> Continu verbeteren van processen > Van aanvraag tot betaling: inkoopaanvraag > SAP ECC > Datatemplate

Datatemplate voor Purchase to Pay-aanvragen

SAP ECC

Attributen voor Purchase to Pay-aanvragen(19) Activiteiten voor Purchase to Pay-aanvragen(13) Extractiegidsen(2)

Datatemplate voor Purchase to Pay-aanvragen

Deze template helpt je de benodigde data te verzamelen voor de analyse van het Purchase to Pay-aanvraagproces. Je vindt hierin de datavelden die je nodig hebt, de activiteiten die je moet volgen en praktische aanwijzingen om de gegevens uit het bronsysteem te halen. Gebruik de template om je data voor te bereiden op process mining.

Aanbevolen attributen om te verzamelen
Belangrijke activiteiten om te volgen
Richtlijnen voor data-extractie uit SAP ECC

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

Template downloaden

Attributen voor Purchase to Pay-aanvragen

Dit zijn de aanbevolen datavelden voor het event log, zodat je het Purchase to Pay-aanvraagproces goed kunt analyseren.

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 ‘Aanvraag aangemaakt’, ‘Goedkeuring aangevraagd’ of ‘Inkooporder aangemaakt’. Deze activiteiten worden meestal afgeleid uit statuswijzigingen, workflowlogs of wijzigingsdocumenten in SAP. De volgorde en frequentie van activiteiten vormen de basis van process mining. Hiermee ontdek je de werkelijke processtromen, met veelvoorkomende routes, afwijkingen en bottlenecks. Dit is belangrijk voor het maken van dashboards, zoals de proceskaart van het volledige aanvraagproces, en het berekenen van KPI’s voor herstelwerk en compliance. Waarom dit belangrijk is Dit attribuut beschrijft de processtappen en maakt het mogelijk proceskaarten te visualiseren en verschillen in de processtroom te analyseren. Waar vind je dit? Afgeleid uit wijzigingsdocumenttabellen CDHDR en CDPOS, workflowlogs of statusvelden zoals EBAN-STATU. Voorbeelden Aanvraag aangemaaktGoedkeuringsstap goedgekeurdAanvraag afgewezenInkooporder aangemaakt
	ID van de inkoopaanvraag PurchaseRequisitionId	De unieke identificatiecode van een document voor een inkoopaanvraag.
Beschrijving Het ID van de inkoopaanvraag is de primaire sleutel waarmee elke aanvraag voor goederen of diensten in SAP ECC uniek wordt geïdentificeerd. Het is de centrale case-ID die alle activiteiten en wijzigingen voor een specifieke aanvraag met elkaar verbindt, vanaf de aanmaak tot de uiteindelijke afhandeling, bijvoorbeeld omzetting in een inkooporder of afsluiting. Bij process mining is dit ID nodig om de volledige levenscyclus van elke aanvraag te reconstrueren. Door deze identificatiecode te volgen, kunnen analisten de hele processtroom in beeld brengen, de tijd tussen mijlpalen meten en verschillen in de afhandeling van aanvragen analyseren. Zo ontstaat een samenhangend beeld van het volledige aanvraagproces. Waarom dit belangrijk is Dit is de belangrijkste identificatiecode die alle bijbehorende procesgebeurtenissen aan één case koppelt. Zo wordt end-to-end-procesanalyse mogelijk. Waar vind je dit? Te vinden in tabel EBAN, veld BANFN. Voorbeelden 100234567810023456791002345680
	Tijdstip van gebeurtenis EventTime	De timestamp die aangeeft wanneer de activiteit plaatsvond.
Beschrijving Tijdstip van gebeurtenis legt de exacte datum en tijd vast waarop een specifieke activiteit plaatsvond. Deze timestamp vormt de basis voor alle tijdsanalyses in process mining, zoals het berekenen van doorlooptijden, het opsporen van bottlenecks en het beoordelen van de procesprestaties. Bij inkoopaanvragen kun je met dit attribuut belangrijke KPI’s berekenen, zoals ‘Gemiddelde goedkeuringstijd van inkoopaanvragen’ en ‘Tijd tot aanmaak van een inkooporder’. Het levert de brondata voor dashboards die doorlooptijden weergeven, zoals de analyse van de goedkeuringsdoorlooptijd van inkoopaanvragen. Zo kun je de tijd tussen twee processtappen meten. Waarom dit belangrijk is Deze timestamp is nodig om doorlooptijden te berekenen, procesprestaties te analyseren en tijdgerelateerde bottlenecks op te sporen. Waar vind je dit? Te vinden in de kopteksttabel voor wijzigingsdocumenten CDHDR (velden UDATE en UTIME). Voorbeelden 2023-10-26T10:00:00Z2023-10-26T11:35:10Z2023-10-27T14:20:05Z
