell’ordine di vendita (SalesConfirmJour). La marca temporale può essere collegata a SalesTable. Acquisizione Acquisire la marca temporale di registrazione del giornale di conferma dell’ordine di vendita. Tipo di evento explicit
	Ordine di vendita creato	Questo evento indica la creazione iniziale dell’ordine di vendita nel sistema da parte di un rappresentante commerciale o tramite un canale automatizzato. Viene registrato esplicitamente quando un nuovo record viene creato e salvato nella tabella principale degli ordini di vendita.
Perché è importante Questa attività è il punto di partenza comune a tutti i casi relativi agli ordini di vendita. Fornisce la marca temporale iniziale necessaria per calcolare il tempo di ciclo complessivo dell’ordine e analizzare il volume di attività. Dove reperirli È un evento esplicito, ricavato dal campo «Created date and time» del record di intestazione SalesTable in Microsoft Dynamics 365. Acquisizione Leggere la marca temporale di creazione dall’entità SalesTable. Tipo di evento explicit
	Pagamento ricevuto	Questa attività indica che il pagamento della fattura da parte del cliente è stato ricevuto e contabilizzato. L’evento si verifica nel modulo Contabilità clienti ed è collegato alla fattura di origine.
Perché è importante È una tappa fondamentale per analizzare il ciclo di conversione della liquidità. È essenziale per misurare il KPI «Percentuale di pagamenti puntuali» e individuare i ritardi negli incassi. Dove reperirli È un evento esplicito del modulo Contabilità clienti. Viene ricavato dalla data della transazione di regolamento del pagamento del cliente (CustSettlement), che chiude la transazione della fattura (CustTrans). Acquisizione Acquisire la data di regolamento dalla tabella CustSettlement e collegarla alla fattura e all’ordine di vendita. Tipo di evento explicit
	Controllo del credito eseguito	Indica il completamento del controllo del credito del cliente associato all’ordine di vendita. Può trattarsi di un controllo automatico del sistema o di una revisione manuale, che spesso comporta una modifica dello stato creditizio dell’ordine.
Perché è importante Analizzare la durata e l’esito dei controlli del credito aiuta a individuare i colli di bottiglia nel processo di approvazione degli ordini. Sospensioni frequenti o tempi di approvazione lunghi possono ritardare sensibilmente l’evasione degli ordini. Dove reperirli In genere si deduce dalle modifiche di stato relative alla gestione del credito in SalesTable, per esempio dal passaggio da «On hold» con una motivazione legata al credito a «Open». Se si utilizza il modulo avanzato, l’evento può essere registrato anche nelle tabelle di gestione del credito. Acquisizione Dedurre l’evento dalla cronologia delle modifiche di stato in SalesTable o dalle tabelle correlate alle sospensioni per motivi di credito. Tipo di evento inferred
	Merci consegnate	Indica che la spedizione è stata consegnata correttamente all’indirizzo indicato dal cliente. Queste informazioni vengono spesso aggiornate dal sistema di un corriere esterno o tramite una conferma manuale.
Perché è importante Questa attività è fondamentale per misurare il KPI «Rispetto delle date di consegna» e comprendere il tempo di ciclo effettivo dal punto di vista del cliente. Aiuta inoltre a valutare le prestazioni dei corrieri. Dove reperirli Nei sistemi D365 standard questo evento non viene registrato in modo nativo ed esplicito. In genere viene dedotto da un aggiornamento ricevuto tramite l’integrazione con il corriere o da una modifica manuale dello stato dell’ordine di vendita o del record di spedizione. Acquisizione Dedurre l’evento dai dati ricevuti dal corriere tramite integrazione o dall’aggiornamento manuale di un campo di stato. Tipo di evento inferred
	Merci imballate	Questa attività indica il completamento dell’imballaggio, durante il quale gli articoli prelevati vengono raggruppati e preparati per la spedizione. In D365 può coincidere con la generazione di un documento di trasporto.
Perché è importante Il tempo che intercorre tra il prelievo e l’imballaggio può rivelare colli di bottiglia nelle postazioni di imballaggio. È una fase importante del tempo di ciclo complessivo dell’evasione. Dove reperirli L’evento può essere registrato esplicitamente al completamento dell’imballaggio dei contenitori nel modulo WMS oppure dedotto dalla generazione del giornale del documento di trasporto (CustPackingSlipJour), che spesso segna la fine dell’imballaggio. Acquisizione Dedurre l’evento dal completamento del lavoro di imballaggio o dalla data di creazione del giornale del documento di trasporto. Tipo di evento inferred
	Merci prelevate	Indica il completamento del prelievo fisico di tutti gli articoli dell’ordine dalle rispettive ubicazioni di magazzino. In genere viene registrato quando un addetto completa una lista di prelievo o un ordine di lavoro nel modulo WMS.
Perché è importante Monitorare il tempo di completamento del prelievo è essenziale per analizzare l’efficienza del magazzino. I ritardi in questa fase incidono direttamente sul tempo complessivo necessario per la spedizione. Dove reperirli È un evento esplicito registrato nel modulo Warehouse Management. Viene ricavato dalla marca temporale di completamento del lavoro di magazzino (WHSWorkTable) relativo al prelievo dell’ordine di vendita. Acquisizione Acquisire la marca temporale in cui lo stato «Work» del prelievo passa a «Closed». Tipo di evento explicit
	Ordine annullato	Questo evento indica l’annullamento di un ordine di vendita prima che sia stato spedito e fatturato interamente. Rappresenta un esito alternativo e non riuscito del processo.
Perché è importante Monitorare gli annullamenti aiuta a individuare le cause delle vendite perse o dei problemi di processo. Analizzare quando e perché gli ordini vengono annullati può portare a miglioramenti. Dove reperirli L’evento viene dedotto quando il campo «Sales status» di SalesTable passa a «Canceled». La marca temporale corrisponde al momento in cui è stata registrata la modifica di stato. Acquisizione Dedurre l’evento quando il campo di stato di SalesTable passa a «Canceled». Tipo di evento inferred
	Rilasciato al magazzino	Indica il momento in cui l’ordine di vendita viene formalmente rilasciato al magazzino per le operazioni di prelievo e spedizione. È una fase distinta negli ambienti che utilizzano il modulo Warehouse Management (WMS).
Perché è importante Questa attività separa l’elaborazione dell’ordine dall’evasione fisica. Analizzare il tempo di attesa prima del rilascio può mettere in luce problemi di pianificazione delle risorse o di integrazione dei sistemi. Dove reperirli È un evento esplicito, ricavato dai record di rilascio al magazzino (WHSLoadTable, WHSShipmentTable) associati all’ordine di vendita. Acquisizione Acquisire la marca temporale di creazione del carico o della spedizione corrispondente. Tipo di evento explicit
	Scorte riservate	Questo evento indica che le scorte necessarie per le righe dell’ordine di vendita sono state riservate nel sistema, fisicamente o automaticamente. In questo modo gli articoli risultano disponibili per il prelievo e l’evasione.
Perché è importante Monitorare la riserva delle scorte aiuta ad analizzare i ritardi tra la conferma dell’ordine e l’avvio delle attività di magazzino. È un dato essenziale per il KPI «Tempo di attraversamento dell’allocazione delle scorte». Dove reperirli L’evento può essere dedotto dalla creazione o dall’aggiornamento dei record delle transazioni di magazzino (InventTrans) collegati alle righe dell’ordine di vendita, quando lo stato indica una riserva, per esempio «On order» o «Reserved physical». Acquisizione Dedurre l’evento dalla marca temporale in cui le transazioni di magazzino (InventTrans) dell’ordine risultano riservate. Tipo di evento inferred

