> Continue verbetering > Lead to Cash > Pipedrive > datatemplate

Uw Lead-to-Cash datatemplate

Pipedrive

Lead-to-Cash Attributen (20) Lead-to-Cash Activiteiten (13) Extractiegidsen (3)

Uw Lead-to-Cash datatemplate

Deze template biedt een duidelijke stappenplan voor het verzamelen van de belangrijke data die nodig is om uw Lead-to-Cash-proces in Pipedrive te analyseren. Het schetst de essentiële attributen en belangrijke activiteiten om te volgen, samen met praktische richtlijnen voor het rechtstreeks extraheren van deze Informatie uit uw Pipedrive-systeem. Gebruik dit hulpmiddel om je data voor te bereiden op volledige process mining en optimalisatie.

Aanbevolen attributen om vast te leggen
Belangrijkste activiteiten om te volgen
Pipedrive extractiehandleiding

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

Template downloaden

Lead-to-Cash Attributen

Deze aanbevolen velden zijn belangrijk voor het opbouwen van een betrouwbare event log, wat een grondige analyse van uw Lead-to-Cash-proces mogelijk maakt.

3 Verplicht 4 Aanbevolen 13 Optioneel

	Naam	Omschrijving
	Activiteitsnaam ActivityName	De naam van de specifieke bedrijfs-gebeurtenis of taak die binnen het verkoopproces heeft plaatsgevonden.
Omschrijving Dit attribuut beschrijft een enkele stap in het Lead-to-Cash-proces, zoals 'Deal Created', 'Proposal Sent' of 'Payment Received'. Activiteiten zijn de fundamentele bouwstenen die worden gebruikt om de processtroom te visualiseren. Het analyseren van de volgorde en frequentie van activiteiten helpt bij het vinden van de meest voorkomende procespaden, knelpunten waar werk zich ophoopt, en eventuele afwijkingen van de standaard verkoopprocedure. Dit is belangrijk voor het begrijpen hoe het proces daadwerkelijk wordt uitgevoerd. Het belang Het definieert de stappen in het proces, waardoor de visualisatie en analyse van de processtroom, identificatie van knelpunten en conformiteitscontrole mogelijk worden. Vindplaats Dit wordt doorgaans afgeleid door Pipedrive gebeurtenissen, zoals veranderingen in dealfasen of de creatie van gerelateerde objecten zoals facturen, te mappen aan een gedefinieerde lijst van activiteiten. Voorbeelden Deal GecreëerdVoorstel VerzondenDeal GewonnenFactuur verzondenBetaling Ontvangen
	TijdsTip Gebeurtenis EventTime	De timestamp waarop de activiteit heeft plaatsgevonden.
Omschrijving De Event Time, of Starttijd, legt de precieze datum en tijd vast waarop een specifieke activiteit werd geregistreerd. Deze tijdgegevens is belangrijk voor het chronologisch ordenen van gebeurtenissen en het berekenen van de duur tussen verschillende processtappen. Bij analyse wordt deze timestamp gebruikt om key prestaties indicators zoals cyclustijd, verwerkingstijd en wachttijd te berekenen. Het maakt de creatie mogelijk van dashboards op basis van tijd die prestaties monitoren en vertragingen binnen het verkoopproces vinden. Het belang Deze timestamp is belangrijk voor het ordenen van gebeurtenissen, het berekenen van procesduren en het analyseren van prestaties ten opzichte van tijdgebonden doelen. Vindplaats Opgehaald uit velden zoals 'add_time' of 'update_time' op Deal-, Activiteit- of gerelateerde objecten in de Pipedrive API. Voorbeelden 2023-04-15T10:00:00Z2023-04-16T14:30:00Z2023-05-01T09:05:00Z
	Verkoopopportunity SalesOpportunityId	De unieke kenmerk voor een verkoopkans, dienend als de case ID voor het volgen van het gehele Lead-to-Cash-proces.
Omschrijving De Sales Opportunity ID is de primary key die alle gerelateerde activiteiten met elkaar verbindt, van de initiële leadcreatie tot de uiteindelijke betaling. Het vertegenwoordigt een enkele potentiële verkoop die wordt gevolgd in Pipedrive. Bij procesanalyse is deze kenmerk belangrijk voor het reconstrueren van de volledige procesgang van elke deal. Het maakt het groeperen van alle gebeurtenissen, zoals 'Deal Created', 'Proposal Sent' en 'Payment Received', in een coherente case mogelijk, wat de analyse van procesvarianten, cyclustijden en conversieratio's mogelijk maakt. Het belang Deze kenmerk is de basis van de procesweergave, die alle gerelateerde gebeurtenissen koppelt om een complete case history voor elke verkoopdeal te vormen. Vindplaats Opgehaald uit het 'id' veld van het Deal object via de Pipedrive API. Voorbeelden 12543125441254512546
	Deal Eigenaar DealOwner	De verkoopvertegenwoordiger die verantwoordelijk is voor het beheren van de verkoopkans.
Omschrijving De Deal Owner is de gebruiker die aan een specifieke deal is toegewezen. Dit attribuut is belangrijk voor het begrijpen van de toewijzing van middelen en de prestaties binnen het verkoopteam. Dit attribuut maakt prestatieanalyse op individueel of teamniveau mogelijk. Dashboards kunnen worden gefilterd op Deal Owner om meetwaarden zoals verkoopcyclustijd, conversieratio's en gemiddelde dealwaarde te vergelijken, wat helpt bij het vinden van best presterende medewerkers en gebieden voor coaching. Het belang Maakt prestatieanalyse per verkoopmedewerker mogelijk, wat helpt om best presterende medewerkers en gebieden die verbetering behoeven te vinden. Vindplaats Opgehaald uit het 'user_id' veld op het Deal object, dat linkt naar het Gebruiker object in de Pipedrive API. Voorbeelden John SmithJane DoePeter Jones
	Deal status DealStatus	De huidige uitkomst of status van de deal, zoals gewonnen, verloren of open.
Omschrijving Dealstatus geeft de uiteindelijke uitkomst of de huidige status op hoog niveau van een verkoopkans aan. Dit is een primaire dimensie voor het analyseren van verkoopsuccespercentages en procesefficiëntie. Dit attribuut is onmisbaar voor het berekenen van win/verliespercentages en voor het filteren van de procesmap om de trajecten van gewonnen deals te vergelijken met die van verloren deals. Deze vergelijking onthult vaak belangrijke verschillen in procesuitvoering die bijdragen aan succes of falen, en biedt nuttige inzichten voor procesverbetering. Het belang Het is belangrijk voor het berekenen van win/verliespercentages en het vergelijken van de processtromen van succesvolle versus onsuccesvolle deals. Vindplaats Opgehaald uit het 'status' veld van het Deal object in de Pipedrive API. Voorbeelden gewonnenlostopen
	Dealwaarde DealValue	De totale financiële waarde van de verkoopkans.
Omschrijving Dealwaarde vertegenwoordigt de potentiële of werkelijke omzet die geassocieerd wordt met een verkoopkans. Het is een fundamentele metriek voor het prioriteren van deals en het beoordelen van de financiële impact van de verkooppijplijn. In procesanalyse wordt dit attribuut gebruikt om cases te segmenteren op financiële omvang, waardoor vergelijkingen van procesuitvoering voor high-waarde versus low-waarde deals mogelijk worden. Het is ook een kerncomponent van dashboards die verkoopprestaties, kortingseffectiviteit en de algehele omzetgeneratie analyseren. Het belang Het maakt financiële analyse van het verkoopproces mogelijk, wat helpt om high-waarde deals te prioriteren en de omzetimpact te begrijpen. Vindplaats Opgehaald uit het 'waarde' veld van het Deal object in de Pipedrive API. Voorbeelden 5000.0025000.501500.75