	Bronsysteem SourceSystem	Geeft aan uit welk bronsysteem de data is geëxtraheerd.
Beschrijving Dit attribuut geeft aan waar de procesdata vandaan komt, bijvoorbeeld ‘SAP ECC Production’ of ‘S4HANA QA’. Meestal wordt tijdens de data-extractie een vaste waarde toegevoegd om context te geven, vooral als er meerdere bronsystemen zijn. 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 worden gebruikt. Het is belangrijke metadata voor datagovernance en traceerbaarheid. Waarom dit belangrijk is Geeft context over de herkomst van data, zodat je de data kunt traceren en systemen afzonderlijk kunt analyseren. Waar vind je dit? Dit is meestal een vaste waarde die tijdens het ETL-proces (extractie, transformatie en laden) wordt toegevoegd. 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. Bij elke datalading wordt een vaste timestamp aan de hele dataset toegevoegd. Zo zie je hoe actueel de analyse is. Voor beslissingen op basis van een process mining-dashboard of -analyse is het belangrijk te weten hoe recent de data is. Dit attribuut laat alle betrokkenen zien op welke periode de data betrekking heeft. Zo voorkom je conclusies op basis van verouderde informatie. Waarom dit belangrijk is Laat zien hoe actueel de data is, zodat je de relevantie en nauwkeurigheid van de procesanalyse kunt beoordelen. Waar vind je dit? Dit is een vaste waarde met de timestamp van de data-extractie, toegevoegd tijdens het ETL-proces. Voorbeelden 2024-01-15T04:00:00Z2024-01-16T04:00:00Z
	Afdeling Department	De afdeling van de aanvrager of de kostenplaats die bij de inkoopaanvraag hoort.
Beschrijving Dit attribuut geeft aan welke bedrijfseenheid of afdeling de inkoopaanvraag heeft ingediend. De waarde is vaak afgeleid van het gebruikersprofiel van de aanvrager of van de kostenplaats die aan de aanvraagregel is gekoppeld. Met een analyse per afdeling kun je prestatieverschillen binnen de organisatie in kaart brengen. Dit attribuut 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 bronnen nodig zijn. Waarom dit belangrijk is Maakt het mogelijk prestaties tussen bedrijfseenheden te vergelijken en bottlenecks en verschillen in werkwijze per afdeling op te sporen. Waar vind je dit? Vaak afgeleid door de aanvrager (EBAN-AFNAM) te koppelen aan gebruikersstamgegevens (SU01), of door de kostenplaats (EBKN-KOSTL) te gebruiken die bij de rekeningtoewijzing van de inkoopaanvraag hoort. 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, zoals de nummerreeks, veldselectie en het inkoopproces dat wordt gevolgd. Voorbeelden zijn ‘Standaardinkoopaanvraag’, ‘Voorraadoverboeking’ en ‘Service-inkoopaanvraag’. Dit attribuut is een nuttige dimensie voor analyse, omdat verschillende documenttypen vaak een eigen procesverloop en goedkeuringsvereisten hebben. Analisten kunnen de data ermee opdelen en de prestaties van verschillende aanvraagprocessen vergelijken. Dat helpt om compliance te beoordelen en mogelijkheden voor standaardisatie of specialisatie van processen te vinden. Waarom dit belangrijk is Deelt inkoopaanvragen in procescategorieën in, zodat je gerichter en relevanter kunt analyseren. Waar vind je dit? Te vinden in tabel EBAN, veld BSART. Voorbeelden NBUBRV
