> Continu verbeteren van processen > Lead to Cash > Pipedrive > Datatemplate

Datatemplate voor lead-to-cash

Pipedrive

Attributen voor lead-to-cash(20) Activiteiten voor lead-to-cash(13) Extractiegidsen(3)

Datatemplate voor lead-to-cash

Deze template geeft je een duidelijk overzicht van de data die nodig is om het lead-to-cash-proces in Pipedrive te analyseren. Je ziet welke attributen en activiteiten je moet bijhouden en hoe je deze informatie rechtstreeks uit Pipedrive haalt. Gebruik de template om de data klaar te maken voor process mining en procesoptimalisatie.

Aanbevolen attributen om te verzamelen
Belangrijke activiteiten om bij te houden
Handleiding voor data-extractie uit Pipedrive

Nieuw met event logs? Lees hoe je een event log voor process mining maakt.

Template downloaden

Attributen voor lead-to-cash

Deze aanbevolen datavelden zijn nodig voor een betrouwbaar event log en een volledige analyse van het lead-to-cash-proces.

3 Verplicht 4 Aanbevolen 13 Optioneel

	Naam	Beschrijving
	Activiteitsnaam ActivityName	De naam van de specifieke bedrijfsgebeurtenis of taak die tijdens het verkoopproces heeft plaatsgevonden.
Beschrijving Dit attribuut beschrijft één stap in het Lead-to-Cash-proces, zoals 'Deal aangemaakt', 'Voorstel verzonden' of 'Betaling ontvangen'. Activiteiten vormen de bouwstenen waarmee je de processtroom visualiseert. Door de volgorde en frequentie van activiteiten te analyseren, zie je welke procesroutes het vaakst voorkomen, waar werk zich ophoopt en waar het proces afwijkt van de standaardverkoopprocedure. Zo wordt duidelijk hoe het proces in de praktijk verloopt. Waarom dit belangrijk is Dit attribuut bepaalt welke stappen het proces bevat. Daarmee kun je de processtroom visualiseren en analyseren, bottlenecks opsporen en controleren of het proces volgens de afspraken verloopt. Waar vind je dit? Meestal wordt dit afgeleid door Pipedrive-gebeurtenissen, zoals wijzigingen in de dealfase of het aanmaken van gerelateerde objecten zoals facturen, te koppelen aan een vaste lijst met activiteiten. Voorbeelden Deal aangemaaktVoorstel verstuurdDeal gewonnenFactuur verzondenBetaling ontvangen
	Tijdstip van gebeurtenis EventTime	De timestamp die aangeeft wanneer de activiteit heeft plaatsgevonden.
Beschrijving De tijd van de gebeurtenis, of starttijd, geeft de exacte datum en tijd aan waarop een activiteit is vastgelegd. Met deze tijdsdata kun je gebeurtenissen chronologisch ordenen en de tijd tussen processtappen berekenen. Bij analyses gebruik je deze timestamp om belangrijke prestatie-indicatoren te berekenen, zoals doorlooptijd, verwerkingstijd en wachttijd. Ook kun je er tijdgebonden dashboards mee maken om prestaties te volgen en vertragingen in het verkoopproces op te sporen. Waarom dit belangrijk is Deze timestamp is belangrijk om gebeurtenissen te ordenen, procesdoorlooptijden te berekenen en prestaties te vergelijken met tijdgebonden doelen. Waar vind je dit? 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
	Verkoopkans SalesOpportunityId	De unieke identificatiecode van een verkoopkans. Deze dient als case-ID om het volledige Lead-to-Cash-proces te volgen.
Beschrijving De ID van de verkoopkans is de primaire sleutel die alle bijbehorende activiteiten verbindt, 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 gebruik je deze identificatiecode om het volledige traject van elke deal te reconstrueren. Zo kun je alle gebeurtenissen, zoals 'Deal aangemaakt', 'Voorstel verzonden' en 'Betaling ontvangen', groeperen in één samenhangende case. Daarmee analyseer je procesvarianten, doorlooptijden en conversiepercentages. Waarom dit belangrijk is Deze identificatiecode vormt de basis van het procesoverzicht. De code koppelt alle bijbehorende gebeurtenissen en maakt zo de volledige geschiedenis van elke verkoopdeal zichtbaar. Waar vind je dit? Opgehaald uit het veld 'id' van het Deal-object via de Pipedrive-API. Voorbeelden 12543125441254512546
	Dealstatus DealStatus	De huidige uitkomst of status van de deal, bijvoorbeeld gewonnen, verloren of open.
Beschrijving De dealstatus geeft de uiteindelijke uitkomst of de huidige algemene status van een verkoopkans aan. Dit is een belangrijke dimensie voor analyses van verkoopsucces en procesefficiëntie. Met dit attribuut bereken je winst- en verliespercentages en filter je de proceskaart om het verloop van gewonnen en verloren deals te vergelijken. Zo'n vergelijking laat vaak zien welke verschillen in de uitvoering bijdragen aan succes of verlies. Dat levert waardevolle inzichten op om het proces te verbeteren. Waarom dit belangrijk is Dit attribuut is essentieel om winst- en verliespercentages te berekenen en de processtromen van gewonnen en verloren deals te vergelijken. Waar vind je dit? Opgehaald uit het veld 'status' van het Deal-object in de Pipedrive-API. Voorbeelden gewonnenverlorenopen
	Dealverantwoordelijke DealOwner	De verkoopmedewerker die verantwoordelijk is voor het beheer van de verkoopkans.
Beschrijving De dealverantwoordelijke is de gebruiker aan wie een specifieke deal is toegewezen. Dit attribuut helpt inzicht te krijgen in de verdeling van middelen en de prestaties van het verkoopteam. Met dit attribuut analyseer je prestaties op individueel of teamniveau. Je kunt dashboards filteren op dealverantwoordelijke en metrieken vergelijken, zoals de verkoopdoorlooptijd, conversiepercentages en gemiddelde dealwaarde. Zo zie je wie goed presteert en waar coaching nodig is. Waarom dit belangrijk is Hiermee analyseer je de prestaties per verkoopmedewerker en zie je wie goed presteert en waar verbetering nodig is. Waar vind je dit? Opgehaald uit het veld 'user_id' van het Deal-object. Dit veld verwijst naar het User-object in de Pipedrive-API. Voorbeelden John SmithJane DoePeter Jones
	Dealwaarde DealValue	De totale geldwaarde van de verkoopkans.
