> Continue procesverbetering > Verwerking van crediteurenbetalingen > SAP ECC > Datatemplate

Jouw datatemplate voor het crediteurenbetalingsproces

SAP ECC

Attributen voor crediteurenbetalingen (21) Activiteiten voor crediteurenbetalingen (13) Extractiegidsen (3)

Jouw datatemplate voor het crediteurenbetalingsproces

Met deze template breng je je betalingsworkflows in SAP ECC gestructureerd in kaart. Je identificeert de belangrijkste datapunten en mijlpalen. De template bevat een volledige lijst met attributen en activiteiten, plus praktische extractie-instructies waarmee je een betrouwbaar event log opbouwt. Zo vind je betalingsvertragingen en maak je je financiële processen efficiënter.

Essentiële datavelden voor betalingsanalyse
Belangrijke procesmijlpalen voor het volgen van workflows
Stapsgewijze extractie-instructies voor SAP ECC

Nieuw met event logs? Leer hoe je een process mining-event log maakt.

Template downloaden

Attributen voor crediteurenbetalingen

Deze tabel beschrijft de aanbevolen datavelden die je uit SAP ECC moet vastleggen voor een grondige analyse van de levenscyclus van je betalingen.

5 Verplicht 10 Aanbevolen 6 Optioneel

	Naam	Beschrijving
	Activiteitsnaam ActivityName	De specifieke processtap of actie die is uitgevoerd.
Beschrijving Dit attribuut beschrijft de gebeurtenis in het Accounts Payable-proces, zoals 'Invoice Posted', 'Payment Block Applied' of 'Payment Run Executed'. Het bepaalt de knooppunten in de procesmap. Met de volgorde van deze activiteiten kun je procesvarianten visualiseren, herbewerkingslussen herkennen, bijvoorbeeld het opheffen en opnieuw toepassen van een blokkade, en compliance controleren aan de hand van de standaardgoedkeuringsworkflow. Waarom dit belangrijk is Het bepaalt de procesflow en is nodig om het verloop van de factuur te visualiseren. Waar je het vindt Afgeleid uit Transaction Codes (TCODE), Change Document Object Classes (CDHDR) of Workflow Logs Voorbeelden Factuur geboektBetalingsblokkade verwijderdPrijswijziging
	Bronsysteem SourceSystem	De identificatie van de SAP ERP-instantie.
Beschrijving Dit attribuut identificeert het specifieke SAP ECC-systeem of de client waaruit de data is geëxtraheerd. In omgevingen met meerdere systemen is dit belangrijk om data gescheiden te houden en prestaties per regio of bedrijfsonderdeel te analyseren. Je kunt hiermee de procesweergave filteren op specifieke omgevingen. Ook zorgt het voor een unieke case-identificatie wanneer meerdere SAP-instanties in hetzelfde process mining-datamodel worden ingelezen. Waarom dit belangrijk is Zorgt voor unieke data en context in omgevingen met meerdere ERP-systemen. Waar je het vindt Systeemconfiguratie of extractieparameter Voorbeelden SAP_ECC_PRODERP_NASAP_P01
	Factuurnummer InvoiceNumber	De unieke identificatie van het factuurdocument van de leverancier.
Beschrijving Dit attribuut is de centrale case-identificatie voor het Accounts Payable-proces. In SAP ECC is dit technisch gezien een samenvoeging van de Client, Company Code, het boekjaar en het nummer van het boekhoudkundige document (BELNR), zodat het document in het hele systeem uniek is. Het groepeert alle activiteiten die bij een specifieke verplichting aan een leverancier horen. In de analyse wordt dit veld gebruikt om de volledige levenscyclus van een betalingsverplichting te volgen. Process mining-tools kunnen hiermee de geschiedenis van een factuur reconstrueren, vanaf het moment waarop deze wordt ontvangen of gescand tot en met de definitieve clearingboeking in het General Ledger. Waarom dit belangrijk is Dit is de belangrijkste sleutel om gebeurtenissen, statuswijzigingen en financiële boekingen aan één procesinstantie te koppelen. Waar je het vindt SAP ECC-tabel BKPF, veld BELNR (gecombineerd met BUKRS en GJAHR) Voorbeelden 1000-2023-1900001234US01-2023-51000008922000-2024-1500004455
	Laatste data-update LastDataUpdate	De timestamp van de meest recente data-extractie.
Beschrijving Dit attribuut geeft aan wanneer het datarecord voor het laatst vanuit het bronsysteem is vernieuwd. Je gebruikt het om te bepalen hoe actueel de analyse is en om incrementele data-ladingen te beheren. In dashboards helpt dit gebruikers te begrijpen of ze naar realtime data kijken of naar een momentopname uit een eerdere periode. Dat is belangrijk voor de operationele monitoring van openstaande facturen. Waarom dit belangrijk is Geeft context over datavertraging en betrouwbaarheid. Waar je het vindt Metadata van het ETL-proces Voorbeelden 2023-11-01T00:00:00Z2023-11-01T12:00:00Z
	Timestamp van gebeurtenis EventTimestamp	De exacte datum en tijd waarop de activiteit plaatsvond.
Beschrijving Dit attribuut registreert het precieze moment waarop een actie in het SAP-systeem plaatsvond. Meestal worden hiervoor de systeemdatum en systeemtijd uit de relevante tabellen gecombineerd, bijvoorbeeld CPUDT en CPUTM. Dit is essentieel voor het berekenen van alle tijdgebonden KPI's, waaronder doorlooptijd, goedkeuringstijd en procesdoorvoer. Zonder nauwkeurige timestamps kun je de volgorde van gebeurtenissen niet bepalen en de efficiëntie niet meten. Waarom dit belangrijk is Essentieel voor het ordenen van gebeurtenissen en het berekenen van doorlooptijden. Waar je het vindt SAP ECC-tabellen BKPF (CPUDT/CPUTM) of CDHDR (UDATE/UTIME) Voorbeelden 2023-10-15T09:30:00Z2023-10-15T14:45:12Z2023-10-16T08:15:00Z
	Bedrijfsnummer CompanyCode	De organisatie-eenheid waarvoor de financiële overzichten worden opgesteld.
Beschrijving De Company Code (BUKRS) is de centrale organisatie-eenheid in SAP Financial Accounting. Deze vertegenwoordigt een specifieke juridische entiteit of dochteronderneming binnen de organisatiestructuur. Met dit attribuut kun je procesprestaties per dochteronderneming of regio uitsplitsen. Zo kunnen betrokkenen percentages voor te late betaling of automatiseringspercentages tussen bedrijfsonderdelen vergelijken en zien welke onderdelen vooroplopen of achterblijven. Waarom dit belangrijk is Belangrijkste dimensie voor benchmarking per organisatieonderdeel. Waar je het vindt SAP ECC-tabel BKPF, veld BUKRS Voorbeelden 1000US01DE10
	Betalingsmethode PaymentMethod	De methode waarmee de factuur wordt betaald, bijvoorbeeld cheque, bankoverschrijving of ACH.
Beschrijving Dit attribuut (ZLSCH) geeft aan hoe de betaling wordt of is uitgevoerd. Het maakt onderscheid tussen handmatige cheques, bankoverschrijvingen en elektronische betalingen. Dit veld vormt de basis voor het dashboard 'Payment Method Automation Mix' en de KPI 'Electronic Payment Adoption Rate'. Zo kunnen organisaties de overstap volgen van dure handmatige cheques naar goedkopere elektronische overschrijvingen. Waarom dit belangrijk is Volgt de efficiëntie en kosten van de uitvoeringsfase van de betaling. Waar je het vindt SAP ECC-tabel BSEG of BKPF, veld ZLSCH Voorbeelden CTJe
	Betalingsvoorwaarden PaymentTerms	De code die de voorwaarden voor betaling en kortingen bepaalt.
Beschrijving Dit attribuut bevat de Key for Terms of Payment (ZTERM). Deze bepaalt wanneer de factuur vervalt en of er betalingskortingen gelden, bijvoorbeeld 2% bij betaling binnen 10 dagen. Het vormt de basis voor het berekenen van het 'Early Payment Discount Capture Rate'. De analyse gebruikt deze code om de gewenste betaaldatum te berekenen en afwijkingen te herkennen die leiden tot gemiste kortingen of boetes. Waarom dit belangrijk is Bepaalt de financiële deadline en mogelijkheden voor korting. Waar je het vindt SAP ECC-tabel BSEG, veld ZTERM Voorbeelden Z001NT300002
	Clearingdatum ClearingDate	De datum waarop de factuur in het systeem is vereffend of betaald.
Beschrijving Dit attribuut (AUGDT) registreert wanneer de openstaande post in het General Ledger is vereffend. Daarmee is het betalingsproces voltooid. Dit is de eindtimestamp voor de KPI 'Average Invoice Cycle Time'. Door deze datum met de vervaldatum te vergelijken, bepaal je of de betaling te laat of op tijd was. Waarom dit belangrijk is Markeert de voltooiing van het financiële proces. Waar je het vindt SAP ECC-tabel BSEG, veld AUGDT Voorbeelden 2023-11-202023-12-05
	Code voor betalingsblokkade PaymentBlockCode	Geeft aan of en waarom een factuur voor betaling is geblokkeerd.
