> 継続的なプロセス改善 > リード・トゥ・キャッシュ > SAP Sales Cloud > データテンプレート

リード・ツー・キャッシュデータテンプレート

SAP Sales Cloud

リード・トゥ・キャッシュ属性 (18) リード・トゥ・キャッシュアクティビティ (15) 抽出ガイド (2)

リード・ツー・キャッシュデータテンプレート

このテンプレートは、Lead to Cashプロセスを分析するために必要なデータを収集するための構造化されたガイドを提供します。包括的なイベントログを構築するために必要な必須属性とアクティビティを概説しています。また、SAP Sales Cloudシステムからこのデータを抽出するための実用的なガイダンスも含まれており、プロセスマイニングの旅をスムーズに開始できます。

収集を推奨する項目
追跡すべき主要アクティビティ
SAP Sales Cloudからのデータ抽出ガイダンス

イベントログについて初めての方へ：プロセスマイニングのイベントログ作成方法.

テンプレートをダウンロード

リード・トゥ・キャッシュ属性

これらは、SAP Sales CloudにおけるLead to Cashプロセスの包括的な分析のために、イベントログに含めることを推奨するデータフィールドです。

3 必須 6 推奨 9 任意

	名前	説明
	アクティビティ名 ActivityName	プロセス内の特定の時点で発生したビジネスアクティビティまたはイベントの名称。
説明アクティビティ名は、「リード適格化」、「見積もり作成」、「支払い受領」など、Lead to Cashプロセス内の特定のステップまたはイベントを記述します。これらのイベントは、各営業案件のプロセスフローを構成する一連のアクションを形成します。\n\nこれらのアクティビティを分析することが、プロセスマイニングの核となります。これにより、プロセスマップの可視化、ステップ間のボトルネックの特定、異なるプロセスパスの頻度の測定が可能になり、営業プロセスが実際にどのように実行されているかが明らかになります。その重要性この属性はプロセスマップのステップを定義し、プロセスフローの可視化と分析に不可欠です。取得元 SAP Sales Cloud内のビジネスオブジェクトのステータス変更、ドキュメント作成イベント、またはトランザクションログに記録された特定のユーザーアクションから導出されます。例リード獲得商談作成顧客に見積書送付入金確認済み
	イベント日時 EventTime	特定のアクティビティまたはイベントが発生した時刻を示すタイムスタンプ。
説明イベントタイムは、アクティビティが完了した正確な日付と時刻を記録します。この時間データは、プロセスステップのタイミングと期間を理解するために不可欠です。プロセスフローを構築するために必要な時系列順序を提供します。プロセス分析では、タイムスタンプはアクティビティ間のサイクルタイムを計算し、営業プロセスの全体的な期間を測定し、遅延やボトルネックを特定するために使用されます。時間の経過とともにタイムスタンプを分析することで、プロセスパフォーマンスのトレンドも明らかにできます。その重要性タイムスタンプは、イベントを時系列で並べ替え、サイクルタイムやボトルネックの特定を含むすべての時間ベースの分析にとって不可欠です。取得元通常、SAP Sales Cloudのリード、商談、見積もり、販売注文などのビジネスオブジェクトに関連付けられた「作成日」または「最終変更日」フィールドにあります。例 2023-04-15T10:30:00Z2023-05-02T14:00:00Z2023-06-20T09:15:00Z
	営業案件 SalesOpportunityId	Lead to Cashプロセスの主要なケース識別子として機能する、営業案件の一意の識別子。
説明営業案件IDは、リードとして発生してから、受注または失注という最終的な解決に至るまでの各潜在的な販売を独自に識別します。これは、リード認定、見積もり作成、注文処理、支払いなど、関連するすべてのアクティビティを結びつける中心的なスレッドとして機能します。\n\nプロセスマイニング分析において、このIDは各商談のエンドツーエンドのジャーニーを再構築するために不可欠です。すべてのイベントを関連付け、プロセスバリアント、サイクルタイム、およびコンバージョン率を商談ごとに分析することを可能にします。その重要性これは、プロセス内のすべてのアクティビティをリンクする不可欠なケースIDであり、各営業案件の完全なライフサイクルを追跡することを可能にします。取得元これは、SAP Sales Cloudの商談ビジネスオブジェクトの主キーです。例 OP-8000123456OP-8000123457OP-8000123458
	リードソース LeadSource	初期リードのマーケティングチャネルまたは発生源。
