> Continue procesverbetering > Kredietbeheer en incasso > Microsoft Dynamics 365 > Datatemplate

Jouw datatemplate voor kredietbeheer en incasso

Microsoft Dynamics 365

Attributen voor kredietbeheer en incasso (19) Activiteiten voor kredietbeheer en incasso (12) Extractiegidsen (2)

Jouw datatemplate voor kredietbeheer en incasso

Deze template helpt je bij het verzamelen van de data die je nodig hebt om je proces voor kredietbeheer en incasso te analyseren. Je vindt hierin de belangrijkste datavelden, activiteiten om te volgen en praktische aanwijzingen voor data-extractie. Gebruik deze bron om je data voor te bereiden en sneller met process mining aan de slag te gaan.

Aanbevolen attributen voor een volledige analyse
Belangrijke procesactiviteiten voor een betrouwbare ontdekking
Praktische aanwijzingen voor data-extractie uit je systeem

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

Template downloaden

Attributen voor kredietbeheer en incasso

Dit zijn de aanbevolen datavelden voor je event log voor een volledige analyse van je proces voor kredietbeheer en incasso.

3 Verplicht 8 Aanbevolen 8 Optioneel

	Naam	Beschrijving
	Activiteitsnaam ActivityName	De naam van de specifieke gebeurtenis of taak die op een bepaald moment in de levenscyclus van de factuur plaatsvond.
Beschrijving De activiteitsnaam beschrijft een specifieke stap of gebeurtenis binnen het credit- en incassoproces, zoals 'Invoice Generated', 'Dunning Letter Sent' of 'Payment Received'. Dit attribuut is de basis van process mining, omdat het de knooppunten in de procesmap bepaalt. Door de volgorde en frequentie van activiteiten te analyseren, zie je de werkelijke procesflow en herken je herstelrondes, inefficiënties en procespaden die niet aan de compliance-eisen voldoen. Het ondersteunt rechtstreeks alle visualisaties van de procesflow en wordt gebruikt om doorlooptijden tussen verschillende procesfasen te berekenen. Waarom dit belangrijk is Dit attribuut bepaalt de stappen in de procesmap, zodat je de levenscyclus van de factuur kunt visualiseren en analyseren. Waar je het vindt Dit attribuut wordt meestal afgeleid door specifieke systeemgebeurtenissen, statuswijzigingen of aanmaakdatums uit verschillende tabellen, zoals 'CustInvoiceJour', 'CustTrans', 'CustCollectionLetterJour' en 'CustPaymPromise', te koppelen aan gestandaardiseerde activiteitsnamen. Voorbeelden Factuur geboekt en verzondenAanmaningsbrief aangemaaktGeschil geregistreerdBetaling ontvangen
	Eventtijd EventTime	De timestamp die aangeeft wanneer een specifieke activiteit of gebeurtenis plaatsvond.
Beschrijving Eventtijd is de exacte datum en tijd waarop een activiteit in het systeem is geregistreerd. Dit is een basisgegeven voor process mining, omdat het de chronologische volgorde levert die nodig is om de procesflow op te bouwen en alle tijdsgebonden metingen te berekenen. Dit attribuut is essentieel voor het analyseren van doorlooptijden, het herkennen van bottlenecks en het bewaken van SLA's. Zo gebruik je het tijdsverschil tussen de gebeurtenissen 'Invoice Generated' en 'Payment Received' om Days Sales Outstanding (DSO) te berekenen, een belangrijke KPI. Zonder nauwkeurige timestamps zijn prestatieanalyses en het herkennen van bottlenecks niet mogelijk. Waarom dit belangrijk is Deze timestamp is essentieel om gebeurtenissen te ordenen, de procesmap te ontdekken en alle prestatiemetingen, zoals doorlooptijden en tijdsduur, te berekenen. Waar je het vindt Dit attribuut komt uit verschillende datum- en tijdvelden in D365-tabellen, zoals 'CreatedDateTime' in 'CustInvoiceJour' of 'TransDate' in 'CustTrans', afhankelijk van de specifieke activiteit. Voorbeelden 2023-01-15T09:30:00Z2023-02-28T14:12:55Z2023-03-20T11:05:10Z
	Factuurnummer InvoiceNumber	De unieke identificatie van elke klantfactuur. Dit is de primaire case-identificatie voor het creditmanagementproces.
Beschrijving Het factuurnummer is een belangrijk attribuut waarmee elke financiële transactie met een klant uniek wordt geïdentificeerd. Het koppelt alle gerelateerde activiteiten, van het genereren en boeken van de factuur tot het innen en uiteindelijk vereffenen van de betaling. In process mining gebruik je dit nummer om het volledige verloop van elke factuur te reconstrueren en de levenscyclus ervan gedetailleerd te analyseren. Door elke factuur als afzonderlijke case te volgen, kunnen organisaties veelvoorkomende procespaden, bottlenecks en afwijkingen van de standaardprocedure herkennen. Het vormt de basis voor het berekenen van belangrijke metingen zoals Days Sales Outstanding en het analyseren van procesvarianten. Waarom dit belangrijk is Dit is de essentiële Case ID die alle procesgebeurtenissen koppelt. Zo kun je de volledige levenscyclus van factuur tot betaling reconstrueren en analyseren. Waar je het vindt Dit is meestal het veld 'Invoice' uit de tabel 'CustInvoiceJour' in Microsoft Dynamics 365 Finance. Voorbeelden INV-0012345CIV-2023-8876SI-9510034
	Aanmaningsniveau DunningLevel	Geeft de huidige fase of ernst van het aanmanings- en incassoproces voor een achterstallige factuur aan.
Beschrijving Het aanmaningsniveau staat voor de stap in een gestructureerde aanmaningsprocedure, bijvoorbeeld 'Niveau 1: vriendelijke herinnering', 'Niveau 2: formele aanmaning' of 'Niveau 3: laatste waarschuwing'. Het volgen van dit attribuut is belangrijk om de effectiviteit van de incassostrategie te beoordelen. Het dashboard 'Effectiviteit van de aanmaningsstrategie' gebruikt dit attribuut om te laten zien welk percentage van de facturen na elk niveau wordt betaald. Zo kunnen organisaties hun aanmaningsworkflows verbeteren, zodat ze betalingen effectiever binnenhalen en tegelijk klantrelaties behouden. Waarom dit belangrijk is Dit is belangrijk om de effectiviteit van de aanmaningsstrategie te meten en te begrijpen in welke fase klanten het vaakst betalen. Waar je het vindt Deze informatie staat in tabellen die verband houden met incasso en aanmaningsbrieven, zoals 'CustCollectionLetterJour'. Voorbeelden 123 - LaatsteJuridische stappen
	Betalingsvervaldatum PaymentDueDate	De datum waarop de betaling van de factuur volgens de overeenkomst uiterlijk verschuldigd is.
Beschrijving De betalingsvervaldatum is een belangrijk datumattribuut dat wordt bepaald door de met de klant afgesproken betalingsvoorwaarden. Deze datum vormt de basis om te bepalen of een factuur achterstallig is. Het is de belangrijkste trigger voor incassoactiviteiten, zoals het versturen van herinneringen of het starten van een formele aanmaningsprocedure. In process mining gebruik je deze datum om de meting 'Dagen achterstallig' te berekenen en compliance met aanmaningsbeleid te controleren, bijvoorbeeld door na te gaan of een herinnering binnen X dagen na het verstrijken van de vervaldatum is verstuurd. Waarom dit belangrijk is Deze datum is de referentie voor het meten van tijdige betalingen en vormt de trigger voor alle activiteiten rond achterstallige betalingen en incasso. Waar je het vindt Meestal te vinden als het veld 'DueDate' in de tabellen 'CustTrans' of 'CustInvoiceJour'. Voorbeelden 2023-02-142023-03-312023-04-30
	Dagen achterstallig DaysOverdue	Het aantal dagen dat een factuur na de betalingsvervaldatum nog niet is betaald.
Beschrijving Dagen achterstallig is een berekende meting die de verstreken tijd sinds de betalingsvervaldatum van een onbetaalde factuur meet. Je berekent dit als de huidige datum min de betalingsvervaldatum. Dit is een belangrijke KPI voor het incassoteam, omdat je ermee kunt bepalen welke facturen prioriteit hebben. Het is de belangrijkste meting in het dashboard 'Achterstallige facturen per segment' en een basis voor het beoordelen van de gezondheid van openstaande vorderingen en de effectiviteit van incassoactiviteiten. Waarom dit belangrijk is Dit is een belangrijke operationele meting om incassoactiviteiten te prioriteren en de ernst van betalingsvertragingen te bepalen. Waar je het vindt Dit is een berekend veld. De logica is: IF factuur onbetaald THEN (Today() - PaymentDueDate) ELSE 0. Voorbeelden 1532910
	Factuurbedrag InvoiceAmount	De totale geldwaarde van de factuur.
Beschrijving Het factuurbedrag staat voor de totale financiële waarde van de geleverde goederen of diensten. Dit is een basisattribuut voor financiële analyses binnen het proces. Je kunt cases op waarde segmenteren om te zien of facturen met een hoge waarde een ander proces volgen of langer blijven liggen. Dit attribuut is belangrijk voor de dashboards 'Afboekingen van oninbare facturen' en 'Analyse van kredietlimietbeheer', waarmee je de financiële impact en risico's kunt kwantificeren. Waarom dit belangrijk is Maakt analyses van de financiële impact mogelijk, helpt bij het prioriteren van facturen met een hoge waarde en laat zien hoe de factuurwaarde het procesgedrag beïnvloedt. Waar je het vindt Waarschijnlijk het veld 'InvoiceAmount' in de tabel 'CustInvoiceJour'. Voorbeelden 1500.7525000.00549.99
	Factuurstatus InvoiceStatus	De huidige status van de factuur in de levenscyclus.
Beschrijving De factuurstatus geeft een momentopname van de positie van een factuur in het proces, zoals 'Open', 'Betaald', 'Betwist' of 'Afgeboekt'. Het activiteitenlogboek geeft een gedetailleerde geschiedenis, terwijl de huidige status een handig caseattribuut is voor filtering en rapportage op hoofdlijnen. Analisten kunnen de data snel segmenteren om alleen openstaande achterstallige facturen te bekijken of de kenmerken van alle afgeboekte facturen te analyseren. Zo krijg je op een eenvoudige maar krachtige manier inzicht in de huidige stand van de openstaande vorderingen. Waarom dit belangrijk is Biedt een snelle en eenvoudige manier om facturen op basis van hun huidige status te filteren en analyseren, bijvoorbeeld door alleen openstaande of betwiste cases te bekijken. Waar je het vindt Afgeleid van de vereffeningsstatus van transacties in de tabel 'CustTrans'. Een open transactie is onbetaald, een gesloten transactie is vereffend. Voorbeelden OpenBetaaldGedeeltelijk betaaldAfgeboekt
	Incassomedewerker toegewezen CollectorAssigned	De naam van de incassomedewerker of het teamlid dat verantwoordelijk is voor het beheren van de achterstallige factuur.