Beschrijving Dit attribuut (ZLSPR) bevat de code die voorkomt dat een factuur wordt meegenomen in de automatische betaalrun, bijvoorbeeld 'R' voor Invoice Verification of 'A' voor Locked. Het monitoren van dit attribuut vormt de kern van het dashboard 'Payment Block and Hold Resolution'. Analisten kunnen hiermee de meest voorkomende redenen voor betalingsvertragingen herkennen en meten hoe lang facturen geblokkeerd blijven. Waarom dit belangrijk is Belangrijkste indicator voor procesfrictie en de behoefte aan handmatige interventie. Waar je het vindt SAP ECC-tabel BSEG, veld ZLSPR Voorbeelden ARnull
	Documenttype DocumentType	Classificeert het boekhoudkundige document, bijvoorbeeld factuur of creditnota.
Beschrijving Het Document Type (BLART) categoriseert de boeking en maakt onderscheid tussen standaardleveranciersfacturen, bijvoorbeeld KR, creditnota's, KG, en betalingen, KZ. Filteren op Document Type is essentieel voor een juiste analyse van doorlooptijden, omdat creditnota's een andere procesflow volgen dan standaardfacturen. Zo vergelijk je processen die daadwerkelijk vergelijkbaar zijn. Waarom dit belangrijk is Maakt onderscheid tussen verschillende financiële workflows, zoals facturen en creditnota's. Waar je het vindt SAP ECC-tabel BKPF, veld BLART Voorbeelden KRREKG
	Factuurbedrag InvoiceAmount	De totale geldwaarde van de factuur in lokale valuta.
Beschrijving Dit attribuut vertegenwoordigt het bedrag dat aan de leverancier moet worden betaald (DMBTR of WRBTR). Het is belangrijk om de financiële impact van procesinefficiënties te beoordelen. Dit veld wordt gebruikt in de mapping 'Activity Amount' en maakt KPI's mogelijk die rekening houden met de waarde. Een te late betaling van een factuur met een hoog bedrag is bijvoorbeeld belangrijker dan die van een factuur met een laag bedrag. Zo kun je werk prioriteren op basis van de impact op werkkapitaal. Waarom dit belangrijk is Maakt de financiële omvang van de procesinstantie meetbaar. Waar je het vindt SAP ECC-tabel BSEG, veld DMBTR (lokale valuta) of WRBTR (documentvaluta) Voorbeelden 1500.00230.5010500.00
	Gebruikersnaam UserName	De ID van de gebruiker die de activiteit heeft uitgevoerd.
Beschrijving Dit attribuut identificeert de SAP-gebruikers-ID (USNAM) die verantwoordelijk is voor de gebeurtenis. Deze wordt vastgelegd in de transactiekop of het wijzigingslogboek. Het wordt gemapt naar het generieke attribuut 'User' voor analyses van het percentage handmatige handelingen en weergaven van resourcegebruik. Zo kun je onderscheid maken tussen geautomatiseerde systeemgebruikers, zoals batchjobs, en gebruikers die handmatige aanpassingen uitvoeren. Waarom dit belangrijk is Maakt resourceanalyse en berekening van het automatiseringspercentage mogelijk. Waar je het vindt SAP ECC-tabel BKPF, veld USNAM, of CDHDR, veld USERNAME Voorbeelden BSMITHWF-BATCHSAP_WORKER
	Inkoopordernummer PurchaseOrderNumber	De verwijzing naar het inkoopdocument dat aan de factuur is gekoppeld.
Beschrijving Dit attribuut bevat het Purchase Order-nummer (EBELN) als de factuur aan een inkooporder is gekoppeld. Het verbindt het Accounts Payable-proces met het Procurement-proces. Het is belangrijk voor het dashboard 'PO Matching and Discrepancy Audit'. Met dit veld kun je de 'PO-Backed Invoice Ratio' berekenen en de efficiëntie van factuurverwerking met en zonder inkooporder vergelijken. Waarom dit belangrijk is Verbindt AP met Procurement en identificeert matching-workflows. Waar je het vindt SAP ECC-tabel BSEG, veld EBELN Voorbeelden 45000123894500099221null
	Leveranciersnummer VendorNumber	Unieke identificatie van de leverancier of crediteur.
Beschrijving Dit attribuut identificeert de externe leverancier bij de factuur (LIFNR). Het is gekoppeld aan de leveranciersstamgegevens, met informatie zoals naam, adres en betalingsvoorwaarden. Leveranciersanalyse is belangrijk voor betere voorwaarden, het bundelen van uitgaven en het oplossen van terugkerende problemen. Dit veld ondersteunt het dashboard 'Vendor Inquiry and Support Volume' door procesinefficiënties aan specifieke leveranciers te koppelen. Waarom dit belangrijk is Maakt prestatieanalyse vanuit leveranciersperspectief mogelijk. Waar je het vindt SAP ECC-tabel BSEG, veld LIFNR of LFA1 Voorbeelden 0000100234VEND-5592102938
	Basisbetaaldatum BaselinePaymentDate	De datum vanaf wanneer de betalingsvoorwaarden worden berekend.
Beschrijving Dit attribuut (ZFBDT) is het startpunt voor het berekenen van de uiterste vervaldatum en vervaldata voor kortingen. Afhankelijk van de configuratie is dit meestal de ontvangstdatum van de factuur of de documentdatum. Een juiste analyse van het percentage te late betalingen hangt van dit veld af. Als de basisdatum niet klopt, zijn alle daaropvolgende berekeningen van vervaldata en markeringen voor te late betaling onjuist. Waarom dit belangrijk is De referentiedatum voor alle ouderdoms- en vervaldatumberekeningen. Waar je het vindt SAP ECC-tabel BSEG, veld ZFBDT Voorbeelden 2023-10-012023-11-15
	Op basis van inkooporder IsPOBased	Indicator die aangeeft of de factuur aan een inkooporder is gekoppeld.
Beschrijving Dit booleaanse attribuut wordt afgeleid door te controleren of het veld Purchase Order Number is ingevuld. Het verdeelt de data in PO-backed-stromen (MM-LIV) en non-PO-stromen (FI-AP). Deze verdeling is belangrijk voor de analyse 'Non PO Processing Efficiency', omdat facturen zonder inkooporder meestal meer handmatige goedkeuringsstappen en langere doorlooptijden hebben. Waarom dit belangrijk is Belangrijke segmentatie voor analyse van procesefficiëntie. Waar je het vindt Afgeleid: True als EBELN niet null of leeg is Voorbeelden truefalse
	Referentienummer ReferenceNumber	Het factuurnummer van de leverancier zoals vermeld op het fysieke document.
Beschrijving Het Reference Number (XBLNR) is de externe identificatie die de leverancier aanlevert. Het wordt handmatig ingevoerd of tijdens het aanmaken van de factuur via OCR vastgelegd. Dit attribuut is de belangrijkste sleutel voor de analyse 'Duplicate Payment Prevention'. Algoritmen controleren op meerdere instanties met hetzelfde Reference Number voor dezelfde leverancier en hetzelfde bedrag, om mogelijke dubbele betalingen te markeren. Waarom dit belangrijk is Belangrijk voor het herkennen van duplicaten en het controleren van specifieke leveranciersfacturen. Waar je het vindt SAP ECC-tabel BKPF, veld XBLNR Voorbeelden INV-2023-00199887766OCT-BILLING
	Te late betaling IsLatePayment	Indicator die aangeeft of de betaling na de vervaldatum is uitgevoerd.
Beschrijving Dit booleaanse attribuut wordt berekend door de Clearing Date te vergelijken met de Net Due Date. Als de Clearing Date later is, wordt de waarde True. Het is de directe basis voor de KPI 'Late Payment Rate'. Met deze vooraf berekende indicator kunnen gebruikers eenvoudig het aantal True-waarden tellen, zonder complexe logica in de visualisatie te schrijven. Waarom dit belangrijk is Vereenvoudigt KPI-rapportage over het naleven van planningen. Waar je het vindt Berekend: ClearingDate > NetDueDate Voorbeelden truefalse
	Uiterste vervaldatum NetDueDate	De berekende datum waarop de factuur uiterlijk moet zijn betaald.
Beschrijving Dit attribuut vertegenwoordigt de uiterste betaaldatum. De datum wordt berekend door het maximale aantal betalingsdagen uit de betalingsvoorwaarden op te tellen bij de basisbetaaldatum. Het vormt de norm voor de 'Late Payment and Penalty Monitor'. Zonder dit berekende veld kun je niet markeren welke facturen hun servicelevels hebben overschreden. Waarom dit belangrijk is De gewenste deadline voor het volledige proces. Waar je het vindt Berekend: BaselinePaymentDate + PaymentTerms(Days) Voorbeelden 2023-11-302023-12-15
	Valutacode CurrencyCode	De valutacode voor het factuurbedrag.
Beschrijving Dit attribuut (WAERS) identificeert de valuta waarin de factuur is uitgegeven, bijvoorbeeld USD of EUR. Hiermee kun je processen met meerdere valuta verwerken. In analyses wordt dit gebruikt om uitgaven per valuta te groeperen of om valutaomrekening mogelijk te maken voor geconsolideerde rapportage in het dashboard 'Cash Flow and Payment Visibility'. Waarom dit belangrijk is Nodig voor een juiste financiële interpretatie van bedragen. Waar je het vindt SAP ECC-tabel BKPF, veld WAERS Voorbeelden USDEURGBP

Verplicht Aanbevolen Optioneel

Activiteiten voor crediteurenbetalingen

Dit zijn de belangrijkste processtappen en statuswijzigingen die je moet volgen om de volledige flow van je crediteurenbetalingen te visualiseren.