説明リードソースは、潜在顧客が最初にどのように特定されたかを示します。例えば、ウェブフォーム、展示会、パートナー紹介などです。この情報は通常、リードが作成されたときに取得されます。この属性は、「ソース別リードコンバージョン率」ダッシュボードにとって非常に重要です。このディメンションを分析することで、マーケティングチームと営業チームは、どのチャネルが最も価値のあるリードを生成しているかを理解し、リソースのより良い配分とマーケティングキャンペーンの最適化を可能にします。その重要性異なるマーケティングチャネルの有効性を測定し、リードジェネレーション戦略を最適化するために不可欠です。取得元 SAP Sales Cloudのリードおよび商談ビジネスオブジェクトにあります。フィールド名はしばしば「ソース」または「オリジン」です。例ウェビナーパートナー紹介展示会ウェブサイトからの問い合わせ
	割引率 DiscountPercentage	販売見積もりまたは注文に適用される割引率。
説明この属性は、通常見積もりまたは注文段階で、商談に適用される全体的な割引率を捕捉します。これは定価に対するパーセンテージで表されます。\n\nこれは、財務パフォーマンスと営業規律分析にとって重要な指標です。「割引分布」ダッシュボードは、この属性を使用して営業担当者や製品全体の割引行動を監視します。また、「割引承認コンプライアンス」KPIにも使用され、大規模な割引が適切な承認ワークフローに従っていることを確認します。その重要性価格戦略、営業チームの割引行動、およびその収益性への影響を分析する上で極めて重要です。取得元 SAP Sales Cloudの関連する営業見積または営業受注ビジネスオブジェクトの価格設定要素から計算されます。例 0.050.100.25
	受注金額 SalesOrderAmount	商談に関連する販売注文の総金額。
説明この属性は、商談が獲得され、販売注文が作成された後の販売される商品またはサービスの総価値を表します。これは、販売プロセスの成功裏の完了によって生み出された収益を反映します。\n\n販売注文金額は、分析における重要な財務的ディメンションです。プロセス行動が異なるかどうかを確認するために、商談を規模（例：小規模、中規模、大規模取引）でセグメント化するために使用できます。また、勝率などのKPIの価値コンテキストを提供し、獲得された商談と失われた商談の合計価値を示します。その重要性プロセスに財務的な側面を提供し、営業サイクルと成果の価値に基づいた分析を可能にします。取得元この値は、SAP Sales Cloudの関連する販売注文ビジネスオブジェクトの「Total Net Value」フィールドから取得されます。例 50000.00125000.507800.00
	商談ステータス OpportunityStatus	「Open（進行中）」、「Won（受注）」、「Lost（失注）」など、営業案件の現在の状態または結果。
説明この属性は、特定の時点における営業案件の全体的なステータスを反映します。商談がまだ進行中であるか、成功裏に獲得されたか、または競合他社に失われたか、その他の理由で失われたかを示します。\n\n最終ステータスの分析は、商談勝率のような主要なKPIを計算するために不可欠です。また、成功したパスのみに焦点を当てたり、最も頻繁に失注につながるプロセスパターンを調査したりするための分析のフィルタリングも可能にします。その重要性ケースの成果を定義します。これは、勝率/敗率の計算や、成功した商談と失敗した商談のプロセス経路を分析する上で極めて重要です。取得元 SAP Sales Cloudの商談ビジネスオブジェクトにある「ステータス」フィールド。例オープン処理中獲得失注停止済み
	営業担当者 SalesRepresentative	営業案件の管理を担当する従業員。
説明この属性は、リードまたは商談の所有者であるユーザーまたは従業員を識別します。これは多くの場合、顧客との主要な連絡窓口であり、営業パイプラインを通じて取引を進める責任を負います。\n\n分析において、営業担当者はパフォーマンス比較のための主要なディメンションです。個人、チーム、または地域ごとのセールスサイクルタイム、勝率、およびプロセス順守の評価を可能にし、トップパフォーマーとコーチングが必要な領域を特定するのに役立ちます。その重要性従業員ごとのパフォーマンス分析を可能にし、営業担当者のコーチング機会やベストプラクティスの特定に役立ちます。取得元 SAP Sales Cloudの商談またはリードビジネスオブジェクトの「所有者」または「担当従業員」のパーティロールにリンクされています。例 John SmithMaria Garciaチェン・ウェイ
	製品`カテゴリ` ProductCategory	商談で販売されている製品またはサービスのカテゴリ。
