> Continue verbetering > Purchase to Pay Inkoopaanvraag > SAP ECC > datatemplate

Uw Inkoop tot Betaling - Inkoopaanvraag Data Template

SAP ECC

Purchase to Pay - Inkoopaanvraag Attributes (20) Purchase to Pay - Inkoopaanvraag Activiteiten (13) Extractie Guides (2)

Uw Inkoop tot Betaling - Inkoopaanvraag Data Template

Deze template biedt een uitgebreide gids voor het verzamelen van de essentiële data die nodig is voor het analyseren van uw Purchase to Pay Inkoopaanvraagproces. Het schetst de cruciale data fields die moeten worden verzameld, de belangrijkste activiteiten die moeten worden gevolgd, en praktische richtlijnen voor het extraheren van deze informatie uit uw bronsysteem. Gebruik deze bron om uw data voor te bereiden op effectieve process mining.

Aanbevolen attributen om vast te leggen
Belangrijkste activiteiten om te volgen
Extractiehandleiding voor SAP ECC

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

Template downloaden

Purchase to Pay - Inkoopaanvraag Attributes

Dit zijn de aanbevolen data fields om op te nemen in uw event log voor een uitgebreide analyse van uw Purchase to Pay Inkoopaanvraagproces.

5 Verplicht 5 Aanbevolen 10 Optioneel

	Naam	Omschrijving
	Activiteitsnaam ActivityName	De naam van de bedrijfsactiviteit die op een specifiek tijdstip heeft plaatsgevonden.
Omschrijving Dit attribuut beschrijft een specifieke stap of event in de levenscyclus van de inkoopaanvraag, zoals 'Inkoopaanvraag Aangemaakt', 'Goedkeuring Ingediend' of 'Inkooporder Aangemaakt'. Deze activiteiten worden doorgaans afgeleid uit statuswijzigingen, workflow logs of wijzigingsdocumenten binnen SAP. Het analyseren van de volgorde en frequentie van activiteiten is de basis van process mining. Het maakt de ontdekking van de werkelijke processtromen mogelijk, inclusief gemeenschappelijke paden, afwijkingen en knelpunten. Dit is cruciaal voor het bouwen van dashboards zoals de End-to-End Requisition Process Map en het berekenen van KPI's met betrekking tot herwerking en compliance. Het belang Het definieert de stappen in het proces, wat de visualisatie van proceskaarten en de analyse van processtroomvariaties mogelijk maakt. Vindplaats Afgeleid van change document tabellen CDHDR en CDPOS, workflow logs of statusvelden zoals EBAN-STATU. Voorbeelden Aanvraag AangemaaktGoedkeuringsstap GoedgekeurdAanvraag AfgewezenInkooporder Aangemaakt
	Inkoopaanvraag ID PurchaseRequisitionId	De unieke identificatie voor een inkoopaanvraagdocument.
Omschrijving De Inkoopaanvraag ID is de primaire sleutel die elke aanvraag voor goederen of diensten binnen SAP ECC uniek identificeert. Het dient als de centrale `case` identifier, die alle activiteiten en wijzigingen met betrekking tot een specifieke aanvraag koppelt, vanaf de aanmaak tot de uiteindelijke afhandeling, zoals conversie naar een inkooporder of afsluiting. In process mining is deze ID essentieel voor het reconstrueren van de end-to-end levenscyclus van elke aanvraag. Door deze identifier te volgen, kunnen analisten de complete processtroom visualiseren, duurtes tussen mijlpalen meten en variaties analyseren in hoe verschillende aanvragen worden behandeld. Het biedt een samenhangend beeld van het gehele aanvraagtraject. Het belang Dit is de kern-identifier die alle gerelateerde proces-events met elkaar verbindt tot één `case`, waardoor end-to-end procesanalyse mogelijk wordt. Vindplaats Gevonden in de EBAN-tabel, veld BANFN. Voorbeelden 100234567810023456791002345680
	Tijdstip Gebeurtenis EventTime	De timestamp waarop de activiteit heeft plaatsgevonden.
Omschrijving Event Time registreert de precieze datum en tijd waarop een specifieke activiteit plaatsvond. Deze timestamp is fundamenteel voor alle tijdgerelateerde analyse in Process Mining, inclusief het berekenen van cycle times, het identificeren van knelpunten en het begrijpen van procesprestaties. In de context van aanvragen maakt dit attribuut de berekening van kritieke KPI's mogelijk, zoals 'Gemiddelde goedkeuringstijd aanvraag' en 'Tijd tot aanmaak inkooporder'. Het voedt dashboards die duurzaamheden visualiseren, zoals de analyse van de cycle time voor aanvraaggoedkeuring, door de ruwe data te leveren die nodig is om de tijd tussen twee punten in het proces te meten. Het belang Dit timestamp is essentieel voor het berekenen van alle duurtes, het analyseren van procesprestaties en het ontdekken van tijdgerelateerde knelpunten. Vindplaats Gevonden in change document header tabel CDHDR (velden UDATE en UTIME). Voorbeelden 2023-10-26T10:00:00Z2023-10-26T11:35:10Z2023-10-27T14:20:05Z
	Bronsysteem SourceSystem	Identificeert het bronsysteem waaruit de data is geëxtraheerd.
Omschrijving Dit attribuut specificeert de oorsprong van de procesdata, bijvoorbeeld 'SAP ECC Productie' of 'S4HANA QA'. Het is doorgaans een statische waarde die tijdens het data-extractieproces wordt toegevoegd om context te bieden, vooral in omgevingen met meerdere bronsystemen. In procesanalyse helpt dit data van verschillende bronnen te onderscheiden, zodat analyses niet worden vertekend door data uit productie-, test- of ontwikkelomgevingen te mengen. Het is een fundamenteel stuk metadata voor datagovernance en traceerbaarheid. Het belang Biedt essentiële context voor de data-oorsprong, wat traceerbaarheid waarborgt en multi-systeem analyse mogelijk maakt. Vindplaats Dit is een statische waarde die doorgaans wordt toegevoegd tijdens het data-extractie-, transformatie- en laadproces (ETL). Voorbeelden SAP_ECC_PRODS4HANA_EU_100ECC_US_FINANCE
	Laatste data-update LastDataUpdate	De tijdstempel van de meest recente verversing of extractie van gegevens uit het bronsysteem.
Omschrijving Dit attribuut geeft aan wanneer de dataset voor het laatst is bijgewerkt. Het is een statisch timestamp dat tijdens elke datalading op de gehele dataset wordt toegepast, en dient als referentiepunt voor de actualiteit van de analyse. Voor elk process mining dashboard of analyse is het kennen van de recentheid van de data cruciaal voor het nemen van weloverwogen beslissingen. Dit attribuut zorgt ervoor dat alle stakeholders op de hoogte zijn van het tijdsbestek dat de data omvat, waardoor conclusies op basis van verouderde informatie worden voorkomen. Het belang Informeert gebruikers over de versheid van de data, wat cruciaal is voor de relevantie en nauwkeurigheid van de procesanalyse. Vindplaats Dit is een statische waarde die de timestamp van de data-extractie vertegenwoordigt, toegevoegd tijdens het ETL-proces. Voorbeelden 2024-01-15T04:00:00Z2024-01-16T04:00:00Z
	Afdeling Department	De afdeling van de aanvrager of het kostenplaats dat gekoppeld is aan de aanvraag.
Omschrijving Dit attribuut vertegenwoordigt de bedrijfseenheid of afdeling die de inkoopaanvraag heeft geïnitieerd. Dit wordt vaak afgeleid van het gebruikersprofiel van de aanvrager of het kostenplaats dat is toegewezen aan de aanvraagregel. Het analyseren van het proces per afdeling is cruciaal voor het begrijpen van prestatieverschillen binnen de organisatie. Het is de primaire dimensie voor het 'Requisition Approval Cycle Time' dashboard en de 'Departmental Approval Time Variance' KPI, wat helpt te bepalen welke afdelingen efficiënte processen hebben en welke mogelijk verbetering of extra middelen nodig hebben. Het belang Maakt prestatievergelijking tussen business units mogelijk, waarbij afdelingsspecifieke knelpunten en procesinconsistenties worden belicht. Vindplaats Vaak afgeleid door de aanvrager (EBAN-AFNAM) te koppelen aan gebruikersstamdata (SU01) of door gebruik te maken van het kostenplaats (EBKN-KOSTL) dat gekoppeld is aan de accounttoewijzing van de aanvraag. Voorbeelden FinanciënIT OperationsMarketingProductie