7 Aanbevolen 6 Optioneel

	Activiteit	Beschrijving
	Betaling geboekt	De uitvoering van de betalingsrun waarbij de bankoverschrijving wordt gestart of de cheque wordt afgedrukt. In het systeem wordt een betalingsdocument aangemaakt.
Waarom dit belangrijk is Het moment waarop de uitgaande kasstroom niet meer kan worden teruggedraaid. Deze timestamp wordt gebruikt om de werkelijke betalingsdoorlooptijd te berekenen en te controleren tegen kortingsdeadlines. Waar je het vindt BKPF-tabel voor het betalingsdocument (Document Type 'ZP' of vergelijkbaar). Vastleggen Vastgelegd wanneer transactie X is uitgevoerd Eventtype explicit
	Betalingsblokkade toegepast	Legt vast dat een betalingsblokkadesleutel aan een factuurregel is toegevoegd. Hierdoor wordt de factuur niet meegenomen in het automatische betalingsprogramma.
Waarom dit belangrijk is Een belangrijke oorzaak van te late betalingen en gemiste kortingen. Door de reden voor de blokkade te analyseren, zie je of vertragingen komen door prijsverschillen, ontbrekende goederenontvangsten of handmatige blokkades. Waar je het vindt Wijzigingsdocumenten (CDHDR/CDPOS) voor object BELEG, veld BSEG-ZLSPR (Payment Block Key). Vastleggen Vergelijk het statusveld voor en na de wijziging Eventtype inferred
	Betalingsblokkade verwijderd	Legt vast dat een betalingsblokkade is verwijderd, waardoor de factuur in aanmerking komt voor de volgende betalingsrun. In veel SAP-configuraties fungeert dit als indicatie van 'Approval'.
Waarom dit belangrijk is Geeft aan dat problemen die betaling verhinderden zijn opgelost. De tijd tussen Block Applied en Block Removed vormt het knelpunt voor de oplostijd. Waar je het vindt Wijzigingsdocumenten (CDHDR/CDPOS) waarbij New Value voor BSEG-ZLSPR leeg is. Vastleggen Vergelijk het statusveld voor en na de wijziging Eventtype inferred
	Factuur aangemaakt	Geeft het moment aan waarop de factuurgegevens technisch in SAP ECC zijn ingevoerd. Deze timestamp markeert het begin van het digitale proces binnen de ERP.
Waarom dit belangrijk is Belangrijk om de interne verwerkingstijd te berekenen ten opzichte van de totale wachttijd van de leverancier. Een lange tijd tussen Receipt en Creation wijst op knelpunten bij de aanlevering. Waar je het vindt BKPF-tabel, velden CPUDT (Entry Date) en CPUTM (Entry Time). Vastleggen Vastgelegd wanneer transactie X is uitgevoerd Eventtype explicit
	Factuur geboekt	Geeft aan dat de factuur succesvol in het grootboek en de subgrootboeken is geboekt. Door deze actie ontstaat de verplichting in het systeem.
Waarom dit belangrijk is De factuur wordt nu officieel als schuld erkend. Dit vormt het startpunt voor standaard ouderdomsanalyses en berekeningen van de vervaldatum. Waar je het vindt Aanmaken in de BKPF-tabel waarbij BSTAT leeg is (standaard geboekt). Vastleggen Vastgelegd wanneer transactie X is uitgevoerd Eventtype explicit
	Factuur vereffend	De boeking waarbij de factuurregel aan het betalingsdocument wordt gekoppeld en de openstaande post op nul wordt gezet. Hiermee eindigt de levenscyclus van de factuur.
Waarom dit belangrijk is Markering voor de voltooiing van het proces. Essentieel om de 'End to End Cycle Time' te berekenen en te bevestigen dat de schuld is afgelost. Waar je het vindt In de BSEG-tabel is veld AUGDT (Clearing Date) gevuld. Vastleggen Vastgelegd wanneer transactie X is uitgevoerd Eventtype explicit
	Factuurontvangst vastgelegd	Legt de datum op de factuur van de leverancier vast als referentiedatum. Deze datum komt uit het veld Document Date in de kop van het boekingsdocument.
Waarom dit belangrijk is Vormt de basis voor ouderdomsanalyses en compliance met betalingstermijnen van leveranciers. Verschillen tussen deze datum en de invoerdatum laten vertragingen bij de postkamer of het scannen zien. Waar je het vindt BKPF-tabel, veld BLDAT (Document Date). Vastleggen Vastgelegd wanneer transactie X is uitgevoerd Eventtype explicit
	Betalingstermijn gewijzigd	Een specifieke herstelactie waarbij de betalingsvoorwaarden handmatig worden aangepast. Hierdoor veranderen de vervaldatum en de parameters voor betalingskortingen.
Waarom dit belangrijk is Dit gebeurt vaak om betalingstermijnen kunstmatig te verlengen of fouten in stamgegevens te corrigeren. Het heeft direct effect op kasstroomprognoses en KPI's voor het benutten van kortingen. Waar je het vindt Wijzigingsdocumenten (CDHDR/CDPOS) voor veld BSEG-ZTERM. Vastleggen Vastgelegd wanneer transactie X is uitgevoerd Eventtype explicit
	Betalingsvoorstel aangemaakt	Geeft aan dat de factuur door het Automatic Payment Program (F110) is geselecteerd voor een mogelijke betaling. De factuur staat nu op een voorlopige betalingslijst.
Waarom dit belangrijk is Markeert de overgang van 'Payable' naar 'Being Paid'. Dit overzicht helpt treasury om de kasbehoefte te beheren voordat het geld daadwerkelijk van de rekening gaat. Waar je het vindt Aanmaakdatum in de REGUH-tabel (Settlement Data from Payment Program). Vastleggen Vastgelegd wanneer transactie X is uitgevoerd Eventtype explicit
	Factuur geparkeerd	Geeft aan dat een factuur als concept is opgeslagen zonder financiële boekingen aan te maken. Deze status maakt het mogelijk om de gegevensinvoer te onderbreken of de factuur te controleren vóór de definitieve boeking.
Waarom dit belangrijk is Laat facturen zien die in een voorbereidende status blijven staan en daardoor de betaling vertragen. Een groot volume wijst op inefficiënte gegevensinvoer of onduidelijke goedkeuringsvereisten. Waar je het vindt VBKPF-tabel of BKPF waarbij BSTAT gelijk is aan 'V'. Vastleggen Vergelijk het statusveld voor en na de wijziging Eventtype inferred
	Factuurgegevens gewijzigd	Legt handmatige wijzigingen vast in kop- of regelgegevens van een factuur na de eerste boeking. Veelvoorkomende wijzigingen zijn referentienummers, tekstvelden of belastingcodes.
Waarom dit belangrijk is Wijst op herstelwerk en handmatige tussenkomst in het proces. Veel wijzigingen wijzen op problemen met de datakwaliteit bij de bron of onvoldoende validatie tijdens de eerste invoer. Waar je het vindt Wijzigingsdocumenten (CDHDR/CDPOS) voor object BELEG, met uitzondering van wijzigingen aan de blokkadesleutel. Vastleggen Vastgelegd wanneer transactie X is uitgevoerd Eventtype explicit
	Vervaldatum van betalingskorting verstreken	Een berekende gebeurtenis die aangeeft dat de huidige datum de geldigheidsperiode voor Cash Discount 1 of 2 heeft overschreden. Dit wijst op een gemiste besparingsmogelijkheid.
Waarom dit belangrijk is Ondersteunt rechtstreeks het dashboard 'Discount Capture Performance'. Helpt het financiële verlies door procesvertragingen te kwantificeren. Waar je het vindt Berekend door BSEG-ZBD1T (dagen) op te tellen bij BKPF-BLDAT (documentdatum) en dit te vergelijken met de huidige datum of betaaldatum. Vastleggen Afgeleid door veld X met Y te vergelijken Eventtype calculated
	Vervaldatum verstreken	Een berekende gebeurtenis die aangeeft dat de factuur na de uiterste vervaldatum nog openstaat. Hiermee wordt de factuur als achterstallig gemarkeerd.
Waarom dit belangrijk is Ondersteunt de analyse van 'Late Payment'. Door dit te monitoren voorkom je problemen met leveranciers en mogelijke kosten voor te late betaling. Waar je het vindt Berekend door BSEG-ZBD3T (nettodagen) op te tellen bij de basisdatum en dit te vergelijken met de huidige datum. Vastleggen Afgeleid door veld X met Y te vergelijken Eventtype calculated

Aanbevolen Optioneel

Extractiegidsen

Zo haal je je data uit SAP ECC

Stappen

Open transactiecode SQVI (QuickViewer) in je SAP ECC-systeem.
Geef je view een naam, bijvoorbeeld Z_AP_MINING, en klik op Create. Selecteer Table Join in het venster Data Source.
Ga in het scherm Join definition naar Edit en vervolgens naar Insert Table. Voeg tabel BKPF (Accounting Document Header) en tabel BSAK (Accounting: Secondary Index for Vendors) toe. BSAK bevat vereffende posten. Als je open posten nodig hebt, heb je meestal een aparte extractie of een combinatie met tabel BSIK nodig. Deze gids richt zich op de vereffende historie in BSAK.
Controleer de koppelvoorwaarden tussen BKPF en BSAK. Zorg dat de tabellen zijn gekoppeld op Company Code (BUKRS), Accounting Document Number (BELNR) en Fiscal Year (GJAHR). Het systeem stelt deze meestal automatisch voor.
Ga terug naar het hoofdscherm van de definitie en selecteer je Output Fields (List fields) en Selection Fields (Filter fields).
Selecteer in de lijst Available Fields links de volgende belangrijke kolommen voor List fields: BKPF-BELNR (Invoice Number), BKPF-BUKRS (Company Code), BKPF-GJAHR (Fiscal Year), BKPF-BLDAT (Document Date), BKPF-BUDAT (Posting Date), BKPF-CPUDT (Entry Date), BKPF-CPUTM (Entry Time), BKPF-USNAM (User Name), BKPF-XBLNR (Reference/Invoice ID), BKPF-AWKEY (Object Key), BSAK-LIFNR (Vendor), BSAK-AUGDT (Clearing Date), BSAK-AUGBL (Clearing Doc), BSAK-DMBTR (Amount), BSAK-WAERS (Currency), BSAK-ZFBDT (Baseline Date), BSAK-ZBD1T (Terms 1), BSAK-ZLSPR (Payment Block), BSAK-ZLSCH (Payment Method).
Sla de QuickView op en klik op Execute (F8).
Vul op het selectiescherm je Company Code en een relevant Fiscal Year of bereik van Posting Date in, bijvoorbeeld de afgelopen 12 maanden.
Voer het rapport uit om de lijst te genereren. Ga na het weergeven van de lijst naar List, Export, Spreadsheet om de onbewerkte data als Excel- of CSV-bestand op te slaan.
SQVI maakt een platte lijst met één rij per factuur. Je moet deze data omzetten naar een event log met één rij per activiteit om aan de ProcessMind-vereisten te voldoen. Gebruik de SQL-logica uit de Query-sectie hieronder om je geëxporteerde spreadsheet om te zetten.