Consigliato Facoltativo

Guide all’estrazione

Come estrarre i dati da Microsoft Dynamics 365

Passaggi

Configuri l’esportazione in Azure Data Lake: Nell’ambiente Dynamics 365 Finance and Operations, verifichi che il componente aggiuntivo 'Export to Azure Data Lake' sia installato e configurato. La procedura prevede il collegamento di D365 a una sottoscrizione Azure e a un account Azure Data Lake Storage Gen2 di destinazione.
Selezioni le tabelle da esportare: In Dynamics 365, apra l’area di lavoro 'Export to Data Lake'. Cerchi e aggiunga alla configurazione di esportazione le seguenti tabelle: SalesTable, SalesLine, CustConfirmJour, CustPackingSlipJour, CustInvoiceJour, CustTrans, WHSLoadTable, WHSWorkTable e CustTable. Attivi l’esportazione per tutte le tabelle selezionate.
Configuri Azure Synapse Analytics: Nel portale Azure, distribuisca un’area di lavoro Azure Synapse Analytics. Conceda all’area di lavoro le autorizzazioni necessarie, ad esempio 'Storage Blob Data Contributor', sull’account Data Lake in cui sono archiviati i dati D365.
Crei un database SQL serverless: In Synapse Studio, apra l’hub 'Data'. Crei un nuovo database SQL serverless per interrogare i dati nel Data Lake tramite T-SQL.
Crei viste per le tabelle D365: Per semplificare le query, crei viste SQL nel database serverless che puntino ai dati replicati delle tabelle D365 nel Data Lake. In questo modo, i percorsi e i formati dei file sottostanti restano nascosti. Ad esempio: CREATE VIEW dbo.SalesTable AS SELECT * FROM OPENROWSET(BULK 'path/to/salestable', FORMAT='CSV', ...).
Prepari la query SQL: In Synapse Studio, apra un nuovo script SQL e si connetta al database serverless. Copi nell’editor di script la query SQL completa fornita in questa documentazione.
Personalizzi i parametri della query: Individui i segnaposto all’inizio della query. Sostituisca '{YourDataAreaId}' con il codice azienda da analizzare. Modifichi i segnaposto '{StartDate}' e '{EndDate}' per definire l’intervallo di tempo desiderato per l’estrazione.
Esegua la query: Esegua lo script SQL completo. La query raccoglierà gli eventi da diverse tabelle e li unirà in un unico Event Log standardizzato.
Riveda ed esporti i risultati: Al termine della query, riveda i risultati nel riquadro dei risultati di Synapse Studio per verificare che siano completi e formattati correttamente. Utilizzi la funzione di esportazione integrata per salvare i risultati in un file CSV.
Prepari i dati per il caricamento: Apra il file CSV esportato e verifichi che sia codificato in UTF-8. Controlli che le intestazioni delle colonne corrispondano esattamente agli attributi richiesti, ad esempio SalesOrderNumber, ActivityName, EventTime e così via.
Carichi i dati in ProcessMind: Carichi il file CSV finale e convalidato nel progetto ProcessMind per l’analisi e la visualizzazione.

