> Continue procesverbetering > Purchase to Pay Requisition > SAP ECC > Datatemplate

Jouw datatemplate voor Purchase to Pay-aanvragen

SAP ECC

Purchase to Pay - Requisition-attributen (19) Purchase to Pay - Requisition-activiteiten (13) Extractiegidsen (2)

Jouw datatemplate voor Purchase to Pay-aanvragen

Deze template helpt je bij het verzamelen van de data die je nodig hebt om je Purchase to Pay-aanvraagproces te analyseren. Je ziet welke datavelden je verzamelt, welke activiteiten je volgt en hoe je deze informatie uit je bronsysteem haalt. Gebruik deze bron om je data voor te bereiden op process mining.

Aanbevolen attributen om te verzamelen
Belangrijke activiteiten om te volgen
Extractie-instructies voor SAP ECC

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

Template downloaden

Purchase to Pay - Requisition-attributen

Dit zijn de aanbevolen datavelden voor je event log voor een volledige analyse van het Purchase to Pay Requisition-proces.

5 Verplicht 5 Aanbevolen 9 Optioneel

	Naam	Beschrijving
	Activiteitsnaam ActivityName	De naam van de bedrijfsactiviteit die op een bepaald moment heeft plaatsgevonden.
Beschrijving Dit attribuut beschrijft een specifieke stap of gebeurtenis in de levenscyclus van een inkoopaanvraag, zoals 'Inkoopaanvraag aangemaakt', 'Goedkeuring ingediend' of 'Inkooporder aangemaakt'. Deze activiteiten worden meestal afgeleid uit statuswijzigingen, workflowlogboeken of wijzigingsdocumenten in SAP. Het analyseren van de volgorde en frequentie van activiteiten vormt de basis van process mining. Hiermee ontdek je de werkelijke procesflows, inclusief veelvoorkomende routes, afwijkingen en knelpunten. Dit is belangrijk voor het bouwen van dashboards zoals de proceskaart van het end-to-end-aanvraagproces en voor het berekenen van KPI's rond herstelwerk en compliance. Waarom dit belangrijk is Het definieert de stappen in het proces, zodat je proceskaarten kunt visualiseren en variaties in de procesflow kunt analyseren. Waar je het vindt Afgeleid uit de wijzigingsdocumenttabellen CDHDR en CDPOS, workflowlogboeken of statusvelden zoals EBAN-STATU. Voorbeelden Aanvraag aangemaaktGoedkeuringsstap goedgekeurdAanvraag afgewezenInkooporder aangemaakt
	Gebeurtenistijd EventTime	De timestamp die aangeeft wanneer de activiteit heeft plaatsgevonden.
Beschrijving Event Time registreert de exacte datum en tijd waarop een specifieke activiteit plaatsvond. Deze timestamp vormt de basis voor alle tijdanalyses in process mining, zoals het berekenen van doorlooptijden, het identificeren van knelpunten en het begrijpen van de procesprestaties. Voor inkoopaanvragen maakt dit attribuut het mogelijk om belangrijke KPI's te berekenen, zoals 'Gemiddelde goedkeuringstijd van inkoopaanvragen' en 'Tijd tot aanmaak van inkooporder'. Het ondersteunt dashboards die doorlooptijden visualiseren, zoals de analyse van de goedkeuringsdoorlooptijd van inkoopaanvragen, doordat het de brondata levert om de tijd tussen twee procespunten te meten. Waarom dit belangrijk is Deze timestamp is nodig om alle doorlooptijden te berekenen, procesprestaties te analyseren en tijdgerelateerde knelpunten te ontdekken. Waar je het vindt Te vinden in de tabel met wijzigingsdocumentkoppen CDHDR (velden UDATE en UTIME). Voorbeelden 2023-10-26T10:00:00Z2023-10-26T11:35:10Z2023-10-27T14:20:05Z
	ID van inkoopaanvraag PurchaseRequisitionId	De unieke identificatie van een inkoopaanvraagdocument.
Beschrijving Het ID van de inkoopaanvraag is de primaire sleutel waarmee elke aanvraag voor goederen of diensten binnen SAP ECC uniek wordt geïdentificeerd. Het ID fungeert als centrale case-identificatie en koppelt alle activiteiten en wijzigingen aan een specifieke aanvraag, vanaf het aanmaken tot de definitieve afhandeling, zoals omzetting naar een inkooporder of sluiting. In process mining is dit ID nodig om de volledige levenscyclus van elke aanvraag te reconstrueren. Door deze identificatie te volgen, kunnen analisten de volledige procesflow visualiseren, doorlooptijden tussen mijlpalen meten en verschillen analyseren in de manier waarop aanvragen worden verwerkt. Zo ontstaat één samenhangend beeld van de volledige aanvraag. Waarom dit belangrijk is Dit is de centrale identificatie die alle gerelateerde procesgebeurtenissen aan één case koppelt. Daarmee wordt end-to-end-procesanalyse mogelijk. Waar je het vindt Te vinden in de EBAN-tabel, veld BANFN. Voorbeelden 100234567810023456791002345680
	Bronsysteem SourceSystem	Identificeert het bronsysteem waaruit de data is geëxtraheerd.
Beschrijving Dit attribuut geeft de herkomst van de procesdata aan, bijvoorbeeld 'SAP ECC Production' of 'S4HANA QA'. Meestal is dit een statische waarde die tijdens de data-extractie wordt toegevoegd voor context, vooral in omgevingen met meerdere bronsystemen. Bij procesanalyse helpt dit om data uit verschillende bronnen van elkaar te onderscheiden. Zo voorkom je dat data uit productie-, test- en ontwikkelomgevingen door elkaar wordt gebruikt. Het is belangrijke metadata voor datagovernance en traceerbaarheid. Waarom dit belangrijk is Biedt belangrijke context over de herkomst van de data, zorgt voor traceerbaarheid en maakt analyse over meerdere systemen mogelijk. Waar je het vindt Dit is een statische waarde die meestal wordt toegevoegd tijdens het ETL-proces voor data-extractie, transformatie en laden. Voorbeelden SAP_ECC_PRODS4HANA_EU_100ECC_US_FINANCE