説明製品カテゴリは、商談内の特定のアイテムやサービスを「ハードウェア」、「ソフトウェア」、「コンサルティングサービス」などのより広範な分類にグループ化します。これにより、多数の個々の製品が関与する場合の分析が簡素化されます。製品カテゴリ別に分析することは、さまざまな種類の提供物に対して営業プロセスがどのように異なるかを理解するために不可欠です。「割引分布」や「受注処理効率」などのダッシュボードで使用され、特定のカテゴリでより高い割引や長い処理時間がかかるかどうかを確認します。その重要性販売される製品やサービスの種類に基づいてプロセスのバリエーションを分析できます。これは営業サイクルに大きな違いをもたらす可能性があります。取得元 SAP Sales Cloudにおける営業見積または営業受注の明細項目にリンクされた製品マスタデータから導出されます。例ソフトウェアライセンスハードウェアプロフェッショナルサービスサポートサブスクリプション
	ソースシステム SourceSystem	データ発生元のシステムを特定します。
説明この属性は、イベントデータが生成されたソースアプリケーションを指定します。このプロセスの場合、通常は「SAP Sales Cloud」ですが、リード獲得のためのマーケティングオートメーションプラットフォームのような他の統合システムも含まれる可能性があります。\n\nマルチシステム環境では、この属性はデータ系統を理解し、データ統合の問題をトラブルシューティングするために不可欠です。各情報がどこから来たのかを明確に理解した上で分析が行われることを保証します。その重要性統合環境でのデータソースを区別するのに役立ち、分析中にデータのリネージとコンテキストが明確であることを保証します。取得元これは通常、データ抽出プロセス中に、レコードの出所を示すために追加される静的な値です。例 SAP Sales CloudSAP C4CSSC_PROD_100
	最終データ更新 LastDataUpdate	データがソースシステムから最後に抽出または更新されたタイムスタンプ。
説明この属性は、イベントログのデータが最後に更新された日時を示します。これは、分析されるデータの鮮度に関するコンテキストを提供し、発見事項の関連性を理解するために重要です。\n\nあらゆるプロセス分析において、データの最新性を知ることは極めて重要です。これにより、ステークホルダーは洞察が現在の運用を反映しているのか、それとも過去の期間を反映しているのかを理解するのに役立ち、分析に基づいた意思決定に影響を与えます。その重要性データの鮮度に関する重要なコンテキストを提供し、分析と意思決定が最新の情報に基づいていることを保証します。取得元これは、データ抽出および変換（ETL）プロセス中に追加されるメタデータタイムスタンプです。例 2024-07-20T02:00:00Z2024-07-21T02:00:00Z
	処理時間 ProcessingTime	待機時間を除く、タスクに積極的に費やされた時間。
説明処理時間（タッチタイムとも呼ばれます）は、リソースがタスクに積極的に関与していた期間を測定します。これは、ケースがアクティビティ間で待機する時間を含むサイクルタイムとは異なります。処理時間を分析することで、非効率な作業によって引き起こされる遅延と、リソースや情報の待機によって引き起こされる遅延を区別するのに役立ちます。これにより、営業プロセスにおける各アクティビティに必要な労力をより正確に測定できます。その重要性アクティブな作業時間を測定し、非効率なタスクとプロセス内の長い待機時間を区別するのに役立ちます。取得元アクティビティの終了時刻と開始時刻の差として計算されます。各イベントで両方のタイムスタンプが利用可能である必要があります。例 PT1H30MPT8HP2DT4H
	出荷方法 ShippingMethod	顧客に物理的な製品を配送するために使用される方法。
説明この属性は、「陸上輸送」、「航空貨物」、「デジタル配送」など、注文のロジスティクスまたは配送方法を指定します。物理的な商品を伴うプロセスに関連します。\n\n「注文フルフィルメント効率」ダッシュボードでは、この属性は異なる出荷方法が異なるフルフィルメント時間と相関するかどうかを分析するのに役立ちます。これにより、特定のロジスティクスチャネルにおける非効率性を明らかにしたり、顧客の期待をより正確に設定したりするのに役立ちます。その重要性ロジスティクスチャネル別に配送パフォーマンスをセグメント化することで、プロセスにおける受注処理部分のボトルネックを診断するのに役立ちます。取得元通常、SAP Sales Cloudの販売注文ビジネスオブジェクトの明細項目またはヘッダーレベルにあります。例陸送翌日航空便デジタルダウンロード運賃