	Documenttype RequisitionDocumentType	Een classificatie die het type en de kenmerken van de inkoopaanvraag bepaalt.
Omschrijving Het Documenttype in SAP regelt diverse aspecten van een inkoopaanvraag, waaronder het nummerbereik, veldselectie en het algehele inkoopproces dat het volgt. Voorbeelden zijn 'Standaard Inkoopaanvraag', 'Voorraadoverdracht' of 'Service Inkoopaanvraag'. Dit attribuut is een krachtige dimensie voor analyse, omdat verschillende documenttypes vaak afzonderlijke processtromen en goedkeuringsvereisten hebben. Het stelt analisten in staat de data te segmenteren om de prestaties van verschillende aanvraagprocessen te vergelijken, wat essentieel is voor het begrijpen van compliance en het identificeren van kansen voor processtandaardisatie of -specialisatie. Het belang Maakt de segmentatie van aanvragen in verschillende procescategorieën mogelijk, wat een nauwkeurigere en relevantere analyse ondersteunt. Vindplaats Gevonden in de EBAN-tabel, veld BSART. Voorbeelden NBUBRV
	Gebruikersnaam User	De ID van de gebruiker die de activiteit heeft uitgevoerd.
Omschrijving Dit attribuut identificeert de specifieke gebruiker die verantwoordelijk is voor een event, zoals het aanmaken van een aanvraag, het goedkeuren van een stap of het wijzigen van een document. In SAP wordt dit vaak vastgelegd als een gebruikers-ID. Analyseren per gebruiker helpt bij het identificeren van trainingsbehoeften, gebruikersspecifieke prestaties en potentiële bronnen van data-invoerfouten. Het is essentieel voor dashboards zoals 'Requisition Creation Throughput by Requester' en voor het begrijpen van de werklastverdeling en de naleving van het beleid inzake functiescheiding. Het belang Koppelt activiteiten aan specifieke individuen, wat analyse van gebruikersprestaties, workload, compliance en trainingsbehoeften mogelijk maakt. Vindplaats Gevonden in change document header tabel CDHDR (veld USERNAME) voor wijzigingen, en EBAN (veld ERNAM) voor de aanmaker. Voorbeelden SMITHJR.DOEUSER123
	Status aanvraag RequisitionStatus	De huidige verwerkingsstatus van de inkoopaanvraag.
Omschrijving Dit attribuut geeft de algehele status van de aanvraag op een bepaald moment aan, zoals 'In Vrijgave', 'Goedgekeurd', 'Afgewezen' of 'Afgesloten'. Dit wordt vaak weergegeven door een statuscode in SAP. Het volgen van de status is essentieel voor het begrijpen van de uitkomst van aanvragen. Het ondersteunt direct het 'Requisition Outcome and Rejection Rates' dashboard en KPI's zoals 'Requisition Rejection Rate' en 'Requisition Withdrawal Rate'. Analyseren hoe aanvragen overgaan tussen statussen helpt procesinefficiënties en faalpunten te identificeren. Het belang Het definieert de uitkomst van een aanvraag, wat cruciaal is voor het analyseren van slagingspercentages, afwijzingsredenen en proces-endpoints. Vindplaats De verwerkingsstatus is te vinden in tabel EBAN, veld STATU. De vrijgavestatus staat in EBAN-FRGZU. Voorbeelden N (Niet bewerkt)B (Inkooporder aangemaakt)A (RFQ aangemaakt)K (Gesloten)
	Totale aanvraagwaarde TotalRequisitionValue	De totale monetaire waarde van alle items in de inkoopaanvraag.
Omschrijving Dit attribuut vertegenwoordigt het totale financiële bedrag van de inkoopaanvraag. De waarde is vaak een belangrijke factor bij het bepalen van de vereiste goedkeuringsworkflow, waarbij aanvragen met een hogere waarde doorgaans uitgebreidere controle en meer goedkeuringsstappen vereisen. Analyseren op waarde is cruciaal voor het begrijpen van hoe financiële impact het procesgedrag beïnvloedt. Het kan onthullen of aanvragen met een hoge waarde langer duren om goed te keuren, vaker worden afgewezen, of verschillende procespaden volgen. Dit is ook een fundamentele meting voor het beoordelen van de financiële doorvoer van het inkoopproces. Het belang Helpt procesgedrag te correleren met financiële impact, wat essentieel is voor risicoanalyse en het begrijpen van goedkeuringscomplexiteit. Vindplaats Som van de waarde van alle orderregels. De waarde van de orderregel staat in tabel EBAN, veld GSWER. De valuta staat in EBAN-WAERS. Voorbeelden 1500.00250.50125000.00
	Doorlooptijd goedkeuringscyclus ApprovalCycleTime	De totale verstreken tijd vanaf het moment dat een aanvraag ter goedkeuring wordt ingediend totdat deze definitief is goedgekeurd.
Omschrijving Dit is een berekende metric die de duur van de goedkeuringsfase van de aanvraaglevenscyclus meet. Het wordt berekend door het tijdsverschil te vinden tussen de activiteit 'Goedkeuring Ingediend' en de uiteindelijke activiteit 'Aanvraag Goedgekeurd' voor elke `case`. Dit is een primaire KPI voor het meten van de efficiëntie van de goedkeuringsworkflow. Het wordt gebruikt in het 'Requisition Approval Cycle Time' dashboard om prestaties te visualiseren en knelpunten te identificeren. Een lange goedkeuringscyclustijd kan het gehele inkoopproces aanzienlijk vertragen. Het belang Meet direct de efficiëntie van de goedkeuringsworkflow, een veelvoorkomende bron van vertragingen in het aanvraagproces. Vindplaats Berekend door de timestamp van de 'Goedkeuring ingediend' event af te trekken van de timestamp van de 'Aanvraag goedgekeurd' event. Voorbeelden P2DPT8H30MP5DT12H
	Inkoopgroep PurchasingGroup	De groep inkopers die verantwoordelijk is voor de inkoop van de aangevraagde artikelen.
Omschrijving De Inkoopgroep is een organisatie-eenheid die verantwoordelijk is voor specifieke inkoopactiviteiten. Het vertegenwoordigt het team van inkopers dat de aanvraag afhandelt zodra deze is goedgekeurd. Dit attribuut is nuttig voor het analyseren van de werklast en prestaties van verschillende inkoopteams. Het kan helpen identificeren of bepaalde inkoopgroepen knelpunten vormen bij de conversie van aanvragen naar inkooporders, of dat zij specifieke typen aanvragen efficiënter afhandelen dan andere. Het biedt een belangrijke dimensie voor resource- en prestatiemanagement binnen de inkoopfunctie. Het belang Wijs verantwoordelijkheid toe voor inkoop, wat workload-analyse en prestatievergelijking tussen verschillende inkoopteams mogelijk maakt. Vindplaats Gevonden in de EBAN-tabel, veld EKGRP. Voorbeelden 001002P01
	Inkooporder-`ID` PurchaseOrderId	De ID van de inkooporder die is aangemaakt vanuit de aanvraag.
Omschrijving Dit attribuut koppelt een inkoopaanvraag aan de daaropvolgende inkooporder die is aangemaakt om deze te vervullen. Eén enkele aanvraag kan soms leiden tot meerdere inkooporders. Deze koppeling is cruciaal voor het analyseren van de overdracht tussen het aanvraag- en inkoopproces. Het is vereist voor het berekenen van de 'Time to PO Creation from Requisition' KPI en ter ondersteuning van het 'Approved Requisition to PO Creation Delay' dashboard. Het begrijpen van deze verbinding is essentieel voor het meten van de efficiëntie van de gehele procure-to-pay cyclus. Het belang Verbindt het aanvraagproces met het downstream inkoopproces, wat analyse van handoff-vertragingen mogelijk maakt. Vindplaats Het inkoopordernummer wordt na aanmaak opgeslagen in tabel EBAN, veld EBELN. Voorbeelden 450001712345000171244500017125