Beschrijving Dit attribuut identificeert de medewerker die verantwoordelijk is voor de incassoactiviteiten rond een specifieke factuur. Het is belangrijk voor prestatie- en werkbelastingsanalyses. Door de procesmap of dashboards op incassomedewerker te filteren, kunnen managers de productiviteit beoordelen, incassostrategieën vergelijken en mogelijkheden voor coaching herkennen. Dit attribuut is een belangrijke dimensie voor de dashboards 'Productiviteit van het incassoteam' en 'Doorlooptijd van geschiloplossing', omdat het procesuitkomsten aan specifieke medewerkers of teams koppelt. Waarom dit belangrijk is Maakt prestatieanalyses van het incassoteam mogelijk, helpt bij het verdelen van de werkbelasting en laat best practices zien door de effectiviteit van incassomedewerkers te vergelijken. Waar je het vindt Raadpleeg de documentatie van Microsoft Dynamics 365. Dit kan afkomstig zijn uit een module voor incassobeheer of uit velden voor gebruikersverantwoordelijkheid op klant- of transactierecords. Voorbeelden John SmithEmily JonesIncassoteam A
	Klantnaam CustomerName	De wettelijke naam van de klant aan wie de factuur is uitgegeven.
Beschrijving De klantnaam identificeert de specifieke klant die bij een factuur hoort. Dit attribuut is een belangrijke dimensie voor filtering en segmentatie. Door het proces per klant te analyseren, herken je klanten die structureel te laat betalen, geschillen starten of veel incassowerk vragen. Het is een belangrijk attribuut voor het dashboard 'Doorlooptijd van geschiloplossing' en voor gedetailleerde analyses van specifieke klantaccounts. Waarom dit belangrijk is Maakt klantspecifieke procesanalyses mogelijk, zodat je patronen herkent en relaties met belangrijke of problematische accounts beter beheert. Waar je het vindt Deze informatie wordt meestal gekoppeld vanuit 'CustTable' met behulp van het klantaccountnummer in 'CustInvoiceJour'. Voorbeelden Contoso Ltd.Adventure WorksFabrikam Inc.
	Klantsegment CustomerSegment	Een indeling van de klant, bijvoorbeeld op basis van omvang, sector of strategisch belang.
Beschrijving Klantsegment is een categorisch attribuut waarmee je klanten in betekenisvolle groepen indeelt, bijvoorbeeld 'Strategische accounts', 'mkb' of 'Overheid'. Deze segmentatie is belangrijk voor strategische analyses. Je kunt er vragen mee beantwoorden als 'Hebben strategische accounts een lagere DSO?' of 'Komen afboekingen vaker voor in een bepaalde sector?'. Het wordt rechtstreeks gebruikt in de dashboards 'Trend in Days Sales Outstanding', 'Afboekingen van oninbare facturen' en 'Achterstallige facturen per segment' om inzichten op groepsniveau te bieden, naast analyses van individuele klanten. Waarom dit belangrijk is Maakt geaggregeerde analyses van klantgroepen mogelijk, zodat je strategische trends herkent en incassostrategieën per segment kunt aanpassen. Waar je het vindt Dit is vaak een aangepast veld of wordt afgeleid van attributen in 'CustTable' (de klantstamgegevens). Voorbeelden GrootbedrijfMiddelgrote marktPublieke sectorPartner
	Bronsysteem SourceSystem	Identificeert het systeem waaruit de data afkomstig is.
Beschrijving Dit attribuut geeft aan in welke bronapplicatie de eventdata is geregistreerd. In deze context is dat 'Microsoft Dynamics 365'. Bij een analyse van één systeem lijkt dit misschien statisch, maar het is belangrijk voor datagovernance, probleemoplossing en toekomstige integraties. Als je data uit andere systemen toevoegt, zoals een afzonderlijk CRM- of incassoplatform, is dit veld nodig om de systemen van elkaar te onderscheiden en het volledige proces over meerdere systemen te begrijpen. Waarom dit belangrijk is Geeft een helder overzicht van de herkomst van de data en is essentieel voor het bewaken van datakwaliteit en analyses over meerdere geïntegreerde systemen. Waar je het vindt Dit is meestal een statische waarde die tijdens de data-extractie wordt toegevoegd om de herkomst van de records aan te geven. Voorbeelden Microsoft Dynamics 365D365 F&O
	Doorlooptijd van geschiloplossing DisputeResolutionTime	De tijd die nodig is om een klantgeschil op te lossen vanaf het moment waarop het voor het eerst is geregistreerd.
Beschrijving De doorlooptijd van geschiloplossing meet de efficiëntie van het proces voor geschilafhandeling. Je berekent deze als de tijd tussen de activiteiten 'Dispute Registered' en 'Dispute Resolved'. Een lange doorlooptijd kan betalingen vertragen en de klanttevredenheid negatief beïnvloeden. Door deze meting te segmenteren op incassomedewerker of reden van het geschil, herken je bottlenecks en verbeterpunten in de workflow voor geschilbeheer. Waarom dit belangrijk is Meet de efficiëntie van het proces voor geschilafhandeling, dat vaak een belangrijke oorzaak van betalingsvertragingen is. Waar je het vindt Berekend als de tijd tussen de timestamps van de activiteiten 'Dispute Registered' en 'Dispute Resolved'. Voorbeelden 7.215.83.5
	Is betwist IsDisputed	Een booleaanse vlag die aangeeft of een factuur ooit is betwist.
Beschrijving Dit is een berekende vlag die op true wordt gezet als een factuurcase een activiteit 'Dispute Registered' bevat. Zo kun je procesflows van betwiste en niet-betwiste facturen eenvoudig filteren en vergelijken. Je kunt bijvoorbeeld de gemiddelde DSO van betwiste facturen vergelijken met die van niet-betwiste facturen om de impact van geschillen op de cashflow te kwantificeren. Dit attribuut is handig voor dashboards op hoofdlijnen en vergelijkende analyses. Waarom dit belangrijk is Vereenvoudigt analyses en filtering door betwiste en niet-betwiste facturen eenvoudig met elkaar te vergelijken. Waar je het vindt Dit is een berekend veld. De logica is: IF de case een activiteit 'Dispute Registered' bevat THEN true ELSE false. Voorbeelden truefalse
	Kredietlimiet CreditLimit	Het maximale kredietbedrag dat voor de klant is goedgekeurd.
Beschrijving De kredietlimiet is het totale bedrag aan schuld dat een klant mag opbouwen. Dit attribuut is belangrijk voor risicobeheer. Het dashboard 'Analyse van kredietlimietbeheer' vergelijkt deze waarde met de factuurbedragen van achterstallige of afgeboekte accounts. Zo kun je nagaan of kredietlimieten passend zijn ingesteld, of ze worden nageleefd en of klanten die niet betalen onlangs een hogere limiet hebben gekregen. Dat kan wijzen op zwakke plekken in het kredietgoedkeuringsproces. Waarom dit belangrijk is Dit attribuut is belangrijk voor risicobeoordeling en helpt analyseren of afboekingen verband houden met slecht beheerde of ontoereikende kredietlimieten voor klanten. Waar je het vindt Deze waarde staat meestal in het klantstamrecord in 'CustTable'. Voorbeelden 10000.0050000.000.00
	Laatste data-update LastDataUpdate	De timestamp van de laatste datarefresh of update.
Beschrijving Dit attribuut geeft aan wanneer de dataset voor het laatst vanuit het bronsysteem is bijgewerkt. Het is belangrijke metadata voor gebruikers van de process mining-analyse, omdat het laat zien hoe actueel de data is. Als je weet tot welk moment de data is bijgewerkt, kun je beter onderbouwde beslissingen nemen en de reikwijdte van je bevindingen begrijpen. Het wordt meestal tijdens de data-innamepipeline op de volledige dataset toegepast. Waarom dit belangrijk is Laat zien hoe actueel de data is. Zo weet je binnen welke periode de analyse valt en voorkom je beslissingen op basis van verouderde informatie. Waar je het vindt Deze waarde wordt tijdens de uitvoering door de ETL- of datapipeline gegenereerd en aan de dataset toegevoegd. Voorbeelden 2023-04-01T02:00:00Z2023-04-02T02:00:00Z
	Land Country	Het land van het factuuradres van de klant.
Beschrijving Dit attribuut geeft het land aan dat bij het klantaccount hoort. Het is een veelgebruikte dimensie voor geografische analyses. Door proces-KPI's zoals DSO of afboekingspercentages per land te segmenteren, zie je regionale verschillen in betaalgedrag, de effectiviteit van incasso of economische omstandigheden. Dat kan leiden tot geografisch afgestemde incassostrategieën of andere betalingsvoorwaarden voor bepaalde regio's. Waarom dit belangrijk is Maakt geografische analyses mogelijk om regionale trends in betaalgedrag en de prestaties van het incassoproces te herkennen. Waar je het vindt Dit wordt afgeleid door het klantstamrecord ('CustTable') te koppelen aan het primaire adresrecord, vaak in 'LogisticsPostalAddress'. Voorbeelden USADEUGBRCAN
	Reden van geschil DisputeReason	De reden die de klant opgeeft om een factuur te betwisten.
Beschrijving Wanneer een klant een factuur betwist, geeft die meestal een reden op, zoals 'Onjuiste prijs', 'Beschadigde goederen' of 'Dubbele facturering'. Dit attribuut legt die reden vast. Door redenen voor geschillen te analyseren, kun je de grondoorzaken onderzoeken. Zo herken je terugkerende problemen in het order-to-cash-proces, bijvoorbeeld bij verkoop, verzending of facturering. Het verminderen van geschillen bij de bron is een belangrijk resultaat van deze analyse en heeft rechtstreeks invloed op DSO, omdat betalingsvertragingen worden voorkomen. Waarom dit belangrijk is Levert belangrijke data voor een grondoorzakenanalyse van betalingsvertragingen, zodat je problemen eerder in het proces kunt herkennen en oplossen die tot factuurgeschillen leiden. Waar je het vindt Raadpleeg de documentatie van Microsoft Dynamics 365. Dit maakt deel uit van de functionaliteit voor geschilbeheer of casebeheer. Voorbeelden PrijsfoutTekort in hoeveelheidProduct niet ontvangenDienst niet zoals beschreven
	Valutacode CurrencyCode	De valuta van de factuur, bijvoorbeeld USD of EUR.
Beschrijving De valutacode geeft de transactievaluta van het factuurbedrag aan. Dit is belangrijke context, vooral voor multinationale organisaties. Je hebt deze informatie nodig om financiële waarden correct te interpreteren. Ook kun je ermee analyseren of betalingscycli of problemen samenhangen met specifieke valuta, bijvoorbeeld door complexiteit in valutawissels of internationale betalingsverwerking. Waarom dit belangrijk is Geeft essentiële context bij alle geldbedragen en maakt analyses mogelijk van processen met meerdere valuta. Waar je het vindt Meestal te vinden als het veld 'CurrencyCode' in de tabel 'CustInvoiceJour'. Voorbeelden USDEURGBPCAD

