> Continue procesverbetering > Lead to Cash > Pipedrive > Datatemplate

Jouw Lead to Cash-datatemplate

Pipedrive

Lead to Cash-attributen (20) Lead to Cash-activiteiten (13) Extractiegidsen (3)

Jouw Lead to Cash-datatemplate

Deze template geeft je een duidelijk plan voor het verzamelen van de data die je nodig hebt om je Lead to Cash-proces in Pipedrive te analyseren. Je ziet welke attributen en activiteiten je moet bijhouden, met praktische aanwijzingen om deze informatie rechtstreeks uit je Pipedrive-systeem te halen. Gebruik deze bron om je data voor te bereiden op process mining en optimalisatie.

Aanbevolen attributen om te verzamelen
Belangrijke activiteiten om bij te houden
Extractie-instructies voor Pipedrive

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

Template downloaden

Lead to Cash-attributen

Deze aanbevolen datavelden zijn essentieel voor een betrouwbaar event log en maken een volledige analyse van het Lead to Cash-proces mogelijk.

3 Verplicht 4 Aanbevolen 13 Optioneel

	Naam	Beschrijving
	Activiteitsnaam ActivityName	De naam van het specifieke bedrijfsevent of de specifieke taak die binnen het verkoopproces heeft plaatsgevonden.
Beschrijving Dit attribuut beschrijft één stap in het Lead-to-Cash-proces, zoals 'Deal Created', 'Proposal Sent' of 'Payment Received'. Activiteiten zijn de belangrijkste bouwstenen voor het visualiseren van de procesflow. Door de volgorde en frequentie van activiteiten te analyseren, vind je de meest voorkomende procesroutes, knelpunten waar werk zich ophoopt en afwijkingen van de standaard verkoopprocedure. Dat is nodig om te begrijpen hoe het proces in de praktijk wordt uitgevoerd. Waarom dit belangrijk is Het definieert de stappen in het proces en maakt visualisatie en analyse van de procesflow, het vinden van knelpunten en conformance checking mogelijk. Waar je het vindt Dit wordt meestal afgeleid door Pipedrive-events, zoals wijzigingen in dealfases of het aanmaken van gerelateerde objecten zoals facturen, te koppelen aan een vaste lijst met activiteiten. Voorbeelden Deal aangemaaktVoorstel verstuurdDeal gewonnenFactuur verstuurdBetaling ontvangen
	Sales opportunity SalesOpportunityId	De unieke identifier van een sales opportunity, die als case-ID dient om het volledige Lead-to-Cash-proces te volgen.
Beschrijving De Sales Opportunity ID is de primaire sleutel die alle gerelateerde activiteiten koppelt, van het aanmaken van de eerste lead tot de uiteindelijke betaling. De ID staat voor één potentiële verkoop die in Pipedrive wordt gevolgd. Bij procesanalyse is deze identifier essentieel om het end-to-end-traject van iedere deal te reconstrueren. Je kunt er alle events, zoals 'Deal Created', 'Proposal Sent' en 'Payment Received', mee groeperen tot één samenhangende case. Zo kun je procesvarianten, doorlooptijden en conversiepercentages analyseren. Waarom dit belangrijk is Deze identifier vormt de basis van de procesweergave. Hij koppelt alle gerelateerde events en maakt zo een volledige casegeschiedenis van iedere salesdeal. Waar je het vindt Opgehaald uit het veld 'id' van het Deal-object via de Pipedrive-API. Voorbeelden 12543125441254512546
	Tijdstip van gebeurtenis EventTime	De timestamp die aangeeft wanneer de activiteit heeft plaatsgevonden.
Beschrijving Event Time, of Start Time, legt de exacte datum en tijd vast waarop een specifieke activiteit is geregistreerd. Deze tijddata is nodig om events chronologisch te ordenen en de duur tussen verschillende processtappen te berekenen. Bij analyses gebruik je deze timestamp om KPI's te berekenen, zoals doorlooptijd, verwerkingstijd en wachttijd. Ook kun je er tijdgebaseerde dashboards mee maken die prestaties volgen en vertragingen in het verkoopproces zichtbaar maken. Waarom dit belangrijk is Deze timestamp is essentieel voor het ordenen van events, het berekenen van procesdoorlooptijden en het analyseren van prestaties ten opzichte van tijdgebonden doelen. Waar je het vindt Opgehaald uit velden zoals 'add_time' of 'update_time' van Deal, Activity of gerelateerde objecten in de Pipedrive-API. Voorbeelden 2023-04-15T10:00:00Z2023-04-16T14:30:00Z2023-05-01T09:05:00Z
	Deal owner DealOwner	De salesmedewerker die verantwoordelijk is voor het beheren van de sales opportunity.
Beschrijving De Deal Owner is de gebruiker die aan een specifieke deal is toegewezen. Dit attribuut is belangrijk om de inzet van mensen en prestaties binnen het salesteam te begrijpen. Je kunt hiermee prestaties op individueel of teamniveau analyseren. In dashboards kun je filteren op Deal Owner om kengetallen zoals verkoopcyclusduur, conversiepercentages en gemiddelde dealwaarde te vergelijken. Zo vind je toppresteerders en onderwerpen voor coaching. Waarom dit belangrijk is Maakt prestatieanalyse per salesmedewerker mogelijk en helpt toppresteerders en verbeterpunten te vinden. Waar je het vindt Opgehaald uit het veld 'user_id' van het Deal-object, dat in de Pipedrive-API naar het User-object verwijst. Voorbeelden John SmithJane DoePeter Jones
	Dealstatus DealStatus	De huidige uitkomst of status van de deal, zoals gewonnen, verloren of open.
Beschrijving Deal Status geeft de uiteindelijke uitkomst of de huidige hoofdlijnstatus van een sales opportunity aan. Dit is een belangrijke dimensie voor het analyseren van verkoopsucces en procesefficiëntie. Met dit attribuut bereken je win- en verliespercentages en filter je de proceskaart om het traject van gewonnen deals met dat van verloren deals te vergelijken. Zo'n vergelijking laat vaak belangrijke verschillen in procesuitvoering zien die bijdragen aan succes of verlies. Dat levert waardevolle inzichten op voor procesverbetering. Waarom dit belangrijk is Dit is nodig om win- en verliespercentages te berekenen en de procesflows van succesvolle en onsuccesvolle deals te vergelijken. Waar je het vindt Opgehaald uit het veld 'status' van het Deal-object in de Pipedrive-API. Voorbeelden gewonnenverlorenopen
	Dealwaarde DealValue	De totale geldwaarde van de sales opportunity.
Beschrijving Deal Value staat voor de verwachte of werkelijke omzet die aan een sales opportunity is gekoppeld. Het is een belangrijke maatstaf om deals te prioriteren en de financiële impact van de salespipeline te beoordelen. Bij procesanalyse gebruik je dit attribuut om cases op financiële omvang te segmenteren. Zo kun je de uitvoering van processen bij deals met een hoge en lage waarde vergelijken. Het is ook een belangrijk onderdeel van dashboards voor verkoopprestaties, de effectiviteit van kortingen en de totale omzet. Waarom dit belangrijk is Hiermee kun je het verkoopproces financieel analyseren, waardevolle deals prioriteren en de impact op de omzet begrijpen. Waar je het vindt Opgehaald uit het veld 'value' van het Deal-object in de Pipedrive-API. Voorbeelden 5000.0025000.501500.75
	Kortingspercentage DiscountPercentage	Het kortingspercentage dat op de deal is toegepast.
Beschrijving Dit attribuut staat voor de procentuele korting die op een salesdeal is gegeven, als dat van toepassing is. Het is een belangrijke factor om de prijsstrategie en het effect daarvan op de winstgevendheid te begrijpen. Door het kortingspercentage te analyseren, beoordeel je de effectiviteit van kortingsstrategieën. Je kunt het vergelijken met andere attributen, zoals Deal Value, Sales Representative of Product, om te zien waar kortingen het vaakst voorkomen en of ze leiden tot hogere winpercentages of alleen de marges verlagen. Waarom dit belangrijk is Dit is belangrijk voor het analyseren van prijsstrategieën, verkoopmarges en de totale winstgevendheid van deals. Waar je het vindt Dit is vaak een aangepast veld op het Deal-object in Pipedrive. Raadpleeg de Pipedrive-documentatie voor het instellen van aangepaste velden. Voorbeelden 0.050.100.150.0
	Betaalduur van factuur InvoicePaymentTime	De tijd tussen het verzenden van een factuur en het ontvangen van de betaling.
Beschrijving De betaalduur van een factuur meet de efficiëntie van het proces voor openstaande vorderingen. De metric meet specifiek de verstreken tijd tussen de activiteit 'Invoice Sent' en de activiteit 'Payment Received'. Deze metric is belangrijk voor het bewaken van de cashflow en het vinden van vertragingen bij het innen van betalingen. Door deze duur te analyseren, begrijp je beter hoe klanten betalen en hoe effectief je aanmanings- en incassostrategieën zijn. Dat heeft rechtstreeks invloed op de cyclus van offerte tot betaling. Waarom dit belangrijk is Meet rechtstreeks de efficiëntie van het incassoproces en is belangrijk voor het beheer van de cashflow. Waar je het vindt Wordt berekend als het verschil tussen de timestamps van de activiteiten 'Payment Received' en 'Invoice Sent' voor een bepaalde case. Voorbeelden 28 dagen45 dagen10 dagen
	Betalingsvoorwaarden PaymentTerms	De afgesproken betalingsvoorwaarden, zoals 'Netto 30' of 'Netto 60'.
Beschrijving Betalingsvoorwaarden bepalen binnen welke termijn een klant een factuur hoort te betalen nadat deze is verzonden. Dit attribuut is belangrijk voor het beheer van openstaande vorderingen en de cashflow. In process mining dient dit attribuut als basis voor het beoordelen van betaalprestaties. Je gebruikt het om KPI's zoals het percentage tijdige betalingen te berekenen. Daarbij vergelijk je de werkelijke betaaldatum met de vervaldatum, die wordt afgeleid van de factuurdatum en deze voorwaarden. Waarom dit belangrijk is Biedt de basis voor het meten van tijdige betalingen en het analyseren van vertragingen in het incassoproces. Waar je het vindt Dit is meestal een aangepast veld op het Deal- of Organization-object in Pipedrive. Het kan ook afkomstig zijn uit een gekoppeld boekhoudsysteem. Voorbeelden 30 dagen netto60 dagen nettoBetaling bij ontvangst
	Bronsysteem SourceSystem	Identificeert het systeem waaruit de data is geëxtraheerd.