Beschrijving De dealwaarde is de verwachte of gerealiseerde omzet van een verkoopkans. Dit is een belangrijke metriek om deals te prioriteren en de financiële impact van de verkooppijplijn te beoordelen. Bij procesanalyse gebruik je dit attribuut om cases op financiële omvang in te delen. Zo kun je het verloop van deals met een hoge waarde vergelijken met dat van deals met een lage waarde. Het is ook een belangrijke metriek in dashboards voor verkoopprestaties, de effectiviteit van kortingen en de totale omzet. Waarom dit belangrijk is Hiermee analyseer je de financiële kant van het verkoopproces, prioriteer je deals met een hoge waarde en krijg je inzicht in de invloed op de omzet. Waar vind je dit? 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 geeft het kortingspercentage aan dat op een verkoopdeal is toegepast. Het helpt inzicht te krijgen in de prijsstrategie en de invloed daarvan op de winstgevendheid. Door het kortingspercentage te analyseren, beoordeel je hoe effectief de kortingsstrategie is. Je kunt dit vergelijken met andere attributen, zoals dealwaarde, verkoopmedewerker of product. Zo zie je waar kortingen het vaakst voorkomen en of ze tot meer gewonnen deals leiden of alleen de marges verlagen. Waarom dit belangrijk is Dit attribuut is belangrijk voor analyses van prijsstrategieën, verkoopmarges en de totale winstgevendheid van deals. Waar vind je dit? Dit is vaak een aangepast veld van het Deal-object in Pipedrive. Raadpleeg de Pipedrive-documentatie voor informatie over het instellen van aangepaste velden. Voorbeelden 0.050.100.150.0
	Betaalduur factuur InvoicePaymentTime	De tijd tussen het verzenden van een factuur en de ontvangst van de betaling.
Beschrijving De betaalduur van een factuur meet hoe efficiënt het proces voor openstaande vorderingen verloopt. De metriek volgt specifiek de tijd tussen de activiteit 'Factuur verzonden' en 'Betaling ontvangen'. Deze metriek is belangrijk om de cashflow te volgen en vertragingen bij het innen van betalingen op te sporen. Door de duur te analyseren, krijg je inzicht in het betaalgedrag van klanten en de effectiviteit van betalingsherinneringen en incasso. Dit heeft direct invloed op de doorlooptijd van offerte tot betaling. Waarom dit belangrijk is Meet rechtstreeks hoe efficiënt betalingen worden geïnd en is belangrijk voor het beheer van de cashflow. Waar vind je dit? Berekend als het verschil tussen de timestamps van de activiteiten 'Betaling ontvangen' en 'Factuur verzonden' voor een bepaalde case. Voorbeelden 28 dagen45 dagen10 dagen
	Betalingsvoorwaarden PaymentTerms	De afgesproken betalingstermijn, bijvoorbeeld 'Net 30' of 'Net 60'.
Beschrijving De betalingsvoorwaarden bepalen binnen welke termijn de klant een factuur moet betalen nadat deze is verzonden. Dit attribuut is belangrijk voor het beheer van openstaande vorderingen en de cashflow. Bij process mining gebruik je dit attribuut als uitgangspunt om de betalingsprestaties te beoordelen. Je berekent er KPI's mee, zoals het percentage tijdige betalingen, door de werkelijke betaaldatum te vergelijken met de vervaldatum op basis van de factuurdatum en de betalingsvoorwaarden. Waarom dit belangrijk is Biedt een uitgangspunt om tijdige betalingen te meten en vertragingen in het innen van betalingen te analyseren. Waar vind je dit? Dit is meestal een aangepast veld van het Deal- of Organization-object in Pipedrive, maar kan ook afkomstig zijn uit een gekoppeld boekhoudsysteem. Voorbeelden Netto 30 dagenNetto 60 dagenTe betalen bij ontvangst
	Bronsysteem SourceSystem	Geeft aan uit welk systeem de data is gehaald.
Beschrijving Dit attribuut geeft aan waar de data vandaan komt, in dit geval Pipedrive. Het is vooral handig wanneer data uit meerdere systemen wordt samengevoegd om één volledig beeld van het proces te krijgen. Bij een analyse van één systeem heeft dit attribuut vaak een vaste waarde. Toch geeft het belangrijke context en helpt het bij databeheer en traceerbaarheid. Zo is duidelijk dat de gebeurtenissen en attributen bij de Pipedrive-omgeving horen. Waarom dit belangrijk is Geeft belangrijke informatie over de herkomst van de data en zorgt voor traceerbaarheid en duidelijkheid, vooral wanneer data uit meerdere systemen wordt gecombineerd. Waar vind je dit? Meestal is dit een vaste waarde die tijdens de datatransformatie wordt toegevoegd. Voorbeelden Pipedrive
	Dealfase DealStage	De specifieke fase van de verkooppijplijn waarin de deal zich bevindt.
Beschrijving De dealfase is een specifieke stap in de verkooppijplijn van een bedrijf, zoals 'Gekwalificeerd', 'Voorstel gedaan' of 'Onderhandelingen'. Dit geeft meer detail over de voortgang van een deal dan de algemene dealstatus. Door dealfasen te analyseren, krijg je inzicht in de verkooptrechter en zie je waar deals vaak blijven hangen. Door bij te houden hoeveel tijd deals in elke fase doorbrengen, kunnen teams bottlenecks opsporen en verbeteringen richten op de lastigste delen van het verkoopproces. Waarom dit belangrijk is Geeft gedetailleerd inzicht in de voortgang van een deal door de verkooptrechter en helpt bottlenecks en conversiepercentages tussen fasen op te sporen. Waar vind je dit? Opgehaald uit het veld 'stage_id' van het Deal-object. Dit veld verwijst naar het Stage-object in de Pipedrive-API. Voorbeelden Lead binnengekomenContact gelegdDemo ingeplandVoorstel gedaanOnderhandelingen gestart
	Eindtijd van gebeurtenis EventEndTime	De timestamp die aangeeft wanneer een activiteit met een bepaalde duur is afgerond.
Beschrijving De eindtijd van een gebeurtenis geeft aan wanneer een activiteit met een meetbare duur, zoals een vergadering of taak, is afgerond. Samen met de starttijd kun je zo precies berekenen hoelang een activiteit heeft geduurd. Met dit attribuut bereken je de verwerkingstijd van afzonderlijke activiteiten. Door die duur te analyseren, zie je welke taken de meeste tijd kosten en waar mogelijkheden liggen voor optimalisatie, automatisering of een andere inzet van middelen. Waarom dit belangrijk is Maakt het mogelijk om de duur van afzonderlijke activiteiten precies te berekenen. Dat helpt om tijdrovende taken en bottlenecks op te sporen. Waar vind je dit? Opgehaald uit velden zoals 'due_date' of een timestamp voor voltooiing van Activity-objecten in de Pipedrive-API. Voorbeelden 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	Herstelwerk IsRework	Een waarde die activiteiten markeert als onderdeel van een herstelwerklus.