Verplicht Aanbevolen Optioneel

Activiteiten voor kredietbeheer en incasso

Dit zijn de belangrijkste processtappen en mijlpalen die je in je event log vastlegt voor een nauwkeurige ontdekking van je workflow voor kredietbeheer en incasso.

9 Aanbevolen 3 Optioneel

	Activiteit	Beschrijving
	Aanmaningsbrief aangemaakt	Geeft aan dat voor de achterstallige factuur een formele aanmanings- of incassobrief is aangemaakt. Dit wordt vastgelegd wanneer het periodieke aanmaningsproces in Dynamics 365 wordt uitgevoerd en briefrecords voor relevante facturen aanmaakt.
Waarom dit belangrijk is Hiermee volg je de start en frequentie van formele incassoacties. Dit is belangrijk om de effectiviteit van aanmaningen en de naleving van interne incassorichtlijnen te meten. Waar je het vindt Er wordt een expliciet record aangemaakt in de tabel Dunning History (CustCollectionLetterJour). De aanmaakdatum van het aanmaningsjournaal is de timestamp. Vastleggen Exporteer aanmaakgebeurtenissen uit de tabel CustCollectionLetterJour en koppel ze terug aan de factuur. Eventtype explicit
	Betaling geboekt	Geeft de officiële boeking van de klantbetaling in het grootboek weer, inclusief de toewijzing ervan om een factuur te vereffenen. Dit wordt vastgelegd op basis van de boekingsdatum van het klantbetalingsjournaal.
Waarom dit belangrijk is Rondt het betalingsgedeelte van het proces af. De tijd tussen het ontvangen en boeken van de betaling, de vertraging bij het toewijzen van de betaling, is een belangrijke efficiëntiemaatstaf voor de financiële afdeling. Waar je het vindt Vastgelegd op basis van de boekingstimestamp van het klantbetalingsjournaal (LedgerJournalTrans). Dit bevestigt dat de betaling volledig in het grootboek is verwerkt. Vastleggen Gebruik de boekingsdatum uit het geboekte klantbetalingsjournaal. Eventtype explicit
	Betaling ontvangen	Geeft aan dat een betaling van een klant is ontvangen en in het systeem is ingevoerd, meestal via een betalingsjournaal. Deze gebeurtenis vindt plaats vóór de definitieve boeking en toewijzing van het bedrag aan de specifieke factuur.
Waarom dit belangrijk is Dit is een belangrijk ijkpunt voor het berekenen van DSO en het begrijpen van de cashflow. De tijd tussen deze gebeurtenis en Payment Posted laat bottlenecks in het proces voor het toewijzen van betalingen zien. Waar je het vindt Een expliciete gebeurtenis die wordt vastgelegd op basis van de aanmaakdatum van een regel in het klantbetalingsjournaal (LedgerJournalTrans), voordat deze wordt geboekt. Dit is de datum waarop de betaling als ontvangen is geregistreerd. Vastleggen Gebruik de transactiedatum uit de regels van het klantbetalingsjournaal. Eventtype explicit
	Factuur aangemaakt	Geeft aan dat in het systeem een verkoopfactuurrecord is aangemaakt, voordat de factuur officieel wordt geboekt. Dit is meestal een expliciete gebeurtenis die wordt vastgelegd wanneer een gebruiker een verkooporder afrondt en het bijbehorende factuurdocument aanmaakt.
Waarom dit belangrijk is Dit is de eerste startgebeurtenis in de levenscyclus van de factuur. De tijd vanaf dit moment tot aan de betaling is belangrijk voor het meten van de Days Sales Outstanding (DSO). Waar je het vindt Wordt vastgelegd in de tabel Sales Invoice Header (SalesInvoiceHeader) of Sales Table (SalesTable) wanneer de factuur wordt aangemaakt. De aanmaaktimestamp van het record geldt als tijdstip van de gebeurtenis. Vastleggen Leg de aanmaaktimestamp van het verkoopfactuurrecord vast. Eventtype explicit
	Factuur afgeboekt	De factuur wordt als oninbaar beschouwd en formeel afgeboekt als oninbare vordering. Dit is een expliciete handeling van een bevoegde gebruiker, waarmee de vordering wordt weggeboekt en het verlies wordt geboekt.
Waarom dit belangrijk is Dit is het belangrijkste onsuccesvolle eindpunt van het proces. Het volgen van afboekingen is belangrijk om kredietrisico, mislukte incasso's en financiële verliezen te begrijpen. Waar je het vindt Vastgelegd op basis van een specifieke grootboektransactie voor het afboeken van een oninbare vordering, gekoppeld aan de oorspronkelijke factuur. De boekingsdatum van het afboekingsjournaal dient als timestamp. Vastleggen Bepaal journaalposten met een specifiek boekingsprofiel voor afboekingen die naar de factuur verwijzen. Eventtype explicit
	Factuur geboekt en verzonden	Geeft aan dat de factuur officieel in het grootboek is opgenomen en daarmee een formele openstaande vordering wordt. Deze gebeurtenis valt meestal samen met het verzenden van de factuur aan de klant en wordt vastgelegd wanneer de boekingsroutine in Dynamics 365 is afgerond.
Waarom dit belangrijk is Dit is een belangrijk ijkpunt. Vanaf hier beginnen de betalingstermijn en ouderdom te lopen. Vertraging tussen het aanmaken en boeken kan inefficiënties in het facturatieproces verbergen. Waar je het vindt Wordt afgeleid uit de boekingsdatum in het Customer Invoice Journal (CustInvoiceJour) of uit een statuswijziging naar 'Posted'. De boekingstimestamp is het belangrijkste dataveld. Vastleggen Gebruik de boekingstimestamp uit het Customer Invoice Journal (CustInvoiceJour). Eventtype inferred
	Factuur vereffend	De factuur is volledig betaald en het saldo is nul. Daarmee is het proces succesvol afgerond. Deze status wordt afgeleid wanneer de som van de toegewezen betalingen gelijk is aan het totale factuurbedrag.
Waarom dit belangrijk is Dit is het belangrijkste succesvolle eindpunt van het credit-to-cash-proces. Door de paden naar dit punt te analyseren, zie je best practices en efficiënte procesvarianten. Waar je het vindt Afgeleid van de vereffeningsdatum in de klantvereffeningstabel (CustSettlement). Dit gebeurt wanneer de velden 'AmountCur' en 'SettleAmountCur' voor de factuur in CustTrans samen nul zijn. Vastleggen Bepaal de laatste vereffeningsdatum die hoort bij de factuurtransactie waarmee het saldo nul wordt. Eventtype inferred
	Geschil geregistreerd	Geeft aan dat de klant de factuur formeel betwist en dat de status daarvan is bijgewerkt. Dit wordt meestal vastgelegd wanneer een gebruiker de factuurstatus in de incassobeheermodule wijzigt naar 'Disputed'.