Beschrijving Dit attribuut geeft de herkomst van de data aan, in dit geval Pipedrive. Het is vooral nuttig in omgevingen waar data uit meerdere systemen wordt samengevoegd voor een integraal procesoverzicht. Bij een analyse met één systeem is dit vaak een vaste waarde, maar het geeft wel belangrijke context en helpt bij datagovernance en traceerbaarheid. Het bevestigt dat de events en attributen bij de Pipedrive-instantie horen. Waarom dit belangrijk is Geeft belangrijke context over de herkomst van de data en zorgt voor traceerbaarheid en duidelijkheid, vooral wanneer data uit meerdere systemen wordt gecombineerd. Waar je het vindt Dit is meestal een vaste waarde die tijdens de datatransformatie wordt toegevoegd. Voorbeelden Pipedrive
	Dealfase DealStage	De specifieke fase van de salespipeline waarin de deal zich momenteel bevindt.
Beschrijving De Deal Stage staat voor een specifieke stap in de gedefinieerde salespipeline van een bedrijf, zoals 'Qualified', 'Proposal Made' of 'Negotiation'. Het geeft een gedetailleerder beeld van de voortgang van een deal dan de algemene Deal Status. Door dealfases te analyseren, begrijp je de salesfunnel beter en zie je waar deals vaak blijven hangen. Door de tijd per fase te volgen, vind je knelpunten en kun je verbeteracties richten op de lastigste onderdelen van de verkoopcyclus. Waarom dit belangrijk is Geeft een gedetailleerd beeld van de voortgang van een deal door de salesfunnel en helpt knelpunten en conversiepercentages tussen fases te vinden. Waar je het vindt Opgehaald uit het veld 'stage_id' van het Deal-object, dat in de Pipedrive-API naar het Stage-object verwijst. Voorbeelden Lead ontvangenContact gelegdDemo ingeplandVoorstel gedaanOnderhandelingen gestart
	Dealvaluta DealCurrency	De valuta die bij de dealwaarde hoort.
Beschrijving Dit attribuut geeft aan in welke valuta, bijvoorbeeld USD, EUR of GBP, de Deal Value is uitgedrukt. Het biedt de nodige context voor alle financiële kengetallen. Bij de analyse van deals uit meerdere regio's of landen is dit attribuut nodig voor correcte financiële rapportage en aggregatie. Zo kunnen valutaconversies correct worden toegepast voordat je financiële data samenvat en voorkom je onjuiste conclusies. Waarom dit belangrijk is Biedt de nodige context voor de Deal Value en zorgt voor een correcte financiële analyse en rapportage in verschillende regio's. Waar je het vindt Opgehaald uit het veld 'currency' van het Deal-object in de Pipedrive-API. Voorbeelden USDEURGBP
	Eindtijd van event EventEndTime	De timestamp die aangeeft wanneer een activiteit met een bepaalde duur is afgerond.
Beschrijving De eindtijd van een event markeert het einde van een activiteit met een meetbare duur, zoals een vergadering of taak. In combinatie met de starttijd kun je precies berekenen hoe lang een activiteit heeft geduurd. Dit attribuut is belangrijk voor het berekenen van de verwerkingstijd van afzonderlijke activiteiten. Door deze duur te analyseren, zie je welke taken de meeste tijd kosten. Dat biedt aanknopingspunten voor optimalisatie, automatisering of een andere verdeling van capaciteit. Waarom dit belangrijk is Maakt een nauwkeurige berekening van afzonderlijke activiteitsduren mogelijk. Dat helpt bij het vinden van tijdrovende taken en bottlenecks. Waar je het vindt Wordt opgehaald uit velden zoals 'due_date' of een timestamp voor voltooiing op Activity-objecten in de Pipedrive API. Voorbeelden 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	Is betaling op tijd IsOnTimePayment	Een boolean-vlag die aangeeft of een betaling binnen de afgesproken betalingstermijn is ontvangen.
Beschrijving Dit attribuut is een binaire vlag (True/False) die aangeeft of een betaling op tijd is gedaan. Je leidt de waarde af door de werkelijke betaalduur van de factuur te vergelijken met de opgegeven betalingsvoorwaarden. Deze vlag maakt de analyse van betaalgedrag eenvoudiger. Je kunt er snel de KPI voor het percentage tijdige betalingen mee berekenen en late betalingen mee filteren. Zo kun je gericht onderzoeken waarom bepaalde klanten of dealtypen tot betalingsvertraging leiden. Waarom dit belangrijk is Vereenvoudigt de analyse van het naleven van betalingstermijnen en wordt gebruikt om de KPI voor het percentage tijdige betalingen te berekenen. Waar je het vindt Wordt berekend door 'InvoicePaymentTime' te vergelijken met het attribuut 'PaymentTerms'. Als PaymentTerms bijvoorbeeld 'Net 30' is en InvoicePaymentTime <= 30 dagen, is de waarde True. Voorbeelden truefalse
	Is herstelwerk IsRework	Een vlag die activiteiten markeert die deel uitmaken van een herstelwerk-lus.
Beschrijving Is herstelwerk is een boolean-vlag die meestal door de process mining-software wordt berekend. De vlag markeert situaties waarin het proces afwijkt van een lineaire flow en eerdere stappen opnieuw doorloopt. Een deal die bijvoorbeeld van 'Negotiation' teruggaat naar 'Proposal Sent', geldt als herstelwerk. Het herkennen van herstelwerk is belangrijk voor procesoptimalisatie. Het wijst op inefficiëntie, verspilde inspanning en mogelijke verwarring bij de klant. Door activiteiten met deze vlag te analyseren, zie je waar het proces vastloopt en kun je gerichte verbeteringen doorvoeren. Waarom dit belangrijk is Helpt procesinefficiëntie te kwantificeren door activiteiten te herkennen en te markeren die deel uitmaken van een herhaald of circulair procespad. Waar je het vindt Wordt door de process mining-software berekend door de volgorde van activiteiten binnen elke case te analyseren. Voorbeelden truefalse
	Laatste data-update LastDataUpdate	De timestamp van de meest recente datarefresh vanuit het bronsysteem.
Beschrijving Dit attribuut geeft aan wanneer de data voor het laatst is geëxtraheerd en bijgewerkt in de process mining-dataset. Het biedt een duidelijk referentiepunt voor de actualiteit van de geanalyseerde data. Voor iedere analyse is het belangrijk om te weten hoe actueel de data is. Met dit attribuut kunnen gebruikers beoordelen of de inzichten die ze bekijken de huidige staat van het proces weergeven. Dat is nodig voor operationele monitoring en besluitvorming. Waarom dit belangrijk is Geeft aan hoe actueel de data is, zodat gebruikers weten hoe recent de procesanalyse is. Waar je het vindt Deze waarde wordt gegenereerd en vastgelegd tijdens het data-ingestie- of ETL-proces. Voorbeelden 2023-10-27T02:00:00Z2023-10-28T02:00:00Z
	Leadbron LeadSource	De bron of het kanaal waarlangs de lead is binnengekomen.
Beschrijving Lead Source geeft aan hoe een potentiële klant voor het eerst is gevonden, bijvoorbeeld via een 'Webinar', 'Cold Call' of 'Partner Referral'. Deze informatie is belangrijk voor marketing- en salesstrategie. Door de leadbron te analyseren, bepaal je hoe effectief verschillende marketingkanalen zijn. Je kunt conversiepercentages en verkoopcyclusduur van leads uit verschillende bronnen vergelijken. Zo kan het bedrijf marketinguitgaven en salesinspanningen beter richten. Waarom dit belangrijk is Helpt de effectiviteit van verschillende marketingkanalen te meten door conversiepercentages en procesprestaties van leads per bron te analyseren. Waar je het vindt Opgehaald uit het veld 'source_name' van het Lead-object, dat vervolgens aan de Deal wordt gekoppeld. Voorbeelden Organisch zoekenBetaalde socialmediaDoorverwijzingVakbeurs
	Organisatienaam OrganizationName	De naam van het bedrijf of de organisatie van de klant die aan de deal is gekoppeld.
Beschrijving Dit attribuut identificeert de zakelijke klant die aan de sales opportunity is gekoppeld. Het geeft context over de bedrijven in de salespipeline. Door data op Organisatienaam te analyseren, krijg je inzicht in klantgedrag en vind je belangrijke accounts. Je kunt de procesanalyse segmenteren om te zien of processen verschillen voor strategische klanten en kleinere klanten. Ook kun je de volledige verkoopgeschiedenis met een specifiek bedrijf volgen. Waarom dit belangrijk is Identificeert de klant en maakt klantgerichte analyse en segmentatie van het verkoopproces mogelijk. Waar je het vindt Opgehaald uit het veld 'org_id' van het Deal-object, dat in de Pipedrive-API naar het Organization-object verwijst. Voorbeelden ABC CorporationGlobal Tech Inc.Innovate Solutions
	Product ProductAttached	Het product of de dienst die aan de sales opportunity is gekoppeld.
Beschrijving Dit attribuut geeft aan welk product of welke dienst in de deal wordt verkocht. Zo kun je salesactiviteiten rond specifieke aanbiedingen gedetailleerder analyseren. Door het product mee te nemen, kun je de analyse per productlijn segmenteren. Zo zie je of bepaalde producten langere verkoopcycli of andere conversiepercentages hebben, of andere processtappen nodig zijn. Dat leidt tot gerichtere verkoopstrategieën. Waarom dit belangrijk is Maakt analyse van het verkoopproces per productlijn mogelijk en helpt verschillen in verkoopcycli of succespercentages tussen aanbiedingen te vinden. Waar je het vindt Opgehaald uit het Product-object dat in de Pipedrive-API aan een Deal is gekoppeld. Voorbeelden Standaard SaaS-abonnementEnterprise-platformlicentiePakket professionele diensten
	Regio Region	De geografische regio die bij de klant of verkoopkans hoort.
Beschrijving Met dit attribuut deel je deals in naar geografische gebieden, zoals Noord-Amerika, EMEA of APAC. Zo kun je verkoopprestaties en processen per locatie analyseren. Door het proces per regio te segmenteren, zie je verschillen in verkoopdoorlooptijden, winpercentages en procesvarianten. Deze inzichten helpen bij regionale verkoopstrategieën, de verdeling van capaciteit en het standaardiseren van processen. Waarom dit belangrijk is Maakt geografische analyse van het verkoopproces mogelijk en laat regionale verschillen in prestaties en klantgedrag zien. Waar je het vindt Dit is meestal een aangepast veld op het Deal- of Organization-object. Je kunt de adresvelden van Organization ook gebruiken om de regio af te leiden. Voorbeelden Noord-AmerikaEMEAAPACLATAM