	営業組織 SalesOrganization	販売を担当する組織単位。
説明営業組織は、販売取引を担当する社内の特定の単位、部門、またはチームを表します。これはSAPにおける企業構造の主要な要素です。\n\nこの属性により、ビジネスのさまざまな部分で分析をセグメント化できます。異なるビジネスユニットや営業部門間でプロセスパフォーマンス、勝率、サイクルタイムを比較するために使用でき、効率性の高レベルな組織ビューを提供します。その重要性異なる事業部門や会社組織全体でのパフォーマンスベンチマーキングとプロセス分析を可能にします。取得元これは、SAP Sales Cloudの商談または販売注文にある主要な組織割り当てフィールドです。例 US01DE01法人営業北
	地域 Region	顧客または営業チームが所在する地理的地域。
説明リージョンは、営業案件に割り当てられた地理的エリアを示し、多くの場合、顧客の所在地や営業組織の構造に基づいています。これは国、州、または独自に定義された営業テリトリーである場合があります。\n\nこれはセグメンテーションのための重要な属性です。「商談勝率パフォーマンス」ダッシュボードで、異なるリージョン間のパフォーマンスを比較するために直接使用されます。これにより、プロセス効率、市場での成功、および営業戦略における地域差を特定するのに役立ちます。その重要性営業パフォーマンスの地理的分析を可能にし、勝率、サイクルタイム、プロセス実行における地域差を浮き彫りにします。取得元多くの場合、顧客の住所またはSAP Sales Cloudの商談に割り当てられた販売組織から導出されます。例北米EMEAAPACLATAM
	手戻りあり IsReworked	アクティビティまたはケースで手戻りが発生したかどうかを示すフラグです。
説明このブール型フラグは、プロセス内で手戻りループが検出された場合にtrueに設定されます。例えば、販売注文が最初に作成された後に修正されたり、見積もりが複数回改訂されたりする場合などです。これは、アクティビティのシーケンスを分析することによって導き出されます。\n\nこの計算された属性は、プロセス非効率性を定量化するために不可欠です。「Sales Order Rework Frequency（受注手戻り頻度）」ダッシュボードと「Sales Order Rework Rate（受注手戻り率）」KPIを直接サポートし、分析ツールで複雑なパターンマッチングなしに手戻りのインスタンスを簡単にフィルタリングおよびカウントできるようにします。その重要性手戻りループを持つケースにフラグを立てることで、プロセスの非効率性を直接定量化し、手戻りの頻度とその原因の分析を簡素化します。取得元この属性はソースシステムには存在しません。データ変換中に、アクティビティの繰り返しシーケンス（例：「Sales Order Created（受注作成済み）」の後に「Sales Order Reworked（受注手戻り）」が続くなど）を検出することによって計算されます。例 truefalse
	支払条件 PaymentTerms	「Net 30」や「Net 60」など、合意された支払い条件。
説明支払い条件は、顧客が商品またはサービスの対価を支払うべき条件を定義します。これは営業受注または契約締結段階で確立され、請求書の期日を決定します。この属性は、「入金回収サイクルタイム」ダッシュボードの主要なディメンションです。支払い条件別にセグメント化することで、企業は顧客が合意されたスケジュールを遵守しているかどうかを評価し、どの条件がより長いまたは短い支払いサイクルに関連しているかを特定できます。その重要性入金回収分析のコンテキストを提供し、遅延が顧客の行動または緩やかな支払い条件に関連しているかを判断するのに役立ちます。取得元 SAP Sales Cloudの営業受注または顧客マスタデータにあります。例支払条件：正味30日支払条件：正味60日受領時支払い
	顧客名 CustomerName	営業案件に関連する会社または個人の名前。
説明この属性は、販売取引の将来の顧客を識別します。これにより、販売プロセスがシステム内の特定の顧客アカウントにリンクされます。\n\n顧客ごとの分析は、販売プロセスの顧客中心ビューを可能にします。どの顧客が最も長いセールスサイクルを持つか、または最も多くの手戻りが必要かを特定するのに役立ち、「顧客別支払い回収サイクルタイム」のようなKPIにとって不可欠です。その重要性特定の顧客アカウントにおける営業サイクルや支払い行動のパターンを特定するために、顧客中心の分析を可能にします。取得元 SAP Sales Cloudの商談ビジネスオブジェクトの「アカウント」または「見込み客」のパーティロールにリンクされています。例 `Global Tech Inc.`Innovate Solutions Ltd.ダイナミック株式会社