Configurazione

Prerequisiti: Questo metodo richiede una sottoscrizione Azure attiva e la funzionalità 'Export to Azure Data Lake' configurata per l’istanza Dynamics 365 F&O. Sono necessarie autorizzazioni adeguate sia in Azure (per gestire Synapse e Storage) sia in D365 (per configurare le esportazioni dei dati).
Moduli D365 necessari: Per acquisire tutti gli eventi, in particolare quelli relativi alle attività di magazzino, è necessario utilizzare il modulo Warehouse Management (WMS). Gli eventi principali dipendono dai moduli Sales and Marketing e Accounts Receivable.
Selezione delle tabelle: È fondamentale abilitare l’esportazione per tutte le tabelle utilizzate nella query: SalesTable, SalesLine, CustConfirmJour, CustPackingSlipJour, CustInvoiceJour, CustTrans, WHSLoadTable, WHSWorkTable e CustTable. Se mancano delle tabelle, mancheranno anche le attività corrispondenti.
Filtro per intervallo di date: La query è predisposta per applicare un filtro sull’intervallo di date tramite i parametri {StartDate} e {EndDate}. Per le estrazioni iniziali si consiglia un intervallo limitato, ad esempio da 3 a 6 mesi, così da mantenere gestibili i tempi di esecuzione della query.
Filtro per azienda (DataAreaId): Il segnaposto '{YourDataAreaId}' deve essere configurato per selezionare una specifica entità giuridica nell’ambiente D365. La query non è progettata per analizzare più aziende in un’unica esecuzione.
Considerazioni sulle prestazioni: Con insiemi di dati molto grandi, le prestazioni delle query su un pool SQL serverless possono variare. Valuti la possibilità di programmare l’estrazione nelle fasce orarie di minore attività. Se le estrazioni sono frequenti, può salvare l’Event Log finale come nuova tabella nel Data Lake per migliorare le prestazioni delle elaborazioni successive.

Query di esempio sql

WITH SalesOrderBase AS (
    SELECT
        ST.SALESID,
        ST.DATAREAID,
        CT.NAME AS CustomerName,
        ST.SHIPPINGDATECONFIRMED AS ConfirmedDeliveryDate,
        ST.DELIVERYDATE AS RequestedDeliveryDate,
        ST.PURCHORDERFORMNUM AS SalesChannel, -- Example mapping, adjust if you use a different field for Sales Channel
        SUM(SL.LINEAMOUNT) AS OrderValue
    FROM dbo.SALESTABLE ST
    LEFT JOIN dbo.SALESLINE SL ON ST.SALESID = SL.SALESID AND ST.DATAREAID = SL.DATAREAID
    LEFT JOIN dbo.CUSTTABLE CT ON ST.CUSTACCOUNT = CT.ACCOUNTNUM AND ST.DATAREAID = CT.DATAREAID
    WHERE ST.DATAREAID = '{YourDataAreaId}'
      AND ST.CREATEDDATETIME >= '{StartDate}' AND ST.CREATEDDATETIME < '{EndDate}'
    GROUP BY
        ST.SALESID,
        ST.DATAREAID,
        CT.NAME,
        ST.SHIPPINGDATECONFIRMED,
        ST.DELIVERYDATE,
        ST.PURCHORDERFORMNUM
)
-- 1. Sales Order Created
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Sales Order Created' AS ActivityName,
    ST.CREATEDDATETIME AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.SALESTABLE ST ON SO.SALESID = ST.SALESID AND SO.DATAREAID = ST.DATAREAID

UNION ALL

-- 2. Credit Check Performed
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Credit Check Performed' AS ActivityName,
    ST.MODIFIEDDATETIME AS EventTime, -- This assumes a status change date reflects the credit check time
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.SALESTABLE ST ON SO.SALESID = ST.SALESID AND SO.DATAREAID = ST.DATAREAID
WHERE ST.CREDITLIMITTYPE > 0 -- Example condition for a credit check being done. Adjust based on your configuration.

UNION ALL

-- 3. Order Confirmed
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Order Confirmed' AS ActivityName,
    CJ.CONFIRMDATE AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.CUSTCONFIRMJOUR CJ ON SO.SALESID = CJ.SALESID AND SO.DATAREAID = CJ.DATAAREAID

UNION ALL

-- 4. Inventory Reserved (approximated by first line item reservation)
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Inventory Reserved' AS ActivityName,
    MIN(SL.CREATEDDATETIME) AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.SALESLINE SL ON SO.SALESID = SL.SALESID AND SO.DATAREAID = SL.DATAREAID
WHERE SL.RESERVATION > 0 -- Identifies lines with a reservation status
GROUP BY SO.SALESID, SO.OrderValue, SO.CustomerName, SO.SalesChannel, SO.RequestedDeliveryDate, SO.ConfirmedDeliveryDate

UNION ALL

-- 5. Released To Warehouse
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Released To Warehouse' AS ActivityName,
    WLT.CREATEDDATETIME AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.WHSLOADTABLE WLT ON SO.SALESID = WLT.SALESID AND SO.DATAREAID = WLT.DATAAREAID

UNION ALL

-- 6. Goods Picked (approximated by last pick work closure)
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Goods Picked' AS ActivityName,
    MAX(WWT.MODIFIEDDATETIME) AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.WHSWORKTABLE WWT ON SO.SALESID = WWT.ORDERNUM AND SO.DATAREAID = WWT.DATAAREAID
WHERE WWT.WORKTYPE = 'Pick' AND WWT.WORKSTATUS = 'Closed'
GROUP BY SO.SALESID, SO.OrderValue, SO.CustomerName, SO.SalesChannel, SO.RequestedDeliveryDate, SO.ConfirmedDeliveryDate

UNION ALL

-- 7. Goods Packed
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Goods Packed' AS ActivityName,
    PSJ.CREATEDDATETIME AS EventTime, -- Using creation time of packing slip as proxy
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.CUSTPACKINGSLIPJOUR PSJ ON SO.SALESID = PSJ.SALESID AND SO.DATAREAID = PSJ.DATAAREAID