	Kortingspercentage DiscountPercentage	Het kortingspercentage toegepast op de deal.
Omschrijving Dit attribuut vertegenwoordigt het kortingspercentage dat op een verkoopdeal is gegeven, indien van toepassing. Het is een kritische factor in het begrijpen van de prijsstrategie en de impact ervan op de winstgevendheid. Het analyseren van het Kortingspercentage helpt bij het ewaarderen van de effectiviteit van kortingsstrategieën. Het kan worden gecorreleerd met andere attributen zoals Dealwaarde, Verkoopvertegenwoordiger of Product om te zien waar kortingen het meest voorkomen en of ze leiden tot hogere winstpercentages of simpelweg marges eroderen. Het belang Dit is belangrijk voor het analyseren van prijsstrategieën, verkoopmarges en de algehele winstgevendheid van deals. Vindplaats Dit is vaak een aangepast veld op het Deal object in Pipedrive. Raadpleeg de Pipedrive documentatie voor instellingen voor aangepaste velden. Voorbeelden 0.050.100.150.0
	Betalingstermijnen PaymentTerms	De overeengekomen betalingsvoorwaarden, zoals 'Netto 30' of 'Netto 60'.
Omschrijving Betalingsvoorwaarden definiëren de termijn waarbinnen van een klant wordt verwacht een factuur te betalen nadat deze is verzonden. Dit attribuut is belangrijk voor het beheer van debiteuren en cashflow. Binnen process mining dient dit attribuut als de basis voor het ewaarderen van betalingsprestaties. Het wordt gebruikt om KPI's zoals de On-Time Payment Rate te berekenen door de werkelijke betalingsdatum te vergelijken met de vervaldatum, afgeleid van de factuurdatum en deze voorwaarden. Het belang Biedt de basislijn voor het meten van tijdige betalingsprestaties en het analyseren van vertragingen in het betalingsproces. Vindplaats Dit is doorgaans een aangepast veld op het Deal of Organization object in Pipedrive, of het kan afkomstig zijn van een geïntegreerd boekhoudsysteem. Voorbeelden Netto 30Netto 60Verval bij Ontvangst
	Bronsysteem SourceSystem	Identificeert het systeem waaruit de `data` is opgehaald.
Omschrijving Dit attribuut specificeert de herkomst van de data, wat in dit geval Pipedrive is. Het is bijzonder nuttig in omgevingen waar data uit meerdere systemen wordt geconsolideerd voor een volledig procesoverzicht. Hoewel vaak een statische waarde in een enkele systeem-analyse, biedt het essentiële context en helpt het bij data-governance en traceerbaarheid. Het bevestigt dat de gebeurtenissen en attributen gerelateerd zijn aan de Pipedrive-instantie. Het belang Biedt belangrijke context over de herkomst van de data, wat de traceerbaarheid en duidelijkheid waarborgt, vooral wanneer data uit meerdere systemen wordt gecombineerd. Vindplaats Dit is meestal een statische waarde die je toevoegt tijdens het datatransformatieproces. Voorbeelden Pipedrive
	Deal Fase DealStage	De specifieke fase van de verkooppijplijn waarin de deal zich momenteel bevindt.
Omschrijving De Deal Stage vertegenwoordigt een specifieke stap in de gedefinieerde verkooppijplijn van een bedrijf, zoals 'Qualified', 'Proposal Made' of 'Negotiation'. Het biedt een gedetailleerder beeld van de voortgang van een deal dan de algemene Deal Status. Het analyseren van deal stages is belangrijk voor het begrijpen van de verkooptrechter en het vinden van waar deals de neiging hebben te stagneren. Door de tijd die in elke fase wordt doorgebracht te volgen, kunnen teams knelpunten vaststellen en verbeterinspanningen richten op de meest problematische delen van de verkoopcyclus. Het belang Biedt een gedetailleerd overzicht van de voortgang van een deal door de verkooptrechter, wat helpt bij het vinden van knelpunten en conversieratio's tussen fasen. Vindplaats Opgehaald uit het 'stage_id' veld op het Deal object, dat linkt naar het Stage object in de Pipedrive API. Voorbeelden Lead InContact GemaaktDemo GeplandOfferte gemaaktOnderhandelingen Gestart
	Deal Valuta DealCurrency	De valuta die gekoppeld is aan de dealwaarde.
Omschrijving Dit attribuut specificeert de valuta, bijvoorbeeld USD, EUR of GBP, waarin de Dealwaarde is uitgedrukt. Het biedt de noodzakelijke context voor alle financiële meetwaarden. Wanneer deals uit meerdere regio's of landen worden geanalyseerd, is dit attribuut belangrijk voor correcte financiële rapportage en aggregatie. Het zorgt ervoor dat valutaconversies correct kunnen worden toegepast voordat financiële data wordt samengevat, wat onnauwkeurige conclusies voorkomt. Het belang Biedt essentiële context voor de Dealwaarde, wat nauwkeurige financiële analyse en rapportage in verschillende regio's garandeert. Vindplaats Opgehaald uit het 'currency' veld van het Deal object in de Pipedrive API. Voorbeelden USDEURGBP
	Eindtijd van het gebeurtenis EventEndTime	De timestamp die aangeeft wanneer een activity met een duur is voltooid.
Omschrijving De Event End Time markeert de voltooiing van een activiteit met een meetbare duur, zoals een vergadering of een taak. Het vormt een aanvulling op de Starttijd door een precieze berekening mogelijk te maken van hoe lang specifieke activiteiten duurden. Dit attribuut is belangrijk voor het berekenen van de verwerkingstijd van individuele activiteiten. Het analyseren van deze duur helpt te vinden welke specifieke taken het meest tijdrovend zijn en biedt kansen voor optimalisatie, automatisering of herschikking van middelen. Het belang Maakt de precieze berekening van individuele activiteitsduren mogelijk, wat belangrijk is voor het vinden van tijdrovende taken en knelpunten. Vindplaats Opgehaald uit velden zoals 'due_date' of een voltooiingstimestamp op Activiteit objecten in de Pipedrive API. Voorbeelden 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	Factuurbetalingstijd InvoicePaymentTime	De duur tussen het moment dat een factuur werd verzonden en het moment dat de betaling werd ontvangen.
Omschrijving Factuurbetalingstijd meet de efficiëntie van het debiteurenproces. Het volgt specifiek de verstreken tijd van de 'Invoice Sent' activiteit tot de 'Payment Received' activiteit. Deze metriek is belangrijk voor het monitoren van de cashflow en het vinden van vertragingen in de betalingsinning. Het analyseren van deze duur helpt bedrijven het betalingsgedrag van klanten te begrijpen en de effectiviteit van hun aanmanings- en incassostrategieën, wat direct van invloed is op de Quote to Payment-cyclus. Het belang Meet direct de efficiëntie van het cash collection proces en is belangrijk voor het beheren van de cashflow. Vindplaats Berekend als het verschil tussen de tijdstempels van de 'Payment Received' en 'Invoice Sent' activiteiten voor een gegeven case. Voorbeelden 28 dagen45 dagen10 dagen