Waarom dit belangrijk is Dit is het startpunt van het proces voor geschilafhandeling. Door dit te volgen, meet je hoe vaak geschillen voorkomen en hoe lang het duurt om ze op te lossen. Dat heeft effect op klanttevredenheid en cashflow. Waar je het vindt Wordt afgeleid uit een statuswijziging op de klanttransactie (CustTrans) of een gerelateerde tabel voor geschilbeheer (smmCaseDetail). Hiervoor is een log met timestamps van statuswijzigingen nodig. Vastleggen Bepaal wanneer het statusveld van een geschil voor een factuurtransactie wordt ingevuld of gewijzigd naar 'Disputed'. Eventtype inferred
	Vervaldatum van betaling verstreken	Een berekende gebeurtenis die plaatsvindt wanneer de huidige datum na de vervaldatum van de factuur ligt. Deze activiteit komt niet overeen met een directe gebruikersactie, maar wordt afgeleid door de systeemdatum te vergelijken met het dataveld voor de vervaldatum van de factuur.
Waarom dit belangrijk is Deze gebeurtenis activeert alle incassoactiviteiten. Je kunt hiermee het volume aan achterstallige facturen en de tijdigheid van aanmaningsacties analyseren. Ook ondersteunt dit KPI's zoals naleving van het aanmaningsbeleid. Waar je het vindt Wordt berekend door de huidige timestamp te vergelijken met het veld 'DueDate' in de tabel Customer Transactions (CustTrans). De timestamp van de gebeurtenis is de DueDate zelf. Vastleggen Maak een gebeurtenis aan wanneer 'NOW()' groter is dan de DueDate van de factuur. Eventtype calculated
	Betalingsbelofte aangemaakt	Een klant belooft op een specifieke toekomstige datum te betalen en deze belofte wordt in het systeem vastgelegd. De gebeurtenis wordt expliciet geregistreerd wanneer een incassomedewerker een betalingsbelofte invoert in de incassomodule.
Waarom dit belangrijk is Hiermee volg je informele betalingsafspraken en het percentage dat daarvan wordt nagekomen. Door beloften te vergelijken met werkelijke betalingen, kun je de cashflow beter voorspellen en de betrouwbaarheid van klanten beoordelen. Waar je het vindt Waarschijnlijk vastgelegd in tabellen die bij de incassowerkruimte of het casebeheer horen, specifiek voor de functie voor betalingsbeloften. De aanmaakdatum van het belofterecord is het tijdstip van de gebeurtenis. Vastleggen Leg aanmaakgebeurtenissen vast uit een tabel met details over betalingsbeloften of incassocases. Eventtype explicit
	Geschil opgelost	Markeert het einde van het geschilproces, nadat een oplossing is bereikt en vastgelegd. Deze gebeurtenis wordt geregistreerd wanneer een gebruiker de geschilstatus van een factuur wijzigt naar 'Resolved' of de bijbehorende geschilcase sluit.
Waarom dit belangrijk is Met deze activiteit eindigt het deelproces voor geschilafhandeling. De tijd tussen registratie en oplossing van het geschil is een belangrijke KPI voor de efficiëntie van het oplossingsteam. Waar je het vindt Afgeleid van een statuswijziging op de klanttransactie (CustTrans) of wanneer de bijbehorende geschilcase (smmCaseDetail) wordt gesloten. De timestamp van deze statuswijziging is de eventtijd. Vastleggen Bepaal wanneer het veld voor de geschilstatus van een factuur wordt leeggemaakt of wordt gewijzigd in 'Resolved'. Eventtype inferred
	Incassoactiviteit vastgelegd	Geeft een handmatige incassoactie weer, zoals een telefoongesprek of e-mail die aan de klant of factuur is gekoppeld. Dit wordt vastgelegd wanneer een incassomedewerker de functie Activities in de incassowerkruimte gebruikt om contactmomenten te registreren.
Waarom dit belangrijk is Je krijgt inzicht in de handmatige inzet van het incassoteam. Door deze activiteiten te vergelijken met succesvolle betalingen, meet je de productiviteit van het team en de effectiviteit van verschillende contactmethoden. Waar je het vindt Wordt vastgelegd in Activities (smmActivities) of gerelateerde casebeheertabellen die aan de klantrekening zijn gekoppeld. Koppel de activiteit waar mogelijk aan een specifieke factuur. Vastleggen Leg het aanmaken vast van Activity-records met als type 'Phone Call' of 'Email' die betrekking hebben op incasso. Eventtype explicit

Aanbevolen Optioneel

Extractiegidsen

Zo haal je je data uit Microsoft Dynamics 365

Stappen

Controleer de vereisten: Controleer of je organisatie Microsoft Dynamics 365 Finance gebruikt en of Bring Your Own Database (BYOD) is ingesteld en data-entiteiten actief exporteert naar een Azure SQL Database. Je hebt inloggegevens met leestoegang tot deze Azure SQL Database nodig.
Bepaal de data-entiteiten: Controleer of de benodigde data-entiteiten vanuit Dynamics 365 naar je BYOD worden geëxporteerd. Belangrijke entiteiten voor dit proces zijn CustInvoiceJour, CustTrans, CustTable, CustCollectionLetterJour, CustSettlement, smmActivities, CustPromisedPayment en CustDispute. Ontbreekt er een entiteit, stel deze dan in voor export in de werkruimte Data Management van Dynamics 365.
Maak verbinding met de BYOD-database: Gebruik een SQL-client, zoals SQL Server Management Studio (SSMS) of Azure Data Studio, om verbinding te maken met de Azure SQL Database die als BYOD-doel dient.
Bereid de SQL-query voor: Kopieer de volledige meegeleverde T-SQL-query uit de sectie query van dit document naar je SQL-client. Deze query verzamelt alle vereiste activiteiten en attributen in één event-logindeling.
Stel de queryparameters in: Zoek de placeholders bovenaan de query. Vervang '{CompanyCode}' door de ID van de juridische entiteit in Dynamics 365 die je wilt analyseren, bijvoorbeeld 'USMF'. Vervang '{StartDate}' en '{EndDate}' door het gewenste datumbereik voor de analyse, in de indeling 'YYYY-MM-DD'.
Voer de query uit: Voer de aangepaste query uit op de BYOD-database. De uitvoeringstijd hangt af van de hoeveelheid data in het gekozen datumbereik.
Controleer de resultaten: Na afloop toont het resultatenvenster het event log. Elke rij staat voor een specifieke activiteit in de levenscyclus van kredietbeheer en incasso voor een factuur. Controleer of de data volledig en correct is.
Exporteer het event log: Exporteer de queryresultaten naar een CSV-bestand. De meeste SQL-clients hebben hiervoor een ingebouwde functie. Klik met de rechtermuisknop op het resultatenraster en zoek naar een optie zoals 'Save Results As' of 'Export'.
Bereid de upload voor: Controleer of het geëxporteerde CSV-bestand UTF-8-codering gebruikt en of de kolomkoppen overeenkomen met de vereiste attributen: InvoiceNumber, ActivityName, EventTime en de aanbevolen attributen die je hebt opgenomen. Je kunt het bestand nu uploaden naar ProcessMind.