Configuratie

Join-configuratie: Inner Join tussen BKPF (Header) en BSAK (Vendor Cleared Items) op BUKRS, BELNR en GJAHR.
Datumbereik: filter bij voorkeur op Posting Date (BUDAT) voor de afgelopen 6 tot 12 maanden om de lijstgrootte beheersbaar te houden.
Scope: deze extractie richt zich op BSAK. Alleen facturen waarvan de cyclus is afgerond, dus vereffende of betaalde facturen, worden weergegeven. Open facturen (BSIK) zijn in deze configuratie uitgesloten.
Veldselectie: selecteer Document Date, Posting Date, Entry Date en Clearing Date om de event-timestamps te bepalen.
Autorisatie: je hebt toegang nodig tot transactie SQVI en weergaveautorisatie voor financiële tabellen.

a Voorbeeldquery sql

/* 
  POST-EXTRACTION TRANSFORMATION SCRIPT
  Apply this SQL logic to the raw Excel export from SQVI to generate the Event Log.
  Input Table Name: [Raw_SQVI_Export]
*/

/* 1. Invoice Receipt Recorded */
SELECT
  "Invoice Number" AS InvoiceNumber,
  'Invoice Receipt Recorded' AS ActivityName,
  CAST("Document Date" AS DATETIME) AS EventTimestamp,
  'SAP ECC' AS SourceSystem,
  GETDATE() AS LastDataUpdate,
  "Company Code" AS CompanyCode,
  "Vendor" AS VendorNumber,
  "Amount" AS InvoiceAmount,
  "Currency" AS Currency
FROM [Raw_SQVI_Export]
WHERE "Document Date" IS NOT NULL

UNION ALL

/* 2. Invoice Created */
SELECT
  "Invoice Number",
  'Invoice Created',
  CAST(CONCAT("Entry Date", ' ', "Entry Time") AS DATETIME),
  'SAP ECC',
  GETDATE(),
  "Company Code",
  "Vendor",
  "Amount",
  "Currency"
FROM [Raw_SQVI_Export]
WHERE "Entry Date" IS NOT NULL

UNION ALL

/* 3. Invoice Parked */
/* Limitation: Historical park status is not preserved in BSAK. Utilizing Entry Date as proxy if distinct from Posting. */
SELECT
  "Invoice Number",
  'Invoice Parked',
  CAST(CONCAT("Entry Date", ' ', "Entry Time") AS DATETIME),
  'SAP ECC',
  GETDATE(),
  "Company Code",
  "Vendor",
  "Amount",
  "Currency"
FROM [Raw_SQVI_Export]
WHERE "Entry Date" < "Posting Date"

UNION ALL

/* 4. Invoice Posted */
SELECT
  "Invoice Number",
  'Invoice Posted',
  CAST("Posting Date" AS DATETIME),
  'SAP ECC',
  GETDATE(),
  "Company Code",
  "Vendor",
  "Amount",
  "Currency"
FROM [Raw_SQVI_Export]
WHERE "Posting Date" IS NOT NULL

UNION ALL

/* 5. Payment Block Applied */
/* Limitation: Only shows current block status (ZLSPR) on the cleared item. */
SELECT
  "Invoice Number",
  'Payment Block Applied',
  CAST("Posting Date" AS DATETIME),
  'SAP ECC',
  GETDATE(),
  "Company Code",
  "Vendor",
  "Amount",
  "Currency"
FROM [Raw_SQVI_Export]
WHERE "Payment Block" IS NOT NULL AND "Payment Block" <> ''

UNION ALL

/* 6. Invoice Data Changed */
/* Limitation: Cannot be extracted via SQVI BKPF/BSAK join. Requires CDHDR table. Row excluded or placeholder. */
SELECT
  "Invoice Number",
  'Invoice Data Changed',
  NULL,
  'SAP ECC',
  GETDATE(),
  "Company Code",
  "Vendor",
  "Amount",
  "Currency"
FROM [Raw_SQVI_Export]
WHERE 1=0

UNION ALL

/* 7. Payment Term Changed */
/* Limitation: Requires Change Log extraction. */
SELECT
  "Invoice Number",
  'Payment Term Changed',
  NULL,
  'SAP ECC',
  GETDATE(),
  "Company Code",
  "Vendor",
  "Amount",
  "Currency"
FROM [Raw_SQVI_Export]
WHERE 1=0

UNION ALL

/* 8. Payment Block Removed */
/* Limitation: Requires Change Log extraction. */
SELECT
  "Invoice Number",
  'Payment Block Removed',
  NULL,
  'SAP ECC',
  GETDATE(),
  "Company Code",
  "Vendor",
  "Amount",
  "Currency"
FROM [Raw_SQVI_Export]
WHERE 1=0

UNION ALL

/* 9. Payment Proposal Created */
/* Proxy: Uses Clearing Date minus 1 day as estimation since REGUH table is not in join. */
SELECT
  "Invoice Number",
  'Payment Proposal Created',
  DATEADD(day, -1, CAST("Clearing Date" AS DATETIME)),
  'SAP ECC',
  GETDATE(),
  "Company Code",
  "Vendor",
  "Amount",
  "Currency"
FROM [Raw_SQVI_Export]
WHERE "Clearing Date" IS NOT NULL

UNION ALL

/* 10. Payment Posted */
/* Logic: Uses Clearing Date as the effective payment date. */
SELECT
  "Invoice Number",
  'Payment Posted',
  CAST("Clearing Date" AS DATETIME),
  'SAP ECC',
  GETDATE(),
  "Company Code",
  "Vendor",
  "Amount",
  "Currency"
FROM [Raw_SQVI_Export]
WHERE "Clearing Date" IS NOT NULL AND "Clearing Doc" IS NOT NULL

UNION ALL

/* 11. Invoice Cleared */
SELECT
  "Invoice Number",
  'Invoice Cleared',
  CAST("Clearing Date" AS DATETIME),
  'SAP ECC',
  GETDATE(),
  "Company Code",
  "Vendor",
  "Amount",
  "Currency"
FROM [Raw_SQVI_Export]
WHERE "Clearing Date" IS NOT NULL

UNION ALL

/* 12. Discount Due Date Passed */
/* Logic: Checks if Clearing Date > (Baseline Date + Term 1 Days). */
SELECT
  "Invoice Number",
  'Discount Due Date Passed',
  DATEADD(day, CAST("Terms 1" AS INT), CAST("Baseline Date" AS DATETIME)),
  'SAP ECC',
  GETDATE(),
  "Company Code",
  "Vendor",
  "Amount",
  "Currency"
FROM [Raw_SQVI_Export]
WHERE "Clearing Date" > DATEADD(day, CAST("Terms 1" AS INT), CAST("Baseline Date" AS DATETIME))

UNION ALL

/* 13. Due Date Passed */
/* Logic: Checks if Clearing Date > Net Due Date. */
SELECT
  "Invoice Number",
  'Due Date Passed',
  DATEADD(day, CAST("Terms 1" AS INT) + CAST("Terms 2" AS INT), CAST("Baseline Date" AS DATETIME)),
  'SAP ECC',
  GETDATE(),
  "Company Code",
  "Vendor",
  "Amount",
  "Currency"
FROM [Raw_SQVI_Export]
WHERE "Clearing Date" > DATEADD(day, CAST("Terms 1" AS INT) + CAST("Terms 2" AS INT), CAST("Baseline Date" AS DATETIME))