UNION ALL

-- 8. Goods Shipped
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Goods Shipped' AS ActivityName,
    PSJ.DELIVERYDATE AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.CUSTPACKINGSLIPJOUR PSJ ON SO.SALESID = PSJ.SALESID AND SO.DATAREAID = PSJ.DATAAREAID

UNION ALL

-- 9. Goods Delivered (placeholder, often requires custom fields)
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Goods Delivered' AS ActivityName,
    PSJ.DELIVERYDATE AS EventTime, -- Placeholder, using shipment date. True delivery requires external data.
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.CUSTPACKINGSLIPJOUR PSJ ON SO.SALESID = PSJ.SALESID AND SO.DATAREAID = PSJ.DATAAREAID
WHERE 1 = 2 -- This will return no rows unless logic is added to read from a custom field with actual delivery dates

UNION ALL

-- 10. Invoice Created
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Invoice Created' AS ActivityName,
    CIJ.INVOICEDATE AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.CUSTINVOICEJOUR CIJ ON SO.SALESID = CIJ.SALESID AND SO.DATAREAID = CIJ.DATAAREAID

UNION ALL

-- 11. Payment Received (approximated by last settlement date)
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Payment Received' AS ActivityName,
    MAX(CT.SETTLEMENTDATE) AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.CUSTINVOICEJOUR CIJ ON SO.SALESID = CIJ.SALESID AND SO.DATAREAID = CIJ.DATAAREAID
JOIN dbo.CUSTTRANS CT ON CIJ.INVOICEID = CT.INVOICE AND CIJ.DATAAREAID = CT.DATAAREAID
WHERE CT.TRANSTYPE = 'Payment'
GROUP BY SO.SALESID, SO.OrderValue, SO.CustomerName, SO.SalesChannel, SO.RequestedDeliveryDate, SO.ConfirmedDeliveryDate

UNION ALL

-- 12. Order Closed
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Order Closed' AS ActivityName,
    ST.MODIFIEDDATETIME AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.SALESTABLE ST ON SO.SALESID = ST.SALESID AND SO.DATAREAID = ST.DATAREAID
WHERE ST.SALESSTATUS = 4 -- Status for 'Invoiced'

UNION ALL

-- 13. Order Cancelled
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Order Cancelled' AS ActivityName,
    ST.MODIFIEDDATETIME AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.SALESTABLE ST ON SO.SALESID = ST.SALESID AND SO.DATAREAID = ST.DATAREAID
WHERE ST.SALESSTATUS = 3; -- Status for 'Canceled'

Passaggi

Prerequisiti e configurazione: Verifichi di avere installato Python 3.6 o versione successiva. Installi le librerie Python necessarie eseguendo il seguente comando nel terminale: pip install pandas requests msal.
Registri un’applicazione in Azure AD: Nel portale Azure, registri una nuova applicazione in Azure Active Directory. L’applicazione servirà per l’autenticazione con l’API Dynamics 365. Annoti l’ID applicazione (client) e l’ID directory (tenant).
Crei un segreto client: Nell’applicazione Azure AD appena registrata, crei un nuovo segreto client in 'Certificates & secrets'. Copi subito il valore del segreto, perché non sarà più visibile in seguito. Questo è il valore CLIENT_SECRET.
Conceda le autorizzazioni API: Nelle impostazioni dell’applicazione Azure AD, apra 'API permissions'. Aggiunga un’autorizzazione per 'Dynamics ERP' o 'Dynamics 365 for Finance and Operations'. Selezioni 'Delegated permissions' e conceda user_impersonation. Aggiunga quindi di nuovo la stessa autorizzazione, selezionando 'Application permissions', e conceda Financials.ReadWrite.All oppure, se disponibile e sufficiente, un’autorizzazione di sola lettura più limitata. Conceda il consenso amministrativo per queste autorizzazioni.
Crei un utente applicazione in Dynamics 365: Nell’ambiente Dynamics 365, apra 'System administration' > 'Users' > 'Users'. Crei un nuovo utente e lo associ all’ID applicazione della registrazione dell’app Azure AD. Assegni un ruolo di sicurezza, ad esempio 'System administrator' per l’accesso completo, oppure un ruolo personalizzato con accesso in lettura alle entità dati necessarie (SalesOrderHeadersV2, SalesOrderLines, SalesPackingSlipHeaders, SalesInvoiceHeadersV2 e così via).
Configuri lo script Python: Apra lo script Python fornito in un editor. Individui la sezione di configurazione all’inizio del file e sostituisca i valori segnaposto per D365_URL, TENANT_ID, CLIENT_ID, CLIENT_SECRET, COMPANY_FILTER, START_DATE ed END_DATE con i dati specifici del proprio ambiente.
Definisca le mappature delle entità (facoltativo): Riveda i nomi delle entità e dei campi utilizzati nello script. Se l’organizzazione utilizza entità o campi personalizzati per registrare determinate attività, potrebbe essere necessario modificare di conseguenza le query OData nello script.
Esegua lo script di estrazione: Esegua lo script dalla riga di comando con il comando python your_script_name.py. Lo script eseguirà l’autenticazione, interrogherà l’API OData di Dynamics 365 per ciascuna attività ed elaborerà i dati. L’avanzamento verrà mostrato nella console.
Riveda il file di output: Al termine dell’esecuzione, lo script genererà nella stessa directory un file CSV denominato d365_order_to_cash_event_log.csv. Apra il file per verificare che l’Event Log estratto sia corretto e completo.
Carichi i dati in ProcessMind: Il file CSV generato rispetta lo schema richiesto ed è pronto per essere caricato direttamente in ProcessMind per l’analisi del processo.