Configuratie

Vereisten: Toegang tot een Microsoft Dynamics 365 Finance-instantie met Bring Your Own Database (BYOD) ingesteld en actief. Je hebt leesrechten nodig voor de Azure SQL Database die je wilt gebruiken.
Data-entiteiten: Voor de extractie worden verschillende standaarddata-entiteiten naar BYOD geëxporteerd. Zorg er minimaal voor dat CustInvoiceJour, CustTrans, CustTable en CustSettlement in je BYOD-exporttaak staan. Voor specifieke activiteiten zijn extra entiteiten nodig, zoals CustCollectionLetterJour.
Datumbereik: Filter de query op een specifiek datumbereik om de prestaties beheersbaar te houden. Voor een eerste analyse raden we 3 tot 6 maanden data aan. De meegeleverde query gebruikt hiervoor de placeholders '{StartDate}' en '{EndDate}'.
Bedrijfsfilter: Filter de query op één juridische entiteit, zodat de data consistent blijft. Gebruik de placeholder '{CompanyCode}' om het bedrijf dat je analyseert op te geven.
Prestatieoverwegingen: Bij zeer grote datasets over meerdere jaren of bedrijven kan de query lang duren. Voer de query buiten piekuren uit of voeg extra filters toe om de scope te beperken. Controleer of er goede indexen staan op datum- en sleutelkolommen in de BYOD-tabellen.

a Voorbeeldquery sql

WITH BaseInvoices AS (
    SELECT 
        cj.INVOICEID AS InvoiceNumber,
        cj.INVOICEDATE AS InvoiceDate,
        cj.DUEDATE AS PaymentDueDate,
        cj.INVOICEAMOUNTMST AS InvoiceAmount,
        ct.NAME AS CustomerName,
        ct.CUSTGROUP AS CustomerSegment,
        -- The collector assignment can be complex. This is a common approach.
        -- It assumes the collector is assigned at the customer level in CustTable.
        -- Your configuration may differ, for example using collection pools.
        col.NAME AS CollectorAssigned,
        cj.DATAAREAID
    FROM 
        dbo.CustInvoiceJour cj
    JOIN 
        dbo.CustTable ct ON cj.INVOICECUST = ct.ACCOUNTNUM AND cj.DATAAREAID = ct.DATAAREAID
    LEFT JOIN 
        -- Placeholder for how collector might be identified. You may need to join to a different table.
        dbo.CollectionsAgent col ON ct.COLLECTIONAGENT = col.AGENTID
    WHERE 
        cj.DATAAREAID = '{CompanyCode}'
        AND cj.INVOICEDATE BETWEEN '{StartDate}' AND '{EndDate}'
)

-- 1. Invoice Generated
SELECT 
    bi.InvoiceNumber AS InvoiceNumber,
    'Invoice Generated' AS ActivityName,
    cj.CREATEDDATETIME AS EventTime,
    bi.CollectorAssigned,
    bi.InvoiceAmount,
    bi.CustomerName,
    bi.CustomerSegment,
    bi.PaymentDueDate,
    0 AS DunningLevel, 
    'Generated' AS InvoiceStatus,
    0 AS DaysOverdue
FROM 
    BaseInvoices bi
JOIN
    dbo.CustInvoiceJour cj ON bi.InvoiceNumber = cj.INVOICEID AND bi.DATAAREAID = cj.DATAAREAID

UNION ALL

-- 2. Invoice Posted and Sent
SELECT 
    bi.InvoiceNumber AS InvoiceNumber,
    'Invoice Posted and Sent' AS ActivityName,
    bi.InvoiceDate AS EventTime,
    bi.CollectorAssigned,
    bi.InvoiceAmount,
    bi.CustomerName,
    bi.CustomerSegment,
    bi.PaymentDueDate,
    0 AS DunningLevel,
    'Posted' AS InvoiceStatus,
    0 AS DaysOverdue
FROM 
    BaseInvoices bi

UNION ALL

-- 3. Payment Due Date Passed
SELECT
    bi.InvoiceNumber AS InvoiceNumber,
    'Payment Due Date Passed' AS ActivityName,
    bi.PaymentDueDate AS EventTime, -- The event happens on the due date
    bi.CollectorAssigned,
    bi.InvoiceAmount,
    bi.CustomerName,
    bi.CustomerSegment,
    bi.PaymentDueDate,
    0 AS DunningLevel,
    'Overdue' AS InvoiceStatus,
    DATEDIFF(day, bi.PaymentDueDate, GETUTCDATE()) AS DaysOverdue
FROM
    BaseInvoices bi
JOIN 
    dbo.CustTrans ct ON bi.InvoiceNumber = ct.INVOICE AND bi.DATAAREAID = ct.DATAAREAID
WHERE
    bi.PaymentDueDate < GETUTCDATE()
    AND ct.CLOSED = '1900-01-01 00:00:00.000' -- Logic to find open/unsettled transactions

UNION ALL

-- 4. Dunning Letter Generated
SELECT 
    clj.INVOICEID AS InvoiceNumber,
    'Dunning Letter Generated' AS ActivityName,
    clj.CREATEDDATETIME AS EventTime,
    bi.CollectorAssigned,
    bi.InvoiceAmount,
    bi.CustomerName,
    bi.CustomerSegment,
    bi.PaymentDueDate,
    clj.COLLECTIONLETTERCODE AS DunningLevel,
    'In Dunning' AS InvoiceStatus,
    DATEDIFF(day, bi.PaymentDueDate, clj.CREATEDDATETIME) AS DaysOverdue
FROM 
    dbo.CustCollectionLetterJour clj
JOIN
    BaseInvoices bi ON clj.INVOICEID = bi.InvoiceNumber AND clj.DATAAREAID = bi.DATAAREAID

UNION ALL

-- 5. Collection Activity Logged
-- This assumes smmActivities are used and linked to the customer.
-- Linking directly to an invoice can be difficult.
SELECT 
    bi.InvoiceNumber AS InvoiceNumber,
    'Collection Activity Logged' AS ActivityName,
    sa.CREATEDDATETIME AS EventTime,
    bi.CollectorAssigned,
    bi.InvoiceAmount,
    bi.CustomerName,
    bi.CustomerSegment,
    bi.PaymentDueDate,
    NULL AS DunningLevel,
    'In Collections' AS InvoiceStatus,
    DATEDIFF(day, bi.PaymentDueDate, sa.CREATEDDATETIME) AS DaysOverdue
FROM 
    dbo.smmActivities sa
JOIN
    dbo.CustTable ct ON sa.PARTY = ct.PARTY
JOIN
    BaseInvoices bi ON ct.ACCOUNTNUM = (SELECT TOP 1 INVOICECUST FROM dbo.CustInvoiceJour WHERE INVOICEID = bi.InvoiceNumber AND DATAAREAID = bi.DATAAREAID) AND ct.DATAAREAID = bi.DATAAREAID
WHERE
    sa.DATAAREAID = '{CompanyCode}' AND sa.CREATEDDATETIME > bi.InvoiceDate

UNION ALL

-- 6. Payment Promise Created
SELECT 
    bi.InvoiceNumber,
    'Payment Promise Created' AS ActivityName,
    cpp.CREATEDDATETIME AS EventTime,
    bi.CollectorAssigned,
    bi.InvoiceAmount,
    bi.CustomerName,
    bi.CustomerSegment,
    bi.PaymentDueDate,
    NULL AS DunningLevel,
    'Payment Promised' AS InvoiceStatus,
    DATEDIFF(day, bi.PaymentDueDate, cpp.CREATEDDATETIME) AS DaysOverdue
FROM 
    dbo.CustPromisedPayment cpp
JOIN 
    dbo.CustTrans ct ON cpp.TRANSACTIONREFRECID = ct.RECID AND cpp.DATAAREAID = ct.DATAAREAID
JOIN
    BaseInvoices bi ON ct.INVOICE = bi.InvoiceNumber AND ct.DATAAREAID = bi.DATAAREAID

UNION ALL

-- 7. Dispute Registered
SELECT 
    bi.InvoiceNumber,
    'Dispute Registered' AS ActivityName,
    cd.CREATEDDATETIME AS EventTime,
    bi.CollectorAssigned,
    bi.InvoiceAmount,
    bi.CustomerName,
    bi.CustomerSegment,
    bi.PaymentDueDate,
    NULL AS DunningLevel,
    'Disputed' AS InvoiceStatus,
    DATEDIFF(day, bi.PaymentDueDate, cd.CREATEDDATETIME) AS DaysOverdue
FROM 
    dbo.CustDispute cd
JOIN 
    dbo.CustTrans ct ON cd.CUSTTRANSRECID = ct.RECID AND cd.DATAAREAID = ct.DATAAREAID
JOIN
    BaseInvoices bi ON ct.INVOICE = bi.InvoiceNumber AND ct.DATAAREAID = bi.DATAAREAID
WHERE
    cd.STATUS = 1 -- Assuming 1 means opened/registered