Stappen

Vereisten instellen: Zorg dat Python is geïnstalleerd met de bibliotheken pyrfc en pandas. Op de machine waarop het script draait, moet de SAP NetWeaver RFC SDK zijn geïnstalleerd. Het SAP-gebruikersaccount moet autorisaties hebben voor functiemodule RFC_READ_TABLE en leestoegang tot de tabellen BKPF, BSAK, BSIK, REGUH, CDHDR, CDPOS en VBKPF.
Verbindingsconfiguratie: Werk de verbindingsparameters in regels 15 tot en met 22 van het script bij met je SAP ECC-host, systeemnummer, client, gebruikersnaam en wachtwoord. Stel de variabelen TargetCompanyCode en DateFrom/DateTo in om de extractiescope te bepalen.
Overzicht van de scriptlogica: Het script voert een sequentiële extractie uit. Eerst haalt het factuurkoppen (BKPF) en regelitems (BSAK/BSIK) op om de basispopulatie op te bouwen. Daarna vraagt het betalingsdata (REGUH) en wijzigingslogs (CDHDR/CDPOS) op, specifiek voor de documenten die in de eerste stap zijn gevonden. Zo beperk je de hoeveelheid data die wordt overgedragen.
Limieten voor tabelbreedte: De standaardfunctie RFC_READ_TABLE heeft vaak een limiet van 512 bytes per rij. Het script bevat een hulpfunctie die specifieke kolommen opvraagt, zodat het antwoord binnen deze limiet blijft. Voor elke tabel wordt een pandas DataFrame gemaakt.
Datatransformatie: Het script voegt kop- en regelitemdata samen tot een 'Process Object'. Daarna doorloopt het dit object om standaard-timestamps te genereren voor de activiteiten Created, Posted en Receipt. Het berekent vervaldata en kortingsdeadlines op basis van de betalingsvoorwaarden.
Verwerking van wijzigingslogs: Het script verwerkt CDHDR- en CDPOS-data om specifieke veldwijzigingen te vinden. Wijzigingen in 'ZLSPR' worden gekoppeld aan de activiteiten Payment Block Applied/Removed. Wijzigingen in 'ZTERM' worden gekoppeld aan Payment Term Changed.
Opbouw van het event log: Alle afgeleide activiteiten worden toegevoegd aan een centrale eventlijst. Deze lijst wordt omgezet in een definitieve pandas DataFrame met de vereiste kolommen: InvoiceNumber, ActivityName, EventTimestamp, SourceSystem enzovoort.
Export: In de laatste stap exporteert het script de DataFrame naar een CSV-bestand met de naam sap_ap_event_log.csv. Dit bestand is opgemaakt en klaar om naar ProcessMind te uploaden.
Voer het script uit: Start het script via de opdrachtregel: python sap_ap_extraction.py. Houd de voortgangslogs in de console in de gaten. Daarin staat hoeveel records uit elke tabel zijn opgehaald.
Validatie: Open het gegenereerde CSV-bestand. Controleer of de datums de ISO-notatie gebruiken en of 'Invoice Amount' correct als float is opgemaakt. Controleer ook of de kolom 'ActivityName' een combinatie bevat van de 13 gedefinieerde activiteitstypen.

Configuratie

RFC_READ_TABLE: Deze standaardfunctiemodule moet actief en toegankelijk zijn. Als je systeem een aangepaste kopie gebruikt, bijvoorbeeld /SAPDS/RFC_READ_TABLE, om bredere rijen te ondersteunen, pas dan de functienaam in het script aan.
Datumbereik: Een extractieperiode van 3 tot 6 maanden wordt aanbevolen. Het ophalen van CDHDR/CDPOS over een periode van meer dan 6 maanden via RFC kan zeer traag zijn en time-outs veroorzaken.
Company Code-filter: Filter altijd op Company Code (BUKRS) om de dataset te beperken tot relevante juridische entiteiten.
Opdelen in blokken: Pas het script voor systemen met grote volumes aan, zodat het de datums dag voor dag doorloopt in plaats van in één keer een groot bereik op te vragen. Zo voorkom je geheugenproblemen.
Objecten in wijzigingslogs: Het script filtert CDHDR op Object Class 'BELEG'. Controleer of wijzigingen in financiële documenten onder deze standaardobjectklasse worden gelogd.

a Voorbeeldquery python

import sys
from datetime import datetime, timedelta
import pandas as pd
from pyrfc import Connection

class=class="hl-string">"hl-comment"># === CONFIGURATION ===
SAP_CONN_PARAMS = {
    class="hl-string">'user': class="hl-string">'YOUR_USER',
    class="hl-string">'passwd': class="hl-string">'YOUR_PASSWORD',
    class="hl-string">'ashost': class="hl-string">'YOUR_SAP_HOST',
    class="hl-string">'sysnr': class="hl-string">'00',
    class="hl-string">'client': class="hl-string">'100',
    class="hl-string">'lang': class="hl-string">'EN'
}

TARGET_COMPANY_CODE = class="hl-string">'1000'
DATE_FROM = class="hl-string">'20230101'
DATE_TO = class="hl-string">'20230131'
SOURCE_SYSTEM_ID = class="hl-string">'SAP_ECC_01'

class=class="hl-string">"hl-comment"># === RFC HELPER ===
def read_table(conn, table_name, fields, options, row_limit=0):
    class="hl-string">"""Reads SAP table via RFC_READ_TABLE and returns a DataFrame."""
    print(fclass="hl-string">"Reading {table_name}...")
    
    class=class="hl-string">"hl-comment"># Format fields for RFC
    rfc_fields = [{class="hl-string">'FIELDNAME': f} for f in fields]
    
    class=class="hl-string">"hl-comment"># Call RFC
    try:
        result = conn.call(class="hl-string">'RFC_READ_TABLE',
                           QUERY_TABLE=table_name,
                           DELIMITER=class="hl-string">';',
                           FIELDS=rfc_fields,
                           OPTIONS=[{class="hl-string">'TEXT': o} for o in options],
                           ROWCOUNT=row_limit)
    except Exception as e:
        print(fclass="hl-string">"Error reading {table_name}: {e}")
        return pd.DataFrame()

    class=class="hl-string">"hl-comment"># Parse output
    data = []
    headers = [f[class="hl-string">'FIELDNAME'] for f in result[class="hl-string">'FIELDS']]
    
    for line in result[class="hl-string">'DATA']:
        class=class="hl-string">"hl-comment"># Simple split by delimiter; robust parsing handles fixed width if delimiter fails, 
        class=class="hl-string">"hl-comment"># but semicolon is standard for this approach.
        values = line[class="hl-string">'WA'].split(class="hl-string">';')
        class=class="hl-string">"hl-comment"># Handle cases where split might be shorter if trailing fields are empty
        if len(values) < len(headers):
            values += [class="hl-string">''] * (len(headers) - len(values))
        data.append(dict(zip(headers, values)))
        
    return pd.DataFrame(data)

def main():
    class=class="hl-string">"hl-comment"># 1. Connect to SAP
    try:
        conn = Connection(**SAP_CONN_PARAMS)
    except Exception as e:
        print(fclass="hl-string">"Connection failed: {e}")
        return

    class=class="hl-string">"hl-comment"># 2. Extract BKPF (Header)
    class=class="hl-string">"hl-comment"># Filters: Company Code and Entry Date (CPUDT)
    bkpf_fields = [class="hl-string">'BUKRS', class="hl-string">'BELNR', class="hl-string">'GJAHR', class="hl-string">'BLART', class="hl-string">'BLDAT', class="hl-string">'BUDAT', class="hl-string">'CPUDT', class="hl-string">'CPUTM', class="hl-string">'USNAM']
    bkpf_opts = [
        fclass="hl-string">"BUKRS = '{TARGET_COMPANY_CODE}' AND CPUDT >= '{DATE_FROM}' AND CPUDT <= '{DATE_TO}'"
    ]
    df_bkpf = read_table(conn, class="hl-string">'BKPF', bkpf_fields, bkpf_opts)
    
    if df_bkpf.empty:
        print(class="hl-string">"No documents found.")
        return

    class=class="hl-string">"hl-comment"># 3. Extract Vendor Line Items (BSAK - Cleared, BSIK - Open)
    class=class="hl-string">"hl-comment"># To avoid huge queries, we filter BSIK/BSAK by the same date range or join later.
    class=class="hl-string">"hl-comment"># For robustness in RFC, we filter by BUKRS and Date range on CPU date or BUDAT similar to BKPF
    item_fields = [class="hl-string">'BUKRS', class="hl-string">'BELNR', class="hl-string">'GJAHR', class="hl-string">'BUZEI', class="hl-string">'LIFNR', class="hl-string">'DMBTR', class="hl-string">'WAERS', class="hl-string">'ZFBDT', class="hl-string">'ZTERM', class="hl-string">'ZBD1T', class="hl-string">'ZBD2T', class="hl-string">'ZLSPR', class="hl-string">'AUGDT', class="hl-string">'AUGBL']
    
    class=class="hl-string">"hl-comment"># Note: BSIK/BSAK are huge. In production, chunk by BELNR list derived from BKPF or Date.
    class=class="hl-string">"hl-comment"># Here we use the date range on BUDAT for simplicity of the example.
    item_opts = [
        fclass="hl-string">"BUKRS = '{TARGET_COMPANY_CODE}' AND BUDAT >= '{DATE_FROM}' AND BUDAT <= '{DATE_TO}'"
    ]
    
    df_bsik = read_table(conn, class="hl-string">'BSIK', item_fields, item_opts)
    df_bsak = read_table(conn, class="hl-string">'BSAK', item_fields, item_opts)
    
    class=class="hl-string">"hl-comment"># Combine Open and Cleared items
    df_items = pd.concat([df_bsik, df_bsak], ignore_index=True)
    
    class=class="hl-string">"hl-comment"># Filter items to only those present in our BKPF fetch (Inner Join logic)
    df_items = df_items[df_items[class="hl-string">'BELNR'].isin(df_bkpf[class="hl-string">'BELNR'])]

    class=class="hl-string">"hl-comment"># 4. Extract Payment Data (REGUH)
    class=class="hl-string">"hl-comment"># Filter by Date range roughly matching the process
    reguh_fields = [class="hl-string">'LAUFD', class="hl-string">'LAUFI', class="hl-string">'XVORL', class="hl-string">'VBLNR', class="hl-string">'LIFNR']
    reguh_opts = [
        fclass="hl-string">"LAUFD >= '{DATE_FROM}'"
    ]
    df_reguh = read_table(conn, class="hl-string">'REGUH', reguh_fields, reguh_opts)