Configurazione

D365_URL: URL di base dell’ambiente Dynamics 365 Finance and Operations. Dovrebbe avere un formato simile a https://[your-d365-environment-name].operations.dynamics.com.
TENANT_ID: ID directory (tenant) dell’istanza Azure Active Directory, disponibile nella pagina di panoramica della registrazione dell’app Azure AD.
CLIENT_ID: ID applicazione (client) dell’applicazione registrata in Azure AD.
CLIENT_SECRET: Valore del segreto client generato per l’applicazione Azure AD.
COMPANY_FILTER: Specifica l’entità giuridica Dynamics 365 (ad esempio, 'USMF') da cui estrarre i dati. È un filtro obbligatorio per assicurarsi di interrogare i dati dell’azienda corretta.
START_DATE / END_DATE: Definisce l’intervallo di date dell’estrazione nel formato 'YYYY-MM-DD'. Per l’analisi iniziale si consiglia un periodo da 3 a 6 mesi, così da bilanciare il volume dei dati e le informazioni ottenute. Tenga presente che intervalli più ampi possono aumentare notevolmente i tempi di estrazione.
Prerequisiti: È necessario poter accedere ad Azure AD per registrare un’applicazione e concedere le autorizzazioni. Serve inoltre un account utente Dynamics 365 con i permessi per creare un utente applicazione e assegnare ruoli di sicurezza. Il ruolo assegnato deve consentire l’accesso in lettura a tutte le entità interrogate dallo script.

Query di esempio python

import requests
import pandas as pd
import msal
import json
import datetime

class=class="hl-string">"hl-comment"># --- CONFIGURATION --- 
class=class="hl-string">"hl-comment"># Replace with your D365 environment and Azure AD App details
D365_URL = class="hl-string">"https://[your-d365-environment-name].operations.dynamics.com"
TENANT_ID = class="hl-string">"[Your-Azure-AD-Tenant-ID]"
CLIENT_ID = class="hl-string">"[Your-Azure-AD-Client-ID]"
CLIENT_SECRET = class="hl-string">"[Your-Azure-AD-Client-Secret]"

class=class="hl-string">"hl-comment"># --- EXTRACTION PARAMETERS ---
COMPANY_FILTER = class="hl-string">"[Your-Company-Code]" class=class="hl-string">"hl-comment"># e.g., class="hl-string">'USMF'
START_DATE = class="hl-string">"2023-01-01"
END_DATE = class="hl-string">"2023-12-31"

class=class="hl-string">"hl-comment"># --- SCRIPT --- 

AUTHORITY_URL = fclass="hl-string">"https://login.microsoftonline.com/{TENANT_ID}"
RESOURCE = fclass="hl-string">"{D365_URL}/"
API_ENDPOINT = fclass="hl-string">"{D365_URL}/data"

def get_access_token():
    class="hl-string">"""Authenticates with Azure AD and returns an access token."""
    app = msal.ConfidentialClientApplication(
        client_id=CLIENT_ID,
        client_credential=CLIENT_SECRET,
        authority=AUTHORITY_URL
    )
    result = app.acquire_token_for_client(scopes=[fclass="hl-string">"{RESOURCE}/.default"])
    if class="hl-string">"access_token" in result:
        return result[class="hl-string">'access_token']
    else:
        print(class="hl-string">"Error acquiring token:", result.get(class="hl-string">"error_description"))
        raise Exception(class="hl-string">"Could not authenticate.")

def execute_odata_query(access_token, entity, select_fields, filter_query, expand_fields=None):
    class="hl-string">"""Executes an OData query against a D365 entity and handles pagination."""
    all_results = []
    headers = {
        class="hl-string">'Authorization': fclass="hl-string">'Bearer {access_token}',
        class="hl-string">'Content-Type': class="hl-string">'application/json',
        class="hl-string">'OData-MaxVersion': class="hl-string">'4.0',
        class="hl-string">'OData-Version': class="hl-string">'4.0',
        class="hl-string">'Prefer': class="hl-string">'odata.maxpagesize=1000' class=class="hl-string">"hl-comment"># Request pagination
    }
    
    query_url = fclass="hl-string">"{API_ENDPOINT}/{entity}?$select={select_fields}&$filter={filter_query}&cross-company=true"
    if expand_fields:
        query_url += fclass="hl-string">"&$expand={expand_fields}"
    
    print(fclass="hl-string">"Querying {entity}...")
    while query_url:
        try:
            response = requests.get(query_url, headers=headers)
            response.raise_for_status() class=class="hl-string">"hl-comment"># Raise HTTPError for bad responses (4xx or 5xx)
            data = response.json()
            all_results.extend(data.get(class="hl-string">'value', []))
            query_url = data.get(class="hl-string">'@odata.nextLink') class=class="hl-string">"hl-comment"># Get URL for the next page
        except requests.exceptions.HTTPError as err:
            print(fclass="hl-string">"HTTP Error for {entity}: {err}")
            print(fclass="hl-string">"Response content: {err.response.text}")
            return [] class=class="hl-string">"hl-comment"># Return empty list on error
        except json.JSONDecodeError:
            print(fclass="hl-string">"JSON Decode Error for {entity}. Response was not valid JSON.")
            print(fclass="hl-string">"Response text: {response.text}")
            return []

    print(fclass="hl-string">"...found {len(all_results)} records for {entity}.")
    return all_results

def main():
    class="hl-string">"""Main function to orchestrate the data extraction process."""
    try:
        token = get_access_token()
    except Exception as e:
        print(e)
        return

    all_events = []
    now_utc = datetime.datetime.utcnow().isoformat() + class="hl-string">'Z'