	Laatste data-update LastDataUpdate	De timestamp van de meest recente data-update of extractie uit het bronsysteem.
Beschrijving Dit attribuut geeft aan wanneer de dataset voor het laatst is bijgewerkt. Het is een statische timestamp die bij elke datalading op de volledige dataset wordt toegepast en als referentiepunt dient voor de actualiteit van de analyse. Voor elk process mining-dashboard of elke analyse is het belangrijk om te weten hoe recent de data is. Zo weten alle betrokkenen welke periode de data bestrijkt en voorkom je conclusies op basis van verouderde informatie. Waarom dit belangrijk is Laat gebruikers zien hoe actueel de data is. Dat is belangrijk voor de relevantie en nauwkeurigheid van de procesanalyse. Waar je het vindt Dit is een statische waarde die de timestamp van de data-extractie weergeeft en tijdens het ETL-proces wordt toegevoegd. Voorbeelden 2024-01-15T04:00:00Z2024-01-16T04:00:00Z
	Afdeling Department	De afdeling van de aanvrager of het kostenplaatsnummer dat aan de aanvraag is gekoppeld.
Beschrijving Dit attribuut staat voor de bedrijfseenheid of afdeling die de inkoopaanvraag heeft gestart. Het wordt vaak afgeleid uit het gebruikersprofiel van de aanvrager of uit de kostenplaats die aan de aanvraagregel is gekoppeld. Analyse per afdeling is belangrijk om verschillen in prestaties binnen de organisatie te begrijpen. Het is de belangrijkste dimensie voor het dashboard 'Goedkeuringsdoorlooptijd van inkoopaanvragen' en de KPI 'Verschil in goedkeuringstijd per afdeling'. Zo zie je welke afdelingen efficiënt werken en waar verbetering of extra capaciteit nodig is. Waarom dit belangrijk is Maakt prestatievergelijking tussen bedrijfseenheden mogelijk en brengt knelpunten en procesverschillen per afdeling aan het licht. Waar je het vindt Vaak afgeleid door de aanvrager (EBAN-AFNAM) te koppelen aan gebruikersstamgegevens (SU01), of door de kostenplaats (EBKN-KOSTL) te gebruiken die aan de rekeningtoewijzing van de aanvraag is gekoppeld. Voorbeelden FinanciënIT-bedrijfsvoeringMarketingProductie
	Documenttype RequisitionDocumentType	Een classificatie die het type en de kenmerken van de inkoopaanvraag bepaalt.
Beschrijving Het documenttype in SAP bepaalt verschillende aspecten van een inkoopaanvraag, waaronder de nummerreeks, veldselectie en het inkoopproces dat wordt gevolgd. Voorbeelden zijn 'Standaard-IA', 'Voorraadoverdracht' en 'Service-IA'. Dit attribuut is een nuttige dimensie voor analyse, omdat verschillende documenttypen vaak hun eigen procesflow en goedkeuringsvereisten hebben. Analisten kunnen de data segmenteren om de prestaties van verschillende aanvraagprocessen te vergelijken. Dat helpt bij het beoordelen van compliance en het vinden van mogelijkheden voor standaardisatie of specialisatie van processen. Waarom dit belangrijk is Maakt het mogelijk om aanvragen in verschillende procescategorieën te verdelen, zodat je gerichter en relevanter kunt analyseren. Waar je het vindt Te vinden in de EBAN-tabel, veld BSART. Voorbeelden NBUBRV
	Gebruikersnaam User	Het ID van de gebruiker die de activiteit heeft uitgevoerd.
Beschrijving Dit attribuut identificeert de specifieke gebruiker die verantwoordelijk is voor een gebeurtenis, zoals het aanmaken van een aanvraag, het goedkeuren van een stap of het aanpassen van een document. In SAP wordt dit vaak vastgelegd als gebruikers-ID. Analyse per gebruiker helpt om opleidingsbehoeften, individuele prestaties en mogelijke bronnen van invoerfouten te identificeren. Het is nodig voor dashboards zoals 'Doorvoer van aangemaakte inkoopaanvragen per aanvrager' en voor inzicht in de werkverdeling en compliance met functiescheiding. Waarom dit belangrijk is Koppelt activiteiten aan specifieke personen, zodat je gebruikersprestaties, werkbelasting, compliance en opleidingsbehoeften kunt analyseren. Waar je het vindt Te vinden in de tabel met wijzigingsdocumentkoppen CDHDR (veld USERNAME) voor wijzigingen en in EBAN (veld ERNAM) voor de aanmaker. Voorbeelden SMITHJR.DOEUSER123
	Status van inkoopaanvraag RequisitionStatus	De huidige verwerkingsstatus van de inkoopaanvraag.
Beschrijving Dit attribuut geeft de algemene status van de aanvraag op een bepaald moment aan, zoals 'In vrijgave', 'Goedgekeurd', 'Afgewezen' of 'Gesloten'. In SAP wordt dit vaak weergegeven met een statuscode. Het volgen van de status is nodig om de uitkomst van aanvragen te begrijpen. Het ondersteunt rechtstreeks het dashboard 'Uitkomsten en afwijzingspercentages van inkoopaanvragen' en KPI's zoals 'Afwijzingspercentage van inkoopaanvragen' en 'Intrekkingspercentage van inkoopaanvragen'. Door statusovergangen te analyseren, zie je waar processen inefficiënt zijn en waar ze vastlopen. Waarom dit belangrijk is Het bepaalt de uitkomst van een aanvraag en is belangrijk voor het analyseren van succespercentages, redenen voor afwijzing en eindpunten van het proces. Waar je het vindt De verwerkingsstatus staat in tabel EBAN, veld STATU. De vrijgavestatus staat in EBAN-FRGZU. Voorbeelden N (Niet bewerkt)B (Inkooporder aangemaakt)A (Offerteaanvraag aangemaakt)K (Gesloten)