Beschrijving Herstelwerk is een booleaanse waarde die de process mining-software meestal berekent om gevallen te markeren waarin het proces afwijkt van een lineair verloop en eerdere stappen worden herhaald. Een deal die bijvoorbeeld van 'Onderhandelingen' teruggaat naar 'Voorstel verzonden', geldt als herstelwerk. Herstelwerk opsporen is belangrijk om processen te verbeteren. Het wijst op inefficiëntie, verspilde inspanning en mogelijke verwarring bij de klant. Door gemarkeerde activiteiten te analyseren, zie je waar het proces vastloopt en kun je gericht verbeteringen doorvoeren. Waarom dit belangrijk is Helpt inefficiëntie in het proces te meten door activiteiten te herkennen en te markeren die deel uitmaken van een herhaalde of circulaire procesroute. Waar vind je dit? De process mining-software berekent dit door de volgorde van activiteiten binnen elke case te analyseren. Voorbeelden truefalse
	Laatste data-update LastDataUpdate	De timestamp van de meest recente data-update vanuit het bronsysteem.
Beschrijving Dit attribuut geeft aan wanneer de data voor het laatst is opgehaald en bijgewerkt in de process mining-dataset. Zo zie je hoe actueel de geanalyseerde data is. Voor elke analyse is het belangrijk om te weten hoe recent de data is. Dit attribuut laat zien of de inzichten de huidige stand van het proces weergeven. Dat is essentieel voor het volgen van de bedrijfsvoering en het nemen van beslissingen. Waarom dit belangrijk is Geeft aan hoe actueel de data is, zodat duidelijk is hoe recent de procesanalyse is. Waar vind je dit? Deze waarde wordt aangemaakt en vastgelegd tijdens het inlezen van de data of het 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 De leadbron geeft aan hoe een potentiële klant voor het eerst is gevonden, bijvoorbeeld via een webinar, een ongevraagd telefoontje of een verwijzing door een partner. Deze informatie is belangrijk voor de marketing- en verkoopstrategie. Door de leadbron te analyseren, bepaal je hoe effectief verschillende marketingkanalen zijn. Je kunt conversiepercentages en verkoopdoorlooptijden vergelijken voor leads uit verschillende bronnen. Zo kan het bedrijf de marketinguitgaven en verkoopinspanningen beter afstemmen. Waarom dit belangrijk is Helpt de effectiviteit van verschillende marketingkanalen te meten door conversiepercentages en procesprestaties van leads uit elke bron te analyseren. Waar vind je dit? Opgehaald uit het veld 'source_name' van het Lead-object, dat vervolgens aan de Deal wordt gekoppeld. Voorbeelden Organisch zoekverkeerBetaalde sociale mediaDoorverwijzingVakbeurs
	Naam van de organisatie OrganizationName	De naam van het bedrijf of de organisatie van de klant die bij de deal hoort.
Beschrijving Dit attribuut geeft aan welke zakelijke klant bij de verkoopkans hoort. Zo zie je welke bedrijven in de verkooppijplijn zitten. Door data op naam van de organisatie te analyseren, krijg je inzicht in klantgedrag en herken je belangrijke accounts. Je kunt de procesanalyse opdelen om te zien of processen verschillen voor strategische klanten en kleinere klanten. Ook kun je de volledige verkoopgeschiedenis van een specifiek bedrijf volgen. Waarom dit belangrijk is Identificeert de klant en maakt klantgerichte analyses en segmentatie van het verkoopproces mogelijk. Waar vind je dit? Opgehaald uit het veld 'org_id' van het Deal-object. Dit veld verwijst naar het Organization-object in de Pipedrive-API. Voorbeelden ABC CorporationGlobal Tech Inc.Innovate Solutions
	Op tijd betaald IsOnTimePayment	Een booleaanse waarde die aangeeft of de betaling binnen de afgesproken betalingstermijn is ontvangen.
Beschrijving Dit attribuut is een binaire waarde (True/False) die aangeeft of een betaling op tijd is gedaan. De waarde wordt bepaald door de werkelijke betaalduur van de factuur te vergelijken met de afgesproken betalingsvoorwaarden. Deze waarde maakt het betaalgedrag eenvoudiger te analyseren. Je kunt er snel het KPI-percentage tijdige betalingen mee berekenen en te late betalingen mee filteren. Zo kun je gericht oorzaken onderzoeken van betalingsvertragingen bij bepaalde klanten of soorten deals. Waarom dit belangrijk is Vereenvoudigt de analyse van het naleven van betalingstermijnen en wordt gebruikt om het KPI-percentage tijdige betalingen te berekenen. Waar vind je dit? Berekend door 'InvoicePaymentTime' te vergelijken met het attribuut 'PaymentTerms'. Als PaymentTerms bijvoorbeeld 'Net 30' is en InvoicePaymentTime maximaal 30 dagen bedraagt, is de waarde True. Voorbeelden truefalse
	Product ProductAttached	Het product of de dienst die bij de verkoopkans hoort.
Beschrijving Dit attribuut geeft aan welk product of welke dienst in de deal wordt verkocht. Zo kun je verkoopactiviteiten voor specifieke aanbiedingen gedetailleerder analyseren. Door het product mee te nemen, kun je verkoopprocessen voor verschillende productlijnen vergelijken. Zo zie je of bepaalde producten een langere verkoopdoorlooptijd hebben, andere conversiepercentages opleveren of andere processtappen vereisen. Daarmee kun je de verkoopstrategie beter afstemmen. Waarom dit belangrijk is Hiermee analyseer je het verkoopproces per productlijn en spoor je verschillen in verkoopdoorlooptijden en succespercentages tussen aanbiedingen op. Waar vind je dit? 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 van de klant of verkoopkans.
Beschrijving Met dit attribuut deel je deals in op geografisch gebied, zoals Noord-Amerika, EMEA of APAC. Zo kun je verkoopprestaties en processen per locatie analyseren. Door het proces per regio op te splitsen, ontdek je regionale verschillen in verkoopdoorlooptijden, winstpercentages en procesvarianten. Deze inzichten helpen bij het bepalen van regionale verkoopstrategieën, de inzet van middelen 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 vind je dit? Dit is meestal een aangepast veld van het Deal- of Organization-object. Je kunt de regio ook afleiden uit de adresvelden van de organisatie. Voorbeelden Noord-AmerikaEMEAAPACLATAM
	Valuta van de deal DealCurrency	De valuta waarin de dealwaarde is uitgedrukt.
Beschrijving Dit attribuut geeft aan in welke valuta, bijvoorbeeld USD, EUR of GBP, de dealwaarde is uitgedrukt. Zo is er context voor alle financiële metrieken. Bij de analyse van deals uit meerdere regio's of landen is dit attribuut nodig voor correcte financiële rapportages en totalen. Je kunt hiermee valuta's op de juiste manier omrekenen voordat je financiële data samenvat, zodat je geen verkeerde conclusies trekt. Waarom dit belangrijk is Geeft de nodige context bij de dealwaarde en helpt om financiële analyses en rapportages voor verschillende regio's correct uit te voeren. Waar vind je dit? Opgehaald uit het veld 'currency' van het Deal-object in de Pipedrive-API. Voorbeelden USDEURGBP