	Gebruikersnaam User	De ID van de gebruiker die de activiteit heeft uitgevoerd.
Beschrijving Dit attribuut geeft aan welke gebruiker verantwoordelijk was voor een gebeurtenis, zoals het aanmaken van een inkoopaanvraag, het goedkeuren van een stap of het wijzigen van een document. In SAP wordt dit vaak vastgelegd als gebruikers-ID. Door data per gebruiker te analyseren, kun je opleidingsbehoeften, individuele prestaties en mogelijke oorzaken van invoerfouten opsporen. Dit attribuut is nodig voor dashboards zoals ‘Doorvoer van aangemaakte inkoopaanvragen per aanvrager’. Ook helpt het om de werkverdeling en naleving van functiescheiding te beoordelen. Waarom dit belangrijk is Koppelt activiteiten aan specifieke personen, zodat je prestaties, werkdruk, compliance en opleidingsbehoeften per gebruiker kunt analyseren. Waar vind je dit? Te vinden in de kopteksttabel voor wijzigingsdocumenten 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 op een bepaald moment de algemene status van de inkoopaanvraag aan, bijvoorbeeld ‘In vrijgave’, ‘Goedgekeurd’, ‘Afgewezen’ of ‘Gesloten’. In SAP wordt deze status vaak weergegeven met een statuscode. Door de status te volgen, zie je wat er met inkoopaanvragen gebeurt. Dit ondersteunt het dashboard ‘Resultaten en afwijzingspercentages van inkoopaanvragen’ en KPI’s zoals ‘Afwijzingspercentage van inkoopaanvragen’ en ‘Intrekkingspercentage van inkoopaanvragen’. Door te analyseren hoe aanvragen van status veranderen, kun je inefficiënties en uitvalmomenten opsporen. Waarom dit belangrijk is Geeft de uitkomst van een inkoopaanvraag aan. Zo kun je slagingspercentages, redenen voor afwijzing en eindpunten van het proces analyseren. Waar vind je dit? 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 geeft het totale financiële bedrag van de inkoopaanvraag weer. De waarde bepaalt vaak welke goedkeuringsworkflow nodig is. Aanvragen met een hogere waarde worden doorgaans grondiger gecontroleerd en doorlopen meer goedkeuringsstappen. Met een analyse per waarde zie je hoe de financiële impact het proces beïnvloedt. Zo ontdek je of aanvragen met een hoge waarde langer op goedkeuring wachten, vaker worden afgewezen of een ander procesverloop volgen. Dit is ook een belangrijke metriek om de financiële doorvoer van het inkoopproces te beoordelen. Waarom dit belangrijk is Helpt procesgedrag te koppelen aan financiële impact, wat belangrijk is voor risicoanalyse en inzicht in de complexiteit van goedkeuringen. Waar vind je dit? De som van de waarden van alle aanvraagregels. De waarde per regel staat in tabel EBAN, veld GSWER. De valuta staat in EBAN-WAERS. Voorbeelden 1500.00250.50125000.00
	ID inkooporder PurchaseOrderId	De ID van de inkooporder die op basis van de inkoopaanvraag is aangemaakt.
Beschrijving Dit attribuut koppelt een inkoopaanvraag aan de inkooporder die vervolgens is aangemaakt om aan de aanvraag te voldoen. Soms leidt één aanvraag tot meerdere inkooporders. Deze koppeling is nodig om de overdracht tussen het aanvraag- en inkoopproces te analyseren. Je hebt het attribuut nodig voor de KPI ‘Tijd van inkoopaanvraag tot aanmaak inkooporder’ en het dashboard ‘Vertraging tussen goedgekeurde inkoopaanvraag en aanmaak inkooporder’. Met deze koppeling kun je de efficiëntie van de volledige procure-to-pay-cyclus meten. Waarom dit belangrijk is Koppelt het aanvraagproces aan het daaropvolgende inkoopproces, zodat je vertragingen bij de overdracht kunt analyseren. Waar vind je dit? Het nummer van de inkooporder wordt na aanmaak opgeslagen in tabel EBAN, veld EBELN. Voorbeelden 450001712345000171244500017125
	Inkoopgroep PurchasingGroup	De groep inkopers die verantwoordelijk is voor de inkoop van de aangevraagde artikelen.