	Totale waarde van inkoopaanvraag TotalRequisitionValue	De totale geldwaarde van alle regels in de inkoopaanvraag.
Beschrijving Dit attribuut staat voor het totale financiële bedrag van de inkoopaanvraag. De waarde bepaalt vaak welke goedkeuringsworkflow nodig is. Aanvragen met een hogere waarde vereisen meestal meer controle en extra goedkeuringsstappen. Analyse op basis van waarde maakt zichtbaar hoe financiële impact het procesgedrag beïnvloedt. Zo zie je of aanvragen met een hoge waarde langer op goedkeuring wachten, vaker worden afgewezen of andere procesroutes volgen. Dit is ook een belangrijke maatstaf voor de financiële doorvoer van het inkoopproces. Waarom dit belangrijk is Helpt procesgedrag te koppelen aan financiële impact. Dat is belangrijk voor risicoanalyse en inzicht in de complexiteit van goedkeuringen. Waar je het vindt De som van de waarden van alle aanvraagregels. De waarde van een regel staat in tabel EBAN, veld GSWER. De valuta staat in EBAN-WAERS. Voorbeelden 1500.00250.50125000.00
	ID van inkooporder PurchaseOrderId	Het ID van de inkooporder die vanuit de aanvraag is aangemaakt.
Beschrijving Dit attribuut koppelt een inkoopaanvraag aan de daaropvolgende inkooporder die is aangemaakt om de aanvraag af te handelen. Eén aanvraag kan soms leiden tot meerdere inkooporders. Deze koppeling is nodig om de overdracht tussen het aanvraag- en inkoopproces te analyseren. Je hebt de koppeling nodig voor de KPI 'Tijd van inkoopaanvraag tot aanmaak van inkooporder' en het dashboard 'Vertraging tussen goedgekeurde inkoopaanvraag en aanmaak van inkooporder'. Dit verband is belangrijk om de efficiëntie van de volledige procure-to-pay-cyclus te meten. Waarom dit belangrijk is Verbindt het aanvraagproces met het daaropvolgende inkoopproces, zodat je vertragingen bij de overdracht kunt analyseren. Waar je het vindt Het nummer van de inkooporder wordt na het aanmaken opgeslagen in de EBAN-tabel, veld EBELN. Voorbeelden 450001712345000171244500017125
	ID van leverancier VendorId	De unieke identificatie van de voorgestelde of vaste leverancier.
Beschrijving Dit attribuut bevat het ID van een voorkeursleverancier of contractueel vastgelegde leverancier voor het aangevraagde item. Het kan vooraf zijn ingevuld of door de aanvrager zijn voorgesteld. Analyse per leverancier helpt om de invloed van vooraf geselecteerde leveranciers op het inkoopproces te beoordelen. Zo zie je bijvoorbeeld of aanvragen met een opgegeven leverancier sneller worden goedgekeurd of dat bepaalde leveranciers samenhangen met meer afwijzingen. Dit geeft inzicht in de betrokkenheid van leveranciers aan het begin van het proces. Waarom dit belangrijk is Geeft inzicht in voorkeursleveranciers en hun invloed op de verwerkingssnelheid en uitkomsten van aanvragen. Waar je het vindt Te vinden in de EBAN-tabel, veld LIFNR (vaste leverancier). Voorbeelden 100030025V9876
	Inkoopgroep PurchasingGroup	De groep inkopers die verantwoordelijk is voor de inkoop van de aangevraagde items.
Beschrijving De inkoopgroep is een organisatorische eenheid die verantwoordelijk is voor specifieke inkoopactiviteiten. Het gaat om het team van inkopers dat de aanvraag na goedkeuring afhandelt. Dit attribuut is nuttig voor het analyseren van de werkbelasting en prestaties van verschillende inkoopteams. Je kunt ermee zien of bepaalde inkoopgroepen een knelpunt vormen bij het omzetten van aanvragen naar inkooporders, of bepaalde soorten aanvragen efficiënter afhandelen dan andere. Het is een belangrijke dimensie voor capaciteits- en prestatiemanagement binnen inkoop. Waarom dit belangrijk is Wijst de verantwoordelijkheid voor inkoop toe, zodat je werkbelasting kunt analyseren en prestaties van verschillende inkoopteams kunt vergelijken. Waar je het vindt Te vinden in de EBAN-tabel, veld EKGRP. Voorbeelden 001002P01
	Is herstelwerk IsRework	Een booleaanse markering die aangeeft of de aanvraag een herstelronde heeft doorlopen, bijvoorbeeld een wijziging na indiening.
Beschrijving Dit is een afgeleid attribuut dat activiteiten of cases met herstelwerk markeert. Zo wordt een activiteit 'Inkoopaanvraag aangepast' na 'Goedkeuring ingediend' als herstelwerk beschouwd. Ook een afwijzing die het proces terugstuurt naar een eerdere fase kan deze markering activeren. Deze markering is nodig voor het dashboard 'Analyse van wijzigingen en herstelwerk in inkoopaanvragen'. Je kunt herstelwerk eenvoudig filteren en kwantificeren, de invloed ervan op de totale doorlooptijd meten en de oorzaken van procesproblemen vinden. Veel herstelwerk wijst vaak op problemen met datakwaliteit of onduidelijke vereisten. Waarom dit belangrijk is Helpt de frequentie en impact van herstelwerk te kwantificeren, zodat je procesproblemen en lussen eenvoudig kunt identificeren en analyseren. Waar je het vindt Afgeleid uit het event log door specifieke reeksen van activiteiten te identificeren, zoals 'Inkoopaanvraag aangepast' na een goedkeuringsactiviteit. Voorbeelden truefalse