Verplicht Aanbevolen Optioneel

Activiteiten voor lead-to-cash

Leg deze belangrijke processtappen en mijlpalen vast in het event log. Zo kun je het proces goed in kaart brengen en gericht verbeteren.

5 Aanbevolen 8 Optioneel

	Activiteit	Beschrijving
	Betaling ontvangen	Geeft aan dat de betaling van de klant is ontvangen en de cashcyclus van de verkoopkans is afgerond. Dit is de laatste gebeurtenis in het Lead-to-Cash-proces en komt uit een financieel systeem.
Waarom dit belangrijk is Dit is de laatste stap, waarin de waarde daadwerkelijk wordt gerealiseerd. Hiermee eindigt het Lead-to-Cash-proces. Deze stap is essentieel om de end-to-enddoorlooptijd te meten en betalingsvertragingen te analyseren. Waar vind je dit? Afkomstig uit een boekhoud- of betalingsverwerkingssysteem. De betalingsbevestiging moet worden gekoppeld aan de Pipedrive-deal. Vastleggen Gebeurtenisdata uit een extern financieel systeem, gekoppeld aan de deal via een unieke identificatiecode. Gebeurtenistype explicit
	Deal aangemaakt	Dit markeert het officiële begin van een saleskans. De gebeurtenis vindt plaats wanneer iemand handmatig een nieuwe deal aanmaakt of wanneer een lead automatisch wordt omgezet in een deal.
Waarom dit belangrijk is Dit is de eerste activiteit van de verkoopcyclus. De tijd tussen deze gebeurtenis en 'Deal gewonnen' of 'Deal verloren' geeft de totale duur van de verkoopcyclus. Waar vind je dit? Dit is een expliciete gebeurtenis in de entiteit Deals van Pipedrive. De aanmaaktimestamp ('add_time') van de dealregistratie geldt als tijdstip van de gebeurtenis. Vastleggen Gebruik het veld 'add_time' uit de entiteit Deals. Gebeurtenistype explicit
	Deal gewonnen	Geeft aan dat een deal succesvol is afgerond, nadat de klant mondeling of schriftelijk akkoord is gegaan. Dit is een expliciete, standaardstatuswijziging in Pipedrive.
Waarom dit belangrijk is Dit is de belangrijkste mijlpaal voor succes. Deze is essentieel voor het berekenen van het winstpercentage, de verkoopdoorlooptijd van gewonnen deals en de algehele verkoopprestaties. Waar vind je dit? Dit is een expliciete gebeurtenis die wordt vastgelegd wanneer de status van een deal verandert in 'won'. Het veld 'won_time' in de entiteit Deals bevat de exacte timestamp. Vastleggen Gebruik de timestamp 'won_time' uit de entiteit Deals. Gebeurtenistype explicit
	Deal verloren	Geeft aan dat een deal niet is gewonnen. 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 voor verloren deals. Door te analyseren wanneer en waarom deals verloren gaan, krijg je waardevolle inzichten om de verkoopstrategie, training en kwalificatieprocessen te verbeteren. Waar vind je dit? Dit is een expliciete gebeurtenis die wordt vastgelegd wanneer de status van een deal verandert in 'lost'. Het veld 'lost_time' in de entiteit Deals bevat de timestamp. Vastleggen Gebruik de timestamp 'lost_time' uit de entiteit Deals. Gebeurtenistype explicit
	Voorstel verstuurd	Dit is het moment waarop een formele offerte of een voorstel bij de klant wordt afgeleverd. Vaak wordt dit afgeleid uit de overgang van de deal naar een specifieke pipelinefase, zoals 'Proposal Made' of 'Quote Sent'.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal in het salesproces. De tijd tussen deze gebeurtenis en 'Deal gewonnen' laat zien hoelang de besluitvorming en onderhandelingen duren. Waar vind je dit? Dit wordt afgeleid uit het wijzigingslogboek van de Deal wanneer 'stage_id' verandert naar een fase voor voorstellen. De timestamp van de fasewijziging wordt gebruikt. Vastleggen Stel vast wanneer de 'stage_id' van een Deal wordt bijgewerkt naar een specifieke fase voor voorstellen. Gebeurtenistype inferred
	Deal gekwalificeerd	Dit geeft aan dat de deal aan vooraf bepaalde criteria voldoet en een kans is die het waard is om verder te onderzoeken. Meestal wordt dit afgeleid uit de overgang van een vroege pipelinefase, zoals 'Lead In', naar een meer gekwalificeerde fase, zoals 'Contact Made' of 'Needs Defined'.
Waarom dit belangrijk is Met deze mijlpaal kun je zien hoe goed de leadkwalificatie werkt en hoelang deals in de eerste, nog niet gekwalificeerde fases blijven. Waar vind je dit? Dit wordt afgeleid uit het wijzigingslogboek of de geschiedenis van de Deal wanneer het veld 'stage_id' verandert naar een fase die op kwalificatie duidt. Vastleggen Zoek in de geschiedenis van de deal naar een fasewijziging naar een vooraf bepaalde fase voor gekwalificeerde deals. Gebeurtenistype inferred
	Deal heropend	Een deal die eerder als verloren is gemarkeerd, maar opnieuw is geactiveerd voor verdere verkoopactiviteiten. Deze gebeurtenis wordt afgeleid wanneer de status van een deal verandert van 'lost' naar 'open'.