必須推奨任意

リード・トゥ・キャッシュアクティビティ

これらは、Lead to Cashプロセスを正確に発見し分析するために、イベントログで取得すべき主要なプロセスステップとマイルストーンです。

7 推奨 8 任意

	アクティビティ	説明
	入金確認済み	このアクティビティは、顧客からの支払いが受領および処理され、金融取引が完了したことを確認します。この情報は、SAP Sales Cloudの請求書または注文ステータスを更新する外部の財務システムまたはERPシステムから提供されることがほとんどです。
その重要性これはLead to Cashプロセスの最終的な価値実現ステップです。請求書発行から支払いまでの「支払い回収サイクルタイム」を測定することは、キャッシュフロー管理と売掛金パフォーマンス評価のための主要なKPIです。取得元請求書または営業受注オブジェクトのステータスが「支払い済み」または「クリア済み」に変更されたことから推測されます。このデータは外部の財務システムから発生します。取得請求書のステータスが「支払い済み」または「クリア済み」に変更されたタイムスタンプを特定します。イベントタイプ inferred
	商談クローズ（受注）	このアクティビティは、注文作成やフルフィルメントなど、すべての下流アクティビティが完了した後の、成功した商談の最終的な完了ステータスです。これは、ユーザーが商談ステータスを「Won（受注）」の理由とともに最終的な「Closed（クローズ済み）」状態に変更したときに捕捉されます。
その重要性このイベントはプロセスマイニング分析の成功した終点として機能し、すべての獲得済み取引に対するエンドツーエンドのセールスサイクル期間の計算を可能にします。これは明確かつ決定的なプロセス結論を提供します。取得元商談オブジェクトのステータス変更履歴から推測されます。特に、ステータスが「クローズ済み」で理由が「受注」に更新されたタイムスタンプです。取得「受注」理由コード付きでステータスが「クローズ済み」に変更されたタイムスタンプを特定します。イベントタイプ inferred
	商談クローズ（失注）	このアクティビティは、取引が競合他社に失われたか、顧客が購入しないことを決定した、失敗した商談の決定的な終了を示します。これは、ユーザーが商談ステータスを「Lost（失注）」または「Closed Lost（クローズ済み失注）」に変更したときに捕捉されます。
その重要性商談がいつ、なぜ失われたのかを分析することは、営業戦略を改善する上で極めて重要です。この失敗終点により、商談が失われる平均的なステージや、損失の一般的な理由などの分析が可能になります。取得元商談ビジネスオブジェクトのステータス変更履歴から推測されます。ステータスが「失注」または「クローズ済み（失注）」に更新されたタイムスタンプです。取得商談オブジェクトのステータスが「失注」に変更されたタイムスタンプを特定します。イベントタイプ inferred
	商談作成	これは、適格なリードが具体的な営業追求へと変換されることを示す、営業案件の正式な開始です。このイベントは、商談ビジネスオブジェクトが作成されたときにシステムによって明示的に捕捉され、多くの場合、元のリードからのデータが引き継がれます。
その重要性営業サイクル分析の主要な出発点として、このアクティビティは基本的です。これにより、商談が具体的なものになった瞬間から、営業サイクルの期間、商談勝率、営業チームのパフォーマンスを測定できます。取得元このイベントは、SAP Sales Cloudの商談ビジネスオブジェクトの作成タイムスタンプに対応します。取得商談レコードの作成日時を使用します。イベントタイプ explicit
	商談受注	このアクティビティは、取引が成功裏にクローズされ、組織がビジネスを確保したことを示します。これは、ユーザーが商談のステータスを「Won（受注）」に変更したときに捕捉されます。これはシステムにおける標準的で明示的なアクションです。
その重要性これは、勝率と営業パフォーマンスを測定するための重要なマイルストーンです。多くの場合、注文作成やフルフィルメントなどの下流プロセスのトリガーとなり、Lead to Cashサイクルにおける重要な移行ポイントとなります。取得元商談ビジネスオブジェクトのステータス変更履歴から推測されます。ステータスが「受注」に更新されたタイムスタンプです。取得商談オブジェクトのステータスが「受注」に変更されたタイムスタンプを特定します。イベントタイプ inferred
	販売注文作成済み	このアクティビティは、正式な販売注文の作成を示します。これは、フルフィルメントと請求を開始するための公式な内部文書です。ユーザーが販売注文オブジェクトを作成し、それを親商談にリンクしたときに明示的にログに記録されます。
その重要性これは、営業から運用への重要な引き渡しポイントです。「Opportunity Won（商談獲得）」から「Sales Order Created（受注作成）」までの時間を分析することで、内部の遅延が明らかになり、この時点以降の手戻りを追跡することでデータ品質の問題が浮き彫りになります。取得元このイベントは、商談に関連付けられた販売注文ビジネスオブジェクトの作成タイムスタンプに対応します。取得関連する販売注文レコードの作成日時を使用します。イベントタイプ explicit
	顧客に見積書送付	このアクティビティは、正式な見積もりが顧客のレビューのために公式に提出された瞬間を表します。このイベントは通常、販売見積もりオブジェクトのステータス変更から推測されます。例えば、「In Preparation（準備中）」から「Sent（送信済み）」または「Proposed（提案済み）」への変更などです。
その重要性これは、顧客との交渉および意思決定時間の計測を開始する重要なマイルストーンです。このイベントと見積もり承諾の間の期間を分析することは、取引の速度と交渉のボトルネックを理解するために不可欠です。取得元営業見積ビジネスオブジェクトのステータス変更履歴から推測されます。ステータスが送信済みを示す値に更新されたタイムスタンプを探します。取得営業見積オブジェクトのステータスが「送信済み」に変更されたタイムスタンプを特定します。イベントタイプ inferred
	リード獲得	このアクティビティは、SAP Sales Cloudでのリードレコードの初期作成を示します。これは潜在顧客からの最初の接触または関心を示し、通常、Webフォーム、リストインポート、または手動ユーザー入力から自動的に取得されます。