	Materiaalgroep MaterialGroup	De groep of categorie waartoe het aangevraagde materiaal of de aangevraagde dienst behoort.
Beschrijving De materiaalgroep is een classificatie waarmee materialen of diensten met vergelijkbare kenmerken worden gegroepeerd. Zo kun je inkoopactiviteiten per categorie analyseren. Analyse per materiaalgroep helpt bij strategische inkoop en spendanalyse. In process mining kan dit laten zien of aanvragen voor bepaalde categorieën, zoals 'IT-hardware' of 'Professionele diensten', andere procesroutes volgen of langer op goedkeuring wachten. Dit is nuttig voor het 'Rapport over datakwaliteit van inkoopaanvragen' en voor inzicht in procesverschillen op basis van wat wordt ingekocht. Waarom dit belangrijk is Maakt spend- en procesanalyse per inkoopcategorie mogelijk, ondersteunt strategische inkoop en helpt knelpunten per categorie te vinden. Waar je het vindt Te vinden in de EBAN-tabel, veld MATKL. Voorbeelden 00101L001IT-SFTWR
	Naam van aanvrager RequesterName	De naam van de persoon die de goederen of diensten heeft aangevraagd.
Beschrijving Dit attribuut identificeert de persoon die de inkoopaanvraag heeft gestart. Dit is degene die de zakelijke behoefte aan de aangevraagde items heeft. Door de aanvrager te volgen, kun je aanvraagpatronen per persoon of groep analyseren. Het dashboard 'Doorvoer van aangemaakte inkoopaanvragen per aanvrager' gebruikt dit attribuut om veelgebruikers, gebruikers die extra training nodig hebben en afdelingen met veel inkoopactiviteit te identificeren. Zo krijg je een menselijk beeld van het startpunt van het proces. Waarom dit belangrijk is Identificeert de proceseigenaar, zodat je patronen in het aanmaken van aanvragen kunt analyseren en gebruikerstraining gericht kunt inzetten. Waar je het vindt Te vinden in de EBAN-tabel, veld AFNAM. Voorbeelden Alice WilliamsBob JohnsonCharlie Brown
	Prioriteit Priority	Het urgentieniveau dat aan de inkoopaanvraag is toegekend.
Beschrijving Dit attribuut geeft de prioriteit van de aanvraag aan, vaak als 'Urgent', 'Hoog' of 'Normaal'. De markering laat goedkeurders en inkopers weten dat een aanvraag versneld moet worden verwerkt. Dit attribuut is nodig voor het dashboard 'Prestaties van urgente inkoopaanvragen' en de KPI 'Effectiviteit van urgentiemarkering'. De analyse richt zich op de vraag of urgente aanvragen inderdaad sneller worden verwerkt dan standaardaanvragen. Zo kun je beoordelen of het prioriteitssysteem werkt en of belangrijke bedrijfsbehoeften op tijd worden afgehandeld. Waarom dit belangrijk is Maakt het mogelijk om te analyseren of urgente aanvragen sneller worden verwerkt en of de prioritering goed werkt. Waar je het vindt Dit is geen standaardveld in EBAN. Het wordt vaak geïmplementeerd als aangepast veld of afgeleid uit het trackingnummer van de behoefte (EBAN-BEDNR) of een specifiek documenttype. Voorbeelden 123
	Reden van afwijzing RejectionReason	De reden die wordt opgegeven wanneer een aanvraag of goedkeuringsstap wordt afgewezen.
Beschrijving Dit attribuut legt de reden voor de afwijzing van een inkoopaanvraag vast. De informatie wordt tijdens de afwijzingsactiviteit meestal als vrije tekst ingevoerd of door de goedkeurder uit een vooraf gedefinieerde lijst met codes geselecteerd. Analyse van afwijsredenen is belangrijk voor procesverbetering. Je krijgt directe informatie over waarom aanvragen mislukken, bijvoorbeeld door beleidsovertredingen, onjuiste data of een ontoereikend budget. Deze data is belangrijk voor het dashboard 'Uitkomsten en afwijzingspercentages van inkoopaanvragen' en helpt de oorzaken van procesproblemen te vinden. Waarom dit belangrijk is Geeft direct inzicht in waarom aanvragen worden afgewezen, zodat je procesverbeteringen en gebruikerstraining gericht kunt aanpakken. Waar je het vindt Deze data wordt meestal opgeslagen in workflowlogboeken of in lange tekst die aan de afwijzingsgebeurtenis is gekoppeld. EBAN bevat hiervoor geen standaardveld. Voorbeelden Onjuiste kostenplaatsBudget overschredenDubbele aanvraagNiet conform beleid
	Vestiging Plant	De bedrijfslocatie of vestiging waarvoor de goederen of diensten worden aangevraagd.
Beschrijving De vestiging is een organisatorische eenheid binnen een bedrijf en staat voor een fysieke locatie, zoals een fabriek, magazijn of kantoor. De aanvraag vermeldt de vestiging waar de aangevraagde items nodig zijn. Analyse per vestiging geeft een geografisch of locatiegebonden beeld van het aanvraagproces. Zo worden prestatieverschillen tussen locaties zichtbaar, bijvoorbeeld door lokale procedures, personeelsbezetting of bedrijfsbehoeften. Dit is een veelgebruikte dimensie voor dashboards over regionale prestaties. Waarom dit belangrijk is Biedt geografische of locatiegebonden context voor analyse en helpt regionale procesverschillen en prestatieverschillen te identificeren. Waar je het vindt Te vinden in de EBAN-tabel, veld WERKS. Voorbeelden 10002100DE01