Beschrijving De inkoopgroep is een organisatie-eenheid die verantwoordelijk is voor specifieke inkoopactiviteiten. De groep bestaat uit de inkopers die de aanvraag behandelen zodra deze is goedgekeurd. Met dit attribuut kun je de werkdruk en prestaties van verschillende inkoopteams analyseren. Zo zie je of bepaalde inkoopgroepen bottlenecks vormen bij het omzetten van aanvragen in inkooporders, of bepaalde soorten aanvragen efficiënter afhandelen. Het is een belangrijke dimensie voor het beheer van bronnen en prestaties binnen de inkoopfunctie. Waarom dit belangrijk is Wijst de verantwoordelijkheid voor inkoop toe, zodat je de werkdruk en prestaties van verschillende inkoopteams kunt vergelijken. Waar vind je dit? Te vinden in tabel EBAN, veld EKGRP. Voorbeelden 001002P01
	Is herhaalwerk IsRework	Een booleaanse markering die aangeeft of de inkoopaanvraag opnieuw is bewerkt, bijvoorbeeld door een wijziging na indiening.
Beschrijving Dit afgeleide attribuut markeert activiteiten of cases waarbij herhaalwerk voorkomt. Een activiteit ‘Inkoopaanvraag gewijzigd’ na ‘Goedkeuring ingediend’ geldt bijvoorbeeld als herhaalwerk. Ook een afwijzing die het proces terugstuurt naar een eerdere stap kan de markering activeren. Deze markering is nodig voor het dashboard ‘Analyse van wijzigingen en herhaalwerk bij inkoopaanvragen’. Je kunt herhaalwerk ermee filteren en kwantificeren, het effect op de totale doorlooptijden meten en de oorzaken van procesinefficiënties opsporen. Veel herhaalwerk wijst vaak op problemen met de datakwaliteit of onduidelijke vereisten. Waarom dit belangrijk is Helpt de frequentie en impact van herhaalwerk te meten, zodat je procesinefficiënties en terugkerende stappen kunt opsporen en analyseren. Waar vind je dit? Afgeleid uit het event log door specifieke reeksen activiteiten te herkennen, zoals ‘Inkoopaanvraag gewijzigd’ na een goedkeuringsactiviteit. Voorbeelden truefalse
	Leveranciers-ID VendorId	De unieke identificatie van de voorgestelde of vaste leverancier.
Beschrijving Dit attribuut bevat de ID van een voorkeursleverancier of contractueel vastgelegde leverancier voor het aangevraagde artikel. De leverancier kan vooraf zijn ingevuld of door de aanvrager zijn voorgesteld. Door inkoopaanvragen per leverancier te analyseren, kun je zien wat het effect is van vooraf geselecteerde leveranciers. Zo ontdek je of aanvragen met een opgegeven leverancier sneller worden goedgekeurd en of bepaalde leveranciers vaker met afwijzingen te maken hebben. Dit geeft inzicht in de eerste fase van het contact met leveranciers. Waarom dit belangrijk is Geeft inzicht in relaties met voorkeursleveranciers en het effect daarvan op de verwerkingssnelheid en uitkomsten van inkoopaanvragen. Waar vind je dit? Te vinden in tabel EBAN, veld LIFNR (vaste leverancier). Voorbeelden 100030025V9876
	Materiaalgroep MaterialGroup	De groep of categorie waartoe het aangevraagde materiaal of de dienst behoort.
Beschrijving De materiaalgroep is een classificatie voor materialen of diensten met vergelijkbare kenmerken. Zo kun je inkoopactiviteiten per categorie analyseren. Een analyse per materiaalgroep helpt bij strategische inkoop en uitgavenanalyse. Met process mining kun je bijvoorbeeld zien of aanvragen voor bepaalde categorieën, zoals ‘IT-hardware’ of ‘Professionele diensten’, een ander procesverloop hebben of langer op goedkeuring wachten. Dit is nuttig voor het ‘Rapport over datakwaliteit van inkoopaanvragen’ en om procesverschillen te begrijpen op basis van wat er wordt ingekocht. Waarom dit belangrijk is Maakt een analyse van uitgaven en processen per inkoopcategorie mogelijk. Dit ondersteunt strategische inkoop en helpt bottlenecks per categorie op te sporen. Waar vind je dit? Te vinden in tabel EBAN, veld MATKL. Voorbeelden 00101L001IT-SFTWR