その重要性このイベントを追跡することは、異なるリードソースの有効性を分析し、リード生成全体の量を測定するために極めて重要です。これは、リードコンバージョン率を計算し、セールスファネルの最上部を理解するための出発点として機能します。取得元このイベントは、リードビジネスオブジェクトの作成タイムスタンプから取得されます。リードのソースは通常、同じオブジェクトの属性として利用可能です。取得リードレコードの作成日時を使用します。イベントタイプ explicit
	リード認定済み	リードが審査され、実現可能な営業案件と見なされる基準を満たした時点を表します。これは通常、ユーザーがリードのステータスを「Qualified（適格）」または類似の状態に手動で変更し、変換準備が整ったことを示すときに取得されます。
その重要性このアクティビティは、未加工のリードと真剣な見込み客を区別し、認定プロセスの効率性を分析できるようにします。これにより、さまざまなソースからのリードの品質を判断し、リード獲得と積極的な販売の間のボトルネックを特定するのに役立ちます。取得元リードビジネスオブジェクトのステータス変更履歴から推測されます。ステータスフィールドが「認定済み」に更新されたタイムスタンプを探します。取得リードオブジェクトのステータスが「認定済み」に変更されたタイムスタンプを特定します。イベントタイプ inferred
	受注手戻り	既に提出された販売注文に対する変更または修正を表します。このイベントは、販売注文ステータスにおけるループを検出することによって推測されます。例えば、ステータスが「提出済み」から「処理中」または「改訂保留中」に戻る場合などです。
その重要性手戻りを特定することは、プロセスの非効率性、データ入力エラー、営業と運用間のコミュニケーションギャップを明らかにする鍵となります。手戻りの頻度が高いことは、遅延を引き起こしコストを増加させる品質問題を示唆しています。取得元営業受注オブジェクトのステータス変更履歴から推測されます。後戻りやループを特定するために、ステータス変更のシーケンスを分析する必要があります。取得「提出済み」から「処理中」など、ループを表すステータス遷移を検出します。イベントタイプ inferred
	注文完了	このアクティビティは、製品が出荷されたか、サービスが顧客に提供されたことを示します。このイベントは、多くの場合、ERPまたはロジスティクスシステムとの統合を通じて取得され、SAP Sales Cloudの販売注文のステータスを更新します。
その重要性これは、プロセスの配送部分の完了を示します。「Sales Order Created（受注作成済み）」から「Order Fulfilled（注文完了）」までの時間を測定することは、注文フルフィルメントの効率性と顧客満足度への影響を監視するために不可欠です。取得元通常、販売注文オブジェクトのステータス変更（例：「Fulfilled（完了）」や「Shipped（出荷済み）」）から推測されます。このステータスは、多くの場合、外部システム統合を介して更新されます。取得営業受注のステータスが「完了」または「配送済み」に変更されたタイムスタンプを特定します。イベントタイプ inferred
	見積作成	商談にリンクされた正式な営業見積書ドキュメントの作成を示します。これは見積書が顧客に送信される前の内部ステップであり、ユーザーが新しい見積レコードを生成するときに明示的に取得されます。
その重要性このアクティビティは、内部準備時間と顧客が見積もりを受け取っている時間を区別します。これにより、見積もり生成プロセスの効率性や、営業担当者が見積もりを作成するのにかかる時間を分析するのに役立ちます。取得元このイベントは、商談に関連付けられた販売見積もりビジネスオブジェクトの作成タイムスタンプです。取得関連する販売見積もりレコードの作成日時を使用します。イベントタイプ explicit
	解決策提示済み	このアクティビティは、潜在的なソリューションまたは製品構成が顧客に提示されたことを示します。これは通常、商談オブジェクト上の営業ステージまたはステータスの変更、例えば「Proposal（提案）」または「Solution Design（ソリューション設計）」ステージへの移行から推測されます。
その重要性この段階で費やされた時間と、見積もりフェーズへの移行を分析することで、ソリューションプロセスにおけるボトルネックを特定できます。初回接触から具体的な提案に至るまでの所要時間に関する洞察を提供します。取得元商談オブジェクトの変更ログまたはステータス履歴から推測されます。特に、営業ステージが「ソリューション提案済み」や「価値提案」などの値に更新された場合です。取得商談の営業ステージフィールドが提案を反映するように変更されたタイムスタンプを特定します。イベントタイプ inferred
	請求書生成済み	顧客請求書の作成を表し、プロセスの最終的な財務段階を開始します。このイベントは、SAP Sales Cloud内の請求書オブジェクトの作成から、またはより一般的には統合された請求システムから取得される場合があります。
その重要性このアクティビティは、支払い回収サイクルのトリガーとなります。請求書生成の遅延はキャッシュフローに直接影響を与えるため、フルフィルメントから請求書発行までの時間を監視することは、財務健全性にとって非常に重要です。取得元営業受注にリンクされた請求書ビジネスオブジェクトの作成タイムスタンプ、または外部ERPからの更新である可能性があります。ソースはシステムランドスケープによって異なります。取得請求書レコードの作成日または統合ERPからの活動ログエントリを使用します。イベントタイプ explicit
	顧客による見積承認	顧客が見積もり条件に正式または非公式に合意したことを示します。これは通常、営業担当者による営業見積または商談オブジェクトの手動ステータス更新を介して記録されます。
その重要性これは、契約最終化または注文作成前の強力な購入シグナルであり、重要なマイルストーンです。提案の有効性と顧客の意思決定サイクルの長さを測定するのに役立ちます。取得元営業見積オブジェクトのステータスが「承認済み」に変更されたことから、またはリンクされた商談オブジェクトの同様のステータス変更から推測されます。取得営業見積のステータスが「承認済み」に変更されたタイムスタンプを特定します。イベントタイプ inferred