Verplicht Aanbevolen Optioneel

Purchase to Pay - Requisition-activiteiten

Dit zijn de belangrijkste processtappen en mijlpalen die je in je event log vastlegt voor een nauwkeurige ontdekking en analyse van je aanvraagworkflow.

6 Aanbevolen 7 Optioneel

	Activiteit	Beschrijving
	Aanvraag aangemaakt	Deze activiteit markeert het voor het eerst aanmaken en opslaan van een Purchase Requisition door een gebruiker. Het event wordt expliciet vastgelegd wanneer een nieuw record in de EBAN-tabel wordt aangemaakt, inclusief de geregistreerde aanmaakdatum en -tijd.
Waarom dit belangrijk is Als startpunt van het proces is deze activiteit nodig om de totale doorlooptijd van de requisition-levenscyclus te berekenen en de verwerkingscapaciteit bij het aanmaken te analyseren. Je ziet hiermee wie requisitions aanmaakt en wanneer. Waar je het vindt Dit event wordt vastgelegd vanuit de EBAN-tabel met de velden voor aanmaakdatum (ERDAT) en aanmaaktijd (UZEIT) voor een bepaalde Purchase Requisition-ID (BANFN). Vastleggen Timestamp uit de EBAN-tabelvelden ERDAT en UZEIT bij het voor het eerst opslaan van het record. Eventtype explicit
	Aanvraag afgewezen	Dit is een eindactiviteit waarbij de Purchase Requisition definitief wordt afgewezen en niet verder kan. Dit wordt afgeleid wanneer de vrijgave-indicator in de EBAN-tabel door een goedkeurder op een definitieve afwijzingsstatus wordt gezet.
Waarom dit belangrijk is Deze activiteit is een belangrijk eindpunt van het proces en nodig om de KPI voor het afwijzingspercentage van requisitions te berekenen. Door deze cases te analyseren, krijg je inzicht in de redenen voor mislukte inkoop en verspilling. Waar je het vindt Afgeleid uit de timestamp van de wijzigingslogregel in CDPOS voor tabel EBAN en veld FRGZU, wanneer dit veld verandert naar de waarde voor definitieve afwijzing. Vastleggen Afgeleid uit het veld voor de definitieve vrijgave-indicator in EBAN, zodra dit een eindstatus voor afwijzing bereikt. Eventtype inferred
	Aanvraag goedgekeurd	Deze mijlpaal betekent dat de Purchase Requisition alle vereiste goedkeuringsstappen succesvol heeft doorlopen. Dit wordt afgeleid wanneer de laatste vrijgavecode is toegepast en de algemene vrijgave-indicator (FRGZU) in de EBAN-tabel op een goedgekeurde status staat.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal: het einde van de goedkeuringscyclus en het begin van de inkoopfase. Het event is nodig om de KPI voor de totale goedkeuringstijd te berekenen en vertragingen bij de overdracht naar het aanmaken van een PO te meten. Waar je het vindt Afgeleid uit de timestamp van de wijzigingslogregel in CDPOS voor tabel EBAN en veld FRGZU, wanneer dit veld verandert naar de waarde voor definitieve goedkeuring. Vastleggen Afgeleid uit het veld voor de definitieve vrijgave-indicator in EBAN, zodra dit een eindstatus voor goedkeuring bereikt. Eventtype inferred
	Goedkeuring ingediend	Deze activiteit betekent dat de requisition de formele goedkeuringsworkflow is binnengegaan. Meestal wordt dit afgeleid uit een statuswijziging die aangeeft dat een eerste vrijgave of goedkeuringsactie nodig is op basis van de geconfigureerde vrijgaveprocedure.
Waarom dit belangrijk is Hier begint de goedkeuringsdoorlooptijd, een belangrijke KPI voor het meten van procesefficiëntie. Door dit punt te kennen, kun je vertragingen tussen het aanmaken en de start van de formele goedkeuring apart analyseren. Waar je het vindt Dit wordt afgeleid uit de eerste statuswijziging die verband houdt met de vrijgaveprocedure in tabel EBAN, bijvoorbeeld wanneer veld FRGZU verandert van de beginstatus naar een status in afwachting, of uit de eerste workflowlog die aan de requisition is gekoppeld. Vastleggen Afgeleid uit de eerste wijzigingslogregel die aangeeft dat een vrijgaveprocedure is geactiveerd. Eventtype inferred
	Inkoopaanvraag ingetrokken	Dit is een afsluitende activiteit waarbij de aanmaker of een bevoegde gebruiker de aanvraagregel annuleert door een verwijderingsmarkering in te stellen. De actie wordt expliciet geregistreerd en geeft aan dat de zakelijke behoefte niet meer bestaat of per ongeluk is aangemaakt.
Waarom dit belangrijk is Dit is een belangrijk eindpunt bij een mislukte procesuitkomst en is nodig om het intrekkingspercentage te berekenen. Hoge percentages kunnen wijzen op lange goedkeuringstijden, waardoor gebruikers aanvragen opgeven, of op structurele problemen met de vraagplanning. Waar je het vindt Deze expliciete actie wordt vastgelegd wanneer het veld 'Deletion Indicator' (LOEKZ) in de EBAN-tabel voor de aanvraagregel wordt ingesteld. De wijziging wordt geregistreerd in CDHDR en CDPOS. Vastleggen Vermelding in het wijzigingslogboek wanneer de Deletion Indicator (EBAN-LOEKZ) wordt ingesteld op 'L'. Eventtype explicit
	Inkooporder aangemaakt	Deze activiteit markeert de succesvolle omzetting van een goedgekeurde inkoopaanvraag naar een inkooporderdocument. De gebeurtenis wordt voor de aanvraag afgeleid door een bijbehorende inkooporderregel te vinden die naar de aanvraag verwijst.
Waarom dit belangrijk is Als belangrijkste succesvolle uitkomst sluit deze activiteit het aanvraagproces af en begint de inkoopfase. De tijd tussen 'Inkoopaanvraag goedgekeurd' en deze gebeurtenis is een belangrijke KPI voor het meten van de efficiëntie van de overdracht. Waar je het vindt Afgeleid door een record te vinden in de EKPO-tabel (PO Item) waarin de velden BANFN en BNFPO overeenkomen met het nummer en de regel van de inkoopaanvraag uit de EBAN-tabel. De aanmaakdatum van de inkooporder (EKKO.AEDAT) levert de timestamp. Vastleggen Afgeleid door de EBAN- en EKPO-tabellen aan elkaar te koppelen en de aanmaakdatum van de inkooporder uit EKKO te gebruiken. Eventtype inferred
	Aanvraag geblokkeerd	Dit staat voor een expliciete actie om een item van een Purchase Requisition te blokkeren, zodat het niet kan worden omgezet in een Purchase Order. De blokkering wordt ingesteld via een specifieke indicator op het requisition-item.