UNION ALL

-- 8. Dispute Resolved
SELECT 
    bi.InvoiceNumber,
    'Dispute Resolved' AS ActivityName,
    cd.MODIFIEDDATETIME AS EventTime,
    bi.CollectorAssigned,
    bi.InvoiceAmount,
    bi.CustomerName,
    bi.CustomerSegment,
    bi.PaymentDueDate,
    NULL AS DunningLevel,
    'Posted' AS InvoiceStatus, -- Status returns to normal after resolution
    DATEDIFF(day, bi.PaymentDueDate, cd.MODIFIEDDATETIME) AS DaysOverdue
FROM 
    dbo.CustDispute cd
JOIN 
    dbo.CustTrans ct ON cd.CUSTTRANSRECID = ct.RECID AND cd.DATAAREAID = ct.DATAAREAID
JOIN
    BaseInvoices bi ON ct.INVOICE = bi.InvoiceNumber AND ct.DATAAREAID = bi.DATAAREAID
WHERE
    cd.STATUS = 2 -- Assuming 2 means closed/resolved

UNION ALL

-- 9. Payment Received (Journal Created, not yet posted)
-- This can be difficult to capture accurately and link to a specific invoice before settlement.
-- This is an approximation based on journal creation.
SELECT 
    bi.InvoiceNumber,
    'Payment Received' AS ActivityName,
    cpjl.CREATEDDATETIME AS EventTime,
    bi.CollectorAssigned,
    bi.InvoiceAmount,
    bi.CustomerName,
    bi.CustomerSegment,
    bi.PaymentDueDate,
    NULL AS DunningLevel,
    'Payment Pending' AS InvoiceStatus,
    DATEDIFF(day, bi.PaymentDueDate, cpjl.CREATEDDATETIME) AS DaysOverdue
FROM 
    dbo.CustomerPaymentJournalLineEntity cpjl
JOIN
    BaseInvoices bi ON cpjl.AccountDisplayValue = (SELECT TOP 1 INVOICECUST FROM dbo.CustInvoiceJour WHERE INVOICEID = bi.InvoiceNumber AND DATAAREAID = bi.DATAAREAID) AND cpjl.Company = bi.DATAAREAID
WHERE
    cpjl.CREATEDDATETIME >= bi.InvoiceDate

UNION ALL

-- 10. Payment Posted (Settlement Transaction)
-- Captures each partial or full payment application
SELECT 
    bi.InvoiceNumber,
    'Payment Posted' AS ActivityName,
    cs.TRANSDATE AS EventTime,
    bi.CollectorAssigned,
    bi.InvoiceAmount,
    bi.CustomerName,
    bi.CustomerSegment,
    bi.PaymentDueDate,
    NULL AS DunningLevel,
    'Partially Paid' AS InvoiceStatus,
    DATEDIFF(day, bi.PaymentDueDate, cs.TRANSDATE) AS DaysOverdue
FROM 
    dbo.CustSettlement cs
JOIN 
    dbo.CustTrans ct ON cs.TRANSRECID = ct.RECID AND cs.DATAAREAID = ct.DATAAREAID
JOIN
    BaseInvoices bi ON ct.INVOICE = bi.InvoiceNumber AND ct.DATAAREAID = bi.DATAAREAID
WHERE 
    cs.SETTLEAMOUNTCUR > 0

UNION ALL

-- 11. Invoice Settled
SELECT 
    bi.InvoiceNumber,
    'Invoice Settled' AS ActivityName,
    ct.CLOSEDDATE AS EventTime,
    bi.CollectorAssigned,
    bi.InvoiceAmount,
    bi.CustomerName,
    bi.CustomerSegment,
    bi.PaymentDueDate,
    NULL AS DunningLevel,
    'Settled' AS InvoiceStatus,
    DATEDIFF(day, bi.PaymentDueDate, ct.CLOSEDDATE) AS DaysOverdue
FROM 
    dbo.CustTrans ct
JOIN
    BaseInvoices bi ON ct.INVOICE = bi.InvoiceNumber AND ct.DATAAREAID = bi.DATAAREAID
WHERE 
    ct.CLOSEDDATE <> '1900-01-01 00:00:00.000'
    AND ct.TRANSTYPE = 11 -- Enum for Sales Invoice

UNION ALL

-- 12. Invoice Written Off
SELECT
    bi.InvoiceNumber,
    'Invoice Written Off' AS ActivityName,
    ct.TRANSDATE AS EventTime, -- The date of the write-off transaction
    bi.CollectorAssigned,
    bi.InvoiceAmount,
    bi.CustomerName,
    bi.CustomerSegment,
    bi.PaymentDueDate,
    NULL AS DunningLevel,
    'Written Off' AS InvoiceStatus,
    DATEDIFF(day, bi.PaymentDueDate, ct.TRANSDATE) AS DaysOverdue
FROM
    dbo.CustTrans ct
JOIN
    BaseInvoices bi ON ct.INVOICE = bi.InvoiceNumber AND ct.DATAAREAID = bi.DATAAREAID
WHERE 
    ct.TRANSTYPE = 19; -- Enum for Write-off. This may vary based on configuration.

Stappen

Vereisten en omgeving instellen: Controleer of Python 3.8 of nieuwer is geïnstalleerd. Installeer de benodigde bibliotheken met pip: pip install pandas requests msal. Je hebt ook inloggegevens nodig voor een service principal met toegang tot de Dynamics 365-omgeving.
Registreer de applicatie in Azure AD: Open de portal van Azure Active Directory. Registreer een nieuwe applicatie om een Client ID en Tenant ID te krijgen. Maak onder de sectie 'Certificates & secrets' een nieuw client secret voor de applicatie. Bewaar de Client ID, Tenant ID en Client Secret veilig.
Verleen API-machtigingen: Open in Azure AD de instellingen 'API permissions' van de geregistreerde applicatie en voeg een machtiging toe. Selecteer 'Dynamics ERP' of een vergelijkbare vermelding voor Dynamics 365 en verleen de gedelegeerde machtiging 'user_impersonation'. Geef namens je organisatie admin-toestemming.
Maak een Dynamics 365-gebruiker aan: Maak een speciale applicatiegebruiker aan in Dynamics 365 Finance and Operations. Koppel deze gebruiker aan de Client ID van je Azure AD-applicatie. Geef de gebruiker een beveiligingsrol met leesrechten voor alle vereiste data-entiteiten, zoals CustInvoiceJour, CustCollectionLetterJour, CustSettlements en smmActivities.
Stel het Python-script in: Kopieer het meegeleverde Python-script naar een bestand, bijvoorbeeld extract_d365_collections.py. Vul de placeholdervariabelen bovenaan het script in met de URL van je D365-omgeving, Tenant ID, Client ID, Client Secret en het standaardbedrijf (dataAreaId).
Stel de extractieparameters in: Pas de variabelen start_date en end_date in het script aan om de periode voor data-extractie vast te leggen. Voor een eerste analyse raden we 3 tot 6 maanden aan.
Voer het script uit: Start het script vanuit je terminal met de opdracht: python extract_d365_collections.py. Het script meldt je aan, bevraagt de OData-eindpunten voor elk van de 12 activiteiten en verwerkt paginering via de API automatisch.
Haal data per activiteit op: Het script voert achter elkaar API-aanroepen uit voor factuurgeneratie, boeken, aanmaningen, betalingen en andere belangrijke gebeurtenissen. Elke query richt zich op één specifieke data-entiteit en selecteert alleen de benodigde velden om de prestaties op peil te houden.
Transformeer en combineer de data: Het script gebruikt de bibliotheek pandas om de JSON-respons van elke API-aanroep te verwerken. Het zet de data om naar een gestructureerde tabel, maakt de kolomnamen consistent en voegt de data van alle activiteiten samen tot één event log.
Bereken afgeleide gebeurtenissen: De activiteit 'Payment Due Date Passed' staat niet als directe registratie in het systeem. Het script berekent deze gebeurtenis door alle achterstallige facturen binnen het opgegeven datumbereik te doorlopen en voor elke factuur een bijbehorende rij te maken.
Exporteer het event log: Nadat alle data is verwerkt en samengevoegd, slaat het script het uiteindelijke event log op als een CSV-bestand met de naam d365_collections_event_log.csv in dezelfde map. Dit bestand is opgemaakt en klaar om naar een process mining-tool te uploaden.