Verplicht Aanbevolen Optioneel

Lead to Cash-activiteiten

Deze belangrijke processtappen en mijlpalen moet je in het event log vastleggen voor een nauwkeurige procesanalyse en effectieve optimalisatie.

5 Aanbevolen 8 Optioneel

	Activiteit	Beschrijving
	Betaling ontvangen	Dit markeert de geslaagde ontvangst van de betaling van de klant en voltooit de cashcyclus van de opportunity. Het is het laatste event in het Lead-to-Cash-proces en komt uit een financieel systeem.
Waarom dit belangrijk is Dit is de laatste stap waarin waarde wordt gerealiseerd. Het is het echte eindpunt van het Lead-to-Cash-proces en essentieel voor het meten van de end-to-end-doorlooptijd en het analyseren van betalingsvertragingen. Waar je het vindt Dit wordt vastgelegd in een boekhoud- of betalingsverwerkingssysteem. De betalingsbevestiging moet worden teruggekoppeld aan de Pipedrive-deal. Vastleggen Eventdata uit een extern financieel systeem, via een unieke identifier aan de deal gekoppeld. Eventtype explicit
	Deal aangemaakt	Dit markeert de officiële start van een sales opportunity. Het event wordt geactiveerd wanneer een nieuwe deal handmatig wordt aangemaakt of automatisch ontstaat uit een geconverteerde lead.
Waarom dit belangrijk is Dit is de belangrijkste startactiviteit van de verkoopcyclus. Door de tijd tussen dit event en 'Deal Won' of 'Deal Lost' te analyseren, bereken je de totale duur van de verkoopcyclus. Waar je het vindt Dit is een expliciet event in de Pipedrive Deals-entiteit. De aanmaaktimestamp ('add_time') van het dealrecord geldt als eventtijd. Vastleggen Gebruik het veld 'add_time' uit de Deals-entiteit. Eventtype explicit
	Deal gewonnen	Dit markeert het succesvol sluiten van een deal en betekent dat de klant mondeling of schriftelijk akkoord is gegaan. In Pipedrive is dit een standaard, expliciete statuswijziging.
Waarom dit belangrijk is Dit is de belangrijkste succesmijlpaal. Je hebt dit event nodig om winpercentages, de verkoopcyclusduur van gewonnen deals en de totale verkoopprestaties te berekenen. Waar je het vindt Dit is een expliciet event dat wordt vastgelegd wanneer de status van een deal verandert naar 'won'. Het veld 'won_time' in de Deals-entiteit bevat de exacte timestamp. Vastleggen Gebruik de timestamp 'won_time' uit de Deals-entiteit. Eventtype explicit
	Deal verloren	Dit markeert het onsuccesvol sluiten van een deal. Dit gebeurt wanneer het verkoopproces wordt beëindigd omdat de klant voor een concurrent kiest, geen interesse meer heeft of om een andere reden afhaakt.
Waarom dit belangrijk is Dit is het belangrijkste eindpunt bij verlies. Door te analyseren wanneer en waarom deals verloren gaan, krijg je waardevolle inzichten voor het verbeteren van verkoopstrategie, training en kwalificatieprocessen. Waar je het vindt Dit is een expliciet event dat wordt vastgelegd wanneer de status van een deal verandert naar 'lost'. Het veld 'lost_time' in de Deals-entiteit registreert de timestamp. Vastleggen Gebruik de timestamp 'lost_time' uit de Deals-entiteit. Eventtype explicit
	Voorstel verstuurd	Dit is het moment waarop een formele offerte of een voorstel bij de klant wordt afgeleverd. Vaak leid je dit af wanneer de deal naar een specifieke pipelinefase gaat, zoals 'Proposal Made' of 'Quote Sent'.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal in het verkoopproces. Door de tijd tussen dit event en 'Deal Won' te analyseren, krijg je inzicht in de duur van de besluitvormings- en onderhandelingsfase. Waar je het vindt Dit wordt afgeleid uit de Deal-changelog wanneer 'stage_id' verandert naar een fase voor voorstellen. De timestamp van de fasewijziging wordt gebruikt. Vastleggen Detecteer wanneer 'stage_id' van een Deal wordt bijgewerkt naar een specifieke 'Proposal'-fase. Eventtype inferred
	Deal gekwalificeerd	Dit geeft aan dat de deal aan vooraf bepaalde criteria voldoet en als een haalbare opportunity wordt gezien die verdere opvolging waard is. Meestal leid je dit af wanneer een deal van een vroege pipelinefase, zoals 'Lead In', naar een meer gekwalificeerde fase gaat, zoals 'Contact Made' of 'Needs Defined'.
Waarom dit belangrijk is Deze mijlpaal helpt je de effectiviteit van het leadkwalificatieproces te analyseren en laat zien hoe lang deals in de eerste, nog niet gekwalificeerde fases blijven. Waar je het vindt Dit wordt afgeleid uit de Deal-changelog of -geschiedenis wanneer het veld 'stage_id' verandert naar een fase die kwalificatie aanduidt. Vastleggen Identificeer in de dealgeschiedenis een fasewijziging naar een vooraf gedefinieerde 'qualified'-fase. Eventtype inferred
	Deal heropend	Dit staat voor een deal die eerder als verloren was gemarkeerd, maar opnieuw is geactiveerd voor verdere salesactiviteiten. Je leidt dit event af wanneer de status van een deal verandert van 'lost' naar 'open'.
Waarom dit belangrijk is Deze activiteit laat herstelrondes en pogingen tot hernieuwd contact zien. Door deze gevallen te analyseren, ontdek je patronen in klantgedrag of de effectiviteit van salesopvolging. Waar je het vindt Dit wordt afgeleid uit de Deal-changelog. Je detecteert het wanneer het veld 'status' verandert van 'lost' naar 'open'. Vastleggen Identificeer in de dealgeschiedenis een statuswijziging van 'lost' naar 'open'. Eventtype inferred
	Eerste contact gelegd	Dit staat voor de eerste betekenisvolle interactie met de potentiële klant die aan de deal is gekoppeld. Meestal wordt dit vastgelegd als een afgeronde activiteit, zoals een telefoongesprek, e-mail of meeting die aan de deal is gekoppeld.
Waarom dit belangrijk is Door dit te volgen, meet je de tijd tot het eerste contact en zorg je dat leads snel worden opgevolgd. Het geeft inzicht in de reactiesnelheid van het salesteam. Waar je het vindt Dit komt uit de Pipedrive Activities-entiteit. Je vindt het door de vroegste afgeronde activiteit te zoeken die aan de deal-ID is gekoppeld. Vastleggen Zoek de eerste afgeronde Activity die aan een Deal is gekoppeld, op basis van het veld 'done_time'. Eventtype explicit
	Factuur verstuurd	Dit is het moment waarop een factuur naar de klant wordt verstuurd voor betaling. Meestal wordt dit event geactiveerd in een extern boekhoud- of facturatiesysteem nadat de order is afgehandeld.
Waarom dit belangrijk is Dit markeert het begin van de betalingscyclus. De tijd tussen dit event en 'Payment Received' is belangrijk voor het volgen van openstaande vorderingen en de cashflow. Waar je het vindt Dit komt uit een extern boekhoud- of ERP-systeem, zoals Xero of QuickBooks. De eventdata moet worden geïntegreerd en aan de Pipedrive-deal worden gekoppeld. Vastleggen Eventdata uit een extern facturatiesysteem, via een API-integratie aan de deal gekoppeld. Eventtype explicit
	Onderhandeling gestart	Dit markeert het begin van actieve onderhandelingen over prijs, voorwaarden of scope. Meestal leid je dit af wanneer een deal na het versturen van een voorstel naar een 'Negotiation'-fase in de pipeline gaat.
Waarom dit belangrijk is Door de onderhandelingsfase apart te analyseren, zie je hoe lang dit deel van de cyclus duurt en bij welke deals de onderhandelingen lang duren. Waar je het vindt Dit wordt afgeleid uit de Deal-changelog wanneer 'stage_id' wordt bijgewerkt naar een fase die expliciet voor onderhandelingen is bedoeld. Vastleggen Identificeer in de dealgeschiedenis een fasewijziging naar een vooraf gedefinieerde 'Negotiation'-fase. Eventtype inferred
	Opvolging van voorstel	Dit omvat elke salesactiviteit, zoals een telefoongesprek of e-mail, die plaatsvindt nadat een voorstel naar de klant is verstuurd. Het event laat zien dat er tijdens de overwegingsfase actief contact wordt gehouden.
Waarom dit belangrijk is Meet hoe snel en hoe vaak opvolgacties plaatsvinden. Dat is belangrijk om vaart in het proces te houden en deals te sluiten. Het ondersteunt het dashboard 'Proposal Follow-up Timeliness'. Waar je het vindt Dit komt uit de Pipedrive Activities-entiteit. Het gaat om een afgeronde activiteit die na het event 'Proposal Sent' voor dezelfde deal plaatsvindt. Vastleggen Identificeer een afgeronde Activity met een 'done_time' die later ligt dan de timestamp van de activiteit 'Proposal Sent'. Eventtype explicit
	Order afgehandeld	Dit geeft aan dat het product naar de klant is verzonden of dat de dienst is geleverd. Het event komt uit een extern systeem voor orderafhandeling of bedrijfsvoering.
Waarom dit belangrijk is Door de orderafhandeling te volgen, krijg je inzicht in de doorlooptijd van order tot levering. Vertragingen in deze fase hebben direct effect op de klanttevredenheid en omzetverantwoording. Waar je het vindt Dit komt uit een extern ERP-, voorraad- of servicemanagementsysteem. De data moet worden teruggekoppeld aan de bijbehorende Pipedrive-deal. Vastleggen Eventdata uit een extern systeem, gekoppeld via de deal-ID of een andere gemeenschappelijke identifier. Eventtype explicit
	Sales order aangemaakt	Dit staat voor het aanmaken van een formele sales order in een downstreamsysteem, zoals een ERP- of boekhoudplatform, nadat een deal is gewonnen. Deze activiteit is niet standaard onderdeel van Pipedrive en gebruikt data uit een geïntegreerd systeem.
Waarom dit belangrijk is Dit event markeert de overdracht van Sales naar de bedrijfsvoering of Finance. Door de tijd tussen 'Deal Won' en deze activiteit te analyseren, vind je mogelijke vertragingen in de orderverwerking. Waar je het vindt Dit wordt meestal vastgelegd in een gekoppeld ERP- of financieel systeem. De data moet worden ingelezen en aan de Pipedrive-deal-ID worden gekoppeld. Vastleggen Eventdata die via de API vanuit een extern systeem wordt doorgestuurd, vaak door een aangepast veld op de Pipedrive-deal bij te werken. Eventtype explicit