	Is herstelwerk IsRework	Een flag die activiteiten identificeert die deel uitmaken van een herstelwerk loop.
Omschrijving Is Rework is een booleaanse vlag die doorgaans wordt berekend door de process mining-tool om gevallen te markeren waarin het proces afwijkt van een lineaire flow en eerdere stappen herhaalt. Bijvoorbeeld, een deal die van 'Negotiation' teruggaat naar 'Proposal Sent' zou als herstelwerk worden beschouwd. Het vinden van herstelwerk is belangrijk voor procesoptimalisatie, aangezien het inefficiëntie, verspilde moeite en potentiële verwarring voor de klant vertegenwoordigt. Het analyseren van activiteiten die als herstelwerk zijn gemarkeerd, helpt bij het vinden van gebieden waar het proces faalt, waardoor gerichte verbeteringen mogelijk worden. Het belang Helpt procesinefficiëntie te kwantificeren door activiteiten te vinden en te markeren die deel uitmaken van een herhaald of circulair procespad. Vindplaats Dit wordt berekend door de process mining software door de volgorde van activiteiten binnen elke case te analyseren. Voorbeelden truefalse
	Lead Bron LeadSource	De bron of het kanaal waardoor de lead is verkregen.
Omschrijving Leadbron identificeert hoe een potentiële klant voor het eerst werd geïdentificeerd, bijvoorbeeld 'Webinar', 'Cold Call' of 'Partner Referral'. Deze Informatie is belangrijk voor marketing- en verkoopstrategie. Het analyseren van de Leadbron helpt de effectiviteit van verschillende marketingkanalen te bepalen. Het kan worden gebruikt om conversiepercentages en verkoopcyclustijden van leads uit verschillende bronnen te vergelijken, waardoor het bedrijf zijn marketinguitgaven en verkoopactiviteiten kan optimaliseren. Het belang Helpt de effectiviteit van verschillende marketingkanalen te meten door de conversiepercentages en procesprestaties van leads uit elke bron te analyseren. Vindplaats Opgehaald uit het 'source_name' veld op het Lead object, dat vervolgens wordt geassocieerd met de Deal. Voorbeelden Organische ZoekresultatenPaid SocialDoorverwijzingBeurs
	Op tijd betaald IsOnTimePayment	Een booleaanse vlag die aangeeft of een betaling binnen de overeengekomen betalingstermijn is ontvangen.
Omschrijving Dit attribuut is een binaire vlag (True/False) die aangeeft of een betaling op tijd is gedaan. Het wordt afgeleid door de werkelijke Invoice Payment Time te vergelijken met de gespecificeerde Betalingsvoorwaarden. Deze vlag vereenvoudigt de analyse van betalingsgedrag. Het kan worden gebruikt om snel de On-Time Payment Rate KPI te berekenen en om te filteren op late betalingen, wat een gerichte oorzaakanalyse mogelijk maakt over waarom bepaalde klanten of soorten deals leiden tot betalingsvertragingen. Het belang Vereenvoudigt de analyse van betalingsnaleving en wordt gebruikt om de On-Time Payment Rate KPI te berekenen. Vindplaats Berekend door 'InvoicePaymentTime' te vergelijken met het 'PaymentTerms' attribuut. Als PaymentTerms bijvoorbeeld 'Net 30' is en InvoicePaymentTime is <= 30 dagen, dan is de waarde True. Voorbeelden truefalse
	Organisatienaam OrganizationName	De naam van het bedrijf of de organisatie van de klant die gekoppeld is aan de deal.
Omschrijving Dit attribuut identificeert de zakelijke klant die gekoppeld is aan de verkoopkans. Het biedt context over welke bedrijven zich in de verkooppijplijn bevinden. Het analyseren van data op basis van Organisatienaam helpt bij het begrijpen van klantgedrag en het vinden van belangrijke accounts. Het kan worden gebruikt om de procesanalyse te segmenteren om te zien of processen verschillen voor strategische klanten versus kleinere klanten, of om de gehele verkoopgeschiedenis met een specifiek bedrijf te volgen. Het belang Identificeert de klant, waardoor klantgerichte analyse en segmentatie van het verkoopproces mogelijk worden. Vindplaats Opgehaald uit het 'org_id' veld op het Deal object, dat linkt naar het Organization object in de Pipedrive API. Voorbeelden ABC CorporationWereldwijd Tech Inc.Innoveer oplossingen
	Product ProductAttached	Het product of de dienst die gekoppeld is aan de verkoopkans.
Omschrijving Dit attribuut specificeert het product of de dienst die in de deal wordt verkocht. Het maakt een gedetailleerdere analyse mogelijk van verkoopactiviteiten gerelateerd aan specifieke aanbiedingen. Door het product op te nemen, kan de analyse worden gesegmenteerd om verkoopprocessen tussen verschillende productlijnen te vergelijken. Dit kan zichtbaar maken of bepaalde producten langere verkoopcycli, verschillende conversieratio's, of andere processtappen vereisen, wat leidt tot meer op maat gemaakte verkoopstrategieën. Het belang Maakt analyse van het verkoopproces per productlijn mogelijk, wat helpt om variaties in verkoopcycli of succespercentages voor verschillende aanbiedingen te vinden. Vindplaats Opgehaald uit het Product object dat is gekoppeld aan een Deal in de Pipedrive API. Voorbeelden Standaard SaaS AbonnementEnterprise Platform LicentiePakket professionele services
	Regio Region	De geografische regio die gekoppeld is aan de klant of verkoopkans.
Omschrijving Dit attribuut categoriseert deals in geografische gebieden, zoals Noord-Amerika, EMEA of APAC. Het maakt locatiegebaseerde analyse van verkoopprestaties en processen mogelijk. Door het proces per regio te segmenteren, kunnen bedrijven regionale verschillen in verkoopcyclustijden, winstpercentages en procesvarianten bekijken. Deze inzichten kunnen regionale verkoopstrategieën, toewijzing van middelen en processtandaardisatie-inspanningen Informapakketmeren. Het belang Maakt geografische analyse van het verkoopproces mogelijk, waarbij regionale verschillen in prestaties en klantgedrag worden benadrukt. Vindplaats Dit is doorgaans een aangepast veld op het Deal of Organization object. De adresvelden van de Organisatie kunnen ook worden gebruikt om dit af te leiden. Voorbeelden Noord-AmerikaEMEAAPACLATAM
	Tijdstip van extractie LastDataUpdate	De timestamp van de meest recente gegevensverversing uit het bronsysteem.
Omschrijving Dit attribuut geeft aan wanneer de data voor het laatst is opgehaald en bijgewerkt in de process mining-dataset. Het biedt een duidelijk referentiepunt voor de relevantie van de geanalyseerde data. Voor elke analyse is het belangrijk om de tijdigheid van de data te kennen. Dit attribuut helpt gebruikers te begrijpen of de inzichten die zij bekijken de meest actuele staat van het proces weerspiegelen, wat belangrijk is voor operationele monitoring en besluitvorming. Het belang Geeft de relevantie van de data aan, zodat gebruikers weten hoe actueel de procesanalyse is. Vindplaats Deze waarde wordt gegenereerd en vastgelegd tijdens de data-import of het ETL-proces. Voorbeelden 2023-10-27T02:00:00Z2023-10-28T02:00:00Z