Waarom dit belangrijk is Blokkering wijst op een mogelijk probleem of een tijdelijke blokkade in het inkoopproces. Door deze gebeurtenissen te volgen, zie je waar knelpunten ontstaan, bijvoorbeeld wanneer aanvragen wel worden goedgekeurd maar niet meteen worden verwerkt. Waar je het vindt Vastgelegd na een wijziging in het veld 'Blocking Indicator' (EBAKZ) in de EBAN-tabel. De wijziging wordt geregistreerd in CDHDR en CDPOS. Vastleggen Gebeurtenis die in de wijzigingstabellen wordt geregistreerd wanneer het veld EBAN-EBAKZ wordt ingesteld. Eventtype explicit
	Aanvraag gewijzigd	Dit staat voor elke wijziging aan een Purchase Requisition na de eerste aanmaak, zoals een wijziging van hoeveelheid, prijs of materiaal. Deze wijzigingen worden vastgelegd in de wijzigingslogtabellen van SAP en vormen een gedetailleerd auditspoor.
Waarom dit belangrijk is Het volgen van wijzigingen is belangrijk om herstelwerklussen en problemen met datakwaliteit te vinden. Veel wijzigingen kunnen wijzen op onduidelijke vereisten aan het begin of hiaten in gebruikerstraining, met vertragingen in het proces als gevolg. Waar je het vindt Dit event wordt vastgelegd vanuit de wijzigingslogtabellen CDHDR (header) en CDPOS (item), wanneer de objectklasse EINKBELEG is en de object-ID het nummer van de Purchase Requisition bevat. Specifieke veldwijzigingen kunnen worden geanalyseerd. Vastleggen Event vastgelegd in de wijzigingstabellen CDHDR en CDPOS voor het Purchase Requisition-document. Eventtype explicit
	Goedkeuring opnieuw ingesteld	Dit geeft aan dat de volledige goedkeuringsworkflow van de requisition opnieuw is ingesteld, vaak na een ingrijpende wijziging. Dit wordt afgeleid wanneer de vrijgavestatus wordt gewist nadat die eerder actief was. Daardoor moet het goedkeuringsproces opnieuw beginnen.
Waarom dit belangrijk is Een reset van de goedkeuring is een belangrijke herstelwerkgebeurtenis met grote invloed op de doorlooptijd. Door deze resets te vinden, zie je inefficiënties in het proces en het effect van wijzigingen aan requisitions op de rest van de workflow. Waar je het vindt Dit wordt afgeleid uit wijzigingslogs (CDHDR/CDPOS) voor de EBAN-tabel, wanneer vrijgavestatusvelden zoals FRGZU veranderen van een status in afwachting of een goedgekeurde status naar een beginstatus of lege status. Vastleggen Afgeleid uit wijzigingslogs waarin de velden van de vrijgaveprocedure worden gewist. Eventtype inferred
	Goedkeuringsstap afgewezen	Een bevoegde gebruiker heeft één stap in de vrijgaveprocedure expliciet afgewezen. Meestal wordt de requisition daarmee teruggestuurd naar de aanmaker voor wijziging. De actie wordt vastgelegd als een wijziging van de vrijgavestatus van de requisition.
Waarom dit belangrijk is Afwijzingen zijn een belangrijke oorzaak van herstelwerk en vertraging. Door de frequentie en oorzaken te analyseren, zie je mogelijke misverstanden over beleid, problemen met datakwaliteit of inefficiënte goedkeuringsstappen. Waar je het vindt Dit wordt vastgelegd in de wijzigingslogs (CDHDR/CDPOS) voor de vrijgavestatusvelden in de EBAN-tabel. Een afwijzingsactie via transactie ME54N of een vergelijkbare transactie veroorzaakt een bijbehorende statuswijziging. Vastleggen Wijzigingslogregel aangemaakt wanneer een goedkeurder een afwijzingsactie uitvoert. Eventtype explicit
	Goedkeuringsstap gestart	Dit geeft aan dat de requisition wacht op actie van een specifieke goedkeurder of goedkeuringsgroep, zoals vastgelegd in de vrijgaveprocedure. Het event wordt afgeleid wanneer de status aangeeft dat de requisition wacht op een bepaalde vrijgavecode.
Waarom dit belangrijk is Met deze activiteit kun je elke afzonderlijke stap in de goedkeuringsketen analyseren. Zo zie je welke goedkeurders of processtappen voor de langste vertraging zorgen. Waar je het vindt Dit wordt afgeleid door de volgorde van wijzigingen in de vrijgavestatusvelden in tabel EBAN te volgen. Elke wijziging naar een nieuwe status in afwachting markeert de start van een nieuwe goedkeuringsstap. Vastleggen Afgeleid uit statuswijzigingen die aangeven dat een nieuwe vrijgavecode actief is en op goedkeuring wacht. Eventtype inferred
	Goedkeuringsstap goedgekeurd	Dit staat voor de expliciete actie van een bevoegde gebruiker die één stap in de vrijgaveprocedure goedkeurt. De actie wordt vastgelegd als een wijziging van de vrijgavestatus van de requisition en brengt deze dichter bij definitieve goedkeuring.
Waarom dit belangrijk is Het volgen van afzonderlijke goedkeuringen is nodig om de duur van elke stap te meten en de prestaties van verschillende goedkeurders te analyseren. Dit is belangrijk om te begrijpen of de workflow wordt nageleefd. Waar je het vindt Dit wordt vastgelegd in de wijzigingslogs (CDHDR/CDPOS) voor de vrijgavestatusvelden van de EBAN-tabel. De actie van de goedkeurder via transactie ME54N of een vergelijkbare T-code activeert deze logregel. Vastleggen Wijzigingslogregel aangemaakt wanneer een goedkeurder een vrijgavetransactie uitvoert. Eventtype explicit
	Inkoopaanvraag gesloten	Dit staat voor de definitieve afsluiting van een aanvraagregel en geeft aan dat er geen verdere verwerking wordt verwacht. De status wordt afgeleid wanneer de regel volledig is omgezet naar een inkooporder en afgehandeld, of handmatig als gesloten is gemarkeerd.
Waarom dit belangrijk is Dit biedt een duidelijk eindpunt voor aanvragen die zijn afgerond maar niet per se verwijderd. Zo kun je de levensduur van succesvol afgehandelde aanvragen nauwkeurig berekenen. Waar je het vindt Afgeleid uit de indicator 'Closed' (EBAKZ met waarde 'S' of een andere geconfigureerde waarde) in de EBAN-tabel. Het systeem stelt deze status vaak automatisch in na volledige omzetting naar een inkooporder en ontvangst van de goederen. Vastleggen Afgeleid uit een statuswijziging in het veld EBAN-EBAKZ naar een waarde voor 'gesloten'. Eventtype inferred