Waarom dit belangrijk is Deze activiteit laat zien waar herstelwerk en nieuwe contactpogingen plaatsvinden. Door zulke gevallen te analyseren, ontdek je mogelijk patronen in klantgedrag of de effectiviteit van de opvolging door Sales. Waar vind je dit? Afgeleid uit het wijzigingslogboek van de deal. De gebeurtenis wordt herkend wanneer het veld 'status' verandert van 'lost' naar 'open'. Vastleggen Zoek in de geschiedenis van de deal naar een statuswijziging van 'lost' naar 'open'. Gebeurtenistype inferred
	Eerste contact gelegd	Dit is het eerste betekenisvolle contact met de potentiële klant bij de deal. Meestal wordt dit vastgelegd als een afgeronde activiteit, zoals een telefoongesprek, e-mail of afspraak die aan de deal is gekoppeld.
Waarom dit belangrijk is Door dit te volgen, meet je hoe lang het duurt voordat het eerste contact plaatsvindt en of leads tijdig worden benaderd. Het geeft inzicht in hoe snel het salesteam reageert. Waar vind je dit? Dit wordt vastgelegd in de entiteit Activities van Pipedrive. Je vindt de gebeurtenis 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'. Gebeurtenistype explicit
	Factuur verzonden	Geeft aan wanneer een factuur ter betaling naar de klant is verzonden. Deze gebeurtenis wordt meestal vastgelegd in een extern boekhoud- of facturatiesysteem nadat de order is afgehandeld.
Waarom dit belangrijk is Dit markeert het begin van de betaalcyclus. De tijd tussen deze gebeurtenis en 'Betaling ontvangen' is belangrijk om openstaande vorderingen en de cashflow te volgen. Waar vind je dit? Afkomstig uit een extern boekhoud- of ERP-systeem, zoals Xero of QuickBooks. De gebeurtenisdata moet worden geïntegreerd en gekoppeld aan de Pipedrive-deal. Vastleggen Gebeurtenisdata uit een extern facturatiesysteem, via een API-koppeling gekoppeld aan de deal. Gebeurtenistype explicit
	Onderhandeling gestart	Dit markeert het begin van actieve onderhandelingen over prijs, voorwaarden of omvang. Meestal wordt dit afgeleid uit de overgang van een deal naar de pipelinefase 'Negotiation', nadat een voorstel is verstuurd.
Waarom dit belangrijk is Door de onderhandelingsfase apart te bekijken, zie je hoelang dit deel van de cyclus duurt en bij welke deals de onderhandelingen lang duren. Waar vind je dit? Dit wordt afgeleid uit het wijzigingslogboek van de Deal wanneer 'stage_id' wordt bijgewerkt naar een fase die expliciet voor onderhandelingen is bedoeld. Vastleggen Zoek in de geschiedenis van de deal naar een fasewijziging naar een vooraf bepaalde fase voor onderhandelingen. Gebeurtenistype inferred
	Order afgehandeld	Geeft aan dat het product naar de klant is verzonden of dat de dienst aan de klant is geleverd. Deze gebeurtenis 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 stap hebben direct invloed op de klanttevredenheid en de omzetverantwoording. Waar vind je dit? Afkomstig uit een extern ERP-, voorraad- of servicemanagementsysteem. Deze data moet worden gekoppeld aan de bijbehorende Pipedrive-deal. Vastleggen Gebeurtenisdata uit een extern systeem, gekoppeld via de deal-ID of een andere gemeenschappelijke identificatiecode. Gebeurtenistype explicit
	Verkooporder aangemaakt	Geeft aan dat er na het winnen van een deal een formele verkooporder is aangemaakt in een ander systeem, zoals een ERP- of boekhoudplatform. Deze activiteit komt niet standaard uit Pipedrive en is afhankelijk van data uit een gekoppeld systeem.
Waarom dit belangrijk is Deze gebeurtenis markeert de overdracht van Sales aan de bedrijfsvoering of Finance. De tijd tussen 'Deal gewonnen' en deze activiteit laat mogelijke vertragingen in de orderverwerking zien. Waar vind je dit? Meestal afkomstig uit een gekoppeld ERP- of financieel systeem. De data moet worden ingelezen en gekoppeld aan de deal-ID in Pipedrive. Vastleggen Gebeurtenisdata die via een API vanuit een extern systeem wordt aangeleverd, vaak als update van een aangepast veld bij de Pipedrive-deal. Gebeurtenistype explicit
	Voorstel opgevolgd	Dit legt salesactiviteiten vast, zoals een telefoongesprek of e-mail, die plaatsvinden nadat een voorstel naar de klant is verstuurd. De gebeurtenis laat zien dat er contact is tijdens de overwegingsfase.
Waarom dit belangrijk is Meet hoe snel en hoe vaak voorstellen worden opgevolgd. Dat is belangrijk om het contact gaande te houden en deals te sluiten. Deze gegevens ondersteunen het dashboard 'Tijdige opvolging van voorstellen'. Waar vind je dit? Dit wordt vastgelegd in de entiteit Activities van Pipedrive. Het gaat om een afgeronde activiteit die voor dezelfde deal plaatsvindt na de gebeurtenis 'Voorstel verstuurd'. Vastleggen Zoek een afgeronde Activity met een 'done_time' die later valt dan de timestamp van de activiteit 'Voorstel verstuurd'. Gebeurtenistype explicit