	Is herstelwerk IsRework	Een boolean flag die aangeeft of de aanvraag een rework loop heeft doorlopen, zoals een wijziging na indiening.
Omschrijving Dit is een afgeleid attribuut dat activiteiten of `cases` markeert die herwerkingen omvatten. Bijvoorbeeld, elke activiteit 'Aanvraag Gewijzigd' die plaatsvindt na 'Goedkeuring Ingediend' zou als herwerking worden beschouwd. Het kan ook worden geactiveerd door afwijzingsevents die het proces terugsturen naar een eerder stadium. Deze vlag is essentieel voor het 'Requisition Amendment and Rework Analysis' dashboard. Het maakt eenvoudig filteren en kwantificeren van herwerkingen mogelijk, wat helpt de impact ervan op de totale doorlooptijden te meten en de grondoorzaken van procesinefficiënties te identificeren. Hoge percentages van herwerkingen duiden vaak op problemen met datakwaliteit of onduidelijke vereisten. Het belang Helpt de frequentie en impact van rework te kwantificeren, waardoor het gemakkelijk wordt om procesinefficiënties en loops te identificeren en te analyseren. Vindplaats Afgeleid van de event log door specifieke sequenties van activiteiten te identificeren, zoals 'Aanvraag gewijzigd' die plaatsvindt na een goedkeuringsactiviteit. Voorbeelden truefalse
	Materiaalgroep MaterialGroup	De groep of categorie waartoe het aangevraagde materiaal of de service behoort.
Omschrijving De Materiaal Groep is een classificatie die wordt gebruikt om materialen of diensten met vergelijkbare kenmerken te groeperen. Dit maakt een categorie-gebaseerde analyse van inkoopactiviteiten mogelijk. Analyseren op materiaalgroep helpt bij strategische sourcing en spendanalyse. In process mining kan het onthullen of aanvragen voor bepaalde categorieën, zoals 'IT Hardware' of 'Professionele Diensten', verschillende procespaden volgen of langere goedkeuringstijden ervaren. Dit inzicht is waardevol voor de 'Requisition Data Quality Report' en voor het begrijpen van procesvariaties op basis van wat wordt ingekocht. Het belang Maakt spend- en procesanalyse per inkoopcategorie mogelijk, ondersteunt strategische sourcing en identificeert categoriespecifieke knelpunten. Vindplaats Gevonden in de EBAN-tabel, veld MATKL. Voorbeelden 00101L001IT-SFTWR
	Naam Aanvrager RequesterName	De naam van de persoon die de goederen of diensten heeft aangevraagd.
Omschrijving Dit attribuut identificeert de persoon die de inkoopaanvraag heeft geïnitieerd. Dit is de persoon die de zakelijke behoefte heeft aan de aangevraagde items. Het volgen van de aanvrager maakt analyse van aanvraagpatronen per individu of groep mogelijk. Het 'Requisition Creation Throughput by Requester' dashboard is afhankelijk van dit attribuut om `power users` te identificeren, gebruikers die mogelijk extra training nodig hebben, of afdelingen met hoge inkoopactiviteit. Het biedt een mensgericht beeld van het startpunt van het proces. Het belang Identificeert de proceseigenaar, wat analyse van aanmaakpatronen voor aanvragen mogelijk maakt en helpt bij het richten van gebruikerstrainingen. Vindplaats Gevonden in de EBAN-tabel, veld AFNAM. Voorbeelden Alice WilliamsBob JohnsonCharlie Brown
	Prioriteit Priority	Het urgentieniveau dat is toegewezen aan de inkoopaanvraag.
Omschrijving Dit attribuut geeft de prioriteit van de aanvraag aan en classificeert deze vaak als 'Urgent', 'Hoog' of 'Normaal'. Deze vlag wordt gebruikt om goedkeurders en inkopers te signaleren dat een aanvraag versnelde afhandeling vereist. Dit attribuut is essentieel voor het 'Urgent Requisition Processing Performance' dashboard en de 'Urgency Flag Effectiveness' KPI. De analyse richt zich op de vraag of aanvragen die als urgent zijn gemarkeerd daadwerkelijk sneller worden verwerkt dan standaardaanvragen, wat helpt de effectiviteit van het prioriteringssysteem te valideren en ervoor te zorgen dat bedrijfskritieke behoeften snel worden vervuld. Het belang Maakt analyse mogelijk van de vraag of urgente verzoeken sneller worden verwerkt, waardoor de effectiviteit van prioriteringsmechanismen wordt gevalideerd. Vindplaats Dit is geen standaardveld in EBAN. Het wordt vaak geïmplementeerd als een custom field of afgeleid van het Requirement Tracking Number (EBAN-BEDNR) of een specifiek documenttype. Voorbeelden 123
	Reden van afwijzing RejectionReason	De reden die wordt opgegeven wanneer een aanvraag of een goedkeuringsstap wordt afgewezen.
Omschrijving Dit attribuut legt de rechtvaardiging vast voor het afwijzen van een inkoopaanvraag. Deze informatie wordt doorgaans als vrije tekst ingevoerd of geselecteerd uit een vooraf gedefinieerde lijst van codes door de goedkeurder tijdens de afwijzingsactiviteit. Het analyseren van afwijzingsredenen is cruciaal voor procesverbetering. Het biedt directe, bruikbare feedback over waarom aanvragen mislukken, wat te wijten kan zijn aan beleidsovertredingen, incorrecte data of een ontoereikend budget. Deze data is essentieel voor het 'Requisition Outcome and Rejection Rates' dashboard en helpt grondoorzaken van procesinefficiënties te identificeren. Het belang Biedt directe inzichten in waarom aanvragen worden afgewezen, wat gerichte procesverbeteringen en gebruikerstrainingen mogelijk maakt. Vindplaats Deze data wordt doorgaans opgeslagen in workflow logs of lange tekst die geassocieerd is met het afwijzingsevent. Er is geen standaardveld in EBAN. Voorbeelden Incorrecte KostenplaatsBudget OverschredenDubbele AanvraagNiet conform beleid
	Vendor ID VendorId	De unieke identificatie voor de voorgestelde of vaste leverancier.
Omschrijving Dit attribuut bevat de ID van een voorkeurs- of contractueel vastgelegde leverancier voor het aangevraagde item. Het kan vooraf worden ingevuld of voorgesteld door de aanvrager. Het analyseren van aanvragen per leverancier kan helpen de impact van het vooraf selecteren van leveranciers op het inkoopproces te beoordelen. Het kan bijvoorbeeld aantonen of aanvragen met een gespecificeerde leverancier sneller worden goedgekeurd of dat bepaalde leveranciers geassocieerd zijn met hogere afkeuringspercentages. Het biedt inzicht in vroege leveranciersbetrokkenheid. Het belang Biedt inzichten in voorkeursleverancierrelaties en hun impact op de verwerkingssnelheid en resultaten van aanvragen. Vindplaats Gevonden in de EBAN-tabel, veld LIFNR (Vaste leverancier). Voorbeelden 100030025V9876
	Vestiging Plant	De bedrijfslocatie of fabriek waarvoor de goederen of diensten worden aangevraagd.
Omschrijving De Plant is een organisatie-eenheid binnen een bedrijf, die een fysieke locatie vertegenwoordigt, zoals een fabriek, magazijn of kantoor. De aanvraag specificeert de plant waar de aangevraagde items nodig zijn. Analyseren per plant maakt geografische of locatie-specifieke weergaven van het aanvraagproces mogelijk. Het kan prestatieverschillen tussen locaties benadrukken, die te wijten kunnen zijn aan verschillende lokale procedures, personeelsbezetting of zakelijke behoeften. Dit is een veelvoorkomende dimensie voor regionale prestatiedashboards. Het belang Biedt een geografische of locatie-gebaseerde context voor analyse, wat helpt bij het identificeren van regionale procesvariaties en prestatieverschillen. Vindplaats Gevonden in de EBAN-tabel, veld WERKS. Voorbeelden 10002100DE01