    class=class="hl-string">"hl-comment"># Shared attributes for most queries
    base_select_fields = class="hl-string">"SalesOrderNumber,TotalInvoiceAmount,SalesOrderOriginCode,RequestedShippingDate,ConfirmedShippingDate,CustomerAccount"
    base_expand_fields = class="hl-string">"CustomerV3(CustomerName)"

    class=class="hl-string">"hl-comment"># Common date filter for creation/modification timestamps
    date_filter = fclass="hl-string">"(CreatedDateTime ge {START_DATE}T00:00:00Z and CreatedDateTime le {END_DATE}T23:59:59Z)"

    class=class="hl-string">"hl-comment"># 1. Sales Order Created
    data = execute_odata_query(token, class="hl-string">'SalesOrderHeadersV2', fclass="hl-string">"{base_select_fields},CreatedDateTime", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {date_filter}", base_expand_fields)
    for record in data:
        all_events.append({
            class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'),
            class="hl-string">'ActivityName': class="hl-string">'Sales Order Created',
            class="hl-string">'EventTime': record.get(class="hl-string">'CreatedDateTime'),
            class="hl-string">'OrderValue': record.get(class="hl-string">'TotalInvoiceAmount'),
            class="hl-string">'CustomerName': record.get(class="hl-string">'CustomerV3', {}).get(class="hl-string">'CustomerName'),
            class="hl-string">'SalesChannel': record.get(class="hl-string">'SalesOrderOriginCode'),
            class="hl-string">'RequestedDeliveryDate': record.get(class="hl-string">'RequestedShippingDate'),
            class="hl-string">'ConfirmedDeliveryDate': record.get(class="hl-string">'ConfirmedShippingDate')
        })

    class=class="hl-string">"hl-comment"># 2. Credit Check Performed (based on status change)
    class=class="hl-string">"hl-comment"># This assumes a credit check is reflected by the CreditLimitApprovalStatus. This logic may need adjustment.
    class=class="hl-string">"hl-comment"># We look for orders modified in the period, then check the status.
    modified_date_filter = fclass="hl-string">"(ModifiedDateTime ge {START_DATE}T00:00:00Z and ModifiedDateTime le {END_DATE}T23:59:59Z)"
    data = execute_odata_query(token, class="hl-string">'SalesOrderHeadersV2', fclass="hl-string">"{base_select_fields},ModifiedDateTime,CreditLimitApprovalStatus", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {modified_date_filter} and CreditLimitApprovalStatus ne 'NoCheck'", base_expand_fields)
    for record in data:
        all_events.append({
            class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'),
            class="hl-string">'ActivityName': class="hl-string">'Credit Check Performed',
            class="hl-string">'EventTime': record.get(class="hl-string">'ModifiedDateTime'), class=class="hl-string">"hl-comment"># Using ModifiedDateTime as a proxy
            class="hl-string">'OrderValue': record.get(class="hl-string">'TotalInvoiceAmount'),
            class="hl-string">'CustomerName': record.get(class="hl-string">'CustomerV3', {}).get(class="hl-string">'CustomerName'),
            class="hl-string">'SalesChannel': record.get(class="hl-string">'SalesOrderOriginCode'),
            class="hl-string">'RequestedDeliveryDate': record.get(class="hl-string">'RequestedShippingDate'),
            class="hl-string">'ConfirmedDeliveryDate': record.get(class="hl-string">'ConfirmedShippingDate')
        })

    class=class="hl-string">"hl-comment"># 3. Order Confirmed
    confirmation_date_filter = fclass="hl-string">"(ConfirmationDate ge {START_DATE} and ConfirmationDate le {END_DATE})"
    data = execute_odata_query(token, class="hl-string">'SalesConfirmationHeaders', class="hl-string">"SalesOrderNumber,ConfirmationDate", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {confirmation_date_filter}")
    class=class="hl-string">"hl-comment"># We need to get details from the SalesOrderHeader
    order_numbers = class="hl-string">"'" + class="hl-string">"','".join([rec[class="hl-string">'SalesOrderNumber'] for rec in data if rec.get(class="hl-string">'SalesOrderNumber')]) + class="hl-string">"'"
    if order_numbers != class="hl-string">"''":
        header_data = execute_odata_query(token, class="hl-string">'SalesOrderHeadersV2', base_select_fields, fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and SalesOrderNumber in ({order_numbers})", base_expand_fields)
        header_map = {h[class="hl-string">'SalesOrderNumber']: h for h in header_data}
        for record in data:
            header = header_map.get(record.get(class="hl-string">'SalesOrderNumber'))
            if header:
                all_events.append({
                    class="hl-string">'SalesOrderNumber': header.get(class="hl-string">'SalesOrderNumber'),
                    class="hl-string">'ActivityName': class="hl-string">'Order Confirmed',
                    class="hl-string">'EventTime': str(record.get(class="hl-string">'ConfirmationDate')) + class="hl-string">'T12:00:00Z', class=class="hl-string">"hl-comment"># Date only field, adding midday time
                    class="hl-string">'OrderValue': header.get(class="hl-string">'TotalInvoiceAmount'),
                    class="hl-string">'CustomerName': header.get(class="hl-string">'CustomerV3', {}).get(class="hl-string">'CustomerName'),
                    class="hl-string">'SalesChannel': header.get(class="hl-string">'SalesOrderOriginCode'),
                    class="hl-string">'RequestedDeliveryDate': header.get(class="hl-string">'RequestedShippingDate'),
                    class="hl-string">'ConfirmedDeliveryDate': header.get(class="hl-string">'ConfirmedShippingDate')
                })
    