Aanbevolen Optioneel

Extractiegidsen

Zo haal je je data uit SAP ECC

Stappen

Geef databasetoegang: Controleer voordat je begint of je alleen-lezen toegang hebt tot de onderliggende SAP ECC-database. Hiervoor zijn specifieke gegevens nodig, zoals gebruikersnaam, wachtwoord, host en poort. Dit is geen standaardtoegang en moet worden goedgekeurd door je SAP Basis- en securityteams.
Bepaal het SAP-schema: Maak verbinding met de database via een standaard SQL-client, zoals DBeaver, Toad of SQL Developer. Bepaal in welk SAP-schema de tabellen staan. Dit heet vaak SAPSR3 of SAPR3.
Bereid de SQL-query voor: Gebruik de volledige SQL-query uit dit document. Deze query haalt alle vereiste activiteiten en attributen op door masterdata- en wijzigingslogtabellen aan elkaar te koppelen.
Stel queryparameters in: Zoek de tijdelijke waarden in de query. Vervang deze door de waarden die bij jouw systeem en bedrijfsbehoeften passen. Belangrijke tijdelijke waarden zijn '{source_system_name}', '{start_date}', '{end_date}', '{company_codes}' en '{document_types}'.
Pas de syntax aan je database aan: De query gebruikt algemene SQL-syntax. Functies voor het maken van timestamps, zoals TO_TIMESTAMP, en functies voor tekstbewerking moeten mogelijk licht worden aangepast aan jouw databasesysteem, bijvoorbeeld Oracle, SQL Server, DB2 of HANA.
Voer de extractie uit: Voer de aangepaste query uit in je SQL-client. Plan dit bij grote datasets bij voorkeur buiten piekuren, zodat de systeemprestaties niet worden beïnvloed.
Controleer de eerste resultaten: Bekijk na afloop kort de uitvoer. Controleer of de verwachte kolommen aanwezig zijn (PurchaseRequisitionId, ActivityName, EventTime enzovoort) en of er rijen voor verschillende activiteiten zijn opgehaald.
Exporteer naar CSV: Exporteer de volledige resultatenset vanuit je SQL-client naar een CSV-bestand. Gebruik UTF-8-codering om problemen met speciale tekens te voorkomen.
Bereid de upload voor: Controleer of de kolomkoppen van het CSV-bestand exact overeenkomen met de aliassen uit de SQL-query. Het bestand moet een overzichtelijke tabel van het event log bevatten.
Upload naar ProcessMind: Upload het definitieve CSV-bestand naar je ProcessMind-project voor analyse en visualisatie.

Configuratie

Databaseverbinding: Je hebt een directe verbinding met de SAP ECC-database nodig. Daarvoor heb je de hostnaam, poort, databasenaam en juiste gebruikersgegevens nodig.
SAP-schema: Je moet de naam kennen van het schema met de SAP-tabellen, bijvoorbeeld SAPSR3. Voer de query uit binnen de context van dit schema.
Datumbereik: Filter op een specifiek datumbereik om de prestaties en het datavolume beheersbaar te houden. We raden aan te beginnen met een periode van 3 tot 6 maanden. Stel de tijdelijke waarden '{start_date}' en '{end_date}' in op de notatie YYYYMMDD.
Organisatiefilters: Filter voor een gerichtere analyse op bedrijfscode (BUKRS) en documenttype van de inkoopaanvraag (BSART). Vervang de tijdelijke waarden '{company_codes}' en '{document_types}' door kommagescheiden lijsten, bijvoorbeeld '1000','2000'.
Vereisten vooraf: Voor deze methode heb je goedkeuring nodig van de SAP Basis- en securityteams om directe databasegegevens te krijgen. Dit is geen standaardactiviteit voor eindgebruikers.
Aandacht voor prestaties: De query koppelt wijzigingslogtabellen (CDHDR, CDPOS), die erg groot kunnen zijn. Zonder goede filters kan de query traag worden en veel systeemcapaciteit gebruiken. Gebruik altijd een beperkt datumbereik en aanvullende filters.