Verplicht Aanbevolen Optioneel

Purchase to Pay - Inkoopaanvraag Activiteiten

Dit zijn de belangrijkste processtappen en mijlpalen die u in uw event log moet vastleggen voor een nauwkeurige ontdekking en analyse van uw aanvraagworkflow.

6 Aanbevolen 7 Optioneel

	Activiteit	Omschrijving
	Aanvraag Aangemaakt	Deze activiteit markeert de initiële aanmaak en opslag van een inkoopaanvraag door een gebruiker. Het event wordt expliciet vastgelegd wanneer een nieuw record wordt gegenereerd in de EBAN-tabel, met de aanmaakdatum en -tijd geregistreerd.
Het belang Als startpunt van het proces is deze activiteit essentieel voor het berekenen van de totale duur van de aanvraaglevenscyclus en het analyseren van de aanmaak-throughput. Het helpt te identificeren wie aanvragen aanmaakt en wanneer. Vindplaats Dit event wordt vastgelegd uit de EBAN-tabel met behulp van de aanmaakdatum (ERDAT) en aanmaaktijd (UZEIT) velden voor een gegeven Inkoopaanvraag ID (BANFN). Vastleggen Timestamp uit EBAN-tabelvelden ERDAT en UZEIT bij initiële recordopslag. Gebeurtenistype explicit
	Aanvraag Afgewezen	Dit is een terminale activiteit waarbij de inkoopaanvraag definitief wordt afgewezen en niet verder kan. Het wordt afgeleid wanneer de vrijgave-indicator in de EBAN-tabel door een goedkeurder op een definitief afgewezen status wordt ingesteld.
Het belang Deze activiteit is een belangrijk proceseindpunt en cruciaal voor het berekenen van de Requisition Rejection Rate KPI. Het analyseren van deze `cases` helpt de redenen voor inkoopfalen en verspilling te begrijpen. Vindplaats Afgeleid van de timestamp van de change log entry in CDPOS voor tabel EBAN, veld FRGZU, wanneer deze verandert naar de waarde die de definitieve afwijzing representeert. Vastleggen Afgeleid van het finale vrijgave-indicatorveld in EBAN dat een terminale 'afgewezen' status bereikt. Gebeurtenistype inferred
	Aanvraag Goedgekeurd	Deze mijlpaalactiviteit betekent dat de inkoopaanvraag alle vereiste goedkeuringsstappen succesvol heeft doorlopen. Het wordt afgeleid wanneer de uiteindelijke vrijgavecode wordt toegepast en de algehele vrijgave-indicator (FRGZU) in de EBAN-tabel op een goedgekeurde status wordt ingesteld.
Het belang Dit is een kritieke mijlpaal die het einde van de goedkeuringscyclus en het begin van de inkoopfasemarkeert. Het is essentieel voor het berekenen van de totale goedkeuringstijd-KPI en het meten van overdrachtsvertragingen naar de aanmaak van inkooporders. Vindplaats Afgeleid van de timestamp van de change log entry in CDPOS voor tabel EBAN, veld FRGZU, wanneer deze verandert naar de waarde die de definitieve goedkeuring representeert. Vastleggen Afgeleid van het finale vrijgave-indicatorveld in EBAN dat een terminale 'goedgekeurd' status bereikt. Gebeurtenistype inferred
	Aanvraag ingetrokken	Dit is een terminale activiteit waarbij de aanmaker of een geautoriseerde gebruiker het aanvraagitem annuleert door een verwijderingsvlag in te stellen. Deze actie wordt expliciet vastgelegd en geeft aan dat de zakelijke behoefte niet langer geldig is of per abuis is aangemaakt.
Het belang Dit is een cruciaal faal-eindpunt voor het proces, essentieel voor het berekenen van het intrekkingspercentage. Hoge percentages kunnen wijzen op lange goedkeuringstijden die gebruikers dwingen aanvragen te annuleren, of systemische problemen met vraagplanning. Vindplaats Deze expliciete actie wordt vastgelegd wanneer het veld 'Verwijderingsindicator' (LOEKZ) in de EBAN-tabel is ingesteld voor het aanvraagitem. De wijziging wordt gelogd in CDHDR en CDPOS. Vastleggen Change log entry wanneer de Deletion Indicator (EBAN-LOEKZ) is ingesteld op 'L'. Gebeurtenistype explicit
	Goedkeuring ingediend	Deze activiteit duidt erop dat de aanvraag de formele goedkeuringsworkflow is binnengegaan. Het wordt doorgaans afgeleid wanneer de status van de aanvraag verandert en een initiële vrijgave of goedkeuringsactie vereist is op basis van de geconfigureerde vrijgavestrategie.
Het belang Dit markeert het begin van de goedkeuringscyclustijd, een kritieke KPI voor het meten van procesefficiëntie. Het begrijpen van dit punt helpt vertragingen tussen aanmaak en het begin van formele goedkeuringen te isoleren. Vindplaats Afgeleid van de eerste statuswijziging gerelateerd aan de vrijgave strategie in tabel EBAN (bijv. veld FRGZU verandert van initieel naar een 'pending' staat) of de eerste entry in workflow logs geassocieerd met de aanvraag. Vastleggen Afgeleid van de eerste change log entry die de activering van een vrijgave strategie aangeeft. Gebeurtenistype inferred
	Inkooporder Aangemaakt	Deze activiteit markeert de succesvolle conversie van een goedgekeurde inkoopaanvraag naar een inkooporderdocument. Het event wordt voor de aanvraag afgeleid door een overeenkomstig inkooporderitem te vinden dat ernaar verwijst.
Het belang Als de primaire succesvolle uitkomst, sluit deze activiteit het aanvraagproces af en begint de inkoopfase. De tijd tussen 'Aanvraag goedgekeurd' en dit event is een belangrijke KPI voor het meten van de handoff-efficiëntie. Vindplaats Afgeleid door een record te vinden in de EKPO (Inkooporder Item)-tabel waar de velden BANFN en BNFPO overeenkomen met het inkoopaanvraagnummer en -item uit de EBAN-tabel. De aanmaakdatum van de inkooporder (EKKO.AEDAT) levert de timestamp. Vastleggen Afgeleid door EBAN aan EKPO-tabellen te koppelen en de aanmaakdatum van de inkooporder uit EKKO te gebruiken. Gebeurtenistype inferred
	Aanvraag afgesloten	Vertegenwoordigt de definitieve afsluiting van een aanvraagitem, wat aangeeft dat verdere verwerking niet wordt verwacht. Deze status wordt afgeleid wanneer het item volledig is geconverteerd naar een inkooporder en is afgehandeld, of handmatig is gemarkeerd als afgesloten.
Het belang Dit biedt een definitief eindpunt voor aanvragen die zijn voltooid maar niet noodzakelijkerwijs zijn verwijderd. Het zorgt voor nauwkeurige berekeningen van de levenscyclusduur voor succesvol afgehandelde aanvragen. Vindplaats Afgeleid van de 'Gesloten' indicator (EBAKZ met waarde 'S' of andere geconfigureerde waarde) in de EBAN-tabel. Deze status wordt vaak automatisch door het systeem ingesteld bij volledige PO-conversie en goederenontvangst. Vastleggen Afgeleid van statuswijziging in het EBAN-EBAKZ-veld naar een 'gesloten' waarde. Gebeurtenistype inferred
	Aanvraag geblokkeerd	Vertegenwoordigt een expliciete actie om een inkoopaanvraagitem te blokkeren, waardoor het niet kan worden omgezet in een inkooporder. De blokkering wordt ingesteld via een specifieke indicator op het aanvraagitem.
Het belang Blokkeren duidt op een potentieel probleem of een tijdelijke stop op inkoop. Het volgen van deze events helpt knelpunten te identificeren waar aanvragen zijn goedgekeurd, maar niet direct worden uitgevoerd. Vindplaats Vastgelegd vanuit een wijziging in het veld 'Blocking Indicator' (EBAKZ) in de EBAN-tabel. De wijziging wordt gelogd in CDHDR en CDPOS. Vastleggen Event gelogd in change tabellen wanneer het EBAN-EBAKZ-veld is ingesteld. Gebeurtenistype explicit
	Aanvraag gewijzigd	Vertegenwoordigt elke wijziging die aan een inkoopaanvraag is aangebracht na de initiële aanmaak, zoals het wijzigen van hoeveelheid, prijs of materiaal. Deze wijzigingen worden vastgelegd in de wijzigingslogtabellen van SAP, wat een gedetailleerd auditspoor van aanpassingen oplevert.
Het belang Het bijhouden van wijzigingen is essentieel voor het identificeren van herstelrondes en problemen met datakwaliteit. Een hoge frequentie van wijzigingen kan duiden op onduidelijke initiële vereisten of lacunes in gebruikerstrainingen, wat leidt tot procesvertragingen. Vindplaats Vastgelegd vanuit change log tabellen CDHDR (header) en CDPOS (item) waar de objectklasse EINKBELEG is en de object-ID het inkoopaanvraagnummer is. Specifieke veldwijzigingen kunnen worden geanalyseerd. Vastleggen Event gelogd in change tabellen CDHDR en CDPOS voor het inkoopaanvraagdocument. Gebeurtenistype explicit
	Goedkeuring Reset	Geeft aan dat de gehele goedkeuringsworkflow voor de aanvraag is gereset, vaak als gevolg van een significante wijziging. Dit wordt afgeleid wanneer de vrijgavestatus wordt gewist nadat deze eerder actief was, waardoor het goedkeuringsproces opnieuw moet starten.
Het belang Goedkeuringsresets zijn significante rework events die de cycle time sterk beïnvloeden. Het identificeren ervan belicht procesinefficiënties en het downstream-effect van aanvraagwijzigingen op de workflow. Vindplaats Afgeleid van change logs (CDHDR/CDPOS) voor de EBAN-tabel waar vrijgavestatusvelden (zoals FRGZU) worden gewijzigd van een 'pending' of goedgekeurde staat terug naar een initiële of blanco staat. Vastleggen Afgeleid van change logs die laten zien dat de velden van de vrijgave strategie worden gewist. Gebeurtenistype inferred
	Goedkeuringsstap Afgewezen	Een geautoriseerde gebruiker heeft expliciet een enkele stap in de vrijgave strategie afgewezen, waarbij de aanvraag doorgaans wordt teruggestuurd naar de aanmaker voor wijziging. Deze actie wordt gelogd als een wijziging van de vrijgavestatus van de aanvraag.
Het belang Afwijzingen zijn een primaire oorzaak van procesherwerking en vertragingen. Het analyseren van hun frequentie en oorzaak helpt bij het identificeren van misverstanden in het beleid, datakwaliteitsproblemen of inefficiënte goedkeuringsstappen. Vindplaats Vastgelegd vanuit change logs (CDHDR/CDPOS) op de vrijgavestatusvelden in de EBAN-tabel. Een afwijzingsactie via transactie ME54N of vergelijkbaar zal een corresponderende statuswijziging triggeren. Vastleggen Change log entry aangemaakt wanneer een goedkeurder een afwijzingsactie uitvoert. Gebeurtenistype explicit
	Goedkeuringsstap Gestart	Geeft aan dat de aanvraag nu in afwachting is van actie van een specifieke goedkeurder of goedkeuringsgroep zoals gedefinieerd in de vrijgave strategie. Dit event wordt afgeleid wanneer de status van de aanvraag aangeeft dat deze wacht op een bepaalde vrijgavecode.
Het belang Deze activiteit maakt een gedetailleerde analyse van elke individuele stap in de goedkeuringsketen mogelijk. Het helpt te bepalen welke goedkeurders of stadia de langste vertragingen in het proces veroorzaken. Vindplaats Afgeleid door de sequentie van wijzigingen in de vrijgavestatusvelden in tabel EBAN te volgen. Elke wijziging naar een nieuwe 'pending' status duidt op het begin van een nieuwe goedkeuringsstap. Vastleggen Afgeleid van statuswijzigingen die aangeven dat een nieuwe vrijgavecode nu actief is en wacht op goedkeuring. Gebeurtenistype inferred
	Goedkeuringsstap Goedgekeurd	Vertegenwoordigt de expliciete actie van een geautoriseerde gebruiker die een enkele stap in de vrijgavestrategie goedkeurt. Deze actie wordt vastgelegd als een wijziging in de vrijgavestatus van de aanvraag, waardoor deze dichter bij de definitieve goedkeuring komt.
Het belang Het volgen van individuele goedkeuringen is noodzakelijk om de duur van elke stap te meten en de prestaties van verschillende goedkeurders te analyseren. Dit is fundamenteel voor het begrijpen van workflow conformance. Vindplaats Vastgelegd vanuit change logs (CDHDR/CDPOS) op de vrijgavestatusvelden van de EBAN-tabel. De actie van de goedkeurder via transactie ME54N of een vergelijkbare T-code triggert deze gelogde wijziging. Vastleggen Change log entry aangemaakt wanneer een goedkeurder een vrijgavetransactie uitvoert. Gebeurtenistype explicit