	Naam aanvrager RequesterName	De naam van de persoon die de goederen of diensten heeft aangevraagd.
Beschrijving Dit attribuut geeft aan wie de inkoopaanvraag heeft ingediend. Deze persoon heeft de zakelijke behoefte aan de aangevraagde artikelen. 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, mogelijke opleidingsbehoeften en afdelingen met veel inkoopactiviteit te herkennen. Zo zie je wie het proces start. Waarom dit belangrijk is Geeft aan wie het proces heeft gestart. Zo kun je patronen in aangemaakte inkoopaanvragen analyseren en gerichte gebruikerstraining aanbieden. Waar vind je dit? Te vinden in tabel EBAN, veld AFNAM. Voorbeelden Alice WilliamsBob JohnsonCharlie Brown
	Prioriteit Priority	De urgentie die aan de inkoopaanvraag is toegekend.
Beschrijving Dit attribuut geeft de prioriteit van de inkoopaanvraag aan, vaak ‘Urgent’, ‘Hoog’ of ‘Normaal’. Het laat goedkeurders en inkopers weten dat een aanvraag met voorrang moet worden behandeld. Dit attribuut is nodig voor het dashboard ‘Verwerkingsprestaties van urgente inkoopaanvragen’ en de KPI ‘Effectiviteit van urgentiemarkering’. De analyse laat zien of aanvragen met de markering urgent inderdaad sneller worden verwerkt dan gewone aanvragen. Zo kun je beoordelen of het prioriteitssysteem werkt en of belangrijke bedrijfsbehoeften op tijd worden ingevuld. Waarom dit belangrijk is Laat zien of urgente aanvragen sneller worden verwerkt en of de prioritering werkt. Waar vind je dit? Dit is geen standaardveld in EBAN. Het wordt vaak toegevoegd als aangepast veld of afgeleid van het trackingnummer van de behoefte (EBAN-BEDNR) of een specifiek documenttype. Voorbeelden 123
	Reden van afwijzing RejectionReason	De reden die wordt opgegeven wanneer een inkoopaanvraag of goedkeuringsstap wordt afgewezen.
Beschrijving Dit attribuut legt vast waarom een inkoopaanvraag is afgewezen. De goedkeurder voert deze informatie tijdens de afwijzing meestal in als vrije tekst of kiest een code uit een vooraf bepaalde lijst. Door afwijzingsredenen te analyseren, kun je het proces verbeteren. De gegevens laten zien waarom aanvragen mislukken, bijvoorbeeld door overtreding van beleid, onjuiste data of een ontoereikend budget. Dit is belangrijke informatie voor het dashboard ‘Resultaten en afwijzingspercentages van inkoopaanvragen’ en helpt de oorzaken van procesinefficiënties te vinden. Waarom dit belangrijk is Laat zien waarom inkoopaanvragen worden afgewezen, zodat je gericht processen kunt verbeteren en gebruikers kunt trainen. Waar vind je dit? Deze data staat meestal in workflowlogs of in lange tekst die bij de afwijzingsgebeurtenis hoort. EBAN bevat hiervoor geen standaardveld. Voorbeelden Onjuiste kostenplaatsBudget overschredenDubbele aanvraagVoldoet niet aan het beleid
	Vestiging Plant	De bedrijfslocatie of vestiging waarvoor de goederen of diensten zijn aangevraagd.
Beschrijving De vestiging is een organisatie-eenheid binnen een bedrijf en staat voor een fysieke locatie, zoals een fabriek, magazijn of kantoor. In de inkoopaanvraag staat bij welke vestiging de aangevraagde artikelen nodig zijn. Met een analyse per vestiging kun je het aanvraagproces per locatie of regio bekijken. Zo komen prestatieverschillen tussen locaties aan het licht. Die kunnen bijvoorbeeld ontstaan door lokale procedures, personeelsbezetting of bedrijfsbehoeften. Vestiging is een veelgebruikte dimensie voor regionale prestatiedashboards. Waarom dit belangrijk is Geeft geografische of locatiegebonden context aan de analyse en helpt procesverschillen en prestatieverschillen per regio op te sporen. Waar vind je dit? Te vinden in tabel EBAN, veld WERKS. Voorbeelden 10002100DE01