推奨任意

抽出ガイド

SAP Sales Cloudからデータを取得する方法

ステップ

前提条件: Analytics ワークセンターにアクセスできるSAP Sales Cloudユーザーがいることを確認してください。特に、データソースとレポートを作成および編集する権限が必要です。
結合データソースの作成: Business Analytics ワークセンター内の Design Data Sources ビューに移動します。新しい結合データソースを作成します。すべての商談が確実に捕捉されるよう、以下の標準データソースを左外部結合（Left Outer Join）で結合します: Lead Information -> Opportunity Header and Item -> Sales Quote Header and Item -> Sales Order Header and Item。結合条件は通常、商談IDまたは後続ドキュメントIDに基づいている必要があります。
カスタムレポートの構築: Design Reports ビューに移動します。前のステップで作成した結合データソースに基づき、新しいレポートを作成します。レポートビューに、識別子（リードID、商談ID）、すべての関連するステータスフィールド、およびすべてのタイムスタンプフィールド（作成日、ステータス変更日など）を含む、必要なすべての特性とキー数値を追加します。また、営業担当者、リードソース、受注金額などの必須属性も追加します。
レポートのODataサービスとしての公開: Design Reports ビューで、新しく作成したレポートを選択します。レポートの設定またはコンフィギュレーションで、レポートをODataクエリとして公開するオプションを見つけます。これは通常、Enable for OData というラベルのチェックボックスです。変更を保存します。システムは、このレポートに対して一意のOData URLを生成します。
OData URLの特定: Administrator ワークセンターの OData Services ビューに移動します。リストからカスタムレポートを見つけ、そのサービスURLをコピーします。これはPythonスクリプトで必要になります。
Python環境のセットアップ: Python がインストールされており、requests および pandas ライブラリが利用できることを確認してください。これらは pip install requests pandas を使用してインストールできます。
Pythonスクリプトの設定: 提供されたPythonスクリプトをコピーします。C4C_TENANT_URL、OData_SERVICE_PATH、USERNAME、および PASSWORD のプレースホルダー値を、お客様固有のSAP Sales Cloudの認証情報と、前のステップで取得したOData URLに置き換えます。
抽出スクリプトの実行: Pythonスクリプトを実行します。スクリプトはOData APIで認証を行い、大量のデータを処理するためにページごとにデータをフェッチし、それをpandas DataFrameにロードします。
データ変換: スクリプトは、ワイド形式のデータ（商談ごとに1行）をロング形式のイベントログに自動的に変換します。各潜在的なアクティビティを反復処理し、有効なタイムスタンプがあるかを確認します。タイムスタンプが存在する場合、正しい ActivityName を持つ対応するイベントレコードを作成します。
イベントログのエクスポート: スクリプトが完了すると、最終的なイベントログが lead_to_cash_event_log.csv ファイルとして同じディレクトリに保存されます。このファイルは、プロセスマイニングツールに直接アップロードできるようにフォーマットされています。

設定

データソース設定: この手法の核となるのは、SAP Sales Cloud Analytics の結合データソースです。見積や受注に至らない商談も確実に捕捉するため、商談オブジェクトから始める Left Outer Joins の使用が重要となります。
レポートの特性: カスタムレポートには、対象となるアクティビティに対応するすべての日付および時刻フィールドを含める必要があります。これには、リード、商談、見積、受注の作成タイムスタンプ、およびステータス変更のタイムスタンプが含まれます。
OData API フィルタリング: パフォーマンスとデータ量を管理するため、Pythonスクリプト内のOData URLで $filter パラメーターを使用します。例えば OpportunityCreationDate のように、日付範囲でフィルタリングすることを強く推奨します。初期分析の一般的な日付範囲は6〜12ヶ月です。
ページネーション: 提供されたスクリプトは、$top および $skip パラメーターを使用してODataのページネーションを処理します。これは、API接続がタイムアウトすることなく、大量のデータセットを抽出するために不可欠です。
前提条件: この手法には、OData API およびリード、商談、見積、受注の基盤となるデータソースにアクセスする権限を持つ専用のアナリティクスユーザーが必要です。

a クエリ例 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.")