Aanbevolen Optioneel

Extractie Guides

Zo haal je je data uit SAP ECC

Stappen

Database Toegang Verlenen: Voordat u begint, moet u ervoor zorgen dat u read-only toegang heeft tot de onderliggende SAP ECC-database. Dit vereist specifieke credentials (gebruikersnaam, wachtwoord, host, poort) en is een niet-standaard toegangsniveau dat moet worden goedgekeurd door uw SAP basis- en securityteams.
SAP Schema Identificeren: Maak verbinding met de database met een standaard SQL-client, zoals DBeaver, Toad of SQL Developer. U moet het juiste SAP-schema identificeren waar de tabellen zijn opgeslagen, wat vaak SAPSR3 of SAPR3 wordt genoemd.
De SQL Query Voorbereiden: Gebruik de volledige SQL query die in dit document wordt geleverd. Deze query is ontworpen om alle vereiste activiteiten en attributen te extraheren door master data en change log tabellen te joinen.
Query Parameters Instellen: Zoek de placeholder-waarden binnen de query. U moet deze vervangen door uw specifieke systeem- en bedrijfsvereisten. Belangrijke placeholders zijn onder andere '{source_system_name}', '{start_date}', '{end_date}', '{company_codes}' en '{document_types}'.
Database-specifieke Syntaxis Aanpassen: De geleverde query gebruikt veelvoorkomende SQL-syntaxis. Functies voor timestamp-creatie, zoals TO_TIMESTAMP, of stringmanipulatie, moeten echter mogelijk kleine aanpassingen ondergaan op basis van uw specifieke databasesysteem, bijvoorbeeld Oracle, SQL Server, DB2 of HANA.
De Extractie Uitvoeren: Voer de aangepaste query uit in uw SQL-client. Voor grote datasets wordt sterk aanbevolen dit tijdens daluren uit te voeren om de systeemprestaties niet te beïnvloeden.
Voorlopige Resultaten Controleren: Zodra de query is voltooid, scant u kort de output om ervoor te zorgen dat deze de verwachte kolommen (PurchaseRequisitionId, ActivityName, EventTime, enz.) bevat en dat er rijen worden geretourneerd voor verschillende activiteiten.
Exporteren naar CSV: Exporteer de gehele resultaatset vanuit uw SQL-client naar een CSV-bestand. Zorg ervoor dat het bestand UTF-8-codering gebruikt om problemen met speciale tekens te voorkomen.
Voorbereiden op Upload: Bevestig dat de CSV-kolomheaders exact overeenkomen met de aliassen die in de SQL query zijn gedefinieerd. Het bestand moet een schone, tabulaire weergave van de event log zijn.
Uploaden naar ProcessMind: Upload het uiteindelijke CSV-bestand naar uw ProcessMind-project voor analyse en visualisatie.

Configuratie

Database Connection: Een directe verbinding met de SAP ECC-database is vereist. U heeft de hostname, poort, databasenaam en de juiste gebruikersgegevens nodig.
SAP Schema: De naam van het schema dat de SAP-tabellen bevat, moet bekend zijn, bijvoorbeeld SAPSR3. De query moet binnen de context van dit schema worden uitgevoerd.
Datumbereik: Om de prestaties en het datavolume te beheren, is het cruciaal om te filteren op een specifiek datumbereik. Wij adviseren te beginnen met een periode van 3 tot 6 maanden. Stel de placeholders '{start_date}' en '{end_date}' in het formaat YYYYMMDD in.
Organisatorische Filters: Voor een gerichtere analyse filtert u de data op bedrijfscode (BUKRS) en documenttype aanvraag (BSART). Vervang de placeholders '{company_codes}' en '{document_types}' door komma-gescheiden lijsten met waarden, bijvoorbeeld '1000','2000'.
Vereisten: Deze methode vereist goedkeuring van het SAP Basis- en Security-team om directe databasegegevens te verkrijgen. Het is geen standaard eindgebruikersactiviteit.
Prestatieoverwegingen: De query joint op change log tabellen (CDHDR, CDPOS), die erg groot kunnen zijn. Zonder de juiste filtering kan de query traag zijn en aanzienlijke systeembronnen verbruiken. Voer de query altijd uit met een beperkt datumbereik en andere filters.

a Voorbeeldquery sql

WITH REQUISITION_BASE AS (
    SELECT 
        EBAN.MANDT,
        EBAN.BANFN,
        EBAN.BNFPO,
        EBAN.BSART AS RequisitionDocumentType,
        EBAN.ERNAM,
        EBAN.ERDAT,
        EBAN.ERZET,
        EBAN.FRGZU AS CurrentRequisitionStatus,
        EBAKN.KOSTL AS Department,
        EBAKN.GSWRT
    FROM EBAN
    LEFT JOIN EBAKN ON EBAN.MANDT = EBAKN.MANDT AND EBAN.BANFN = EBAKN.BANFN AND EBAN.BNFPO = EBAKN.BNFPO
    WHERE EBAN.ERDAT BETWEEN '{start_date}' AND '{end_date}'
      AND EBAN.BUKRS IN ('{company_codes}')
      AND EBAN.BSART IN ('{document_types}')
),
REQUISITION_AGG AS (
    SELECT 
        MANDT, BANFN, RequisitionDocumentType, ERNAM, ERDAT, ERZET, CurrentRequisitionStatus, Department,
        SUM(GSWRT) AS TotalRequisitionValue
    FROM REQUISITION_BASE
    GROUP BY MANDT, BANFN, RequisitionDocumentType, ERNAM, ERDAT, ERZET, CurrentRequisitionStatus, Department
)
-- 1. Requisition Created
SELECT
    R.BANFN AS PurchaseRequisitionId,
    'Requisition Created' AS ActivityName,
    TO_TIMESTAMP(R.ERDAT || R.ERZET, 'YYYYMMDDHH24MISS') AS EventTime,
    '{source_system_name}' AS SourceSystem,
    CURRENT_TIMESTAMP AS LastDataUpdate,
    R.ERNAM AS User,
    R.Department AS Department,
    R.CurrentRequisitionStatus AS RequisitionStatus,
    R.RequisitionDocumentType AS RequisitionDocumentType,
    R.TotalRequisitionValue AS TotalRequisitionValue
FROM REQUISITION_AGG R

UNION ALL

-- 2. Requisition Amended, Approval Steps, Status Changes from Change Logs
SELECT 
    SUBSTRING(C.OBJECTID, 4, 10) AS PurchaseRequisitionId,
    CASE 
        WHEN C.FNAME = 'FRGZU' AND C.VALUE_NEW > C.VALUE_OLD THEN 'Approval Step Approved'
        WHEN C.FNAME = 'FRGZU' AND C.VALUE_NEW < C.VALUE_OLD THEN 'Approval Step Rejected'
        WHEN C.FNAME = 'FRGZU' AND C.VALUE_NEW = '{final_approval_status_code}' THEN 'Requisition Approved'
        WHEN C.FNAME = 'FRGZU' AND C.VALUE_NEW = '{final_rejection_status_code}' THEN 'Requisition Rejected'
        WHEN C.FNAME = 'FRGSX' AND C.VALUE_OLD IS NOT NULL AND C.VALUE_NEW IS NULL THEN 'Approval Reset'
        WHEN C.FNAME = 'FRGZU' AND C.CHNGIND = 'U' AND C.TCODE LIKE 'ME54%' THEN 'Approval Submitted' 
        WHEN C.FNAME = 'LOEKZ' AND C.VALUE_NEW IN ('L', 'X') THEN 'Requisition Withdrawn'
        WHEN C.FNAME = 'EBAKZ' AND C.VALUE_NEW = 'X' THEN 'Requisition Blocked'
        WHEN C.FNAME = 'STATU' AND C.VALUE_NEW = 'B' THEN 'Purchase Order Created'
        WHEN C.FNAME = 'EREKZ' AND C.VALUE_NEW = 'X' THEN 'Requisition Closed'
        ELSE 'Requisition Amended'
    END AS ActivityName,
    TO_TIMESTAMP(C.UDATE || C.UTIME, 'YYYYMMDDHH24MISS') AS EventTime,
    '{source_system_name}' AS SourceSystem,
    CURRENT_TIMESTAMP AS LastDataUpdate,
    C.USERNAME AS User,
    R.Department AS Department,
    C.VALUE_NEW AS RequisitionStatus,
    R.RequisitionDocumentType AS RequisitionDocumentType,
    R.TotalRequisitionValue AS TotalRequisitionValue
FROM CDHDR C
JOIN CDPOS P ON C.MANDANT = P.MANDANT AND C.OBJECTCLAS = P.OBJECTCLAS AND C.OBJECTID = P.OBJECTID AND C.CHANGENR = P.CHANGENR
JOIN REQUISITION_AGG R ON SUBSTRING(C.OBJECTID, 4, 10) = R.BANFN
WHERE C.OBJECTCLAS = 'BANF'
  AND C.UDATE || C.UTIME <> R.ERDAT || R.ERZET -- Exclude changes made at the exact time of creation
  AND NOT (C.TCODE IN ('ME51', 'ME51N') AND C.UDATE = R.ERDAT) -- Exclude initial creation events from being amendments