Configuratie

URL van het API-eindpunt: De basis-URL van je Dynamics 365 Finance and Operations-omgeving. Gebruik de indeling https://[your-environment-name].operations.dynamics.com.
Authenticatiegegevens: Het script heeft een Tenant ID, Client ID en Client Secret nodig uit een applicatieregistratie in Azure Active Directory. Deze applicatie moet toestemming hebben om de Dynamics 365-API te gebruiken.
Bedrijfsfilter (dataAreaId): Dynamics 365 ondersteunt meerdere bedrijven. Het script bevraagt één specifiek bedrijf met het filter dataAreaId. Stel de variabele default_company in op de juiste juridische entiteit, bijvoorbeeld 'USMF'.
Datumbereik: De parameters start_date en end_date bepalen de extractieperiode. Begin bij voorkeur met een recente periode van 3 tot 6 maanden om de hoeveelheid data beheersbaar te houden en de extractie vlot te laten verlopen. Het filter wordt vooral toegepast op de aanmaakdatum van de factuur.
Prestatieoverwegingen: Data-extractie via de OData-API kan bij zeer grote datasets veel tijd kosten en kan worden beperkt door API-throttling van Microsoft. Als je prestatieproblemen tegenkomt, gebruik dan kleinere datumbereiken of voer de extractie buiten piekuren uit.
Vereisten: Je hebt een Python 3.8+-omgeving nodig met de bibliotheken pandas, requests en msal. De gekoppelde Dynamics 365-gebruiker moet leestoegang hebben tot de modules voor financiën, verkoop en incasso, en specifiek tot de entiteiten die in het script worden genoemd.

a Voorbeeldquery python

import requests
import pandas as pd
import msal
import json
from datetime import datetime, timedelta

class=class="hl-string">"hl-comment"># --- Configuration --- 
D365_HOST = class="hl-string">"https://[your-d365-environment-url].operations.dynamics.com"
TENANT_ID = class="hl-string">"[Your Tenant ID]"
CLIENT_ID = class="hl-string">"[Your Client ID]"
CLIENT_SECRET = class="hl-string">"[Your Client Secret]"

class=class="hl-string">"hl-comment"># Date range for the extraction
start_date = class="hl-string">"2023-01-01"
end_date = class="hl-string">"2023-06-30"
default_company = class="hl-string">"[Your Company ID, e.g., USMF]"

class=class="hl-string">"hl-comment"># MSAL configuration
authority = fclass="hl-string">"https://login.microsoftonline.com/{TENANT_ID}"
scope = [fclass="hl-string">"{D365_HOST}/.default"]

class=class="hl-string">"hl-comment"># --- Authentication --- 
app = msal.ConfidentialClientApplication(CLIENT_ID, authority=authority, client_credential=CLIENT_SECRET)
result = app.acquire_token_silent(scope, account=None)

if not result:
    result = app.acquire_token_for_client(scopes=scope)

if class="hl-string">"access_token" not in result:
    raise Exception(class="hl-string">"Could not obtain access token: " + result.get(class="hl-string">"error_description"))

access_token = result[class="hl-string">'access_token']
headers = {
    class="hl-string">'Authorization': class="hl-string">'Bearer ' + access_token,
    class="hl-string">'Content-Type': class="hl-string">'application/json',
    class="hl-string">'Accept': class="hl-string">'application/json'
}

class=class="hl-string">"hl-comment"># --- Data Fetching Function --- 
def get_odata_data(entity_url):
    all_records = []
    url = entity_url
    while url:
        try:
            response = requests.get(url, headers=headers, params={class="hl-string">'cross-company': class="hl-string">'true'})
            response.raise_for_status() class=class="hl-string">"hl-comment"># Raises an HTTPError for bad responses (4xx or 5xx)
            data = response.json()
            all_records.extend(data.get(class="hl-string">'value', []))
            url = data.get(class="hl-string">'@odata.nextLink')
        except requests.exceptions.HTTPError as err:
            print(fclass="hl-string">"HTTP Error fetching data: {err}")
            print(fclass="hl-string">"Response content: {err.response.text}")
            break
        except json.JSONDecodeError:
            print(fclass="hl-string">"Failed to decode JSON from response: {response.text}")
            break
    return all_records

class=class="hl-string">"hl-comment"># --- Main Extraction Logic --- 
all_events = []

print(class="hl-string">"1. Extracting 'Invoice Generated' and 'Invoice Posted'...")
invoice_entity_url = fclass="hl-string">"{D365_HOST}/data/CustInvoiceJours?$filter=dataAreaId eq '{default_company}' and InvoiceDate ge {start_date}T00:00:00Z and InvoiceDate le {end_date}T23:59:59Z&$select=InvoiceNumber,InvoiceDate,createdDateTime,DueDate,InvoiceAmount,SalesOrderNumber,InvoiceCustomerAccountNumber,CustomerName,dataAreaId"
invoices = get_odata_data(invoice_entity_url)
if invoices:
    df_invoices = pd.DataFrame(invoices)
    df_invoices[class="hl-string">'ActivityName'] = class="hl-string">'Invoice Generated'
    df_invoices[class="hl-string">'EventTime'] = pd.to_datetime(df_invoices[class="hl-string">'createdDateTime']).dt.tz_localize(None)
    df_invoices.rename(columns={class="hl-string">'InvoiceNumber': class="hl-string">'InvoiceNumber', class="hl-string">'InvoiceAmount': class="hl-string">'InvoiceAmount', class="hl-string">'CustomerName': class="hl-string">'CustomerName', class="hl-string">'DueDate': class="hl-string">'PaymentDueDate'}, inplace=True)
    all_events.append(df_invoices[[class="hl-string">'InvoiceNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'InvoiceAmount', class="hl-string">'CustomerName', class="hl-string">'PaymentDueDate']])

    df_posted = df_invoices.copy()
    df_posted[class="hl-string">'ActivityName'] = class="hl-string">'Invoice Posted and Sent'
    df_posted[class="hl-string">'EventTime'] = pd.to_datetime(df_posted[class="hl-string">'InvoiceDate']).dt.tz_localize(None)
    all_events.append(df_posted[[class="hl-string">'InvoiceNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'InvoiceAmount', class="hl-string">'CustomerName', class="hl-string">'PaymentDueDate']])

    print(class="hl-string">"2. Calculating 'Payment Due Date Passed'...")
    df_due_passed = df_invoices[pd.to_datetime(df_invoices[class="hl-string">'PaymentDueDate']).dt.date < datetime.now().date()].copy()
    df_due_passed[class="hl-string">'ActivityName'] = class="hl-string">'Payment Due Date Passed'
    df_due_passed[class="hl-string">'EventTime'] = pd.to_datetime(df_due_passed[class="hl-string">'PaymentDueDate']) + timedelta(days=1)
    all_events.append(df_due_passed[[class="hl-string">'InvoiceNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'InvoiceAmount', class="hl-string">'CustomerName', class="hl-string">'PaymentDueDate']])

print(class="hl-string">"3. Extracting 'Dunning Letter Generated'...")
dunning_entity_url = fclass="hl-string">"{D365_HOST}/data/CustCollectionLetterJours?$filter=dataAreaId eq '{default_company}' and CollectionLetterDate ge {start_date}T00:00:00Z and CollectionLetterDate le {end_date}T23:59:59Z&$select=InvoiceNumber,CollectionLetterCode,CollectionLetterDate"
dunning_letters = get_odata_data(dunning_entity_url)
if dunning_letters:
    df_dunning = pd.DataFrame(dunning_letters)
    df_dunning[class="hl-string">'ActivityName'] = class="hl-string">'Dunning Letter Generated'
    df_dunning[class="hl-string">'EventTime'] = pd.to_datetime(df_dunning[class="hl-string">'CollectionLetterDate']).dt.tz_localize(None)
    df_dunning.rename(columns={class="hl-string">'InvoiceNumber': class="hl-string">'InvoiceNumber', class="hl-string">'CollectionLetterCode': class="hl-string">'DunningLevel'}, inplace=True)
    all_events.append(df_dunning[[class="hl-string">'InvoiceNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'DunningLevel']])

print(class="hl-string">"4. Extracting 'Payment Received' and 'Payment Posted'...")
settlements_entity_url = f"{D365_HOST}/data/CustSettlements?$filter=dataAreaId eq class="hl-string">'{default_company}' and TransDate ge {start_date}T00:00:00Z and TransDate le {end_date}T23:59:59Z&$select=OffsetRecId,TransDate,createdDateTime,SettlementAmountCur
&expand=CustInvoiceJour($select=InvoiceNumber)"
settlements = get_odata_data(settlements_entity_url)
if settlements:
    class=class="hl-string">"hl-comment"># Flatten the expanded data
    flat_settlements = []
    for s in settlements:
        if s.get(class="hl-string">'CustInvoiceJour'):
            s[class="hl-string">'InvoiceNumber'] = s[class="hl-string">'CustInvoiceJour'][class="hl-string">'InvoiceNumber']
            flat_settlements.append(s)

    df_settlements = pd.DataFrame(flat_settlements)
    df_received = df_settlements.copy()
    df_received[class="hl-string">'ActivityName'] = class="hl-string">'Payment Received'
    df_received[class="hl-string">'EventTime'] = pd.to_datetime(df_received[class="hl-string">'createdDateTime']).dt.tz_localize(None)
    all_events.append(df_received[[class="hl-string">'InvoiceNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime']])
    
    df_posted_payment = df_settlements.copy()
    df_posted_payment[class="hl-string">'ActivityName'] = class="hl-string">'Payment Posted'
    df_posted_payment[class="hl-string">'EventTime'] = pd.to_datetime(df_posted_payment[class="hl-string">'TransDate']).dt.tz_localize(None)
    all_events.append(df_posted_payment[[class="hl-string">'InvoiceNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime']])

class=class="hl-string">"hl-comment"># Note: Other activities like Disputes, Promises, Write-offs often involve custom entities or status fields.
class=class="hl-string">"hl-comment"># The following are conceptual examples assuming certain fields exist.
class=class="hl-string">"hl-comment"># You MUST adapt these to your specific D365 configuration.