    class=class="hl-string">"hl-comment"># 5. Extract Change History (CDHDR/CDPOS)
    class=class="hl-string">"hl-comment"># This is expensive. Filter by OBJECTCLAS class="hl-string">'BELEG' and Date.
    cdhdr_fields = [class="hl-string">'OBJECTCLAS', class="hl-string">'OBJECTID', class="hl-string">'CHANGENR', class="hl-string">'UDATE', class="hl-string">'UTIME', class="hl-string">'USERNAME']
    cdhdr_opts = [
        fclass="hl-string">"OBJECTCLAS = 'BELEG' AND UDATE >= '{DATE_FROM}'"
    ]
    df_cdhdr = read_table(conn, class="hl-string">'CDHDR', cdhdr_fields, cdhdr_opts)
    
    class=class="hl-string">"hl-comment"># Filter CDHDR to only relevant Invoice Numbers (OBJECTID usually contains BELNR + GJAHR)
    class=class="hl-string">"hl-comment"># Construct OBJECTID list from BKPF
    valid_object_ids = set(df_bkpf[class="hl-string">'BELNR'] + df_bkpf[class="hl-string">'GJAHR'])
    df_cdhdr = df_cdhdr[df_cdhdr[class="hl-string">'OBJECTID'].isin(valid_object_ids)]
    
    if not df_cdhdr.empty:
        class=class="hl-string">"hl-comment"># Get CDPOS for these changes
        class=class="hl-string">"hl-comment"># Cannot pass thousands of CHANGENR. Split if needed. 
        class=class="hl-string">"hl-comment"># Here assuming volume allows single fetch or loop.
        change_nums = df_cdhdr[class="hl-string">'CHANGENR'].unique().tolist()
        class=class="hl-string">"hl-comment"># Chunking needed for production
        cdpos_fields = [class="hl-string">'OBJECTCLAS', class="hl-string">'OBJECTID', class="hl-string">'CHANGENR', class="hl-string">'TABNAME', class="hl-string">'FNAME', class="hl-string">'VALUE_NEW', class="hl-string">'VALUE_OLD']
        df_cdpos = pd.DataFrame()
        
        class=class="hl-string">"hl-comment"># Simple chunk loop
        chunk_size = 100
        for i in range(0, len(change_nums), chunk_size):
            chunk = change_nums[i:i + chunk_size]
            chunk_str = class="hl-string">"'".join(chunk)
            opts = [fclass="hl-string">"OBJECTCLAS = 'BELEG' AND CHANGENR IN ('{chunk_str}')"]
            df_chunk = read_table(conn, class="hl-string">'CDPOS', cdpos_fields, opts)
            df_cdpos = pd.concat([df_cdpos, df_chunk])
            
        class=class="hl-string">"hl-comment"># Merge CDHDR and CDPOS
        df_changes = pd.merge(df_cdpos, df_cdhdr, on=[class="hl-string">'OBJECTCLAS', class="hl-string">'OBJECTID', class="hl-string">'CHANGENR'])
    else:
        df_changes = pd.DataFrame(columns=[class="hl-string">'OBJECTID', class="hl-string">'FNAME', class="hl-string">'VALUE_NEW', class="hl-string">'VALUE_OLD', class="hl-string">'UDATE', class="hl-string">'UTIME', class="hl-string">'USERNAME'])

    class=class="hl-string">"hl-comment"># === PROCESS EVENTS ===
    events = []

    class=class="hl-string">"hl-comment"># Join Headers and Items
    class=class="hl-string">"hl-comment"># Ensure key columns are strings for merging
    df_full = pd.merge(df_bkpf, df_items, on=[class="hl-string">'BUKRS', class="hl-string">'BELNR', class="hl-string">'GJAHR'])

    for _, row in df_full.iterrows():
        invoice_num = row[class="hl-string">'BELNR']
        vendor = row[class="hl-string">'LIFNR']
        amount = row[class="hl-string">'DMBTR']
        
        class=class="hl-string">"hl-comment"># Common attributes
        base_attrs = {
            class="hl-string">'InvoiceNumber': invoice_num,
            class="hl-string">'SourceSystem': SOURCE_SYSTEM_ID,
            class="hl-string">'CompanyCode': row[class="hl-string">'BUKRS'],
            class="hl-string">'VendorNumber': vendor,
            class="hl-string">'InvoiceAmount': amount,
            class="hl-string">'DocumentType': row[class="hl-string">'BLART'],
            class="hl-string">'LastDataUpdate': datetime.now().isoformat()
        }

        class=class="hl-string">"hl-comment"># 1. Invoice Created
        events.append({
            **base_attrs,
            class="hl-string">'ActivityName': class="hl-string">'Invoice Created',
            class="hl-string">'EventTimestamp': fclass="hl-string">"{row['CPUDT']}T{row['CPUTM']}",
            class="hl-string">'UserName': row[class="hl-string">'USNAM']
        })

        class=class="hl-string">"hl-comment"># 2. Invoice Receipt Recorded
        if row[class="hl-string">'BLDAT']:
            events.append({
                **base_attrs,
                class="hl-string">'ActivityName': class="hl-string">'Invoice Receipt Recorded',
                class="hl-string">'EventTimestamp': fclass="hl-string">"{row['BLDAT']}T00:00:00",
                class="hl-string">'UserName': row[class="hl-string">'USNAM']
            })

        class=class="hl-string">"hl-comment"># 3. Invoice Posted
        if row[class="hl-string">'BUDAT']:
            events.append({
                **base_attrs,
                class="hl-string">'ActivityName': class="hl-string">'Invoice Posted',
                class="hl-string">'EventTimestamp': fclass="hl-string">"{row['BUDAT']}T00:00:00",
                class="hl-string">'UserName': row[class="hl-string">'USNAM']
            })

        class=class="hl-string">"hl-comment"># 4. Invoice Cleared
        if row[class="hl-string">'AUGDT'] and row[class="hl-string">'AUGDT'] != class="hl-string">'00000000':
            events.append({
                **base_attrs,
                class="hl-string">'ActivityName': class="hl-string">'Invoice Cleared',
                class="hl-string">'EventTimestamp': fclass="hl-string">"{row['AUGDT']}T00:00:00",
                class="hl-string">'ClearingDate': row[class="hl-string">'AUGDT']
            })
            
            class=class="hl-string">"hl-comment"># 5. Payment Posted (Proxy via Clearing)
            class=class="hl-string">"hl-comment"># If cleared by payment document, assume Payment Posted same day
            events.append({
                **base_attrs,
                class="hl-string">'ActivityName': class="hl-string">'Payment Posted',
                class="hl-string">'EventTimestamp': fclass="hl-string">"{row['AUGDT']}T23:59:59"
            })

        class=class="hl-string">"hl-comment"># 6. Payment Proposal Created
        class=class="hl-string">"hl-comment"># Check REGUH
        class=class="hl-string">"hl-comment"># Logic: REGUH contains payment proposals. We link via VBLNR (Payment Doc) or LIFNR matches
        class=class="hl-string">"hl-comment"># Simplified: if we find a proposal for this vendor in the range
        class=class="hl-string">"hl-comment"># In practice, need tighter link via BSAK-AUGBL = REGUH-VBLNR
        if row[class="hl-string">'AUGBL']:
            prop = df_reguh[df_reguh[class="hl-string">'VBLNR'] == row[class="hl-string">'AUGBL']]
            if not prop.empty:
                 for _, p_row in prop.iterrows():
                    events.append({
                        **base_attrs,
                        class="hl-string">'ActivityName': class="hl-string">'Payment Proposal Created',
                        class="hl-string">'EventTimestamp': fclass="hl-string">"{p_row['LAUFD']}T00:00:00"
                    })

        class=class="hl-string">"hl-comment"># 7. Parked (Check if originally parked - simplified logic)
        class=class="hl-string">"hl-comment"># Requires VBKPF check or document status history. Omitted for brevity in this block, 
        class=class="hl-string">"hl-comment"># usually involves checking if document ID exists in VBKPF list.

        class=class="hl-string">"hl-comment"># 8-11. Change Log Activities
        class=class="hl-string">"hl-comment"># Filter changes for this document
        obj_id = row[class="hl-string">'BELNR'] + row[class="hl-string">'GJAHR']
        doc_changes = df_changes[df_changes[class="hl-string">'OBJECTID'] == obj_id]
        
        for _, chg in doc_changes.iterrows():
            ts = fclass="hl-string">"{chg['UDATE']}T{chg['UTIME']}"
            fname = chg[class="hl-string">'FNAME']
            
            if fname == class="hl-string">'ZLSPR':
                if chg[class="hl-string">'VALUE_OLD'] == class="hl-string">'' and chg[class="hl-string">'VALUE_NEW'] != class="hl-string">'':
                    events.append({**base_attrs, class="hl-string">'ActivityName': class="hl-string">'Payment Block Applied', class="hl-string">'EventTimestamp': ts, class="hl-string">'PaymentBlockCode': chg[class="hl-string">'VALUE_NEW']})
                elif chg[class="hl-string">'VALUE_OLD'] != class="hl-string">'' and chg[class="hl-string">'VALUE_NEW'] == class="hl-string">'':
                    events.append({**base_attrs, class="hl-string">'ActivityName': class="hl-string">'Payment Block Removed', class="hl-string">'EventTimestamp': ts})
            elif fname == class="hl-string">'ZTERM':
                events.append({**base_attrs, class="hl-string">'ActivityName': class="hl-string">'Payment Term Changed', class="hl-string">'EventTimestamp': ts})
            else:
                events.append({**base_attrs, class="hl-string">'ActivityName': class="hl-string">'Invoice Data Changed', class="hl-string">'EventTimestamp': ts})