Verplicht Aanbevolen Optioneel

Lead-to-Cash Activiteiten

Deze belangrijke processtappen en mijlpalen moeten worden vastgelegd in uw event log om accurate procesbekijkking en effectieve optimalisatie te waarborgen.

5 Aanbevolen 8 Optioneel

	Activiteit	Omschrijving
	Betaling Ontvangen	Markeert de succesvolle ontvangst van betaling van de klant, waarmee de cashcyclus voor de kans wordt voltooid. Dit is het laatste gebeurtenis in het Lead-to-Cash-proces en is afkomstig van een financieel systeem.
Het belang Dit is de laatste, waarde-realiserende stap. Het is het ware einde van het Lead-to-Cash-proces en belangrijk voor het meten van de end-to-end cyclustijd en het analyseren van betalingsvertragingen. Vindplaats Vastgelegd vanuit een boekhoud- of betalingsverwerkingssysteem. De betalingsbevestiging moet worden teruggekoppeld naar de Pipedrive deal. Vastleggen Event data van een extern financieel systeem, gekoppeld aan de deal via een unieke kenmerk. Gebeurtenistype explicit
	Deal Gecreëerd	Markeert de officiële start van een verkoopkans. Dit gebeurtenis wordt getriggerd wanneer een nieuwe deal handmatig wordt aangemaakt of automatisch wordt gegenereerd uit een geconverteerde lead.
Het belang Dit is de primaire startactiviteit voor de verkoopcyclus. Het analyseren van de tijd vanaf deze gebeurtenis tot 'Deal Won' of 'Deal Lost' geeft de totale duur van de verkoopcyclus. Vindplaats Dit is een expliciete gebeurtenis vastgelegd in de Pipedrive Deals-entiteit. De creatie timestamp ('add_time') voor de deal record dient als de gebeurtenis time. Vastleggen Gebruik het 'add_time' veld uit de Deals-entiteit. Gebeurtenistype explicit
	Deal Gewonnen	Markeert de succesvolle afsluiting van een deal, wat een mondelinge of schriftelijke overeenkomst van de klant betekent. Dit is een standaard, expliciete statuswijziging binnen Pipedrive.
Het belang Dit is de belangrijkste succesmijlpaal. Het is belangrijk voor het berekenen van winstpercentages, de duur van de verkoopcyclus voor succesvolle deals en de algehele verkoopprestaties. Vindplaats Dit is een expliciete gebeurtenis vastgelegd wanneer de status van een deal wordt gewijzigd naar 'won'. Het 'won_time' veld in de Deals-entiteit biedt de precieze timestamp. Vastleggen Gebruik de 'won_time' timestamp uit de Deals-entiteit. Gebeurtenistype explicit
	Deal Verloren	Markeert de onsuccesvolle afsluiting van een deal. Dit gebeurt wanneer het verkoopproces wordt beëindigd omdat de klant een concurrent koos, niet langer geïnteresseerd is, of om andere redenen.
Het belang Dit is het primaire faal-eindpunt. Het analyseren van wanneer en waarom deals verloren gaan, biedt kritische inzichten voor het verbeteren van de verkoopstrategie, training en kwalificatieprocessen. Vindplaats Dit is een expliciete gebeurtenis vastgelegd wanneer de status van een deal wordt gewijzigd naar 'lost'. Het 'lost_time' veld in de Deals-entiteit registreert de timestamp. Vastleggen Gebruik de 'lost_time' timestamp uit de Deals-entiteit. Gebeurtenistype explicit
	Voorstel Verzonden	Vertegenwoordigt het punt waarop een formele offerte of voorstel aan de klant wordt geleverd. Dit wordt vaak afgeleid wanneer een deal naar een specifieke pijplijnfase verschuift, zoals 'Offerte gemaakt' of 'Offerte verzonden'.
Het belang Dit is een belangrijke mijlpaal in het verkoopproces. Het analyseren van de tijd vanaf deze gebeurtenis tot 'Deal Won' helpt de duur van de besluitvormings- en onderhandelingsfase te begrijpen. Vindplaats Afgeleid uit de Deal changelog wanneer de 'stage_id' verandert naar een stage die is bestemd voor voorstellen. De timestamp van de stagewijziging wordt gebruikt. Vastleggen Detecteer wanneer de 'stage_id' van een Deal wordt bijgewerkt naar een specifieke 'Proposal' stage. Gebeurtenistype inferred
	Deal Gekwalificeerd	Geeft aan dat de deal voldoet aan vooraf gedefinieerde criteria en wordt beschouwd als een haalbare kans die de moeite waard is om na te streven. Dit wordt doorgaans afgeleid wanneer een deal beweegt van een vroege pijplijn stage, zoals 'Lead In', naar een meer gekwalificeerde stage, zoals 'Contact Made' of 'Needs Defined'.
Het belang Deze mijlpaal helpt de effectiviteit van het leadkwalificatieproces te analyseren en pinpoint hoe lang deals doorbrengen in initiële, ongekwalificeerde fasen. Vindplaats Afgeleid uit de Deal changelog of geschiedenis wanneer het 'stage_id' veld verandert naar een stage die kwalificatie aanduidt. Vastleggen Identificeer stagewijziging naar een vooraf gedefinieerde 'qualified' stage uit de geschiedenis van de deal. Gebeurtenistype inferred
	Deal Heropend	Vertegenwoordigt een deal die eerder als verloren was gemarkeerd, maar is gereactiveerd voor verdere verkoopactiviteiten. Deze gebeurtenis wordt afgeleid wanneer de status van een deal verandert van 'verloren' terug naar 'open'.