Aanbevolen Optioneel

Extractiegidsen

Zo haal je je data uit Pipedrive

Stappen

Log in op Pipedrive: Open je Pipedrive-account met een gebruikersprofiel dat toestemming heeft om data te exporteren. Meestal is dit een Admin-gebruiker.
Ga naar data-export: Klik rechtsboven op je profielfoto en kies 'Settings'. Zoek in het navigatiemenu links de sectie 'Tools and apps' en klik op 'Export data'.
Exporteer dealdata: Kies in de weergave 'Export data' voor 'Deals'. Selecteer de bestandsindeling 'CSV'. Gebruik bij voorkeur een filter voor een bepaalde periode, bijvoorbeeld de afgelopen 6 maanden, zodat de bestandsgrootte beheersbaar blijft. Klik op 'Export' en wacht tot het bestand is gemaakt en gedownload. Het bestand bevat belangrijke dealinformatie, zoals de aanmaakdatum, de datum waarop de deal is gewonnen en de datum waarop deze verloren is.
Exporteer activiteiten: Herhaal dit voor 'Activities'. Kies 'Activities', selecteer 'CSV', gebruik dezelfde periodefilter als voor deals en exporteer het bestand. Dit bestand bevat registraties van telefoongesprekken, e-mails, vergaderingen en aangepaste activiteiten die aan deals zijn gekoppeld.
Verzamel externe data: Haal bijbehorende data op uit je vervolgsystemen. Je hebt exports nodig uit je ERP-, boekhoud- of fulfilmentsystemen voor events zoals 'Sales Order Created', 'Order Fulfilled', 'Invoice Sent' en 'Payment Received'. Zorg dat deze bestanden een gemeenschappelijke identifier bevatten die je aan de Pipedrive Deal-ID kunt koppelen.
Richt een omgeving voor dataverwerking in: Gebruik een tool waarmee je meerdere CSV-bestanden kunt verwerken en samenvoegen, zoals Python met de pandas-bibliotheek, Microsoft Excel met Power Query of een andere tool voor datavoorbereiding.
Laad en combineer de data: Laad de bestanden Deals.csv en Activities.csv. Laad ook de externe databestanden die je in de vorige stap hebt verzameld.
Bouw het event log: Maak één event log door de ruwe data met een script om te zetten naar het vereiste activiteitenformaat. Maak voor elk van de 13 vereiste activiteiten een bijbehorende set rijen. Bijvoorbeeld:
- Events voor 'Deal Created' komen uit de kolom add_time in het bestand Deals.csv.
- Events voor 'Deal Won' komen uit de kolom won_time in het bestand Deals.csv.
- 'Initial Contact Made' is de eerste voltooide activiteit per deal uit het bestand Activities.csv.
- Andere activiteiten, zoals 'Proposal Sent' of 'Negotiation Started', leid je af uit specifieke onderwerpen of typen activiteiten in Activities.csv.
Koppel attributen: Vul voor elke eventrij alle verplichte kolommen in: SalesOpportunityId, ActivityName en EventTime. Voeg aanbevolen attributen toe, zoals DealValue, DealOwner en DealStatus, door deze aan de dealdata te koppelen.
Exporteer het eindresultaat: Sla de volledige en gecontroleerde eventtabel op als één CSV-bestand met UTF-8-codering. Je kunt dit bestand nu uploaden naar ProcessMind voor analyse.

Configuratie

Objecten exporteren: Exporteer minimaal 'Deals' en 'Activities'. Mogelijk moet je ook 'Organizations' of 'People' exporteren voor aanvullende dimensiedata.
Bestandsindeling: Kies CSV voor maximale compatibiliteit met tools voor dataverwerking, zoals Python of Power Query.
Periodefilter: Gebruik de optie 'Filter by' om een bepaalde periode te selecteren, bijvoorbeeld 'Deal add time' binnen de 'last 180 days'. Dit is belangrijk om de exportprestaties en bestandsgrootte beheersbaar te houden.
Gebruikersrechten: Je hebt een Admin-gebruiker nodig of een rechtenprofiel waarmee je expliciet data uit het Pipedrive-account mag exporteren.
Aangepaste activiteittypen: Of je processtappen zoals 'Deal Qualified' of 'Proposal Sent' goed kunt extraheren, hangt sterk af van het gebruik van aangepaste Activity Types in Pipedrive. Zorg dat deze goed zijn ingericht en dat je verkoopteam ze consequent gebruikt.

a Voorbeeldquery python

import pandas as pd

class=class="hl-string">"hl-comment"># --- 1. Load Data ---
class=class="hl-string">"hl-comment"># Load Pipedrive exports. Replace class="hl-string">'deals.csv' and class="hl-string">'activities.csv' with your actual file paths.
deals_df = pd.read_csv(class="hl-string">'deals.csv')
activities_df = pd.read_csv(class="hl-string">'activities.csv')

class=class="hl-string">"hl-comment"># Placeholder: Load data from external systems. These files should contain a Deal ID column.
class=class="hl-string">"hl-comment"># Replace with actual file loads from your ERP, Accounting, or Fulfillment systems.
sales_orders_df = pd.DataFrame({class="hl-string">'Deal ID': [], class="hl-string">'Order Created Date': []}) class=class="hl-string">"hl-comment"># Example from ERP
fulfillments_df = pd.DataFrame({class="hl-string">'Deal ID': [], class="hl-string">'Fulfillment Date': []})   class=class="hl-string">"hl-comment"># Example from Fulfillment System
invoices_df = pd.DataFrame({class="hl-string">'Deal ID': [], class="hl-string">'Invoice Sent Date': []})         class=class="hl-string">"hl-comment"># Example from Accounting System
payments_df = pd.DataFrame({class="hl-string">'Deal ID': [], class="hl-string">'Payment Received Date': []})     class=class="hl-string">"hl-comment"># Example from Accounting System

class=class="hl-string">"hl-comment"># --- 2. Prepare and Clean Data ---
class=class="hl-string">"hl-comment"># Rename columns for consistency and convert date columns to datetime objects
deals_df.rename(columns={class="hl-string">'ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Value': class="hl-string">'DealValue', class="hl-string">'Owner name': class="hl-string">'DealOwner', class="hl-string">'Status': class="hl-string">'DealStatus', class="hl-string">'Add time': class="hl-string">'EventTime_Created', class="hl-string">'Won time': class="hl-string">'EventTime_Won', class="hl-string">'Lost time': class="hl-string">'EventTime_Lost'}, inplace=True)
activities_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Subject': class="hl-string">'ActivityName', class="hl-string">'Done time': class="hl-string">'EventTime'}, inplace=True)

for col in [class="hl-string">'EventTime_Created', class="hl-string">'EventTime_Won', class="hl-string">'EventTime_Lost']: 
    deals_df[col] = pd.to_datetime(deals_df[col], errors=class="hl-string">'coerce')
activities_df[class="hl-string">'EventTime'] = pd.to_datetime(activities_df[class="hl-string">'EventTime'], errors=class="hl-string">'coerce')


class=class="hl-string">"hl-comment"># --- 3. Extract Activities from Pipedrive Data ---

class=class="hl-string">"hl-comment"># Activity: Deal Created
event_created = deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Created']].copy()
event_created.rename(columns={class="hl-string">'EventTime_Created': class="hl-string">'EventTime'}, inplace=True)
event_created[class="hl-string">'ActivityName'] = class="hl-string">'Deal Created'