        class=class="hl-string">"hl-comment"># 12. Due Date Passed (Calculated)
        class=class="hl-string">"hl-comment"># Calculate Net Due Date = Baseline Date (ZFBDT) + Max Days (ZBD1T or ZBD2T or ZBD3T)
        try:
            zfbdt = datetime.strptime(row[class="hl-string">'ZFBDT'], class="hl-string">'%Y%m%d')
            days = float(row[class="hl-string">'ZBD1T']) if row[class="hl-string">'ZBD1T'] else 0
            due_date = zfbdt + timedelta(days=days)
            
            class=class="hl-string">"hl-comment"># If today > due_date and not cleared (or cleared after due date)
            clearing_date = datetime.strptime(row[class="hl-string">'AUGDT'], class="hl-string">'%Y%m%d') if (row[class="hl-string">'AUGDT'] and row[class="hl-string">'AUGDT'] != class="hl-string">'00000000') else None
            check_date = clearing_date if clearing_date else datetime.now()
            
            if check_date > due_date:
                 events.append({
                    **base_attrs,
                    class="hl-string">'ActivityName': class="hl-string">'Due Date Passed',
                    class="hl-string">'EventTimestamp': due_date.isoformat()
                })
        except ValueError:
            pass class=class="hl-string">"hl-comment"># Handle date parsing errors

        class=class="hl-string">"hl-comment"># 13. Discount Due Date Passed
        class=class="hl-string">"hl-comment"># Logic similar to Due Date using discount terms

    class=class="hl-string">"hl-comment"># Finalize
    df_events = pd.DataFrame(events)
    print(fclass="hl-string">"Generated {len(df_events)} events.")
    df_events.to_csv(class="hl-string">'sap_ap_event_log.csv', index=False)

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

Stappen

Controleer of Theobald Xtract Universal is geïnstalleerd, gelicentieerd en gemachtigd om verbinding te maken met het SAP ECC-systeem. Controleer ook of de SAP-gebruiker de geconfigureerde boekhoudkundige, leveranciers-, inkoop-, betalings-, clearing- en wijzigingshistorische data kan lezen. De exacte autorisaties hangen af van je SAP-beveiligingsontwerp.
Maak in Xtract Universal een SAP-verbinding voor de vereiste SAP ECC-client of selecteer een bestaande verbinding. Configureer de verbindingsgegevens volgens je goedgekeurde verbindingsmethode. Zet geen inloggegevens in de extractie-SQL. Noteer de SAP-systeem-ID die SourceSystem vult.
Maak in Xtract Universal een Table extraction-object. Selecteer de SAP-tabel(len) met de benodigde gegevens voor boekhoudkundige documentkoppen, leveranciersregelitems, betalingen, clearing, betalingsvoorwaarden, betalingsblokkeringen, wijzigingshistorie en betalingsvoorstellen. Vervang [Your table name] en elke veldverwijzing tussen blokhaken in de query door objecten die in jouw SAP ECC-systeem beschikbaar zijn. De exacte objecten verschillen per release, brancheoplossing, documentmodel en configuratie.
Configureer incrementele extractie met de betrouwbaarste wijzigingstimestamp of wijzigingsreeks die in je geselecteerde brondata beschikbaar is. Bewaar de watermark van de laatste geslaagde extractie buiten het event log en gebruik deze in [Last successful extraction timestamp]. Voeg waar mogelijk een kleine overlap toe. Verwijder daarna dubbele records op basis van InvoiceNumber, ActivityName, EventTimestamp en de bron-ID van het event. Zo voorkom je gemiste updates door gelijke timestamps of vertraagde commits.
Configureer de extractiefilters. Beperk de eerste lading tot [Start date] en [End date] en pas indien nodig [Company Code filter] en [Document Type filter] toe. Gebruik voor historische activiteiten een voldoende ruim bronbereik, omdat boekings-, clearing-, betalings- en wijzigingsdatums kunnen verschillen van de documentdatum van de factuur.
Koppel elk bronrecord aan de genormaliseerde eventkolommen InvoiceNumber, ActivityName, EventTimestamp, SourceSystem, LastDataUpdate, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName en ClearingDate. Behoud de precisie van de bron voor timestamps. Als een bron alleen een datum bevat, gebruik dan de afgesproken zakelijke tijdconventie en leg die vast. Wek niet de indruk dat SAP een exact tijdstip opslaat als dat niet zo is.
Implementeer de 13 expliciete activiteitstakken in de query. Invoice Receipt Recorded gebruikt de documentdatum van het boekhoudkundige document als referentiedatum. Invoice Created, Invoice Parked, Invoice Posted, Payment Block Applied, Invoice Data Changed, Payment Term Changed, Payment Block Removed, Payment Proposal Created, Payment Posted en Invoice Cleared moeten elk als afzonderlijke rijen worden gegenereerd op basis van het bijbehorende bronbewijs. Discount Due Date Passed en Due Date Passed zijn afgeleide rijen. Genereer deze expliciet door de uitvoerdatum van de extractie te vergelijken met de toepasselijke kortings- en nettobetalingstermijnen.
Converteer datatypen in Xtract Universal of in de downstream-SQL-laag. Zet SAP-datums en -tijden om naar één consistent timestamptype, normaliseer lege waarden naar NULL, behoud voorloopnullen in identificatoren en converteer geldbedragen met de juiste valuta- en decimaalregels. Voeg meerdere activiteiten niet samen in één rij.
Configureer het jobschema en de bestemming van Xtract Universal. Schrijf de geëxtraheerde rijen bij elke run naar de goedgekeurde stagingbestemming. Werk de watermark pas bij nadat de lading succesvol is verwerkt en bewaar het tijdstip van de extractierun als LastDataUpdate. Verwerk dubbele rijen die door overlapvensters ontstaan voordat je het event log publiceert.
Valideer het resultaat met de controles hieronder. Controleer of elke vereiste activiteit als ActivityName-waarde voorkomt, of InvoiceNumber voor elk event is ingevuld en of de timestamps per factuur chronologisch aannemelijk zijn.
Exporteer of publiceer het eindresultaat als een platte tabel of gescheiden bestand met één rij per event en exact de vereiste kolomnamen. Behoud UTF-8-codering, stabiele kolomtypen en ISO-compatibele timestampnotatie. Upload het event log naar ProcessMind met InvoiceNumber als case-ID, ActivityName als activiteit en EventTimestamp als event-timestamp. ProcessMind leest deze rijen zoals ze zijn aangeleverd en leidt ontbrekende events niet zelf af.

Configuratie

Extractieobject: Gebruik een Theobald Xtract Universal Table extraction-object. De exacte SAP-brontabellen en -velden moeten worden geselecteerd op basis van je SAP ECC-release en configuratie. Gebruik [Your table name] en [Configure based on your system] totdat de bronkoppeling is bevestigd.
Incrementele modus: Gebruik een wijzigingstimestamp, wijzigingsreeks of vergelijkbare betrouwbare watermark uit de bron. Als alleen datums beschikbaar zijn, gebruik dan een overlapvenster en deterministische deduplicatie. Werk de watermark pas bij nadat is bevestigd dat de lading naar de bestemming succesvol is verwerkt.
Datumbereik: Gebruik voor de eerste lading een gecontroleerde periode van ongeveer 3 tot 6 maanden. Vergroot het bereik als betalingsvoorwaarden, clearing, betalingsvoorstellen of wijzigingshistorie aanzienlijk na het aanmaken van de factuur kunnen plaatsvinden. Gebruik voor terugkerende ladingen de laatste geslaagde watermark plus een overlapperiode.
Company Code: Pas [Company Code filter] toe als de processcope beperkt is tot geselecteerde bedrijfscodes. Houd CompanyCode in de uitvoer, ook als je maar één bedrijfscode extraheert.
Document Type: Pas [Document Type filter] pas toe nadat je hebt gecontroleerd welke documenttypen in het doelsysteem facturen en creditnota's vertegenwoordigen. Houd DocumentType in de uitvoer.
Factuurscope: Gebruik waar nodig het boekhoudkundige documentnummer, de bedrijfscode en het boekjaar als brondocumentsleutel. Publiceer de geconfigureerde InvoiceNumber-waarde als case-ID voor ProcessMind. Als factuurnummers niet wereldwijd uniek zijn, controleer dan of InvoiceNumber een voorvoegsel of andere normalisatie nodig heeft.
Activiteitenkoppeling: Configureer afzonderlijke koppelingen voor alle 13 activiteiten. Een bronstatus of veldwijziging moet een afzonderlijke eventrij opleveren. Vertrouw niet op ProcessMind om Invoice Posted, Invoice Cleared, goedkeuring, achterstalligheid of andere events af te leiden.
Berekende events: Genereer Discount Due Date Passed en Due Date Passed expliciet. Bepaal of het event één keer per factuur, één keer per relevante vervaldatum of bij elke extractierun wordt gegenereerd. De aanbevolen inrichting genereert elk event één keer wanneer de drempel voor het eerst wordt overschreden en bewaart een event-sleutel voor deduplicatie.
Verwerking van timestamps: Behoud de precisie van de bron voor datum en tijd. Leg elke zakelijke standaardtijd vast die je gebruikt wanneer SAP alleen een datum opslaat. Gebruik één tijdzone en leg de SAP-systeemzone of conversieregel vast in de extractiedocumentatie.
Dataconversie: Behoud voorloopnullen in SAP-identificatoren, converteer lege tekenwaarden naar NULL, controleer de valutaschaal en standaardiseer datums en timestamps voordat je naar ProcessMind uploadt.
Prestaties: Beperk de bronkolommen, pas datum- en organisatiefilters al in SAP toe, extraheer incrementeel, deel grote historische ladingen op en vermijd onbeperkte full-table scans. Plan intensieve eerste ladingen buiten piekuren voor SAP-verwerking.
Wijzigingshistorie: Voor Invoice Data Changed en Payment Term Changed heb je wijzigingshistorie uit de bron of gelijkwaardig auditbewijs nodig. Als wijzigingsdocumenten niet worden bewaard of toegankelijk zijn, kun je deze activiteiten niet betrouwbaar reconstrueren.
Betalingsvoorstel: Voor Payment Proposal Created heb je toegankelijke gegevens uit het Automatic Payment Program nodig. Alleen een betalingsboeking is geen voldoende bewijs voor een event van het type betalingsvoorstel.
Vereisten: Controleer SAP ECC-connectiviteit, de vereiste SAP-leesautorisaties, toegang tot de relevante boekhoudkundige en betalingsdata, de licentie voor Theobald Xtract Universal, een geconfigureerde bestemming, een watermarkopslag en rechten om de extractietaak te plannen en uit te voeren.