Het belang Deze activiteit belicht herstelrondes en hernieuwde betrokkenheidinspanningen. Het analyseren van deze gevallen kan patronen in klantgedrag of de effectiviteit van verkoopopvolging zichtbaar maken. Vindplaats Afgeleid uit de Deal changelog. Het wordt gedetecteerd wanneer het 'status' veld verandert van 'lost' naar 'open'. Vastleggen Identificeer een statusverandering van 'lost' naar 'open' in de geschiedenis van de deal. Gebeurtenistype inferred
	Factuur verzonden	Vertegenwoordigt het moment waarop een factuur naar de klant wordt verzonden voor betaling. Deze gebeurtenis wordt meestal getriggerd in een extern boekhoud- of facturatiesysteem na orderafhandeling.
Het belang Dit markeert het begin van de betalingscyclus. De tijd tussen deze gebeurtenis en 'Betaling ontvangen' is belangrijk voor het monitoren van debiteuren en cashflow. Vindplaats Afkomstig uit een extern boekhoud- of ERP-systeem zoals Xero of QuickBooks. De gebeurtenis data moet worden geïntegreerd en gekoppeld aan de Pipedrive deal. Vastleggen Event data van een extern factureringssysteem, gekoppeld aan de deal via API-integratie. Gebeurtenistype explicit
	Initieel Contact Gemaakt	Vertegenwoordigt de eerste betekenisvolle interactie met de potentiële klant die aan de deal is gekoppeld. Dit wordt doorgaans vastgelegd als een voltooide activiteit, zoals een telefoongesprek, e-mail of vergadering, gekoppeld aan de deal.
Het belang Het volgen hiervan helpt de tijd tot het eerste contact te meten en zorgt ervoor dat leads snel worden benaderd. Het biedt inzicht in de responsiviteit van het verkoopteam. Vindplaats Vastgelegd vanuit de Pipedrive Activities entity. Het wordt geïdentificeerd door de vroegste voltooide activiteit te vinden die gekoppeld is aan de deal-ID. Vastleggen Vind de eerste voltooide Activiteit die is gekoppeld aan een Deal, gebaseerd op het 'done_time' veld. Gebeurtenistype explicit
	Offerte opvolging	Legt elke sales activiteit vast, zoals een telefoongesprek of e-mail, die plaatsvindt nadat een voorstel naar de klant is verzonden. Dit gebeurtenis duidt op actieve betrokkenheid tijdens de overwegingsfase.
Het belang Meet de tijdigheid en frequentie van follow-up acties, wat belangrijk is voor het behouden van momentum en het afsluiten van deals. Het ondersteunt het 'Proposal Follow-up Tijdlijnss' dashboard. Vindplaats Vastgelegd vanuit de Pipedrive Activities entity. Het wordt geïdentificeerd als een voltooide activiteit die plaatsvindt na het 'Proposal Sent' gebeurtenis voor dezelfde deal. Vastleggen Identificeer een voltooide Activiteit met een 'done_time' die later is dan de timestamp van de 'Proposal Sent' activiteit. Gebeurtenistype explicit
	Onderhandeling Gestart	Signaleert het begin van actieve onderhandeling over prijs, voorwaarden of scope. Dit wordt doorgaans afgeleid wanneer een deal naar een 'Onderhandeling' pijplijnfase verschuift nadat een voorstel is verzonden.
Het belang Het isoleren van de onderhandelingsfase helpt te vinden hoe lang dit specifieke deel van de cyclus duurt en welke deals langdurige onderhandelingen met zich meebrengen. Vindplaats Afgeleid uit de Deal changelog wanneer de 'stage_id' wordt bijgewerkt naar een stage die expliciet is benoemd voor onderhandeling. Vastleggen Identificeer stagewijziging naar een vooraf gedefinieerde 'Negotiation' stage uit de geschiedenis van de deal. Gebeurtenistype inferred
	Order Afgehandeld	Geeft aan dat het product is verzonden of de dienst is geleverd aan de klant. Dit gebeurtenis is afkomstig van een extern fulfilment- of operationeel systeem.
Het belang Het volgen van de fulfillment is belangrijk voor het begrijpen van de order-tot-levering cyclustijd. Vertragingen hier beïnvloeden direct de klanttevredenheid en omzetherkenning. Vindplaats Vastgelegd vanuit een extern ERP-, voorraad- of servicemanagementsysteem. Deze data moet worden teruggekoppeld naar de corresponderende Pipedrive deal. Vastleggen Event data van een extern systeem, gekoppeld via deal-ID of een andere gemeenschappelijke kenmerk. Gebeurtenistype explicit
	Verkooporder aangemaakt	Vertegenwoordigt de creatie van een formele verkooporder in een downstream systeem, zoals een ERP- of boekhoudplatform, nadat een deal is gewonnen. Deze activiteit is niet native aan Pipedrive en is afhankelijk van data uit een geïntegreerd systeem.
Het belang Deze gebeurtenis markeert de overdracht van Verkoop naar Operations of Finance. Het analyseren van de tijd vanaf 'Deal Won' tot deze activiteit onthult potentiële vertragingen in de orderverwerking. Vindplaats Doorgaans vastgelegd vanuit een verbonden ERP- of financieel systeem. De data zou moeten worden geïngesteerd en gekoppeld aan de Pipedrive deal ID. Vastleggen Event data gepusht vanuit een extern systeem via API, vaak een aangepast veld bijwerkend op de Pipedrive deal. Gebeurtenistype explicit