Verplicht Aanbevolen Optioneel

Activiteiten voor Purchase to Pay-aanvragen

Leg deze belangrijke processtappen en mijlpalen vast in het event log om je aanvraagworkflow goed in kaart te brengen en te analyseren.

6 Aanbevolen 7 Optioneel

	Activiteit	Beschrijving
	Aanvraag aangemaakt	Deze activiteit markeert het moment waarop een gebruiker een inkoopaanvraag aanmaakt en opslaat. De gebeurtenis wordt vastgelegd wanneer een nieuw record in de tabel EBAN wordt aangemaakt, met de datum en tijd van aanmaak.
Waarom dit belangrijk is Als beginpunt van het proces is deze activiteit nodig om de totale doorlooptijd van de aanvraag te berekenen en de aanmaak te analyseren. Zo zie je wie aanvragen aanmaakt en wanneer. Waar vind je dit? Deze gebeurtenis wordt vastgelegd in de tabel EBAN met de velden voor aanmaakdatum (ERDAT) en aanmaaktijd (UZEIT) voor een bepaald ID van een inkoopaanvraag (BANFN). Vastleggen Timestamp uit de velden ERDAT en UZEIT van de tabel EBAN, bij het opslaan van het eerste record. Gebeurtenistype explicit
	Aanvraag afgewezen	Dit is een eindactiviteit waarbij de inkoopaanvraag definitief wordt afgewezen en niet verder kan. Dit wordt afgeleid wanneer een goedkeurder de vrijgave-indicator in tabel EBAN op de definitieve afwijzingsstatus zet.
Waarom dit belangrijk is Deze activiteit is een belangrijk eindpunt van het proces en nodig om de KPI voor het afwijzingspercentage van aanvragen te berekenen. Door deze cases te analyseren, krijg je inzicht in de redenen waarom de inkoop niet doorgaat en waar inspanningen verloren gaan. Waar vind je dit? Afgeleid uit de timestamp van de wijzigingslogvermelding in CDPOS voor tabel EBAN, veld FRGZU, wanneer de waarde verandert naar die voor definitieve afwijzing. Vastleggen Afgeleid wanneer het veld voor de laatste vrijgave-indicator in EBAN de eindstatus ‘afgewezen’ bereikt. Gebeurtenistype inferred
	Aanvraag goedgekeurd	Deze mijlpaal geeft aan dat de inkoopaanvraag alle vereiste goedkeuringsstappen heeft doorlopen. Dit wordt afgeleid wanneer de laatste vrijgavecode is toegepast en de algemene vrijgave-indicator (FRGZU) in tabel EBAN op goedgekeurd staat.
Waarom dit belangrijk is Deze belangrijke mijlpaal markeert het einde van de goedkeuringsronde en het begin van de inkoopfase. Je hebt dit moment nodig om de totale goedkeuringstijd als KPI te berekenen en vertraging bij de overdracht naar het aanmaken van de inkooporder te meten. Waar vind je dit? Afgeleid uit de timestamp van de wijzigingslogvermelding in CDPOS voor tabel EBAN, veld FRGZU, wanneer de waarde verandert naar die voor definitieve goedkeuring. Vastleggen Afgeleid wanneer het veld voor de laatste vrijgave-indicator in EBAN de eindstatus ‘goedgekeurd’ bereikt. Gebeurtenistype inferred
	Aanvraag ingetrokken	Dit is een eindactiviteit waarbij de aanmaker of een bevoegde gebruiker de aanvraagregel annuleert door een verwijderingsmarkering in te stellen. De actie wordt expliciet vastgelegd en geeft aan dat de zakelijke behoefte niet meer bestaat of dat de aanvraag per ongeluk is aangemaakt.
Waarom dit belangrijk is Dit is een belangrijk eindpunt waarbij het proces mislukt en is nodig om het intrekkingspercentage te berekenen. Een hoog percentage kan erop wijzen dat gebruikers aanvragen opgeven omdat de goedkeuring te lang duurt, of dat er structurele problemen zijn met de vraagplanning. Waar vind je dit? Deze expliciete actie wordt vastgelegd wanneer het veld ‘Verwijderingsindicator’ (LOEKZ) in tabel EBAN voor de aanvraagregel wordt ingesteld. De wijziging wordt geregistreerd in CDHDR en CDPOS. Vastleggen Wijzigingslogvermelding wanneer de verwijderingsindicator (EBAN-LOEKZ) op ‘L’ wordt gezet. Gebeurtenistype explicit