a Voorbeeldquery sql

WITH source_documents AS (
    SELECT
        [Invoice Number] AS InvoiceNumber,
        [Company Code] AS CompanyCode,
        [Vendor Number] AS VendorNumber,
        [Document Type] AS DocumentType,
        [Invoice Amount] AS InvoiceAmount,
        [Purchase Order Number] AS PurchaseOrderNumber,
        [Payment Terms] AS PaymentTerms,
        [Payment Block Code] AS PaymentBlockCode,
        [Payment Method] AS PaymentMethod,
        [User Name] AS UserName,
        [Clearing Date] AS ClearingDate,
        [Document Date] AS DocumentDate,
        [Invoice Created Timestamp] AS InvoiceCreatedTimestamp,
        [Invoice Parked Timestamp] AS InvoiceParkedTimestamp,
        [Invoice Posted Timestamp] AS InvoicePostedTimestamp,
        [Payment Block Applied Timestamp] AS PaymentBlockAppliedTimestamp,
        [Invoice Data Changed Timestamp] AS InvoiceDataChangedTimestamp,
        [Payment Term Changed Timestamp] AS PaymentTermChangedTimestamp,
        [Payment Block Removed Timestamp] AS PaymentBlockRemovedTimestamp,
        [Payment Proposal Created Timestamp] AS PaymentProposalCreatedTimestamp,
        [Payment Posted Timestamp] AS PaymentPostedTimestamp,
        [Invoice Cleared Timestamp] AS InvoiceClearedTimestamp,
        [Discount Due Date 1] AS DiscountDueDate1,
        [Discount Due Date 2] AS DiscountDueDate2,
        [Net Due Date] AS NetDueDate,
        [Source Change Timestamp] AS SourceChangeTimestamp,
        [Source System] AS SourceSystem
    FROM [Your table name]
    WHERE [Source Change Timestamp] >= CAST('[Last successful extraction timestamp]' AS TIMESTAMP)
      AND [Source Change Timestamp] < CAST('[End timestamp]' AS TIMESTAMP)
      AND [Document Date] >= CAST('[Start date]' AS DATE)
      AND [Document Date] < CAST('[End date]' AS DATE)
      AND ([Company Code] IN ([Company Code filter]) OR [Company Code filter] IS NULL)
      AND ([Document Type] IN ([Document Type filter]) OR [Document Type filter] IS NULL)
),
base_events AS (
    SELECT InvoiceNumber, 'Invoice Receipt Recorded' AS ActivityName, CAST(DocumentDate AS TIMESTAMP) AS EventTimestamp, SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE DocumentDate IS NOT NULL
    UNION ALL
    SELECT InvoiceNumber, 'Invoice Created', InvoiceCreatedTimestamp, SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE InvoiceCreatedTimestamp IS NOT NULL
    UNION ALL
    SELECT InvoiceNumber, 'Invoice Parked', InvoiceParkedTimestamp, SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE InvoiceParkedTimestamp IS NOT NULL
    UNION ALL
    SELECT InvoiceNumber, 'Invoice Posted', InvoicePostedTimestamp, SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE InvoicePostedTimestamp IS NOT NULL
    UNION ALL
    SELECT InvoiceNumber, 'Payment Block Applied', PaymentBlockAppliedTimestamp, SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE PaymentBlockAppliedTimestamp IS NOT NULL
    UNION ALL
    SELECT InvoiceNumber, 'Invoice Data Changed', InvoiceDataChangedTimestamp, SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE InvoiceDataChangedTimestamp IS NOT NULL
    UNION ALL
    SELECT InvoiceNumber, 'Payment Term Changed', PaymentTermChangedTimestamp, SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE PaymentTermChangedTimestamp IS NOT NULL
    UNION ALL
    SELECT InvoiceNumber, 'Payment Block Removed', PaymentBlockRemovedTimestamp, SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE PaymentBlockRemovedTimestamp IS NOT NULL
    UNION ALL
    SELECT InvoiceNumber, 'Payment Proposal Created', PaymentProposalCreatedTimestamp, SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE PaymentProposalCreatedTimestamp IS NOT NULL
    UNION ALL
    SELECT InvoiceNumber, 'Payment Posted', PaymentPostedTimestamp, SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE PaymentPostedTimestamp IS NOT NULL
    UNION ALL
    SELECT InvoiceNumber, 'Invoice Cleared', InvoiceClearedTimestamp, SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE InvoiceClearedTimestamp IS NOT NULL
    UNION ALL
    SELECT InvoiceNumber, 'Discount Due Date Passed', CAST(CURRENT_DATE AS TIMESTAMP), SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE ClearingDate IS NULL AND ((DiscountDueDate1 IS NOT NULL AND CURRENT_DATE > DiscountDueDate1) OR (DiscountDueDate2 IS NOT NULL AND CURRENT_DATE > DiscountDueDate2))
    UNION ALL
    SELECT InvoiceNumber, 'Due Date Passed', CAST(CURRENT_DATE AS TIMESTAMP), SourceSystem, CompanyCode, VendorNumber, DocumentType, InvoiceAmount, PurchaseOrderNumber, PaymentTerms, PaymentBlockCode, PaymentMethod, UserName, ClearingDate FROM source_documents WHERE ClearingDate IS NULL AND NetDueDate IS NOT NULL AND CURRENT_DATE > NetDueDate
),
final_events AS (
    SELECT
        InvoiceNumber,
        ActivityName,
        EventTimestamp,
        SourceSystem,
        CAST(CURRENT_TIMESTAMP AS TIMESTAMP) AS LastDataUpdate,
        CompanyCode,
        VendorNumber,
        DocumentType,
        InvoiceAmount,
        PurchaseOrderNumber,
        PaymentTerms,
        PaymentBlockCode,
        PaymentMethod,
        UserName,
        ClearingDate,
        ROW_NUMBER() OVER (PARTITION BY InvoiceNumber, ActivityName, EventTimestamp ORDER BY EventTimestamp) AS DuplicateRank
    FROM base_events
    WHERE InvoiceNumber IS NOT NULL
      AND EventTimestamp IS NOT NULL
)
SELECT
    InvoiceNumber,
    ActivityName,
    EventTimestamp,
    SourceSystem,
    LastDataUpdate,
    CompanyCode,
    VendorNumber,
    DocumentType,
    InvoiceAmount,
    PurchaseOrderNumber,
    PaymentTerms,
    PaymentBlockCode,
    PaymentMethod,
    UserName,
    ClearingDate
FROM final_events
WHERE DuplicateRank = 1
ORDER BY InvoiceNumber, EventTimestamp, ActivityName;

Klaar om aan de slag te gaan?

Download nu de volledige template en zet je crediteurendata om in concrete vervolgstappen. Ons team helpt je tijdens elke stap van je process mining-traject.

Terug naar de verbetergids Template downloaden

Optimaliseer nu je crediteurenbetalingsproces

Verkort de betalingscyclus met 30% en pak knelpunten in SAP ECC aan.

Start je gratis proefperiode

Je hebt geen creditcard nodig. De installatie duurt enkele minuten.

Jouw datatemplate voor het crediteurenbetalingsproces

Jouw datatemplate voor het crediteurenbetalingsproces

Attributen voor crediteurenbetalingen

Activiteiten voor crediteurenbetalingen

Extractiegidsen

Extractie van tabelkoppelingen met SAP QuickViewer SQVI

Stappen

Configuratie

a Voorbeeldquery sql

Python-script met het RFC_READ_TABLE-protocol

Stappen

Configuratie

a Voorbeeldquery python

Delta-extractie met Theobald Xtract Universal

Stappen

Configuratie

a Voorbeeldquery sql

Klaar om aan de slag te gaan?

Optimaliseer nu je crediteurenbetalingsproces

Jouw datatemplate voor het crediteurenbetalingsproces

Jouw datatemplate voor het crediteurenbetalingsproces

Attributen voor crediteurenbetalingen

Activiteiten voor crediteurenbetalingen

Extractiegidsen

Extractie van tabelkoppelingen met SAP QuickViewer SQVI

Stappen

Configuratie

a Voorbeeldquery sql

Python-script met het RFC_READ_TABLE-protocol

Stappen

Configuratie

a Voorbeeldquery python

Delta-extractie met Theobald Xtract Universal

Stappen

Configuratie

a Voorbeeldquery sql

Klaar om aan de slag te gaan?

Optimaliseer nu je crediteurenbetalingsproces

We respecteren je privacy