Aanbevolen Optioneel

Extractiegidsen

Zo haal je data uit Pipedrive

Stappen

Log in bij Pipedrive: Log in op je Pipedrive-account met een gebruikersprofiel dat data mag exporteren. Meestal is dit een beheerder.
Ga naar data-export: Klik rechtsboven op je profielfoto en kies 'Instellingen'. Zoek in het menu links het onderdeel 'Tools en apps' en klik op 'Data exporteren'.
Exporteer dealdata: Kies in het scherm 'Data exporteren' voor 'Deals'. Selecteer de bestandsindeling 'CSV'. Stel bij voorkeur een filter in voor een bepaalde periode, bijvoorbeeld de afgelopen 6 maanden, zodat het bestand niet te groot wordt. Klik op 'Exporteren' en wacht tot het bestand is aangemaakt en gedownload. Het bevat belangrijke dealgegevens, zoals de aanmaakdatum, de datum waarop een deal is gewonnen en de datum waarop een deal is verloren.
Exporteer activiteitsdata: Herhaal deze stappen voor 'Activiteiten'. Selecteer 'Activiteiten', kies 'CSV', gebruik dezelfde periodefilter als voor de deals en exporteer het bestand. Dit bestand bevat gegevens over gesprekken, e-mails, vergaderingen en aangepaste activiteiten die aan deals zijn gekoppeld.
Verzamel data uit andere systemen: Haal de bijbehorende data op uit systemen die verderop in het proces worden gebruikt. Exporteer gegevens uit je ERP-, boekhoud- of fulfilmentsystemen voor gebeurtenissen zoals 'Verkooporder aangemaakt', 'Order afgehandeld', 'Factuur verzonden' en 'Betaling ontvangen'. Zorg dat deze bestanden een gemeenschappelijke identificatie bevatten die je kunt koppelen aan de Pipedrive Deal ID.
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 de data en voeg die samen: Laad de bestanden Deals.csv en Activities.csv. Laad ook de externe databestanden die je in de vorige stap hebt verzameld.
Stel het event log samen: Zet de ruwe data met een script om naar de vereiste indeling voor activiteiten en maak zo één event log. Maak voor elk van de 13 vereiste activiteiten een bijbehorende reeks rijen. Bijvoorbeeld:
- Gebeurtenissen voor 'Deal aangemaakt' haal je uit de kolom add_time in Deals.csv.
- Gebeurtenissen voor 'Deal gewonnen' haal je uit de kolom won_time in Deals.csv.
- 'Eerste contact gelegd' is de vroegste voltooide activiteit voor elke deal in Activities.csv.
- Andere activiteiten, zoals 'Voorstel verzonden' of 'Onderhandeling gestart', leid je af uit specifieke activiteitonderwerpen of -typen in Activities.csv.
Koppel attributen: Vul voor elke gebeurtenisrij alle vereiste kolommen in: SalesOpportunityId, ActivityName en EventTime. Voeg aanbevolen attributen zoals DealValue, DealOwner en DealStatus toe door de gegevens aan de dealdata te koppelen.
Exporteer het eindresultaat: Sla de volledige en gecontroleerde event log op als één CSV-bestand met UTF-8-codering. Dit bestand kun je nu uploaden naar ProcessMind voor analyse.

Configuratie

Objecten exporteren: Exporteer minimaal 'Deals' en 'Activiteiten'. Exporteer eventueel ook 'Organisaties' of 'Personen' als je extra gegevens nodig hebt om de data uit te splitsen.
Bestandsindeling: Kies CSV voor maximale compatibiliteit met tools voor dataverwerking, zoals Python of Power Query.
Periodefilter: Gebruik de optie 'Filteren op' om een bepaalde periode te selecteren, bijvoorbeeld 'Deal-aanmaaktijd' binnen de 'afgelopen 180 dagen'. Zo houd je de exportprestaties en bestandsgrootte beheersbaar.
Gebruikersrechten: Je moet beheerder zijn of beschikken over een machtiging waarmee je data uit het Pipedrive-account mag exporteren.
Aangepaste activiteittypen: Of je processtappen zoals 'Deal gekwalificeerd' of 'Voorstel verzonden' kunt ophalen, hangt sterk af van het gebruik van aangepaste activiteittypen in Pipedrive. Zorg dat deze zijn ingesteld en dat het verkoopteam ze consequent gebruikt.