    class=class="hl-string">"hl-comment"># 4 & 5. Inventory Reserved & Released To Warehouse (WMS)
    class=class="hl-string">"hl-comment"># These are complex. This is a proxy based on Warehouse Work creation time.
    work_date_filter = fclass="hl-string">"(WorkCreatedDateTime ge {START_DATE}T00:00:00Z and WorkCreatedDateTime le {END_DATE}T23:59:59Z)"
    data = execute_odata_query(token, class="hl-string">'WarehouseWorkHeaders', class="hl-string">"OrderNumber,WorkCreatedDateTime", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {work_date_filter} and WorkType eq 'SalesOrders'")
    for record in data:
        class=class="hl-string">"hl-comment"># Assuming reservation happens just before release to warehouse
        all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'OrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Inventory Reserved', class="hl-string">'EventTime': record.get(class="hl-string">'WorkCreatedDateTime')})
        all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'OrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Released To Warehouse', class="hl-string">'EventTime': record.get(class="hl-string">'WorkCreatedDateTime')})

    class=class="hl-string">"hl-comment"># 6 & 7. Goods Picked & Goods Packed (WMS)
    class=class="hl-string">"hl-comment"># Proxy using Shipment status updates. This logic may need refinement based on specific WMS setup.
    shipment_date_filter = fclass="hl-string">"(ShipmentStatusLastUpdatedDateTime ge {START_DATE}T00:00:00Z and ShipmentStatusLastUpdatedDateTime le {END_DATE}T23:59:59Z)"
    data = execute_odata_query(token, class="hl-string">'WHSShipmentTables', class="hl-string">"SalesOrderNumber,ShipmentStatus,ShipmentStatusLastUpdatedDateTime", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {shipment_date_filter}")
    for record in data:
        if record.get(class="hl-string">'ShipmentStatus') in [class="hl-string">'Picked', class="hl-string">'Loaded', class="hl-string">'Shipped']:
             all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Goods Picked', class="hl-string">'EventTime': record.get(class="hl-string">'ShipmentStatusLastUpdatedDateTime')})
        if record.get(class="hl-string">'ShipmentStatus') in [class="hl-string">'Loaded', class="hl-string">'Shipped']:
            all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Goods Packed', class="hl-string">'EventTime': record.get(class="hl-string">'ShipmentStatusLastUpdatedDateTime')})

    class=class="hl-string">"hl-comment"># 8. Goods Shipped (Posting Packing Slip)
    packslip_date_filter = fclass="hl-string">"(ShippingDate ge {START_DATE} and ShippingDate le {END_DATE})"
    data = execute_odata_query(token, class="hl-string">'SalesPackingSlipHeaders', class="hl-string">"SalesOrderNumber,ShippingDate", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {packslip_date_filter}")
    for record in data:
        all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Goods Shipped', class="hl-string">'EventTime': str(record.get(class="hl-string">'ShippingDate')) + class="hl-string">'T12:00:00Z'})

    class=class="hl-string">"hl-comment"># 9. Goods Delivered
    class=class="hl-string">"hl-comment"># This is often not a standard field. We use ModifiedDateTime on Packing Slip as a placeholder.
    packslip_mod_date_filter = fclass="hl-string">"(ModifiedDateTime ge {START_DATE}T00:00:00Z and ModifiedDateTime le {END_DATE}T23:59:59Z)"
    data = execute_odata_query(token, class="hl-string">'SalesPackingSlipHeaders', class="hl-string">"SalesOrderNumber,ModifiedDateTime,DeliveryMode", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {packslip_mod_date_filter} and DeliveryMode eq '[Your-Delivered-Status-Code]'")
    for record in data:
        all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Goods Delivered', class="hl-string">'EventTime': record.get(class="hl-string">'ModifiedDateTime')})

    class=class="hl-string">"hl-comment"># 10. Invoice Created
    invoice_date_filter = fclass="hl-string">"(InvoiceDate ge {START_DATE} and InvoiceDate le {END_DATE})"
    data = execute_odata_query(token, class="hl-string">'SalesInvoiceHeadersV2', class="hl-string">"SalesOrderNumber,InvoiceDate", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {invoice_date_filter}")
    for record in data:
        all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Invoice Created', class="hl-string">'EventTime': str(record.get(class="hl-string">'InvoiceDate')) + class="hl-string">'T12:00:00Z'})

    class=class="hl-string">"hl-comment"># 11. Payment Received
    class=class="hl-string">"hl-comment"># This requires looking at customer payments and settling them to invoices, then to sales orders.
    class=class="hl-string">"hl-comment"># This is a simplified proxy using the ClosedDate of the invoice.
    invoice_closed_date_filter = fclass="hl-string">"(ClosedDate ge {START_DATE} and ClosedDate le {END_DATE})"
    data = execute_odata_query(token, class="hl-string">'CustomerInvoices', class="hl-string">"SalesOrderNumber,ClosedDate", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {invoice_closed_date_filter}")
    for record in data:
        if record.get(class="hl-string">'ClosedDate') and record.get(class="hl-string">'SalesOrderNumber'):
            all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Payment Received', class="hl-string">'EventTime': str(record.get(class="hl-string">'ClosedDate')) + class="hl-string">'T12:00:00Z'})

    class=class="hl-string">"hl-comment"># 12 & 13. Order Closed & Order Cancelled
    class=class="hl-string">"hl-comment"># These are statuses on the Sales Order Header.
    status_date_filter = fclass="hl-string">"(ModifiedDateTime ge {START_DATE}T00:00:00Z and ModifiedDateTime le {END_DATE}T23:59:59Z)"
    data = execute_odata_query(token, class="hl-string">'SalesOrderHeadersV2', class="hl-string">"SalesOrderNumber,SalesOrderStatus,ModifiedDateTime", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {status_date_filter} and (SalesOrderStatus eq 'Invoiced' or SalesOrderStatus eq 'Canceled')")
    for record in data:
        activity = class="hl-string">''
        if record.get(class="hl-string">'SalesOrderStatus') == class="hl-string">'Invoiced': activity = class="hl-string">'Order Closed'
        if record.get(class="hl-string">'SalesOrderStatus') == class="hl-string">'Canceled': activity = class="hl-string">'Order Cancelled'
        if activity:
            all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': activity, class="hl-string">'EventTime': record.get(class="hl-string">'ModifiedDateTime')})