class=class="hl-string">"hl-comment"># Activity: Deal Won
event_won = deals_df[deals_df[class="hl-string">'EventTime_Won'].notna()][[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Won']].copy()
event_won.rename(columns={class="hl-string">'EventTime_Won': class="hl-string">'EventTime'}, inplace=True)
event_won[class="hl-string">'ActivityName'] = class="hl-string">'Deal Won'

class=class="hl-string">"hl-comment"># Activity: Deal Lost
event_lost = deals_df[deals_df[class="hl-string">'EventTime_Lost'].notna()][[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Lost']].copy()
event_lost.rename(columns={class="hl-string">'EventTime_Lost': class="hl-string">'EventTime'}, inplace=True)
event_lost[class="hl-string">'ActivityName'] = class="hl-string">'Deal Lost'

class=class="hl-string">"hl-comment"># Filter for relevant, completed activities linked to a deal
completed_activities = activities_df[activities_df[class="hl-string">'EventTime'].notna() & activities_df[class="hl-string">'SalesOpportunityId'].notna()].copy()
completed_activities[class="hl-string">'SalesOpportunityId'] = completed_activities[class="hl-string">'SalesOpportunityId'].astype(int)

class=class="hl-string">"hl-comment"># Activity: Initial Contact Made (first completed activity for each deal)
event_initial_contact = completed_activities.sort_values(class="hl-string">'EventTime', ascending=True).drop_duplicates(class="hl-string">'SalesOpportunityId')
event_initial_contact = event_initial_contact[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime']].copy()
event_initial_contact[class="hl-string">'ActivityName'] = class="hl-string">'Initial Contact Made'

class=class="hl-string">"hl-comment"># Infer other activities based on activity subject keywords. Adjust keywords as needed.
event_qualified = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'qualify|qualification', case=False, na=False)].copy()
event_qualified[class="hl-string">'ActivityName'] = class="hl-string">'Deal Qualified'

event_proposal_sent = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'proposal|quote', case=False, na=False)].copy()
event_proposal_sent[class="hl-string">'ActivityName'] = class="hl-string">'Proposal Sent'

class=class="hl-string">"hl-comment"># Proposal Follow-Up: Any call or email activity after a proposal was sent
if not event_proposal_sent.empty:
    merged_followup = pd.merge(completed_activities, event_proposal_sent[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime']].rename(columns={class="hl-string">'EventTime':class="hl-string">'ProposalTime'}), on=class="hl-string">'SalesOpportunityId')
    follow_ups = merged_followup[merged_followup[class="hl-string">'EventTime'] > merged_followup[class="hl-string">'ProposalTime']]
    event_follow_up = follow_ups[follow_ups[class="hl-string">'ActivityName'].str.contains(class="hl-string">'call|email|follow-up', case=False, na=False)].copy()
    event_follow_up[class="hl-string">'ActivityName'] = class="hl-string">'Proposal Follow-Up'
else:
    event_follow_up = pd.DataFrame(columns=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName'])

event_negotiation = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'negotiation|negotiate', case=False, na=False)].copy()
event_negotiation[class="hl-string">'ActivityName'] = class="hl-string">'Negotiation Started'

class=class="hl-string">"hl-comment"># Placeholder for Deal Reopened: Logic is complex and not reliably available from standard export.
event_reopened = pd.DataFrame(columns=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName'])

class=class="hl-string">"hl-comment"># --- 4. Extract Activities from External Data (Placeholders) ---

class=class="hl-string">"hl-comment"># Rename columns and convert dates for external data
class=class="hl-string">"hl-comment"># This section needs to be adapted to your specific file structures
event_so_created = sales_orders_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Order Created Date': class="hl-string">'EventTime'}).assign(ActivityName=class="hl-string">'Sales Order Created')
event_fulfilled = fulfillments_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Fulfillment Date': class="hl-string">'EventTime'}).assign(ActivityName=class="hl-string">'Order Fulfilled')
event_invoice_sent = invoices_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Invoice Sent Date': class="hl-string">'EventTime'}).assign(ActivityName=class="hl-string">'Invoice Sent')
event_payment_received = payments_df.rename(columns={class="hl-string">'Deal ID': class="hl-string">'SalesOpportunityId', class="hl-string">'Payment Received Date': class="hl-string">'EventTime'}).assign(ActivityName=class="hl-string">'Payment Received')


class=class="hl-string">"hl-comment"># --- 5. Combine and Finalize Event Log ---

event_log_frames = [
    event_created,
    event_won,
    event_lost,
    event_initial_contact,
    event_qualified[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_proposal_sent[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_follow_up[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_negotiation[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_reopened,
    event_so_created,
    event_fulfilled,
    event_invoice_sent,
    event_payment_received
]

event_log = pd.concat(event_log_frames)

class=class="hl-string">"hl-comment"># Merge with deal attributes
final_event_log = pd.merge(event_log, deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'Status']], on=class="hl-string">'SalesOpportunityId', how=class="hl-string">'left')

class=class="hl-string">"hl-comment"># Clean up and select final columns
final_event_log.rename(columns={class="hl-string">'Status':class="hl-string">'DealStatus'}, inplace=True)
final_event_log.dropna(subset=[class="hl-string">'EventTime', class="hl-string">'SalesOpportunityId'], inplace=True)

class=class="hl-string">"hl-comment"># Placeholder for DiscountPercentage - Assuming it's a custom field in your deals export
if class="hl-string">'Discount percentage' in deals_df.columns:
    final_event_log = pd.merge(final_event_log, deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'Discount percentage']], on=class="hl-string">'SalesOpportunityId', how=class="hl-string">'left')
    final_event_log.rename(columns={class="hl-string">'Discount percentage':class="hl-string">'DiscountPercentage'}, inplace=True)
else:
    final_event_log[class="hl-string">'DiscountPercentage'] = None

class=class="hl-string">"hl-comment"># Reorder columns to match requirements
output_columns = [class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'DealStatus', class="hl-string">'DiscountPercentage']
final_event_log = final_event_log[output_columns]

class=class="hl-string">"hl-comment"># --- 6. Save Final Event Log ---
final_event_log.to_csv(class="hl-string">'pipedrive_event_log.csv', index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')

print(class="hl-string">'Event log created successfully.')

Stappen

Richt de Python-omgeving in: Zorg dat Python 3.6 of nieuwer op je systeem is geïnstalleerd. Open een terminal of opdrachtprompt en installeer de benodigde Python-bibliotheken met dit commando: pip install requests pandas.
Haal Pipedrive API-inloggegevens op: Log in op je Pipedrive-account. Ga naar Settings door op je profielfoto te klikken, kies 'Personal preferences' en open het tabblad 'API'. Kopieer je persoonlijke API-token. Je hebt ook je bedrijfsdomein nodig. Dat is het voorvoegsel in je Pipedrive-URL, bijvoorbeeld your-company in your-company.pipedrive.com.
Configureer het extractiescript: Open het meegeleverde Python-script in een teksteditor of IDE. Zoek bovenaan het configuratiegedeelte en vervang de tijdelijke waarden voor API_TOKEN en COMPANY_DOMAIN door je eigen gegevens.
Bepaal de extractieperiode: Stel in het configuratiegedeelte van het script de variabele START_DATE in op de vroegste aanmaakdatum van de deals die je in de analyse wilt opnemen. Gebruik de notatie 'YYYY-MM-DD'.
Koppel je pipeline- en fase-ID's: Het script leidt verschillende activiteiten af uit deals die tussen fasen bewegen. Je moet de specifieke ID's van je verkooppipeline en belangrijke fasen opgeven. Je vindt deze ID's door in de Pipedrive-interface naar de fase te gaan en de URL te bekijken, of door de API te gebruiken. Werk de variabelen PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID en NEGOTIATION_STAGE_ID in het script bij.
Voer het script uit: Start het script vanuit je terminal met het commando: python your_script_name.py. Het script haalt vervolgens deals, activiteiten en wijzigingslogboeken op via de Pipedrive API.
Bewaak het proces: Het script toont voortgang in de console en laat zien welke data wordt opgehaald. Afhankelijk van de hoeveelheid data en de API-limieten kan dit enkele minuten duren.
Richt extractie van externe data in: Voor activiteiten zoals 'Sales Order Created' en 'Payment Received' bevat het script tijdelijke functies. Pas deze functies aan zodat ze verbinding maken met je externe systemen, zoals een ERP- of boekhoudplatform, en de juiste eventdata ophalen. Koppel de Pipedrive SalesOpportunityId aan de records in deze andere systemen.
Controleer de uitvoer: Na afloop maakt het script een CSV-bestand met de naam pipedrive_event_log.csv. Dit bestand bevat het gestructureerde event log met alle geëxtraheerde activiteiten.
Bereid de upload voor: Open het CSV-bestand en controleer of het goed is aangemaakt. De kolommen moeten SalesOpportunityId, ActivityName, EventTime en andere aanbevolen attributen bevatten. Je kunt het bestand nu uploaden naar ProcessMind voor analyse.