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

Stel de Python-omgeving in: Zorg dat Python 3.6 of hoger op je systeem is geïnstalleerd. Open een terminal of opdrachtprompt en installeer de benodigde Python-bibliotheken met deze opdracht: pip install requests pandas.
Haal Pipedrive API-inloggegevens op: Log in op je Pipedrive-account. Ga naar Instellingen door op je profielfoto te klikken. Kies 'Persoonlijke voorkeuren' en open het tabblad 'API'. Kopieer je persoonlijke API-token. Je hebt ook je bedrijfsdomein nodig. Dit is het voorvoegsel in je Pipedrive-URL, bijvoorbeeld your-company in your-company.pipedrive.com.
Stel het extractiescript in: 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.
Stel de extractieperiode in: 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 indeling 'YYYY-MM-DD'.
Koppel je pipeline- en fase-ID's: Het script leidt verschillende activiteiten af uit de faseovergangen van deals. Vul de specifieke ID's van je verkooppipeline en belangrijke fasen in. Je vindt deze ID's door in de Pipedrive-interface naar een 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 de opdracht python your_script_name.py. Het script haalt deals, activiteiten en wijzigingslogboeken op via de Pipedrive API.
Houd de voortgang in de gaten: Het script toont voortgangsupdates in de console, zodat je ziet welke data wordt opgehaald. Afhankelijk van de hoeveelheid data en de API-limieten kan dit enkele minuten duren.
Haal data uit externe systemen op: Voor activiteiten zoals 'Verkooporder aangemaakt' en 'Betaling ontvangen' bevat het script tijdelijke functies. Pas deze functies aan om verbinding te maken met externe systemen, zoals een ERP- of boekhoudplatform, en de relevante gebeurtenisdata op te halen. Koppel SalesOpportunityId uit Pipedrive aan de records in die 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 opgehaalde activiteiten.
Maak het bestand klaar om te uploaden: Open het CSV-bestand en controleer of het goed is aangemaakt. De kolommen moeten onder meer SalesOpportunityId, ActivityName, EventTime en andere aanbevolen attributen bevatten. Je kunt het bestand nu uploaden naar ProcessMind voor analyse.

Configuratie

API-inloggegevens: Voor het script zijn een geldige API_TOKEN en je COMPANY_DOMAIN nodig om verbinding te maken met de Pipedrive API. Zorg dat 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 is een periode van 3 tot 6 maanden aan te raden, zodat de hoeveelheid data beheersbaar blijft.
Pipeline- en fase-ID's: Om processtappen zoals 'Deal gekwalificeerd' of 'Voorstel verzonden' goed af te leiden, moet je het script instellen met de juiste numerieke ID's voor je primaire verkoop-PIPELINE_ID en de bijbehorende STAGE_ID-waarden voor elke belangrijke mijlpaal. Bij onjuiste ID's ontbreken er activiteiten.
Prestaties en API-limieten: Het script wacht kort tussen API-aanroepen om binnen de limieten van Pipedrive te blijven. Bij organisaties met veel deals moet je deze wachttijd mogelijk aanpassen of een uitgebreidere strategie voor wachttijden instellen om API-fouten te voorkomen.
Koppeling van aangepaste velden: Gebruik je aangepaste velden voor belangrijke attributen zoals DiscountPercentage, zoek dan de API-sleutel van dat veld op. Dit is een lange hashreeks, niet de weergavenaam. Verwijs ernaar in de datatransformatie.
Koppeling met externe systemen: Gebeurtenissen uit systemen buiten Pipedrive, zoals facturering of fulfilment, worden opgehaald met tijdelijke functies. Pas deze onderdelen aan om verbinding te maken met je eigen externe databronnen.

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

Selecteer en licentieer een commerciële ETL- of automatiseringsdienst met een ondersteunde Pipedrive-connector, zoals Fivetran of Make. Controleer of het product deals, activiteiten, fasegeschiedenis van deals, statuswijzigingen, 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. Stel het bronaccount, de workspace of de organisatie in volgens de gekozen tool. Ga niet uit van een vast menupad of API-eindpunt, want die verschillen per product en connectorversie.
Stel de doelverbinding in en maak een opslaglocatie voor de gesynchroniseerde bronobjecten. Gebruik de tabel- of collectienamen die de connector aanmaakt, of vervang de namen in het script door de namen in jouw omgeving. Behoud bron-ID's, timestamps, statuswaarden, fasewaarden, eigenaar-ID's, geldbedragen en aangepaste velden.
Stel incrementele synchronisatie in voor de vereiste periode, meestal de afgelopen 3 tot 6 maanden. Voeg een overlapperiode toe als de connector dat ondersteunt. Neem historische records op die nodig zijn om heropende deals te herkennen. Neem ook de fase- of statusgeschiedenis op, niet alleen de huidige momentopname van de deal.
Synchroniseer de Pipedrive-objecten en alle geïntegreerde objecten uit vervolgsystemen die nodig zijn voor 'Verkooporder aangemaakt', 'Order afgehandeld', 'Factuur verzonden' en 'Betaling ontvangen'. Deze vier activiteiten zijn geen standaardgebeurtenissen in Pipedrive. Hiervoor heb je brondata nodig uit een ERP-, fulfilment-, boekhoud-, facturerings- of financieel systeem. Als de connector deze objecten niet beschikbaar maakt, laad je ze met een andere ondersteunde connector naar de bestemming.
Maak genormaliseerde weergaven of tabellen die de uitvoer van de connector koppelen aan de logische bronobjecten waarnaar het extractiescript verwijst. Vervang elke tijdelijke tabelnaam in het script door de bijbehorende tabel of weergave in de bestemming. Stel in het aangegeven configuratiegedeelte de fasespecifieke namen, statuswaarden, activiteittypen en koppelingssleutels van externe systemen in.
Voer het extractiescript uit. Het maakt expliciet rijen aan voor Deal aangemaakt, Eerste contact gelegd, Deal gekwalificeerd, Voorstel verzonden, Opvolging voorstel, Onderhandeling gestart, Deal gewonnen, Verkooporder aangemaakt, Order afgehandeld, Factuur verzonden, Betaling ontvangen, Deal verloren en Deal heropend. Gebeurtenissen die uit de fase- of statusgeschiedenis worden afgeleid, worden alleen opgenomen als de bron de vereiste overgang bevat. ProcessMind leidt na het uploaden geen ontbrekende gebeurtenissen af.
Controleer of SalesOpportunityId, ActivityName en EventTime zijn ingevuld, of timestamps dezelfde tijdzone gebruiken en of dubbele bronrecords zijn verwijderd of beheerst met de brongebeurtenis-ID en timestamp. Controleer de aanbevolen attributen en behoud NULL-waarden als de bron geen waarde bevat.
Exporteer het resultaat als een platte CSV of een andere indeling voor event logs die ProcessMind ondersteunt. Gebruik SalesOpportunityId als case-ID, ActivityName als activiteitskolom en EventTime als gebeurtenistimestamp. Voeg DealValue, DealOwner, DealStatus en DiscountPercentage toe als extra attributen. Upload het bestand of verbind de dataset op de bestemming met ProcessMind. Controleer daarna of de activiteitnamen exact overeenkomen met de vereiste labels.