a Voorbeeldquery sql

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

UNION ALL

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

UNION ALL

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

Stappen

De Python-omgeving instellen: Zorg dat Python 3.6 of hoger is geïnstalleerd. Maak een projectmap en stel een virtuele omgeving in om afhankelijkheden te beheren. Installeer de benodigde bibliotheken met pip: pip install pyrfc pandas numpy
SAP RFC SDK: Download de SAP NetWeaver RFC SDK via het SAP Support Portal. Pak de bestanden uit en plaats de bibliotheekbestanden, zoals sapnwrfc.dll op Windows en libsapnwrfc.so op Linux, in een map die toegankelijk is via het systeempad of je Python-script.
De SAP-verbinding configureren: Open het meegeleverde Python-script. Zoek het gedeelte met de SAP-verbindingsparameters en vervang de tijdelijke waarden (ashost, sysnr, client, user, passwd) door de inloggegevens van je SAP-systeem. Controleer of de gebruiker de vereiste autorisaties heeft voor RFC-uitvoering en tabeltoegang.
Extractieparameters definiëren: Stel in het script de variabelen date_from en date_to in om de gewenste extractieperiode vast te leggen. Begin bij voorkeur met een kortere periode, bijvoorbeeld één maand, om het extractieproces te testen.
Het Python-script uitvoeren: Voer het script in je terminal uit met de opdracht python your_script_name.py. Het script maakt via RFC verbinding met SAP, roept RFC_READ_TABLE aan voor elke vereiste tabel (EBAN, EKKO, EKPO, CDHDR, CDPOS) en downloadt de data.
Data ophalen: Het script haalt onbewerkte data op voor inkoopaanvragen, inkooporders en wijzigingsdocumenten. Het gebruikt filtercriteria, zoals datumbereiken en objectklassen, om de hoeveelheid overgedragen data te beperken.
Lokale datatransformatie: Nadat de data is gedownload, gebruikt het script de pandas-bibliotheek om alle transformaties lokaal uit te voeren. Het verwerkt de onbewerkte tabeldata en maakt afzonderlijke event-logregels voor elk van de 13 vereiste activiteiten, zoals 'Requisition Created', 'Approval Step Approved' en 'Purchase Order Created'.
Het event log genereren: Het script combineert de gebeurtenissen uit elke tabel in één uniforme DataFrame. Het berekent eventtimestamps, koppelt gebruikersnamen en structureert de data volgens de vereiste indeling voor case-ID, activiteit en timestamp.
Attributen koppelen: Belangrijke attributen zoals PurchaseRequisitionId, ActivityName, EventTime, Gebruiker en TotalRequisitionValue worden gekoppeld aan de bijbehorende kolommen in de uiteindelijke DataFrame.
Exporteren naar CSV: Het script slaat het uiteindelijke event log op als event_log_pr.csv in dezelfde map. Dit bestand is opgemaakt voor rechtstreekse upload naar ProcessMind.
Controleren en uploaden: Open het gegenereerde CSV-bestand om de volledigheid en juistheid van de data te controleren. Na deze controle kun je het bestand uploaden naar je ProcessMind-project.

Configuratie

SAP-verbinding: Het script heeft directe RFC-verbindingsgegevens voor het SAP ECC-systeem nodig, waaronder applicatieserver, systeemnummer, client, gebruiker en wachtwoord. De opgegeven gebruiker moet autorisaties hebben voor RFC-aanroepen en leestoegang tot de tabellen EBAN, EKPO, EKKO, CDHDR en CDPOS.
Datumbereik: De extractie gebruikt parameters voor de begin- en einddatum in het script. Voor de eerste runs en om de prestaties beheersbaar te houden, raden we aan een periode van 3 tot 6 maanden te extraheren.
Tabelfilters: Pas waar mogelijk filters toe binnen de RFC-aanroepen. Filter aanvragen bijvoorbeeld op aanmaakdatum (EBAN-ERDAT) en wijzigingsdocumenten op datum (CDHDR-UDATE) en objectklasse (CDHDR-OBJECTCLAS = 'BANF').
Python-bibliotheken: Het script gebruikt pyrfc voor de SAP-verbinding en pandas voor dataverwerking. Controleer of deze bibliotheken in je Python-omgeving zijn geïnstalleerd.
Prestaties: Extractie via RFC_READ_TABLE kan traag zijn bij zeer grote datasets, omdat de data tabel voor tabel wordt opgehaald. Voer de extractie bij voorkeur buiten piekuren uit om de systeembelasting te beperken.
Documenttypen: Het script haalt standaard alle documenttypen voor inkoopaanvragen op. Je kunt de scope beperken met een filter achteraf in de pandas-DataFrame, gebaseerd op de kolom BSART uit de EBAN-tabel.

a Voorbeeldquery python

import pandas as pd
from pyrfc import Connection
import datetime

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Klaar om aan de slag te gaan?

Gebruik deze template om je data goed te structureren voor process mining. Zo krijg je waardevolle inzichten in je Purchase to Pay-aanvraagproces. Begin vandaag met het verbeteren van je proces.

Terug naar de verbetergids Template downloaden

Maak P2P-aanvragen efficiënter, start nu je proefperiode

Vind P2P-knelpunten en los ze op. Verkort de doorlooptijd met 30% of meer.

Start je gratis proefperiode

Geen creditcard nodig, 14 dagen gratis toegang

Jouw datatemplate voor Purchase to Pay-aanvragen

Jouw datatemplate voor Purchase to Pay-aanvragen

Purchase to Pay - Requisition-attributen

Purchase to Pay - Requisition-activiteiten

Extractiegidsen

Directe SQL-query op de onderliggende database van SAP ECC

Stappen

Configuratie

a Voorbeeldquery sql

Python-script met SAP RFC voor tabel-extractie

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Maak P2P-aanvragen efficiënter, start nu je proefperiode

Jouw datatemplate voor Purchase to Pay-aanvragen

Jouw datatemplate voor Purchase to Pay-aanvragen

Purchase to Pay - Requisition-attributen

Purchase to Pay - Requisition-activiteiten

Extractiegidsen

Directe SQL-query op de onderliggende database van SAP ECC

Stappen

Configuratie

a Voorbeeldquery sql

Python-script met SAP RFC voor tabel-extractie

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Maak P2P-aanvragen efficiënter, start nu je proefperiode

We respecteren je privacy