Configuratie

API-inloggegevens: Het script heeft een geldig API_TOKEN en je COMPANY_DOMAIN nodig om verbinding te maken met de Pipedrive API. Controleer of de gebruiker bij het token voldoende rechten heeft om deals, activiteiten en gebruikers te lezen.
Periode: De variabele START_DATE filtert deals die op of na de opgegeven datum zijn aangemaakt. Voor een eerste analyse raden we een periode van 3 tot 6 maanden aan, zodat de hoeveelheid data beheersbaar blijft.
Pipeline- en fase-ID's: Om processtappen zoals 'Deal Qualified' of 'Proposal Sent' goed af te leiden, moet je het script configureren met de juiste numerieke ID's voor je primaire verkooppipeline, PIPELINE_ID, en de specifieke STAGE_ID-waarden voor elke belangrijke mijlpaal. Verkeerde ID's leiden tot ontbrekende activiteiten.
Prestaties en rate limiting: Het script bevat een korte pauze tussen API-aanroepen om de rate limits van Pipedrive te respecteren. Bij organisaties met veel deals moet je deze pauze mogelijk aanpassen of een geavanceerdere backoff-strategie gebruiken om API-fouten te voorkomen.
Koppeling van aangepaste velden: Als je aangepaste velden gebruikt voor belangrijke attributen zoals DiscountPercentage, moet je de API-sleutel van dat veld opzoeken. Dit is een lange hash en niet de zichtbare naam. Verwijs ernaar in de logica voor datatransformatie.
Koppeling met externe systemen: Het extraheren van events buiten Pipedrive, zoals facturatie of fulfilment, gebeurt via tijdelijke functies. Pas deze onderdelen aan zodat ze verbinding maken met je eigen externe databronnen.

a Voorbeeldquery python

import requests
import pandas as pd
import time
import datetime

class=class="hl-string">"hl-comment"># --- CONFIGURATION ---
class=class="hl-string">"hl-comment"># Replace with your Pipedrive API token and company domain
API_TOKEN = class="hl-string">'YOUR_API_TOKEN'
COMPANY_DOMAIN = class="hl-string">'YOUR_COMPANY_DOMAIN' class=class="hl-string">"hl-comment"># e.g., class="hl-string">'your-company-name'

class=class="hl-string">"hl-comment"># Set the start date for deal extraction (YYYY-MM-DD)
START_DATE = class="hl-string">'2023-01-01'

class=class="hl-string">"hl-comment"># Configure your specific Pipeline and Stage IDs
class=class="hl-string">"hl-comment"># Find these in your Pipedrive URL or via the API /stages endpoint
PIPELINE_ID = 1 class=class="hl-string">"hl-comment"># Replace with your main sales pipeline ID
QUALIFIED_STAGE_ID = 2 class=class="hl-string">"hl-comment"># Replace with your class="hl-string">'Qualified' stage ID
PROPOSAL_STAGE_ID = 3 class=class="hl-string">"hl-comment"># Replace with your class="hl-string">'Proposal Sent' stage ID
NEGOTIATION_STAGE_ID = 4 class=class="hl-string">"hl-comment"># Replace with your class="hl-string">'Negotiation' stage ID

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

BASE_URL = fclass="hl-string">'https://{COMPANY_DOMAIN}.pipedrive.com/api/v1'

def get_paginated_data(endpoint, params={}):
    class="hl-string">"""Fetches all pages of data from a Pipedrive API endpoint."""
    all_data = []
    start = 0
    limit = 500
    while True:
        request_params = {
            class="hl-string">'start': start,
            class="hl-string">'limit': limit,
            class="hl-string">'api_token': API_TOKEN
        }
        request_params.update(params)
        
        try:
            response = requests.get(fclass="hl-string">"{BASE_URL}/{endpoint}", params=request_params)
            response.raise_for_status()
            data = response.json()

            if not data.get(class="hl-string">'data'):
                break

            all_data.extend(data[class="hl-string">'data'])

            if not data.get(class="hl-string">'additional_data', {}).get(class="hl-string">'pagination', {}).get(class="hl-string">'more_items_in_collection'):
                break
            
            start += limit
            time.sleep(0.2) class=class="hl-string">"hl-comment"># Respect API rate limits
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching {endpoint}: {e}")
            break
            
    return all_data

def get_deal_flow(deal_id):
    class="hl-string">"""Fetches the change history (flow) for a single deal."""
    params = {class="hl-string">'api_token': API_TOKEN}
    try:
        response = requests.get(fclass="hl-string">"{BASE_URL}/deals/{deal_id}/flow", params=params)
        response.raise_for_status()
        data = response.json()
        return data.get(class="hl-string">'data', [])
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error fetching flow for deal {deal_id}: {e}")
        return []

class=class="hl-string">"hl-comment"># Placeholder functions for external data
def get_sales_order_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching sales order data from external ERP/CRM...")
    class=class="hl-string">"hl-comment"># Example: Connect to your ERP, query for orders linked to deal_ids
    class=class="hl-string">"hl-comment"># Return a list of dicts: [{class="hl-string">'SalesOpportunityId': id, class="hl-string">'ActivityName': class="hl-string">'Sales Order Created', class="hl-string">'EventTime': timestamp}, ...]
    return []

def get_fulfillment_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching order fulfillment data...")
    return []

def get_invoice_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching invoice data from accounting system...")
    return []

def get_payment_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching payment data from financial system...")
    return []


class=class="hl-string">"hl-comment"># --- MAIN EXTRACTION LOGIC ---
if __name__ == class="hl-string">'__main__':
    print(class="hl-string">"Starting Pipedrive data extraction...")
    events = []

    class=class="hl-string">"hl-comment"># 1. Fetch all deals created after the START_DATE and in the specified pipeline
    print(class="hl-string">"Fetching deals...")
    deals = get_paginated_data(class="hl-string">'deals', {class="hl-string">'start_date': START_DATE, class="hl-string">'pipeline_id': PIPELINE_ID})
    if not deals:
        print(class="hl-string">"No deals found for the specified criteria. Exiting.")
        exit()

    deal_ids = [d[class="hl-string">'id'] for d in deals]
    print(fclass="hl-string">"Found {len(deals)} deals.")

    class=class="hl-string">"hl-comment"># 2. Fetch all activities related to the deals
    print(class="hl-string">"Fetching activities...")
    all_activities = get_paginated_data(class="hl-string">'activities', {class="hl-string">'user_id': 0}) class=class="hl-string">"hl-comment"># Get for all users
    deal_activities = [act for act in all_activities if act.get(class="hl-string">'deal_id') in deal_ids and act[class="hl-string">'done']]

    activities_by_deal = {}
    for act in deal_activities:
        if act[class="hl-string">'deal_id'] not in activities_by_deal:
            activities_by_deal[act[class="hl-string">'deal_id']] = []
        activities_by_deal[act[class="hl-string">'deal_id']].append(act)

    class=class="hl-string">"hl-comment"># 3. Process each deal to create events
    print(class="hl-string">"Processing deals and activities to generate event log...")
    for deal in deals:
        deal_id = deal[class="hl-string">'id']
        deal_owner_name = deal.get(class="hl-string">'owner_name', class="hl-string">'')
        base_attributes = {
            class="hl-string">'SalesOpportunityId': deal_id,
            class="hl-string">'DealValue': deal.get(class="hl-string">'value', 0),
            class="hl-string">'DealOwner': deal_owner_name,
            class="hl-string">'DealStatus': deal.get(class="hl-string">'status', class="hl-string">'open'),
            class="hl-string">'DiscountPercentage': deal.get(class="hl-string">'discount_percentage', 0)
        }

        class=class="hl-string">"hl-comment"># Activity: Deal Created
        events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Created', class="hl-string">'EventTime': deal[class="hl-string">'add_time']})

        class=class="hl-string">"hl-comment"># Activity: Deal Won / Lost
        if deal[class="hl-string">'status'] == class="hl-string">'won' and deal[class="hl-string">'won_time']:
            events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Won', class="hl-string">'EventTime': deal[class="hl-string">'won_time']})
        elif deal[class="hl-string">'status'] == class="hl-string">'lost' and deal[class="hl-string">'lost_time']:
            events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Lost', class="hl-string">'EventTime': deal[class="hl-string">'lost_time']})

        class=class="hl-string">"hl-comment"># Activity: Initial Contact Made & Proposal Follow-Up
        proposal_sent_time = None
        if deal_id in activities_by_deal:
            sorted_activities = sorted(activities_by_deal[deal_id], key=lambda x: x[class="hl-string">'marked_as_done_time'])
            if sorted_activities:
                first_activity = sorted_activities[0]
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Initial Contact Made', class="hl-string">'EventTime': first_activity[class="hl-string">'marked_as_done_time']})
            
            class=class="hl-string">"hl-comment"># Find proposal follow-ups (requires proposal time)
            class=class="hl-string">"hl-comment"># This part is revisited after stage changes are processed

        class=class="hl-string">"hl-comment"># Activities from Stage Changes: Qualified, Proposal Sent, Negotiation, Reopened
        time.sleep(0.2) class=class="hl-string">"hl-comment"># Rate limit for flow endpoint
        flow = get_deal_flow(deal_id)
        if not flow:
            continue

        lost_then_reopened = False
        was_lost = False

        for change in sorted(flow, key=lambda x: x[class="hl-string">'add_time']):
            class=class="hl-string">"hl-comment"># Deal Reopened
            if change.get(class="hl-string">'field_key') == class="hl-string">'status' and change.get(class="hl-string">'old_value') == class="hl-string">'lost' and change.get(class="hl-string">'new_value') == class="hl-string">'open':
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Reopened', class="hl-string">'EventTime': change[class="hl-string">'add_time']})
            
            if change.get(class="hl-string">'field_key') != class="hl-string">'stage_id':
                continue

            stage_change_time = change[class="hl-string">'add_time']

            class=class="hl-string">"hl-comment"># Deal Qualified
            if change[class="hl-string">'new_value'] == QUALIFIED_STAGE_ID:
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Qualified', class="hl-string">'EventTime': stage_change_time})

            class=class="hl-string">"hl-comment"># Proposal Sent
            if change[class="hl-string">'new_value'] == PROPOSAL_STAGE_ID:
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Proposal Sent', class="hl-string">'EventTime': stage_change_time})
                proposal_sent_time = stage_change_time

            class=class="hl-string">"hl-comment"># Negotiation Started
            if change[class="hl-string">'new_value'] == NEGOTIATION_STAGE_ID:
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Negotiation Started', class="hl-string">'EventTime': stage_change_time})

        class=class="hl-string">"hl-comment"># Re-check for Proposal Follow-Up now that we have proposal_sent_time
        if proposal_sent_time and deal_id in activities_by_deal:
            for act in activities_by_deal[deal_id]:
                if act[class="hl-string">'marked_as_done_time'] > proposal_sent_time:
                    events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Proposal Follow-Up', class="hl-string">'EventTime': act[class="hl-string">'marked_as_done_time']})
                    break class=class="hl-string">"hl-comment"># Only capture the first follow-up

    class=class="hl-string">"hl-comment"># 4. Add events from external systems (placeholders)
    print(class="hl-string">"Adding data from external system placeholders...")
    events.extend(get_sales_order_data(deal_ids))
    events.extend(get_fulfillment_data(deal_ids))
    events.extend(get_invoice_data(deal_ids))
    events.extend(get_payment_data(deal_ids))

    class=class="hl-string">"hl-comment"># 5. Create and export the final event log
    if not events:
        print(class="hl-string">"No events were generated. The output file will be empty.")
    else:
        print(class="hl-string">"Creating CSV file...")
        df = pd.DataFrame(events)
        class=class="hl-string">"hl-comment"># Ensure required columns are present
        df = df[[class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'DealStatus', class="hl-string">'DiscountPercentage']]
        df.sort_values(by=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime'], inplace=True)
        
        output_filename = class="hl-string">'pipedrive_event_log.csv'
        df.to_csv(output_filename, index=False)
        print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