Configuratie

Bronconnector: Stel een ondersteunde Pipedrive-connector in bij de gekozen ETL- of automatiseringsdienst. De mogelijkheden van connectors, synchronisatiemethoden, aangemaakte tabelnamen en authenticatieopties verschillen per product en versie.
Vereiste brondata: Neem deals, activiteiten, fasegeschiedenis van deals, statusgeschiedenis van deals, eigenaren of gebruikers en alle velden op waarmee je geconverteerde leads herkent. Voeg ook verkooporder-, fulfilment-, factuur- en betalingsdata uit geïntegreerde systemen toe.
Objecten op 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 tabellen die de connector heeft aangemaakt of door samengestelde weergaven.
Periode: Begin met 3 tot 6 maanden aan data. Kies een langere periode als de procescyclus langer duurt, je heropende deals wilt analyseren of historische fase- en statusovergangen nodig hebt.
Datumparameters: Stel [Start date] en [End date] in met de datumnotatie die de bestemming ondersteunt. Gebruik bij incrementele ladingen een overlapperiode om late updates, gecorrigeerde timestamps en vertraagde transacties uit vervolgsystemen mee te nemen.
Fase-instellingen: Stel de exacte fasenamen of genormaliseerde fasecategorieën in die het Pipedrive-account gebruikt voor kwalificatie, voorstel en onderhandeling. Gebruik voorbeeldnamen alleen als ze overeenkomen met de bronwaarden.
Activiteitsinstellingen: Stel de exacte voltooide activiteittypen in die staan voor het eerste contact en de opvolging van een voorstel, zoals een gesprek, e-mail of vergadering. Gebruik hiervoor de genormaliseerde waarden van de connector.
Koppeling met externe systemen: Stel de sleutel in waarmee je een verkooporder uit een vervolgsysteem aan een Pipedrive-deal koppelt. Gebruikt het vervolgsysteem een andere sleutel, maak dan vóór de extractie een koppelingsweergave.
Filters: Filter op bedrijf, organisatie, pipeline, team, valuta of bedrijfsonderdeel als dat nodig is. Leg elk filter vast, want filters beïnvloeden welke cases en gebeurtenissen in de data staan.
Prestaties: Gebruik bij grote datasets incrementele synchronisatie, datumfilters aan de bronzijde, gepartitioneerde tabellen op de bestemming en geïndexeerde of geclusterde kolommen voor cases en timestamps. Scan niet telkens de volledige geschiedenistabellen.
Dubbele records: Bewaar waar mogelijk een stabiele brongebeurtenis-ID. Verwijder anders dubbele records op basis van de case-ID, activiteitnaam, gebeurtenistimestamp en bronrecord-ID. Behoud legitieme herhaalde activiteiten, zoals meerdere opvolgacties.
Vereisten: Je hebt een connectorlicentie, Pipedrive-autorisatie, schrijfrechten voor de bestemming, toegang tot dealgeschiedenis en activiteiten en toegang tot data uit ERP-, fulfilment-, boekhoud-, facturerings- of financiële systemen nodig. Voor aangepaste velden en historische wijzigingsdata kunnen extra productrechten of connectorfuncties nodig zijn.

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 te beginnen?

Gebruik deze template om de data voor lead-to-cash klaar te maken en waardevolle inzichten in het proces te krijgen. Begin vandaag met het optimaliseren van de bedrijfsvoering in Pipedrive.

Terug naar de verbetergids

Template downloaden

Verhoog je winstpercentage: optimaliseer vandaag het lead-to-cash-proces in Pipedrive

Verhoog je winstpercentage met 20% en verkort de verkoopcyclus. Ga nu aan de slag.

Start je gratis proefperiode

Geen creditcard nodig. Gratis proefperiode van 14 dagen.

Datatemplate voor lead-to-cash

Datatemplate voor lead-to-cash

Attributen voor lead-to-cash

Activiteiten voor lead-to-cash

Extractiegidsen

Data rechtstreeks uit Pipedrive exporteren naar CSV/Excel

Stappen

Configuratie

Voorbeeldquery python

Data extraheren met een Python-script via de Pipedrive REST API

Stappen

Configuratie

Voorbeeldquery python

ETL-tool van derden met Pipedrive-connector

Stappen

Configuratie

Voorbeeldquery python

Klaar om te beginnen?

Verhoog je winstpercentage: optimaliseer vandaag het lead-to-cash-proces in Pipedrive