Aanbevolen Optioneel

Extractiegidsen

Hoe u je data uit Pipedrive haalt

Stappen

Log in to Pipedrive: Toegang krijgen tot uw Pipedrive-account met een gebruikersprofiel dat rechten heeft om data te exporteren. Meestal is dit een Admin-gebruiker.
Navigate to Data Export: Klik op uw profielfoto rechtsboven en selecteer vervolgens 'Settings'. Zoek in het navigatiemenu aan de linkerzijde de sectie 'Tools and apps' en klik op 'Export data'.
Export Deals Data: In de 'Export data' weergave, selecteer 'Deals'. Kies het 'CSV' bestandsformaat. Het wordt aanbevolen om een filter toe te passen voor een specifieke datumbereik, bijvoorbeeld de laatste 6 maanden, om de bestandsgrootte beheersbaar te houden. Klik op 'Export' en wacht tot het bestand is gegenereerd en gedownload. Dit bestand bevat belangrijke dealInformatie, inclusief aanmaaktijd, gewonnen tijd en verloren tijd.
Export Activities Data: Herhaal het proces voor 'Activities'. Selecteer 'Activities', kies 'CSV', pas hetzelfde datumbereikfilter toe als voor deals en exporteer het bestand. Dit bestand bevat records van gesprekken, e-mails, vergaderingen en aangepaste activiteiten die zijn gekoppeld aan deals.
Gather External Data: Verzamel corresponderende data van uw downstream systemen. U heeft exports nodig van uw ERP-, boekhoud- of fulfilment-systemen voor gebeurtenissen zoals 'Sales Order Created', 'Order Fulfilled', 'Invoice Sent' en 'Payment Received'. Zorg ervoor dat deze bestanden een gemeenschappelijke kenmerk bevatten die kan worden teruggekoppeld naar de Pipedrive Deal ID.
Set up a Data Processing Environment: Gebruik een tool die in staat is om meerdere CSV-bestanden te processen en samen te voegen, zoals Python met de pandas library, Microsoft Excel met Power Query, of een andere data voorbereidingstool.
Load and Combine Data: Laad de Deals.csv en Activities.csv bestanden. Laad ook de externe data bestanden die in de vorige stap zijn verzameld.
Construct the Event Log: Creëer een uniform event log door de transformatie van ruwe data naar het vereiste activity formaat te scripten. Voor elk van de 13 vereiste activiteiten, creëert u een corresponderende set rijen. Bijvoorbeeld:
- 'Deal Created' gebeurtenissen worden gegenereerd uit de add_time kolom in het Deals.csv bestand.
- 'Deal Won' gebeurtenissen worden gegenereerd uit de won_time kolom in het Deals.csv bestand.
- 'Initial Contact Made' is de vroegste voltooide activiteit voor elke deal uit het Activities.csv bestand.
- Andere activiteiten zoals 'Proposal Sent' of 'Negotiation Started' worden afgeleid van specifieke activiteitsonderwerpen of -typen in Activities.csv.
Map Attributen: Voor elke gebeurtenis-rij, zorg ervoor dat alle vereiste kolommen zijn gevuld: SalesOpportunityId, ActiviteitNaam, en EventTime. Voeg aanbevolen attributen toe zoals DealValue, DealOwner, en DealStatus door samen te voegen met de deals data.
Final Export: Zodra het event log volledig is geconstrueerd en gevalideerd, slaat u de uiteindelijke tabel op als één CSV-bestand met UTF-8 encoding. Dit bestand is nu klaar om te worden geüpload naar ProcessMind voor analyse.

Configuratie

Export Objects: U moet minimaal 'Deals' en 'Activities' exporteren. Mogelijk moet u ook 'Organizations' of 'Mensen' exporteren als u aanvullende dimensionale data nodig heeft.
File Format: Kies CSV voor maximale compatibiliteit met dataverwerkingstools zoals Python of Power Query.
Date Range Filter: Gebruik de optie 'Filter by' om een specifieke tijdsperiode te selecteren, bijvoorbeeld 'Deal add time' is binnen de 'laatste 180 dagen'. Dit is belangrijk voor het beheren van exportprestaties en bestandsgrootte.
Gebruiker Permissions: U moet een Admin-gebruiker zijn of een permissieset hebben die expliciet het exporteren van data vanuit het Pipedrive-account toestaat.
Custom Activiteit Types: De succesvolle extractie van processtappen zoals 'Deal Qualified' of 'Proposal Sent' is sterk afhankelijk van het gebruik van aangepaste Activiteit Types in Pipedrive binnen uw organisatie. Zorg ervoor dat deze consistent worden geconfigureerd en gebruikt door uw salesteam.

a Voorbeeldquery config

import pandas as pd

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

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

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

for col in ['EventTime_Created', 'EventTime_Won', 'EventTime_Lost']: 
    deals_df[col] = pd.to_datetime(deals_df[col], errors='coerce')
activities_df['EventTime'] = pd.to_datetime(activities_df['EventTime'], errors='coerce')


# --- 3. Extract Activities from Pipedrive Data ---

# Activity: Deal Created
event_created = deals_df[['SalesOpportunityId', 'EventTime_Created']].copy()
event_created.rename(columns={'EventTime_Created': 'EventTime'}, inplace=True)
event_created['ActivityName'] = 'Deal Created'

# Activity: Deal Won
event_won = deals_df[deals_df['EventTime_Won'].notna()][['SalesOpportunityId', 'EventTime_Won']].copy()
event_won.rename(columns={'EventTime_Won': 'EventTime'}, inplace=True)
event_won['ActivityName'] = 'Deal Won'

# Activity: Deal Lost
event_lost = deals_df[deals_df['EventTime_Lost'].notna()][['SalesOpportunityId', 'EventTime_Lost']].copy()
event_lost.rename(columns={'EventTime_Lost': 'EventTime'}, inplace=True)
event_lost['ActivityName'] = 'Deal Lost'

# Filter for relevant, completed activities linked to a deal
completed_activities = activities_df[activities_df['EventTime'].notna() & activities_df['SalesOpportunityId'].notna()].copy()
completed_activities['SalesOpportunityId'] = completed_activities['SalesOpportunityId'].astype(int)

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

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

event_proposal_sent = completed_activities[completed_activities['ActivityName'].str.contains('proposal|quote', case=False, na=False)].copy()
event_proposal_sent['ActivityName'] = 'Proposal Sent'

# 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[['SalesOpportunityId', 'EventTime']].rename(columns={'EventTime':'ProposalTime'}), on='SalesOpportunityId')
    follow_ups = merged_followup[merged_followup['EventTime'] > merged_followup['ProposalTime']]
    event_follow_up = follow_ups[follow_ups['ActivityName'].str.contains('call|email|follow-up', case=False, na=False)].copy()
    event_follow_up['ActivityName'] = 'Proposal Follow-Up'
else:
    event_follow_up = pd.DataFrame(columns=['SalesOpportunityId', 'EventTime', 'ActivityName'])

event_negotiation = completed_activities[completed_activities['ActivityName'].str.contains('negotiation|negotiate', case=False, na=False)].copy()
event_negotiation['ActivityName'] = 'Negotiation Started'

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

# --- 4. Extract Activities from External Data (Placeholders) ---

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


# --- 5. Combine and Finalize Event Log ---

event_log_frames = [
    event_created,
    event_won,
    event_lost,
    event_initial_contact,
    event_qualified[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_proposal_sent[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_follow_up[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_negotiation[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_reopened,
    event_so_created,
    event_fulfilled,
    event_invoice_sent,
    event_payment_received
]

event_log = pd.concat(event_log_frames)

# Merge with deal attributes
final_event_log = pd.merge(event_log, deals_df[['SalesOpportunityId', 'DealValue', 'DealOwner', 'Status']], on='SalesOpportunityId', how='left')

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

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

# Reorder columns to match requirements
output_columns = ['SalesOpportunityId', 'ActivityName', 'EventTime', 'DealValue', 'DealOwner', 'DealStatus', 'DiscountPercentage']
final_event_log = final_event_log[output_columns]

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

print('Event log created successfully.')