UNION ALL

-- 3. Approval Step Started (Inferred)
SELECT 
    SUBSTRING(C.OBJECTID, 4, 10) AS PurchaseRequisitionId,
    'Approval Step Started' AS ActivityName,
    TO_TIMESTAMP(C.UDATE || C.UTIME, 'YYYYMMDDHH24MISS') AS EventTime,
    '{source_system_name}' AS SourceSystem,
    CURRENT_TIMESTAMP AS LastDataUpdate,
    C.USERNAME AS User,
    R.Department AS Department,
    P.VALUE_OLD AS RequisitionStatus,
    R.RequisitionDocumentType AS RequisitionDocumentType,
    R.TotalRequisitionValue AS TotalRequisitionValue
FROM CDHDR C
JOIN CDPOS P ON C.MANDANT = P.MANDANT AND C.OBJECTCLAS = P.OBJECTCLAS AND C.OBJECTID = P.OBJECTID AND C.CHANGENR = P.CHANGENR
JOIN REQUISITION_AGG R ON SUBSTRING(C.OBJECTID, 4, 10) = R.BANFN
WHERE C.OBJECTCLAS = 'BANF' AND P.FNAME = 'FRGZU' AND P.CHNGIND = 'U'
  AND P.VALUE_OLD IS NOT NULL AND P.VALUE_NEW IS NOT NULL AND P.VALUE_NEW > P.VALUE_OLD; -- This logic infers that a step starts just before it is approved

Stappen

Python Omgeving Instellen: Zorg ervoor dat u Python 3.6 of nieuwer geïnstalleerd heeft. Maak een projectmap aan en configureer een virtuele omgeving om dependencies te beheren. Installeer de benodigde libraries met pip: pip install pyrfc pandas numpy
SAP RFC SDK: Download de SAP NetWeaver RFC SDK via de SAP Support Portal. Pak de inhoud uit en plaats de library-bestanden (bijv. sapnwrfc.dll op Windows, libsapnwrfc.so op Linux) in een directory die toegankelijk is via het systeempad of uw Python-script.
SAP Verbinding Configureren: Open het geleverde Python-script. Zoek de sectie voor SAP-verbindingsparameters en vervang de placeholder-waarden (ashost, sysnr, client, user, passwd) door uw daadwerkelijke SAP-systeemcredentials. Zorg ervoor dat de gebruiker de vereiste autorisaties heeft voor RFC-uitvoering en tabeltoegang.
Extractieparameters Definiëren: Stel in het script de variabelen date_from en date_to in om het gewenste tijdsbereik voor de extractie te definiëren. Het wordt aanbevolen om met een kleinere periode te beginnen, bijvoorbeeld één maand, om het extractieproces te testen.
Het Python-script Uitvoeren: Voer het script uit vanuit uw terminal met het commando python your_script_name.py. Het script maakt verbinding met SAP via RFC, roept RFC_READ_TABLE aan voor elke vereiste tabel (EBAN, EKKO, EKPO, CDHDR, CDPOS) en downloadt de data.
Data Ophalen: Het script haalt ruwe data op voor aanvragen, inkooporders en wijzigingsdocumenten. Het gebruikt filtercriteria, zoals datumbereiken en objectklassen, om de hoeveelheid overgedragen data te beperken.
Lokale Data Transformatie: Zodra de data is gedownload, gebruikt het script de pandas library om alle transformaties lokaal uit te voeren. Het verwerkt de ruwe tabeldata om afzonderlijke event log-entries te genereren voor elk van de 13 vereiste activiteiten, zoals 'Aanvraag aangemaakt', 'Goedkeuringsstap goedgekeurd' en 'Inkooporder aangemaakt'.
Event Log Genereren: Het script combineert de events die zijn gegenereerd uit elke tabel in één verenigd DataFrame. Het berekent event timestamps, mapt gebruikersnamen en structureert de data in het vereiste case ID-, activiteit- en timestamp-formaat.
Attribuut Mapping: Belangrijke attributen zoals PurchaseRequisitionId, ActivityName, EventTime, User en TotalRequisitionValue worden gemapt naar hun respectieve kolommen in het uiteindelijke DataFrame.
Exporteren naar CSV: Het script slaat de uiteindelijke event log op als een CSV-bestand genaamd event_log_pr.csv in dezelfde directory. Dit bestand is geformatteerd voor directe upload naar ProcessMind.
Controleren en Uploaden: Open het gegenereerde CSV-bestand om de data te controleren op volledigheid en correctheid. Eenmaal gevalideerd, kunt u verdergaan met het uploaden van het bestand naar uw ProcessMind-project.

Configuratie

SAP Verbinding: Het script vereist directe RFC-verbindingsdetails met het SAP ECC-systeem, inclusief applicatieserver, systeemnummer, client, gebruiker en wachtwoord. De opgegeven gebruiker moet autorisaties hebben voor RFC-aanroepen en display access tot tabellen EBAN, EKPO, EKKO, CDHDR en CDPOS.
Datumbereik: De extractie wordt bepaald door start- en einddatumparameters binnen het script. Voor initiële runs en om de prestaties te beheren, wordt aanbevolen om een databereik van 3 tot 6 maanden te extraheren.
Tabel Filters: Filtering wordt indien mogelijk toegepast binnen de RFC-aanroepen. Zo worden aanvragen gefilterd op aanmaakdatum (EBAN-ERDAT) en wijzigingsdocumenten op datum (CDHDR-UDATE) en objectklasse (CDHDR-OBJECTCLAS = 'BANF').
Python Libraries: Het script is afhankelijk van pyrfc voor SAP-connectiviteit en pandas voor datamanipulatie. Zorg ervoor dat deze libraries in uw Python-omgeving zijn geïnstalleerd.
Prestaties: Data-extractie via RFC_READ_TABLE kan traag zijn voor zeer grote datasets, aangezien data sequentieel tabel voor tabel wordt opgehaald. Het is raadzaam de extractie tijdens daluren uit te voeren om de systeembelasting te minimaliseren.
Documenttypes: Het script extraheert standaard alle documenttypes voor inkoopaanvragen. Om de scope te verkleinen, kunt u een post-extractie filter toevoegen in de pandas DataFrame op basis van de BSART-kolom uit de EBAN-tabel.

a Voorbeeldquery python

import pandas as pd
from pyrfc import Connection
import datetime

class=class="hl-string">"hl-comment"># --- 1. Configuration Settings ---
class=class="hl-string">"hl-comment"># Replace with your SAP system connection details
SAP_CONNECTION_PARAMS = {
    class="hl-string">"ashost": class="hl-string">"your_sap_host",      class=class="hl-string">"hl-comment"># Application server host
    class="hl-string">"sysnr": class="hl-string">"00",                 class=class="hl-string">"hl-comment"># System number
    class="hl-string">"client": class="hl-string">"100",               class=class="hl-string">"hl-comment"># Client
    class="hl-string">"user": class="hl-string">"your_rfc_user",       class=class="hl-string">"hl-comment"># RFC user
    class="hl-string">"passwd": class="hl-string">"your_password"      class=class="hl-string">"hl-comment"># Password
}

class=class="hl-string">"hl-comment"># Date range for the extraction (YYYYMMDD format)
date_from = class="hl-string">'20230101'
date_to = class="hl-string">'20231231'

source_system = class="hl-string">"SAP ECC"
last_data_update = datetime.datetime.now().isoformat()

class=class="hl-string">"hl-comment"># --- 2. Helper function for RFC_READ_TABLE ---
def rfc_read_table(conn, table_name, fields, options):
    class="hl-string">"""Fetches data from an SAP table using RFC_READ_TABLE."""
    try:
        result = conn.call(class="hl-string">'RFC_READ_TABLE',
                           QUERY_TABLE=table_name,
                           DELIMITER=class="hl-string">',',
                           FIELDS=fields,
                           OPTIONS=options)
        
        data = result[class="hl-string">'DATA']
        if not data:
            return pd.DataFrame(columns=[field[class="hl-string">'FIELDNAME'] for field in fields])

        records = [row[class="hl-string">'WA'].strip().split(class="hl-string">',') for row in data]
        df = pd.DataFrame(records, columns=[field[class="hl-string">'FIELDNAME'] for field in fields])
        class=class="hl-string">"hl-comment"># Trim whitespace from all cells
        df = df.apply(lambda x: x.str.strip() if x.dtype == class="hl-string">"object" else x)
        return df
    except Exception as e:
        print(fclass="hl-string">"Error reading table {table_name}: {e}")
        return pd.DataFrame(columns=[field[class="hl-string">'FIELDNAME'] for field in fields])

class=class="hl-string">"hl-comment"># --- 3. Main Extraction Logic ---
def main():
    print(class="hl-string">"Starting SAP data extraction...")
    try:
        conn = Connection(**SAP_CONNECTION_PARAMS)
    except Exception as e:
        print(fclass="hl-string">"Failed to connect to SAP: {e}")
        return