print(class="hl-string">"5. Extracting 'Dispute Registered' and 'Dispute Resolved' (Conceptual)... ")
class=class="hl-string">"hl-comment"># Assuming a status field class="hl-string">'CollectionStatus' on the invoice indicates a dispute.
class=class="hl-string">"hl-comment"># This would ideally be sourced from an audit trail if available. This example assumes a snapshot.
dispute_entity_url = fclass="hl-string">"{D365_HOST}/data/CustInvoiceJours?$filter=dataAreaId eq '{default_company}' and (CollectionStatus eq 'Disputed' or CollectionStatus eq 'Resolved') and modifiedDateTime ge {start_date}T00:00:00Z&$select=InvoiceNumber,CollectionStatus,modifiedDateTime"
disputes = get_odata_data(dispute_entity_url)
if disputes:
    df_disputes = pd.DataFrame(disputes)
    df_disputes[class="hl-string">'ActivityName'] = df_disputes[class="hl-string">'CollectionStatus'].apply(lambda x: class="hl-string">'Dispute Registered' if x == class="hl-string">'Disputed' else class="hl-string">'Dispute Resolved')
    df_disputes[class="hl-string">'EventTime'] = pd.to_datetime(df_disputes[class="hl-string">'modifiedDateTime']).dt.tz_localize(None)
    all_events.append(df_disputes[[class="hl-string">'InvoiceNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime']])

print(class="hl-string">"6. Extracting 'Payment Promise Created' (Conceptual)... ")
promise_entity_url = fclass="hl-string">"{D365_HOST}/data/CustPromisedPayments?$filter=dataAreaId eq '{default_company}' and createdDateTime ge {start_date}T00:00:00Z&$select=Invoice,createdDateTime,PromisedDate,PromisedAmount&$expand=CustInvoiceJour($select=InvoiceNumber)"
promises = get_odata_data(promise_entity_url)
if promises:
    flat_promises = []
    for p in promises:
        if p.get(class="hl-string">'CustInvoiceJour'):
            p[class="hl-string">'InvoiceNumber'] = p[class="hl-string">'CustInvoiceJour'][class="hl-string">'InvoiceNumber']
            flat_promises.append(p)
    df_promises = pd.DataFrame(flat_promises)
    df_promises[class="hl-string">'ActivityName'] = class="hl-string">'Payment Promise Created'
    df_promises[class="hl-string">'EventTime'] = pd.to_datetime(df_promises[class="hl-string">'createdDateTime']).dt.tz_localize(None)
    all_events.append(df_promises[[class="hl-string">'InvoiceNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime']])
    
print(class="hl-string">"7. Extracting 'Collection Activity Logged' (Conceptual)... ")
class=class="hl-string">"hl-comment"># Linking activities to invoices can be indirect, often through the customer account.
activity_entity_url = fclass="hl-string">"{D365_HOST}/data/smmActivities?$filter=dataAreaId eq '{default_company}' and StartDateTime ge {start_date}T00:00:00Z and Purpose eq '[Your Collection Activity Purpose]'&$select=ActivityNumber,ParentRecordEntityName,ParentRecordRecId,StartDateTime,ResponsibleWorkerName&$expand=CustTable($select=AccountNumber)"
activities = get_odata_data(activity_entity_url)
class=class="hl-string">"hl-comment"># This section requires custom logic to map customer-level activities to open invoices at that time.
class=class="hl-string">"hl-comment"># A simplified approach is omitted here due to its complexity.

print(class="hl-string">"8. Identifying 'Invoice Settled' (Conceptual)... ")
settled_entity_url = fclass="hl-string">"{D365_HOST}/data/CustInvoiceJours?$filter=dataAreaId eq '{default_company}' and Status eq 'Paid' and LastSettlementDate ge {start_date}T00:00:00Z&$select=InvoiceNumber,LastSettlementDate"
settled_invoices = get_odata_data(settled_entity_url)
if settled_invoices:
    df_settled = pd.DataFrame(settled_invoices)
    df_settled[class="hl-string">'ActivityName'] = class="hl-string">'Invoice Settled'
    df_settled[class="hl-string">'EventTime'] = pd.to_datetime(df_settled[class="hl-string">'LastSettlementDate']).dt.tz_localize(None)
    all_events.append(df_settled[[class="hl-string">'InvoiceNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime']])

print(class="hl-string">"9. Identifying 'Invoice Written Off' (Conceptual)... ")
class=class="hl-string">"hl-comment"># This is identified by a specific type of transaction in CustTrans.
writeoff_entity_url = fclass="hl-string">"{D365_HOST}/data/CustTrans?$filter=dataAreaId eq '{default_company}' and TransType eq 'WriteOff' and TransDate ge {start_date}T00:00:00Z&$select=Invoice,TransDate,Txt"
writeoffs = get_odata_data(writeoff_entity_url)
if writeoffs:
    df_writeoffs = pd.DataFrame(writeoffs)
    df_writeoffs.rename(columns={class="hl-string">'Invoice': class="hl-string">'InvoiceNumber'}, inplace=True)
    df_writeoffs[class="hl-string">'ActivityName'] = class="hl-string">'Invoice Written Off'
    df_writeoffs[class="hl-string">'EventTime'] = pd.to_datetime(df_writeoffs[class="hl-string">'TransDate']).dt.tz_localize(None)
    all_events.append(df_writeoffs[[class="hl-string">'InvoiceNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime']])

class=class="hl-string">"hl-comment"># --- Final Processing --- 
if all_events:
    print(class="hl-string">"Combining all events...")
    final_df = pd.concat(all_events, ignore_index=True)
    final_df.sort_values(by=[class="hl-string">'InvoiceNumber', class="hl-string">'EventTime'], inplace=True)
    
    class=class="hl-string">"hl-comment"># Fill forward attributes for a complete log
    attributes_to_fill = [class="hl-string">'InvoiceAmount', class="hl-string">'CustomerName', class="hl-string">'PaymentDueDate', class="hl-string">'DunningLevel']
    for attr in attributes_to_fill:
        if attr not in final_df.columns:
            final_df[attr] = None
    
    final_df[attributes_to_fill] = final_df.groupby(class="hl-string">'InvoiceNumber')[attributes_to_fill].fillna(method=class="hl-string">'ffill').fillna(method=class="hl-string">'bfill')
    
    final_df = final_df.dropna(subset=[class="hl-string">'InvoiceNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime'])
    
    output_filename = class="hl-string">'d365_collections_event_log.csv'
    final_df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%S.%f')
    print(fclass="hl-string">"Event log successfully created: {output_filename}")
else:
    print(class="hl-string">"No events were extracted. Please check your configuration and date range.")

Klaar om aan de slag te gaan?

Gebruik deze template om je data goed voor te bereiden en waardevolle inzichten in je processen voor kredietbeheer en incasso te krijgen. Optimaliseer je proces vandaag nog voor een snellere cashflow.

Terug naar de verbetergids Template downloaden

Optimaliseer kredietbeheer en incasso voor sneller cash vandaag

Verbeter je cashflow door credit-to-cash efficiënter te maken en de doorlooptijd met 30% te verlagen.

Start je gratis proefperiode

Je hebt geen creditcard nodig. Je bent in enkele minuten klaar voor gebruik.

Jouw datatemplate voor kredietbeheer en incasso

Jouw datatemplate voor kredietbeheer en incasso

Attributen voor kredietbeheer en incasso

Activiteiten voor kredietbeheer en incasso

Extractiegidsen

Directe SQL-query via Bring Your Own Database (BYOD)

Stappen

Configuratie

a Voorbeeldquery sql

Python-script met de Dynamics 365 OData REST API

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Optimaliseer kredietbeheer en incasso voor sneller cash vandaag

Jouw datatemplate voor kredietbeheer en incasso

Jouw datatemplate voor kredietbeheer en incasso

Attributen voor kredietbeheer en incasso

Activiteiten voor kredietbeheer en incasso

Extractiegidsen

Directe SQL-query via Bring Your Own Database (BYOD)

Stappen

Configuratie

a Voorbeeldquery sql

Python-script met de Dynamics 365 OData REST API

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Optimaliseer kredietbeheer en incasso voor sneller cash vandaag

We respecteren je privacy