Stappen

Set Up the Python Environment: Zorg ervoor dat Python 3.6 of nieuwer is geïnstalleerd op je systeem. Open een terminal of command prompt en installeer de benodigde Python libraries door het volgende commando uit te voeren: pip install requests pandas.
Obtain Pipedrive API Credentials: Log in op uw Pipedrive-account. Navigeer naar Settings door op uw profielfoto te klikken, selecteer vervolgens 'Personal preferences' en ga naar het 'API' tabblad. Kopieer uw persoonlijke API token. U heeft ook uw bedrijfsdomein nodig, dit is het voorvoegsel in uw Pipedrive URL, bijvoorbeeld your-company in your-company.pipedrive.com.
Configure the Extraction Script: Open het meegeleverde Python-script in een teksteditor of IDE. Zoek de configuratiesectie bovenaan en vervang de placeholder-waarden voor API_TOKEN en COMPANY_DOMAIN door uw credentials.
Define the Extraction Period: In de configuratiesectie van het script, stel de START_DATE variabele in op de vroegste aanmaakdatum voor de deals die u in de analyse wilt opnemen. Het formaat moet 'JJJJ-MM-DD' zijn.
Map Your Pipeline and Stage IDs: Het script leidt verschillende activiteiten af op basis van deals die tussen stages bewegen. U moet de specifieke ID's opgeven voor uw verkooppijplijn en belangrijke stages. U kunt deze ID's vinden door naar de stage in de Pipedrive UI te navigeren en naar de URL te kijken, of door de API te gebruiken. Update de PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID, en NEGOTIATION_STAGE_ID variabelen in het script.
Execute the Script: Voer het script uit vanuit uw terminal met het commando: python your_script_name.py. Het script begint API-calls naar de Pipedrive API te maken om deals, activiteiten en change logs op te halen.
Monitor the Process: Het script zal voortgangsupdates naar de console afdrukken, wat aangeeft welke data wordt opgehaald. Het proces kan enkele minuten duren, afhankelijk van het volume van de data en de API rate limits.
Implement External Data Extraction: Voor activiteiten zoals 'Sales Order Created' en 'Payment Received', bevat het script placeholder-functies. U moet deze functies aanpassen om verbinding te maken met uw externe systemen, zoals een ERP- of boekhoudplatform, en de relevante gebeurtenis data op te halen. Koppel de Pipedrive SalesOpportunityId aan de records in deze andere systemen.
Review the Output: Zodra het script is voltooid, genereert het een CSV-bestand genaamd pipedrive_gebeurtenis_log.csv. Dit bestand bevat het gestructureerde event log met alle opgehaalde activiteiten.
Prepare for Upload: Open het CSV-bestand om ervoor te zorgen dat het correct is aangemaakt. De kolommen moeten SalesOpportunityId, ActiviteitNaam, EventTime, en andere aanbevolen attributen bevatten. Dit bestand is nu klaar om te worden geüpload naar ProcessMind voor analyse.

Configuratie

API Credentials: Het script vereist een geldige API_TOKEN en uw COMPANY_DOMAIN voor het inloggen met de Pipedrive API. Zorg ervoor dat de gebruiker die aan de token is gekoppeld, voldoende rechten heeft om deals, activiteiten en gebruikers te lezen.
Date Range: De START_DATE variabele filtert deals die zijn aangemaakt op of na de opgegeven datum. Voor een eerste analyse wordt een periode van 3 tot 6 maanden aanbevolen om een beheersbaar datavolume te zorgen.
Pipeline and Stage IDs: Om processtappen zoals 'Deal Qualified' of 'Proposal Sent' nauwkeurig af te leiden, moet u het script configureren met de juiste numerieke ID's voor uw primaire sales PIPELINE_ID en de specifieke STAGE_ID waarden voor elke belangrijke mijlpaal. Niet-overeenkomende ID's zullen resulteren in ontbrekende activiteiten.
Performance and Rate Limiting: Het script bevat een korte vertraging tussen API-aanroepen om de rate limits van Pipedrive te respecteren. Voor organisaties met een zeer hoog volume aan deals moet deze vertraging mogelijk worden aangepast, of een geavanceerdere backoff-strategie worden geïmplementeerd om API-fouten te voorkomen.
Custom Field Mapping: Als u aangepaste velden gebruikt voor belangrijke attributen zoals DiscountPercentage, moet u de API-key voor dat aangepaste veld vinden (een lange hash-string, niet de weergavenaam) en ernaar verwijzen in de datatransformatie-logica.
External System Integration: De extractie van gebeurtenissen die van buiten Pipedrive afkomstig zijn, zoals facturering of fulfilment, wordt afgehandeld door placeholder-functies. U moet deze secties aanpassen om verbinding te maken met uw specifieke 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

Log in to Pipedrive: Toegang krijgen tot uw Pipedrive-account met een gebruikersprofiel dat rechten heeft om data te exporteren. Meestal is dit een Admin-gebruiker.
Navigate to Data Export: Klik op uw profielfoto rechtsboven en selecteer vervolgens 'Settings'. Zoek in het navigatiemenu aan de linkerzijde de sectie 'Tools and apps' en klik op 'Export data'.
Export Deals Data: In de 'Export data' weergave, selecteer 'Deals'. Kies het 'CSV' bestandsformaat. Het wordt aanbevolen om een filter toe te passen voor een specifieke datumbereik, bijvoorbeeld de laatste 6 maanden, om de bestandsgrootte beheersbaar te houden. Klik op 'Export' en wacht tot het bestand is gegenereerd en gedownload. Dit bestand bevat belangrijke dealInformatie, inclusief aanmaaktijd, gewonnen tijd en verloren tijd.
Export Activities Data: Herhaal het proces voor 'Activities'. Selecteer 'Activities', kies 'CSV', pas hetzelfde datumbereikfilter toe als voor deals en exporteer het bestand. Dit bestand bevat records van gesprekken, e-mails, vergaderingen en aangepaste activiteiten die zijn gekoppeld aan deals.
Gather External Data: Verzamel corresponderende data van uw downstream systemen. U heeft exports nodig van uw ERP-, boekhoud- of fulfilment-systemen voor gebeurtenissen zoals 'Sales Order Created', 'Order Fulfilled', 'Invoice Sent' en 'Payment Received'. Zorg ervoor dat deze bestanden een gemeenschappelijke kenmerk bevatten die kan worden teruggekoppeld naar de Pipedrive Deal ID.
Set up a Data Processing Environment: Gebruik een tool die in staat is om meerdere CSV-bestanden te processen en samen te voegen, zoals Python met de pandas library, Microsoft Excel met Power Query, of een andere data voorbereidingstool.
Load and Combine Data: Laad de Deals.csv en Activities.csv bestanden. Laad ook de externe data bestanden die in de vorige stap zijn verzameld.
Construct the Event Log: Creëer een uniform event log door de transformatie van ruwe data naar het vereiste activity formaat te scripten. Voor elk van de 13 vereiste activiteiten, creëert u een corresponderende set rijen. Bijvoorbeeld:
- 'Deal Created' gebeurtenissen worden gegenereerd uit de add_time kolom in het Deals.csv bestand.
- 'Deal Won' gebeurtenissen worden gegenereerd uit de won_time kolom in het Deals.csv bestand.
- 'Initial Contact Made' is de vroegste voltooide activiteit voor elke deal uit het Activities.csv bestand.
- Andere activiteiten zoals 'Proposal Sent' of 'Negotiation Started' worden afgeleid van specifieke activiteitsonderwerpen of -typen in Activities.csv.
Map Attributen: Voor elke gebeurtenis-rij, zorg ervoor dat alle vereiste kolommen zijn gevuld: SalesOpportunityId, ActiviteitNaam, en EventTime. Voeg aanbevolen attributen toe zoals DealValue, DealOwner, en DealStatus door samen te voegen met de deals data.
Final Export: Zodra het event log volledig is geconstrueerd en gevalideerd, slaat u de uiteindelijke tabel op als één CSV-bestand met UTF-8 encoding. Dit bestand is nu klaar om te worden geüpload naar ProcessMind voor analyse.