Stappen

Kies en licentieer een commerciële ETL- of automatiseringsdienst met een ondersteunde Pipedrive-connector, zoals Fivetran of Make. Controleer of het product deals, activiteiten, de historie van dealfasen, statuswijzigingen van deals, personen, organisaties en aangepaste velden kan ophalen en naar je datawarehouse of datalake kan schrijven.
Maak met de ondersteunde authenticatiemethode van de connector een Pipedrive-verbinding met leesrechten. Configureer het bronaccount, de workspace of de organisatie volgens de gekozen tool. Ga niet uit van een vast menupad of een vaste API-endpoint, want die verschillen per product en connectorversie.
Configureer de doelverbinding en maak een landingsgebied voor de gesynchroniseerde bronobjecten. Gebruik de tabel- of collectienamen die de connector aanmaakt, of vervang de namen in het script door de namen uit jouw omgeving. Behoud bron-ID's, timestamps, statuswaarden, fasewaarden, eigenaar-ID's, geldbedragen en aangepaste velden.
Configureer incrementele synchronisatie voor de vereiste periode, meestal de afgelopen 3 tot 6 maanden, met een overlapperiode als de connector dit ondersteunt. Neem historische records op die nodig zijn om heropende deals te herkennen. Neem ook de historie van fasen of statussen op, niet alleen de huidige deal-snapshot.
Synchroniseer de Pipedrive-objecten en alle geïntegreerde vervolgobjecten die nodig zijn voor Sales Order Created, Order Fulfilled, Invoice Sent en Payment Received. Deze vier activiteiten zijn geen native Pipedrive-events en vereisen brondata uit een ERP-, fulfilment-, boekhoud-, facturatie- of financieel systeem. Als de connector deze objecten niet beschikbaar maakt, laad je ze via een extra ondersteunde connector naar de bestemming.
Maak genormaliseerde views of tabellen die de connectoruitvoer koppelen aan de logische bronobjecten waarnaar het extractiescript verwijst. Vervang elke tijdelijke tabelnaam in het script door de bijbehorende tabel of view in je bestemming. Configureer in het aangegeven configuratiegedeelte de fases, statuswaarden, activiteittypen en relatiesleutels van je bronnen.
Voer het extractiescript uit. Het maakt expliciet rijen aan voor Deal Created, Initial Contact Made, Deal Qualified, Proposal Sent, Proposal Follow-Up, Negotiation Started, Deal Won, Sales Order Created, Order Fulfilled, Invoice Sent, Payment Received, Deal Lost en Deal Reopened. Events die uit fase- of statushistorie worden afgeleid, worden alleen aangemaakt als de bronhistorie de vereiste overgang bevat. ProcessMind leidt ontbrekende events na het uploaden niet zelf af.
Controleer of SalesOpportunityId, ActivityName en EventTime zijn ingevuld, of timestamps naar één consistente tijdzone zijn omgerekend en of dubbele bronrecords zijn verwijderd of beheerst met de bron-eventidentifier en eventtimestamp. Controleer de aanbevolen attributen en behoud NULL-waarden als de bron geen waarde bevat.
Exporteer het resultaat als een platte CSV of een ander door ProcessMind ondersteund event-logformaat. Gebruik SalesOpportunityId als case-ID, ActivityName als activiteitenkolom en EventTime als eventtimestamp. Voeg DealValue, DealOwner, DealStatus en DiscountPercentage toe als aanvullende attributen. Upload het bestand of verbind de dataset in de bestemming met ProcessMind. Controleer daarna of de activiteitnamen exact overeenkomen met de vereiste labels.

Configuratie

Bronconnector: Configureer een ondersteunde Pipedrive-connector in de gekozen ETL- of automatiseringsdienst. De mogelijkheden van de connector, synchronisatiemodi, aangemaakte tabelnamen en authenticatieopties verschillen per product en versie.
Vereiste brondata: Neem deals, activiteiten, de historie van dealfasen, de historie van dealstatussen, eigenaren of gebruikers en alle velden op die je gebruikt om geconverteerde leads te herkennen. Neem ook verkooporder-, fulfilment-, factuur- en betalingsdata uit gekoppelde systemen op.
Objecten in de bestemming: Vervang [Your deals table], [Your activities table], [Your deal stage history table], [Your deal status history table], [Your sales orders table], [Your fulfillment table], [Your invoices table] en [Your payments table] door de tabellen die de connector aanmaakt of door samengestelde views.
Periode: Begin met 3 tot 6 maanden data. Breid de periode uit als de procescyclus langer duurt, als je heropende deals wilt analyseren of als historische fase- en statusovergangen nodig zijn.
Datumparameters: Stel [Start date] en [End date] in volgens de datumnotatie die de bestemming ondersteunt. Gebruik bij incrementele ladingen een overlapperiode om late updates, gecorrigeerde timestamps en vertraagde transacties in vervolgsystemen mee te nemen.
Faseconfiguratie: Configureer de exacte fasenamen of genormaliseerde fasecategorieën die het Pipedrive-account gebruikt voor kwalificatie, voorstel en onderhandeling. Gebruik geen voorbeeldnamen tenzij ze overeenkomen met de bronwaarden.
Activiteitenconfiguratie: Configureer de exacte voltooide activiteittypen die staan voor het eerste contact en het opvolgen van een voorstel, zoals call, e-mail of meeting, op basis van de genormaliseerde waarden van de connector.
Koppeling met externe systemen: Configureer de relatiesleutel die een verkooporder uit een vervolgsysteem aan een Pipedrive-deal koppelt. Als het vervolgsysteem een andere sleutel gebruikt, maak je vóór de extractie een mapping-view.
Filters: Pas filters voor bedrijf, organisatie, pipeline, team, valuta of bedrijfsonderdeel alleen toe als dat nodig is. Leg elk filter vast, want het beïnvloedt de volledigheid van cases en events.
Prestaties: Gebruik voor grote datasets incrementele synchronisatie, datumfilters aan de bronzijde, gepartitioneerde tabellen in de bestemming en geïndexeerde of geclusterde kolommen voor cases en timestamps. Vermijd het herhaaldelijk doorzoeken van volledige historietabellen.
Deduplicatie: Behoud waar mogelijk een stabiele bron-eventidentifier. Dedupliceer anders op basis van case-ID, activiteitnaam, eventtimestamp en bronrecord-ID. Behoud daarbij legitieme herhaalde activiteiten, zoals meerdere follow-ups.
Vereisten vooraf: Je hebt een connectorlicentie, Pipedrive-autorisatie, schrijfrechten op de bestemming, toegang tot dealhistorie en activiteiten en toegang tot ERP-, fulfilment-, boekhoud-, facturatie- of financiële data uit vervolgsystemen nodig. Voor aangepaste velden en historische wijzigingsdata kunnen extra productrechten of connectorfuncties nodig zijn.

a Voorbeeldquery python

import os
from datetime import datetime, timezone
import pandas as pd
from sqlalchemy import create_engine, text

CONNECTION_STRING = os.getenv(class="hl-string">"DESTINATION_CONNECTION_STRING", class="hl-string">"[Connection string]")
START_DATE = os.getenv(class="hl-string">"START_DATE", class="hl-string">"[Start date]")
END_DATE = os.getenv(class="hl-string">"END_DATE", class="hl-string">"[End date]")