    class=class="hl-string">"hl-comment"># --- EBAN (Purchase Requisitions) ---
    print(class="hl-string">"Extracting EBAN...")
    eban_fields = [{class="hl-string">'FIELDNAME': class="hl-string">'BANFN'}, {class="hl-string">'FIELDNAME': class="hl-string">'BNFPO'}, {class="hl-string">'FIELDNAME': class="hl-string">'BSART'}, {class="hl-string">'FIELDNAME': class="hl-string">'ERNAM'}, {class="hl-string">'FIELDNAME': class="hl-string">'ERDAT'}, {class="hl-string">'FIELDNAME': class="hl-string">'ERFZEIT'}, {class="hl-string">'FIELDNAME': class="hl-string">'PREIS'}, {class="hl-string">'FIELDNAME': class="hl-string">'MENGE'}, {class="hl-string">'FIELDNAME': class="hl-string">'KOSTL'}, {class="hl-string">'FIELDNAME': class="hl-string">'FRGZU'}, {class="hl-string">'FIELDNAME': class="hl-string">'FRGSX'}]
    eban_options = [fclass="hl-string">"ERDAT >= '{date_from}' AND ERDAT <= '{date_to}'"]
    df_eban = rfc_read_table(conn, class="hl-string">'EBAN', eban_fields, eban_options)
    if df_eban.empty:
        print(class="hl-string">"No requisitions found in EBAN for the given date range. Exiting.")
        conn.close()
        return

    df_eban[class="hl-string">'PREIS'] = pd.to_numeric(df_eban[class="hl-string">'PREIS'], errors=class="hl-string">'coerce').fillna(0)
    df_eban[class="hl-string">'MENGE'] = pd.to_numeric(df_eban[class="hl-string">'MENGE'], errors=class="hl-string">'coerce').fillna(0)
    df_eban[class="hl-string">'TotalRequisitionValue'] = df_eban[class="hl-string">'PREIS'] * df_eban[class="hl-string">'MENGE']
    df_eban_grouped = df_eban.groupby(class="hl-string">'BANFN').agg(
        TotalRequisitionValue=(class="hl-string">'TotalRequisitionValue', class="hl-string">'sum'),
        RequisitionDocumentType=(class="hl-string">'BSART', class="hl-string">'first'),
        Department=(class="hl-string">'KOSTL', class="hl-string">'first')
    ).reset_index()
    df_eban = df_eban.merge(df_eban_grouped, on=class="hl-string">'BANFN', suffixes=(class="hl-string">'', class="hl-string">'_agg'))

    class=class="hl-string">"hl-comment"># --- EKPO/EKKO (Purchase Orders) ---
    print(class="hl-string">"Extracting EKPO and EKKO...")
    banfn_list = class="hl-string">"'" + class="hl-string">"', '".join(df_eban[class="hl-string">'BANFN'].unique()) + class="hl-string">"'"
    ekpo_fields = [{class="hl-string">'FIELDNAME': class="hl-string">'BANFN'}, {class="hl-string">'FIELDNAME': class="hl-string">'BNFPO'}, {class="hl-string">'FIELDNAME': class="hl-string">'EBELN'}]
    ekpo_options = [fclass="hl-string">"BANFN IN ({banfn_list})"]
    df_ekpo = rfc_read_table(conn, class="hl-string">'EKPO', ekpo_fields, ekpo_options)

    ekko_fields = [{class="hl-string">'FIELDNAME': class="hl-string">'EBELN'}, {class="hl-string">'FIELDNAME': class="hl-string">'AEDAT'}]
    if not df_ekpo.empty:
        ebeln_list = class="hl-string">"'" + class="hl-string">"', '".join(df_ekpo[class="hl-string">'EBELN'].unique()) + class="hl-string">"'"
        ekko_options = [fclass="hl-string">"EBELN IN ({ebeln_list})"]
        df_ekko = rfc_read_table(conn, class="hl-string">'EKKO', ekko_fields, ekko_options)
        df_po = pd.merge(df_ekpo, df_ekko, on=class="hl-string">'EBELN')
    else:
        df_po = pd.DataFrame(columns=[class="hl-string">'BANFN', class="hl-string">'BNFPO', class="hl-string">'EBELN', class="hl-string">'AEDAT'])

    class=class="hl-string">"hl-comment"># --- CDHDR/CDPOS (Change Documents) ---
    print(class="hl-string">"Extracting CDHDR and CDPOS...")
    cdhdr_fields = [{class="hl-string">'FIELDNAME': class="hl-string">'OBJECTID'}, {class="hl-string">'FIELDNAME': class="hl-string">'CHANGENR'}, {class="hl-string">'FIELDNAME': class="hl-string">'USERNAME'}, {class="hl-string">'FIELDNAME': class="hl-string">'UDATE'}, {class="hl-string">'FIELDNAME': class="hl-string">'UTIME'}]
    cdhdr_options = [fclass="hl-string">"OBJECTCLAS = 'BANF' AND UDATE >= '{date_from}' AND UDATE <= '{date_to}'"]
    df_cdhdr = rfc_read_table(conn, class="hl-string">'CDHDR', cdhdr_fields, cdhdr_options)
    
    df_cdpos = pd.DataFrame()
    if not df_cdhdr.empty:
        class=class="hl-string">"hl-comment"># Process changenr in chunks to avoid overly long SQL queries
        changenr_chunks = [df_cdhdr[class="hl-string">'CHANGENR'][i:i + 100] for i in range(0, df_cdhdr.shape[0], 100)]
        cdpos_fields = [{class="hl-string">'FIELDNAME': class="hl-string">'CHANGENR'}, {class="hl-string">'FIELDNAME': class="hl-string">'TABNAME'}, {class="hl-string">'FIELDNAME': class="hl-string">'FNAME'}, {class="hl-string">'FIELDNAME': class="hl-string">'VALUE_NEW'}, {class="hl-string">'FIELDNAME': class="hl-string">'VALUE_OLD'}]
        cdpos_frames = []
        for chunk in changenr_chunks:
            changenr_list = class="hl-string">"'" + class="hl-string">"', '".join(chunk) + class="hl-string">"'"
            cdpos_options = [fclass="hl-string">"OBJECTCLAS = 'BANF' AND CHANGENR IN ({changenr_list}) AND TABNAME = 'EBAN'"]
            cdpos_frames.append(rfc_read_table(conn, class="hl-string">'CDPOS', cdpos_fields, cdpos_options))
        if cdpos_frames:
            df_cdpos = pd.concat(cdpos_frames, ignore_index=True)

    conn.close()
    print(class="hl-string">"Extraction from SAP complete. Starting transformation...")

    class=class="hl-string">"hl-comment"># --- 4. Event Log Generation ---
    events = []

    class=class="hl-string">"hl-comment"># Activity: Requisition Created
    df_created = df_eban[[class="hl-string">'BANFN', class="hl-string">'ERNAM', class="hl-string">'ERDAT', class="hl-string">'ERFZEIT', class="hl-string">'RequisitionDocumentType', class="hl-string">'TotalRequisitionValue', class="hl-string">'Department']].drop_duplicates(subset=[class="hl-string">'BANFN'])
    for _, row in df_created.iterrows():
        events.append({
            class="hl-string">'PurchaseRequisitionId': row[class="hl-string">'BANFN'],
            class="hl-string">'ActivityName': class="hl-string">'Requisition Created',
            class="hl-string">'EventTime': fclass="hl-string">"{row['ERDAT']} {row['ERFZEIT']}",
            class="hl-string">'User': row[class="hl-string">'ERNAM'],
            class="hl-string">'RequisitionDocumentType': row[class="hl-string">'RequisitionDocumentType'],
            class="hl-string">'TotalRequisitionValue': row[class="hl-string">'TotalRequisitionValue'],
            class="hl-string">'Department': row[class="hl-string">'Department'],
            class="hl-string">'RequisitionStatus': class="hl-string">'Created'
        })

    class=class="hl-string">"hl-comment"># Merge change documents
    df_changes = pd.DataFrame()
    if not df_cdhdr.empty and not df_cdpos.empty:
        df_changes = pd.merge(df_cdhdr, df_cdpos, on=class="hl-string">'CHANGENR')
        df_changes[class="hl-string">'PurchaseRequisitionId'] = df_changes[class="hl-string">'OBJECTID'].str[:10]
        df_changes[class="hl-string">'EventTime'] = pd.to_datetime(df_changes[class="hl-string">'UDATE'] + class="hl-string">' ' + df_changes[class="hl-string">'UTIME'], format=class="hl-string">'%Y%m%d %H%M%S')

    if not df_changes.empty:
        class=class="hl-string">"hl-comment"># Activities from Change Logs
        for _, row in df_changes.iterrows():
            activity = None
            status = None