Configuratie

Export Objects: U moet minimaal 'Deals' en 'Activities' exporteren. Mogelijk moet u ook 'Organizations' of 'Mensen' exporteren als u aanvullende dimensionale data nodig heeft.
File Format: Kies CSV voor maximale compatibiliteit met dataverwerkingstools zoals Python of Power Query.
Date Range Filter: Gebruik de optie 'Filter by' om een specifieke tijdsperiode te selecteren, bijvoorbeeld 'Deal add time' is binnen de 'laatste 180 dagen'. Dit is belangrijk voor het beheren van exportprestaties en bestandsgrootte.
Gebruiker Permissions: U moet een Admin-gebruiker zijn of een permissieset hebben die expliciet het exporteren van data vanuit het Pipedrive-account toestaat.
Custom Activiteit Types: De succesvolle extractie van processtappen zoals 'Deal Qualified' of 'Proposal Sent' is sterk afhankelijk van het gebruik van aangepaste Activiteit Types in Pipedrive binnen uw organisatie. Zorg ervoor dat deze consistent worden geconfigureerd en gebruikt door uw salesteam.

a Voorbeeldquery config

import pandas as pd

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

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

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

for col in ['EventTime_Created', 'EventTime_Won', 'EventTime_Lost']: 
    deals_df[col] = pd.to_datetime(deals_df[col], errors='coerce')
activities_df['EventTime'] = pd.to_datetime(activities_df['EventTime'], errors='coerce')


# --- 3. Extract Activities from Pipedrive Data ---

# Activity: Deal Created
event_created = deals_df[['SalesOpportunityId', 'EventTime_Created']].copy()
event_created.rename(columns={'EventTime_Created': 'EventTime'}, inplace=True)
event_created['ActivityName'] = 'Deal Created'

# Activity: Deal Won
event_won = deals_df[deals_df['EventTime_Won'].notna()][['SalesOpportunityId', 'EventTime_Won']].copy()
event_won.rename(columns={'EventTime_Won': 'EventTime'}, inplace=True)
event_won['ActivityName'] = 'Deal Won'

# Activity: Deal Lost
event_lost = deals_df[deals_df['EventTime_Lost'].notna()][['SalesOpportunityId', 'EventTime_Lost']].copy()
event_lost.rename(columns={'EventTime_Lost': 'EventTime'}, inplace=True)
event_lost['ActivityName'] = 'Deal Lost'

# Filter for relevant, completed activities linked to a deal
completed_activities = activities_df[activities_df['EventTime'].notna() & activities_df['SalesOpportunityId'].notna()].copy()
completed_activities['SalesOpportunityId'] = completed_activities['SalesOpportunityId'].astype(int)

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

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

event_proposal_sent = completed_activities[completed_activities['ActivityName'].str.contains('proposal|quote', case=False, na=False)].copy()
event_proposal_sent['ActivityName'] = 'Proposal Sent'

# 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[['SalesOpportunityId', 'EventTime']].rename(columns={'EventTime':'ProposalTime'}), on='SalesOpportunityId')
    follow_ups = merged_followup[merged_followup['EventTime'] > merged_followup['ProposalTime']]
    event_follow_up = follow_ups[follow_ups['ActivityName'].str.contains('call|email|follow-up', case=False, na=False)].copy()
    event_follow_up['ActivityName'] = 'Proposal Follow-Up'
else:
    event_follow_up = pd.DataFrame(columns=['SalesOpportunityId', 'EventTime', 'ActivityName'])

event_negotiation = completed_activities[completed_activities['ActivityName'].str.contains('negotiation|negotiate', case=False, na=False)].copy()
event_negotiation['ActivityName'] = 'Negotiation Started'

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

# --- 4. Extract Activities from External Data (Placeholders) ---

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


# --- 5. Combine and Finalize Event Log ---

event_log_frames = [
    event_created,
    event_won,
    event_lost,
    event_initial_contact,
    event_qualified[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_proposal_sent[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_follow_up[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_negotiation[['SalesOpportunityId', 'EventTime', 'ActivityName']],
    event_reopened,
    event_so_created,
    event_fulfilled,
    event_invoice_sent,
    event_payment_received
]

event_log = pd.concat(event_log_frames)

# Merge with deal attributes
final_event_log = pd.merge(event_log, deals_df[['SalesOpportunityId', 'DealValue', 'DealOwner', 'Status']], on='SalesOpportunityId', how='left')

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

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

# Reorder columns to match requirements
output_columns = ['SalesOpportunityId', 'ActivityName', 'EventTime', 'DealValue', 'DealOwner', 'DealStatus', 'DiscountPercentage']
final_event_log = final_event_log[output_columns]

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

print('Event log created successfully.')

Uw Lead-to-Cash datatemplate

Uw Lead-to-Cash datatemplate

Lead-to-Cash Attributen

Lead-to-Cash Activiteiten

Extractiegidsen

Pipedrive Native Data Export naar CSV/Excel

Stappen

Configuratie

a Voorbeeldquery config

Python Script Extractie via Pipedrive REST API

Stappen

Configuratie

a Voorbeeldquery python

Derde-partij ETL Tool met Pipedrive Connector

Stappen

Configuratie

a Voorbeeldquery config

Klaar om te starten?

Verhoog Winpercentages: Optimaliseer Pipedrive Lead-to-Cash Vandaag Nog

Uw Lead-to-Cash datatemplate

Uw Lead-to-Cash datatemplate

Lead-to-Cash Attributen

Lead-to-Cash Activiteiten

Extractiegidsen

Pipedrive Native Data Export naar CSV/Excel

Stappen

Configuratie

a Voorbeeldquery config

Python Script Extractie via Pipedrive REST API

Stappen

Configuratie

a Voorbeeldquery python

Derde-partij ETL Tool met Pipedrive Connector

Stappen

Configuratie

a Voorbeeldquery config

Wij hechten veel waarde aan je privacy

Klaar om te starten?

Verhoog Winpercentages: Optimaliseer Pipedrive Lead-to-Cash Vandaag Nog