    class=class="hl-string">"hl-comment"># --- Final Processing ---
    if not all_events:
        print(class="hl-string">"No events found. Exiting.")
        return

    df = pd.DataFrame(all_events)
    print(fclass="hl-string">"Total events created: {len(df)}")

    class=class="hl-string">"hl-comment"># Drop events without a case ID or timestamp
    df.dropna(subset=[class="hl-string">'SalesOrderNumber', class="hl-string">'EventTime'], inplace=True)
    print(fclass="hl-string">"Events after dropping nulls: {len(df)}")

    class=class="hl-string">"hl-comment"># Fill in missing recommended attributes by merging back header details
    print(class="hl-string">"Enriching data with header attributes...")
    unique_orders = class="hl-string">"'" + class="hl-string">"','".join(df[class="hl-string">'SalesOrderNumber'].unique()) + class="hl-string">"'"
    if unique_orders != class="hl-string">"''":
        header_data_final = execute_odata_query(token, class="hl-string">'SalesOrderHeadersV2', fclass="hl-string">"{base_select_fields}", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and SalesOrderNumber in ({unique_orders})", base_expand_fields)
        header_df = pd.DataFrame(header_data_final)
        if not header_df.empty:
            header_df = header_df.rename(columns={
                class="hl-string">'TotalInvoiceAmount': class="hl-string">'OrderValue',
                class="hl-string">'SalesOrderOriginCode': class="hl-string">'SalesChannel',
                class="hl-string">'RequestedShippingDate': class="hl-string">'RequestedDeliveryDate',
                class="hl-string">'ConfirmedShippingDate': class="hl-string">'ConfirmedDeliveryDate'
            })
            class=class="hl-string">"hl-comment"># Extract nested customer name
            header_df[class="hl-string">'CustomerName'] = header_df[class="hl-string">'CustomerV3'].apply(lambda x: x.get(class="hl-string">'CustomerName') if isinstance(x, dict) else None)
            df = df.merge(header_df[[class="hl-string">'SalesOrderNumber', class="hl-string">'OrderValue', class="hl-string">'CustomerName', class="hl-string">'SalesChannel', class="hl-string">'RequestedDeliveryDate', class="hl-string">'ConfirmedDeliveryDate']], on=class="hl-string">'SalesOrderNumber', how=class="hl-string">'left', suffixes=(class="hl-string">'', class="hl-string">'_y'))
            class=class="hl-string">"hl-comment"># Fill NaNs from merge
            for col in [class="hl-string">'OrderValue', class="hl-string">'CustomerName', class="hl-string">'SalesChannel', class="hl-string">'RequestedDeliveryDate', class="hl-string">'ConfirmedDeliveryDate']:
                if col + class="hl-string">'_y' in df.columns:
                    df[col] = df[col].fillna(df[col + class="hl-string">'_y'])
                    df.drop(columns=[col + class="hl-string">'_y'], inplace=True)

    class=class="hl-string">"hl-comment"># Add required static columns
    df[class="hl-string">'SourceSystem'] = class="hl-string">'Microsoft Dynamics 365'
    df[class="hl-string">'LastDataUpdate'] = now_utc

    class=class="hl-string">"hl-comment"># Ensure required columns exist
    final_cols = [class="hl-string">'SalesOrderNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate', 
                  class="hl-string">'OrderValue', class="hl-string">'CustomerName', class="hl-string">'SalesChannel', class="hl-string">'RequestedDeliveryDate', class="hl-string">'ConfirmedDeliveryDate']
    for col in final_cols:
        if col not in df.columns:
            df[col] = None
    
    class=class="hl-string">"hl-comment"># Reorder and save
    df = df[final_cols]
    df.to_csv(class="hl-string">'d365_order_to_cash_event_log.csv', index=False)
    print(class="hl-string">"Successfully created d365_order_to_cash_event_log.csv")

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

È pronto a iniziare?

Utilizzi questo template per preparare i dati, quindi li carichi sulla nostra piattaforma per ottenere informazioni utili e migliorare l’efficienza nell’elaborazione degli ordini di vendita. Inizi subito a ottimizzare il processo.

Torna alla guida al miglioramento

Scarica il template

Ottimizzi subito il processo Order to Cash - elaborazione degli ordini di vendita

Individui le inefficienze e riduca del 30% il tempo di ciclo per evadere gli ordini più rapidamente.

Inizi la prova gratuita

Non è richiesta la carta di credito. La configurazione richiede pochi minuti.

Il template dei dati per Order to Cash - elaborazione degli ordini di vendita

Il template dei dati per Order to Cash - elaborazione degli ordini di vendita

Attributi di Order to Cash - elaborazione degli ordini di vendita

Attività di Order to Cash - elaborazione degli ordini di vendita

Guide all’estrazione

Query SQL su Azure Data Lake tramite Synapse Analytics

Passaggi

Configurazione

Query di esempio sql

Script Python con Dynamics 365 OData Web API

Passaggi

Configurazione

Query di esempio python

È pronto a iniziare?

Ottimizzi subito il processo Order to Cash - elaborazione degli ordini di vendita