ステップ

前提条件: Analytics ワークセンターにアクセスできるSAP Sales Cloudユーザーがいることを確認してください。特に、データソースとレポートを作成および編集する権限が必要です。
結合データソースの作成: Business Analytics ワークセンター内の Design Data Sources ビューに移動します。新しい結合データソースを作成します。すべての商談が確実に捕捉されるよう、以下の標準データソースを左外部結合（Left Outer Join）で結合します: Lead Information -> Opportunity Header and Item -> Sales Quote Header and Item -> Sales Order Header and Item。結合条件は通常、商談IDまたは後続ドキュメントIDに基づいている必要があります。
カスタムレポートの構築: Design Reports ビューに移動します。前のステップで作成した結合データソースに基づき、新しいレポートを作成します。レポートビューに、識別子（リードID、商談ID）、すべての関連するステータスフィールド、およびすべてのタイムスタンプフィールド（作成日、ステータス変更日など）を含む、必要なすべての特性とキー数値を追加します。また、営業担当者、リードソース、受注金額などの必須属性も追加します。
レポートのODataサービスとしての公開: Design Reports ビューで、新しく作成したレポートを選択します。レポートの設定またはコンフィギュレーションで、レポートをODataクエリとして公開するオプションを見つけます。これは通常、Enable for OData というラベルのチェックボックスです。変更を保存します。システムは、このレポートに対して一意のOData URLを生成します。
OData URLの特定: Administrator ワークセンターの OData Services ビューに移動します。リストからカスタムレポートを見つけ、そのサービスURLをコピーします。これはPythonスクリプトで必要になります。
Python環境のセットアップ: Python がインストールされており、requests および pandas ライブラリが利用できることを確認してください。これらは pip install requests pandas を使用してインストールできます。
Pythonスクリプトの設定: 提供されたPythonスクリプトをコピーします。C4C_TENANT_URL、OData_SERVICE_PATH、USERNAME、および PASSWORD のプレースホルダー値を、お客様固有のSAP Sales Cloudの認証情報と、前のステップで取得したOData URLに置き換えます。
抽出スクリプトの実行: Pythonスクリプトを実行します。スクリプトはOData APIで認証を行い、大量のデータを処理するためにページごとにデータをフェッチし、それをpandas DataFrameにロードします。
データ変換: スクリプトは、ワイド形式のデータ（商談ごとに1行）をロング形式のイベントログに自動的に変換します。各潜在的なアクティビティを反復処理し、有効なタイムスタンプがあるかを確認します。タイムスタンプが存在する場合、正しい ActivityName を持つ対応するイベントレコードを作成します。
イベントログのエクスポート: スクリプトが完了すると、最終的なイベントログが lead_to_cash_event_log.csv ファイルとして同じディレクトリに保存されます。このファイルは、プロセスマイニングツールに直接アップロードできるようにフォーマットされています。

設定

データソース設定: この手法の核となるのは、SAP Sales Cloud Analytics の結合データソースです。見積や受注に至らない商談も確実に捕捉するため、商談オブジェクトから始める Left Outer Joins の使用が重要となります。
レポートの特性: カスタムレポートには、対象となるアクティビティに対応するすべての日付および時刻フィールドを含める必要があります。これには、リード、商談、見積、受注の作成タイムスタンプ、およびステータス変更のタイムスタンプが含まれます。
OData API フィルタリング: パフォーマンスとデータ量を管理するため、Pythonスクリプト内のOData URLで $filter パラメーターを使用します。例えば OpportunityCreationDate のように、日付範囲でフィルタリングすることを強く推奨します。初期分析の一般的な日付範囲は6〜12ヶ月です。
ページネーション: 提供されたスクリプトは、$top および $skip パラメーターを使用してODataのページネーションを処理します。これは、API接続がタイムアウトすることなく、大量のデータセットを抽出するために不可欠です。
前提条件: この手法には、OData API およびリード、商談、見積、受注の基盤となるデータソースにアクセスする権限を持つ専用のアナリティクスユーザーが必要です。

a クエリ例 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.")

リード・ツー・キャッシュデータテンプレート

リード・ツー・キャッシュデータテンプレート

リード・トゥ・キャッシュ属性

リード・トゥ・キャッシュアクティビティ

抽出ガイド

SAP Sales Cloud Analytics OData API抽出

ステップ

設定

a クエリ例 python

SAP Sales Cloud標準ODataビジネスオブジェクトクエリ

ステップ

設定

a クエリ例 python

今すぐ始めますか？

今すぐリード・トゥ・キャッシュを最適化し、勝率を向上させましょう！

リード・ツー・キャッシュ データテンプレート

リード・ツー・キャッシュ データテンプレート

リード・トゥ・キャッシュ属性

リード・トゥ・キャッシュアクティビティ

抽出ガイド

SAP Sales Cloud Analytics OData API抽出

ステップ

設定

a クエリ例 python

SAP Sales Cloud標準ODataビジネスオブジェクトクエリ

ステップ

設定

a クエリ例 python

お客様のプライバシーを大切にしています

今すぐ始めますか？

今すぐリード・トゥ・キャッシュを最適化し、勝率を向上させましょう！

リード・ツー・キャッシュデータテンプレート

リード・ツー・キャッシュデータテンプレート