DEALS_TABLE = class="hl-string">"[Your deals table]"
ACTIVITIES_TABLE = class="hl-string">"[Your activities table]"
DEAL_STAGE_HISTORY_TABLE = class="hl-string">"[Your deal stage history table]"
DEAL_STATUS_HISTORY_TABLE = class="hl-string">"[Your deal status history table]"
SALES_ORDERS_TABLE = class="hl-string">"[Your sales orders table]"
FULFILLMENT_TABLE = class="hl-string">"[Your fulfillment table]"
INVOICES_TABLE = class="hl-string">"[Your invoices table]"
PAYMENTS_TABLE = class="hl-string">"[Your payments table]"

engine = create_engine(CONNECTION_STRING)

sql = fclass="hl-string">"""
WITH
base_deals AS (
    SELECT
        CAST(d.id AS VARCHAR(255)) AS SalesOpportunityId,
        d.id AS deal_source_id,
        d.add_time AS deal_created_time,
        d.value AS DealValue,
        d.owner_name AS DealOwner,
        d.status AS DealStatus,
        d.discount_percentage AS DiscountPercentage
    FROM {DEALS_TABLE} d
    WHERE d.add_time >= :start_date
      AND d.add_time < :end_date
),
completed_activities AS (
    SELECT
        CAST(a.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        a.id AS activity_source_id,
        a.done AS activity_done,
        a.activity_type,
        a.subject,
        a.done_time AS activity_time,
        a.add_time AS activity_created_time
    FROM {ACTIVITIES_TABLE} a
    WHERE a.deal_id IS NOT NULL
      AND COALESCE(a.done_time, a.add_time) >= :start_date
      AND COALESCE(a.done_time, a.add_time) < :end_date
      AND a.done = TRUE
),
stage_history AS (
    SELECT
        CAST(h.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        h.stage_name,
        h.changed_at,
        LAG(h.stage_name) OVER (PARTITION BY h.deal_id ORDER BY h.changed_at, h.id) AS previous_stage
    FROM {DEAL_STAGE_HISTORY_TABLE} h
    WHERE h.changed_at >= :start_date
      AND h.changed_at < :end_date
),
status_history AS (
    SELECT
        CAST(h.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        LOWER(h.status) AS status,
        LOWER(LAG(h.status) OVER (PARTITION BY h.deal_id ORDER BY h.changed_at, h.id)) AS previous_status,
        h.changed_at
    FROM {DEAL_STATUS_HISTORY_TABLE} h
    WHERE h.changed_at >= :start_date
      AND h.changed_at < :end_date
),
external_sales_orders AS (
    SELECT
        CAST(o.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        o.created_at AS event_time,
        o.order_value AS DealValue,
        o.owner_name AS DealOwner,
        o.status AS DealStatus,
        o.discount_percentage AS DiscountPercentage
    FROM {SALES_ORDERS_TABLE} o
    WHERE o.deal_id IS NOT NULL
      AND o.created_at >= :start_date
      AND o.created_at < :end_date
),
external_fulfillment AS (
    SELECT
        CAST(f.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        f.fulfilled_at AS event_time,
        f.order_value AS DealValue,
        f.owner_name AS DealOwner,
        f.status AS DealStatus,
        f.discount_percentage AS DiscountPercentage
    FROM {FULFILLMENT_TABLE} f
    WHERE f.deal_id IS NOT NULL
      AND f.fulfilled_at >= :start_date
      AND f.fulfilled_at < :end_date
),
external_invoices AS (
    SELECT
        CAST(i.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        i.sent_at AS event_time,
        i.invoice_value AS DealValue,
        i.owner_name AS DealOwner,
        i.status AS DealStatus,
        i.discount_percentage AS DiscountPercentage
    FROM {INVOICES_TABLE} i
    WHERE i.deal_id IS NOT NULL
      AND i.sent_at >= :start_date
      AND i.sent_at < :end_date
),
external_payments AS (
    SELECT
        CAST(p.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        p.received_at AS event_time,
        p.payment_value AS DealValue,
        p.owner_name AS DealOwner,
        p.status AS DealStatus,
        p.discount_percentage AS DiscountPercentage
    FROM {PAYMENTS_TABLE} p
    WHERE p.deal_id IS NOT NULL
      AND p.received_at >= :start_date
      AND p.received_at < :end_date
),
events AS (
    SELECT b.SalesOpportunityId, 'Deal Created' AS ActivityName, b.deal_created_time AS EventTime, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM base_deals b
    WHERE b.deal_created_time IS NOT NULL
    UNION ALL
    SELECT a.SalesOpportunityId, 'Initial Contact Made', COALESCE(a.activity_time, a.activity_created_time), b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM completed_activities a
    JOIN base_deals b ON b.SalesOpportunityId = a.SalesOpportunityId
    WHERE LOWER(COALESCE(a.activity_type, '')) IN ('call', 'email', 'meeting')
       OR LOWER(COALESCE(a.subject, '')) LIKE '%initial contact%'
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Qualified', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('contact made', 'needs defined', 'qualified')
      AND LOWER(COALESCE(h.previous_stage, '')) IN ('lead in', 'lead', 'new')
    UNION ALL
    SELECT h.SalesOpportunityId, 'Proposal Sent', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent')
    UNION ALL
    SELECT a.SalesOpportunityId, 'Proposal Follow-Up', COALESCE(a.activity_time, a.activity_created_time), b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM completed_activities a
    JOIN base_deals b ON b.SalesOpportunityId = a.SalesOpportunityId
    WHERE LOWER(COALESCE(a.activity_type, '')) IN ('call', 'email', 'meeting')
      AND COALESCE(a.activity_time, a.activity_created_time) > COALESCE((SELECT MIN(h.changed_at) FROM stage_history h WHERE h.SalesOpportunityId = a.SalesOpportunityId AND LOWER(COALESCE(h.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent')), TIMESTAMP '1900-01-01')
    UNION ALL
    SELECT h.SalesOpportunityId, 'Negotiation Started', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('negotiation', 'negotiating')
      AND EXISTS (SELECT 1 FROM stage_history p WHERE p.SalesOpportunityId = h.SalesOpportunityId AND LOWER(COALESCE(p.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent') AND p.changed_at <= h.changed_at)
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Won', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'won' AND COALESCE(h.previous_status, '') <> 'won'
    UNION ALL
    SELECT o.SalesOpportunityId, 'Sales Order Created', o.event_time, COALESCE(o.DealValue, b.DealValue), COALESCE(o.DealOwner, b.DealOwner), COALESCE(o.DealStatus, b.DealStatus), COALESCE(o.DiscountPercentage, b.DiscountPercentage)
    FROM external_sales_orders o
    LEFT JOIN base_deals b ON b.SalesOpportunityId = o.SalesOpportunityId
    UNION ALL
    SELECT f.SalesOpportunityId, 'Order Fulfilled', f.event_time, COALESCE(f.DealValue, b.DealValue), COALESCE(f.DealOwner, b.DealOwner), COALESCE(f.DealStatus, b.DealStatus), COALESCE(f.DiscountPercentage, b.DiscountPercentage)
    FROM external_fulfillment f
    LEFT JOIN base_deals b ON b.SalesOpportunityId = f.SalesOpportunityId
    UNION ALL
    SELECT i.SalesOpportunityId, 'Invoice Sent', i.event_time, COALESCE(i.DealValue, b.DealValue), COALESCE(i.DealOwner, b.DealOwner), COALESCE(i.DealStatus, b.DealStatus), COALESCE(i.DiscountPercentage, b.DiscountPercentage)
    FROM external_invoices i
    LEFT JOIN base_deals b ON b.SalesOpportunityId = i.SalesOpportunityId
    UNION ALL
    SELECT p.SalesOpportunityId, 'Payment Received', p.event_time, COALESCE(p.DealValue, b.DealValue), COALESCE(p.DealOwner, b.DealOwner), COALESCE(p.DealStatus, b.DealStatus), COALESCE(p.DiscountPercentage, b.DiscountPercentage)
    FROM external_payments p
    LEFT JOIN base_deals b ON b.SalesOpportunityId = p.SalesOpportunityId
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Lost', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'lost' AND COALESCE(h.previous_status, '') <> 'lost'
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Reopened', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'open' AND h.previous_status = 'lost'
)
SELECT SalesOpportunityId, ActivityName, EventTime, DealValue, DealOwner, DealStatus, DiscountPercentage
FROM events
WHERE SalesOpportunityId IS NOT NULL
  AND EventTime IS NOT NULL
ORDER BY SalesOpportunityId, EventTime, ActivityName
"""

with engine.connect() as connection:
    event_log = pd.read_sql(text(sql), connection, params={class="hl-string">"start_date": START_DATE, class="hl-string">"end_date": END_DATE})

event_log[class="hl-string">"EventTime"] = pd.to_datetime(event_log[class="hl-string">"EventTime"], utc=True, errors=class="hl-string">"coerce")
event_log = event_log.dropna(subset=[class="hl-string">"SalesOpportunityId", class="hl-string">"ActivityName", class="hl-string">"EventTime"])
event_log = event_log.sort_values([class="hl-string">"SalesOpportunityId", class="hl-string">"EventTime", class="hl-string">"ActivityName"])
event_log.to_csv(class="hl-string">"processmind_lead_to_cash_event_log.csv", index=False)
print(event_log.to_string(index=False))
print(fclass="hl-string">"Exported {len(event_log)} event rows to processmind_lead_to_cash_event_log.csv")

Klaar om aan de slag te gaan?

Gebruik deze template om je Lead to Cash-data efficiënt voor te bereiden en waardevolle inzichten in je proces te vinden. Begin vandaag met het verbeteren van je Pipedrive-bedrijfsvoering.

Terug naar de verbetergids Template downloaden

Verhoog je winpercentage: verbeter Pipedrive Lead to Cash vandaag

Verhoog je winpercentage met 20% en verkort je verkoopcycli. Ga nu aan de slag.

Start je gratis proefperiode

Geen creditcard nodig. Gratis proefperiode van 14 dagen.

Jouw Lead to Cash-datatemplate

Jouw Lead to Cash-datatemplate

Lead to Cash-attributen

Lead to Cash-activiteiten

Extractiegidsen

Pipedrive-native data-export naar CSV/Excel

Stappen

Configuratie

a Voorbeeldquery python

Extractie met een Python-script via de Pipedrive REST API

Stappen

Configuratie

a Voorbeeldquery python

ETL-tool van derden met Pipedrive-connector

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Verhoog je winpercentage: verbeter Pipedrive Lead to Cash vandaag

Jouw Lead to Cash-datatemplate

Jouw Lead to Cash-datatemplate

Lead to Cash-attributen

Lead to Cash-activiteiten

Extractiegidsen

Pipedrive-native data-export naar CSV/Excel

Stappen

Configuratie

a Voorbeeldquery python

Extractie met een Python-script via de Pipedrive REST API

Stappen

Configuratie

a Voorbeeldquery python

ETL-tool van derden met Pipedrive-connector

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Verhoog je winpercentage: verbeter Pipedrive Lead to Cash vandaag

We respecteren je privacy