            class=class="hl-string">"hl-comment"># Approval-related activities
            if row[class="hl-string">'FNAME'] in [class="hl-string">'FRGZU', class="hl-string">'FRGSX']:
                if row[class="hl-string">'VALUE_OLD'].strip() == class="hl-string">'' and row[class="hl-string">'VALUE_NEW'].strip() != class="hl-string">'':
                    activity = class="hl-string">'Approval Submitted'
                    status = class="hl-string">'In Approval'
                elif row[class="hl-string">'VALUE_OLD'] != class="hl-string">'' and row[class="hl-string">'VALUE_NEW'] == class="hl-string">'':
                    activity = class="hl-string">'Approval Reset'
                    status = class="hl-string">'In Progress'
                else:
                    class=class="hl-string">"hl-comment"># Logic to differentiate approve/reject might need config specifics
                    activity = class="hl-string">'Approval Step Approved' if row[class="hl-string">'VALUE_NEW'] > row[class="hl-string">'VALUE_OLD'] else class="hl-string">'Approval Step Rejected'
                    status = class="hl-string">'In Approval'
            class=class="hl-string">"hl-comment"># Final Approval/Rejection
            elif row[class="hl-string">'FNAME'] == class="hl-string">'FRGZU':
                 class=class="hl-string">"hl-comment"># This logic assumes specific final approval/rejection codes. Adjust if needed.
                 if row[class="hl-string">'VALUE_NEW'] in [class="hl-string">'X', class="hl-string">'Y', class="hl-string">'Z']: class=class="hl-string">"hl-comment"># Placeholder for final approval states
                     activity = class="hl-string">'Requisition Approved'
                     status = class="hl-string">'Approved'
                 elif row[class="hl-string">'VALUE_NEW'] in [class="hl-string">'R', class="hl-string">'S']: class=class="hl-string">"hl-comment"># Placeholder for final rejection states
                     activity = class="hl-string">'Requisition Rejected'
                     status = class="hl-string">'Rejected'
            class=class="hl-string">"hl-comment"># Other Amendments
            elif row[class="hl-string">'FNAME'] not in [class="hl-string">'FRGZU', class="hl-string">'FRGSX', class="hl-string">'LOEKZ', class="hl-string">'EBAKZ']:
                activity = class="hl-string">'Requisition Amended'
                status = class="hl-string">'Amended'
            class=class="hl-string">"hl-comment"># Blocked
            elif row[class="hl-string">'FNAME'] == class="hl-string">'EBAKZ' and row[class="hl-string">'VALUE_NEW'] == class="hl-string">'B':
                activity = class="hl-string">'Requisition Blocked'
                status = class="hl-string">'Blocked'
            class=class="hl-string">"hl-comment"># Withdrawn
            elif row[class="hl-string">'FNAME'] == class="hl-string">'LOEKZ' and row[class="hl-string">'VALUE_NEW'] == class="hl-string">'L':
                activity = class="hl-string">'Requisition Withdrawn'
                status = class="hl-string">'Withdrawn'
            class=class="hl-string">"hl-comment"># Closed
            elif row[class="hl-string">'FNAME'] == class="hl-string">'EBAKZ' and row[class="hl-string">'VALUE_NEW'] == class="hl-string">'L':
                activity = class="hl-string">'Requisition Closed'
                status = class="hl-string">'Closed'

            if activity:
                events.append({
                    class="hl-string">'PurchaseRequisitionId': row[class="hl-string">'PurchaseRequisitionId'],
                    class="hl-string">'ActivityName': activity,
                    class="hl-string">'EventTime': row[class="hl-string">'EventTime'].strftime(class="hl-string">'%Y-%m-%d %H:%M:%S'),
                    class="hl-string">'User': row[class="hl-string">'USERNAME'],
                    class="hl-string">'RequisitionStatus': status
                })

    class=class="hl-string">"hl-comment"># Activity: Purchase Order Created
    if not df_po.empty:
        df_po_first = df_po.sort_values(class="hl-string">'AEDAT').drop_duplicates(class="hl-string">'BANFN', keep=class="hl-string">'first')
        for _, row in df_po_first.iterrows():
            events.append({
                class="hl-string">'PurchaseRequisitionId': row[class="hl-string">'BANFN'],
                class="hl-string">'ActivityName': class="hl-string">'Purchase Order Created',
                class="hl-string">'EventTime': fclass="hl-string">"{row['AEDAT']} 00:00:00", class=class="hl-string">"hl-comment"># EKKO only has date
                class="hl-string">'User': None, class=class="hl-string">"hl-comment"># User info not directly in EKKO/EKPO for this event
                class="hl-string">'RequisitionStatus': class="hl-string">'PO Created'
            })
            
    class=class="hl-string">"hl-comment"># Dummy activities for Approval Step Started (inferred before approval)
    class=class="hl-string">"hl-comment"># This is a simplified inference. Real logic can be much more complex.
    approval_events = [e for e in events if e[class="hl-string">'ActivityName'] == class="hl-string">'Approval Step Approved']
    for event in approval_events:
        event_time = pd.to_datetime(event[class="hl-string">'EventTime'])
        class=class="hl-string">"hl-comment"># Infer class="hl-string">'started' event one minute before class="hl-string">'approved' for demonstration
        start_time = event_time - datetime.timedelta(minutes=1)
        events.append({
            class="hl-string">'PurchaseRequisitionId': event[class="hl-string">'PurchaseRequisitionId'],
            class="hl-string">'ActivityName': class="hl-string">'Approval Step Started',
            class="hl-string">'EventTime': start_time.strftime(class="hl-string">'%Y-%m-%d %H:%M:%S'),
            class="hl-string">'User': None, class=class="hl-string">"hl-comment"># Approver user is not known until they approve
            class="hl-string">'RequisitionStatus': class="hl-string">'In Approval'
        })

    class=class="hl-string">"hl-comment"># --- 5. Final Formatting ---
    if not events:
        print(class="hl-string">"No events generated. Exiting.")
        return

    df_event_log = pd.DataFrame(events)
    df_event_log = df_event_log.merge(df_eban_grouped, left_on=class="hl-string">'PurchaseRequisitionId', right_on=class="hl-string">'BANFN', how=class="hl-string">'left')
    df_event_log[class="hl-string">'EventTime'] = pd.to_datetime(df_event_log[class="hl-string">'EventTime'])
    df_event_log = df_event_log.sort_values(by=[class="hl-string">'PurchaseRequisitionId', class="hl-string">'EventTime'])

    class=class="hl-string">"hl-comment"># Fill forward attributes within each case
    df_event_log[class="hl-string">'RequisitionDocumentType'] = df_event_log.groupby(class="hl-string">'PurchaseRequisitionId')[class="hl-string">'RequisitionDocumentType_agg'].transform(lambda x: x.ffill().bfill())
    df_event_log[class="hl-string">'TotalRequisitionValue'] = df_event_log.groupby(class="hl-string">'PurchaseRequisitionId')[class="hl-string">'TotalRequisitionValue_agg'].transform(lambda x: x.ffill().bfill())
    df_event_log[class="hl-string">'Department'] = df_event_log.groupby(class="hl-string">'PurchaseRequisitionId')[class="hl-string">'Department_agg'].transform(lambda x: x.ffill().bfill())

    class=class="hl-string">"hl-comment"># Add standard columns
    df_event_log[class="hl-string">'SourceSystem'] = source_system
    df_event_log[class="hl-string">'LastDataUpdate'] = last_data_update

    class=class="hl-string">"hl-comment"># Select and rename final columns
    final_columns = {
        class="hl-string">'PurchaseRequisitionId': class="hl-string">'PurchaseRequisitionId',
        class="hl-string">'ActivityName': class="hl-string">'ActivityName',
        class="hl-string">'EventTime': class="hl-string">'EventTime',
        class="hl-string">'SourceSystem': class="hl-string">'SourceSystem',
        class="hl-string">'LastDataUpdate': class="hl-string">'LastDataUpdate',
        class="hl-string">'User': class="hl-string">'User',
        class="hl-string">'Department': class="hl-string">'Department',
        class="hl-string">'RequisitionStatus': class="hl-string">'RequisitionStatus',
        class="hl-string">'RequisitionDocumentType': class="hl-string">'RequisitionDocumentType',
        class="hl-string">'TotalRequisitionValue': class="hl-string">'TotalRequisitionValue'
    }
    df_event_log = df_event_log[final_columns.keys()].rename(columns=final_columns)
    
    class=class="hl-string">"hl-comment"># Save to CSV
    df_event_log.to_csv(class="hl-string">'event_log_pr.csv', index=False)
    print(class="hl-string">"Event log successfully created: event_log_pr.csv")

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

Uw Inkoop tot Betaling - Inkoopaanvraag Data Template

Uw Inkoop tot Betaling - Inkoopaanvraag Data Template

Purchase to Pay - Inkoopaanvraag Attributes

Purchase to Pay - Inkoopaanvraag Activiteiten

Extractie Guides

Directe SQL-query op de onderliggende SAP ECC-database

Stappen

Configuratie

a Voorbeeldquery sql

Python Script met SAP RFC voor Tabel Extractie

Stappen

Configuratie

a Voorbeeldquery python

Klaar om te starten?

Ontgrendel P2P-Aanvraag Efficiëntie, Start Uw Proefperiode Nu

Uw Inkoop tot Betaling - Inkoopaanvraag Data Template

Uw Inkoop tot Betaling - Inkoopaanvraag Data Template

Purchase to Pay - Inkoopaanvraag Attributes

Purchase to Pay - Inkoopaanvraag Activiteiten

Extractie Guides

Directe SQL-query op de onderliggende SAP ECC-database

Stappen

Configuratie

a Voorbeeldquery sql

Python Script met SAP RFC voor Tabel Extractie

Stappen

Configuratie

a Voorbeeldquery python

Wij hechten veel waarde aan je privacy

Klaar om te starten?

Ontgrendel P2P-Aanvraag Efficiëntie, Start Uw Proefperiode Nu