	Goedkeuring aangevraagd	Deze activiteit geeft aan dat de aanvraag in de formele goedkeuringsworkflow is opgenomen. Dit wordt meestal afgeleid uit een statuswijziging die volgens de ingestelde vrijgavestrategie een eerste vrijgave of goedkeuring vereist.
Waarom dit belangrijk is Dit is het begin van de doorlooptijd voor goedkeuring, een belangrijke KPI om de procesefficiëntie te meten. Als je dit moment kent, kun je vertraging tussen het aanmaken van de aanvraag en de start van de formele goedkeuring vaststellen. Waar vind je dit? Afgeleid uit de eerste statuswijziging voor de vrijgavestrategie in tabel EBAN (bijvoorbeeld wanneer veld FRGZU verandert van de beginstatus naar een status in afwachting) of uit de eerste vermelding in workflowlogs die bij de aanvraag horen. Vastleggen Afgeleid uit de eerste wijzigingslogvermelding die aangeeft dat een vrijgavestrategie is geactiveerd. Gebeurtenistype inferred
	Inkooporder aangemaakt	Deze activiteit markeert de succesvolle omzetting van een goedgekeurde inkoopaanvraag naar een inkooporderdocument. De gebeurtenis voor de aanvraag wordt afgeleid door een bijbehorende inkooporderregel te vinden die naar de aanvraag verwijst.
Waarom dit belangrijk is Deze activiteit is het belangrijkste succesvolle resultaat. Ze sluit het aanvraagproces af en begint de inkoopfase. De tijd tussen ‘Aanvraag goedgekeurd’ en deze gebeurtenis is een belangrijke KPI voor het meten van de efficiëntie van de overdracht. Waar vind je dit? Afgeleid door in tabel EKPO (inkooporderregel) een record te vinden waarvan de velden BANFN en BNFPO overeenkomen met het nummer en de regel van de inkoopaanvraag in tabel EBAN. De aanmaakdatum van de inkooporder (EKKO.AEDAT) levert de timestamp. Vastleggen Afgeleid door de tabellen EBAN en EKPO aan elkaar te koppelen en de aanmaakdatum van de inkooporder uit EKKO te gebruiken. Gebeurtenistype inferred
	Aanvraag afgesloten	Dit staat voor de definitieve afsluiting van een aanvraagregel, waarna geen verdere verwerking wordt verwacht. Deze status wordt afgeleid wanneer de regel volledig is omgezet in een inkooporder en afgehandeld, of handmatig als afgesloten is gemarkeerd.
Waarom dit belangrijk is Zo krijgt een afgeronde aanvraag een duidelijk eindpunt, ook als die niet is verwijderd. Dit zorgt voor een nauwkeurige berekening van de totale doorlooptijd van succesvol afgehandelde aanvragen. Waar vind je dit? Afgeleid uit de indicator ‘Afgesloten’ (EBAKZ met waarde ‘S’ of een andere ingestelde waarde) in tabel EBAN. Het systeem stelt deze status vaak automatisch in wanneer de aanvraag volledig is omgezet in een inkooporder en de goederen zijn ontvangen. Vastleggen Afgeleid uit een statuswijziging van het veld EBAN-EBAKZ naar een waarde voor ‘afgesloten’. Gebeurtenistype inferred
	Aanvraag geblokkeerd	Dit staat voor een expliciete actie om een regel van een inkoopaanvraag te blokkeren, zodat die niet kan worden omgezet in een inkooporder. De blokkering wordt ingesteld met een specifieke indicator op de aanvraagregel.
Waarom dit belangrijk is Een blokkering wijst op een mogelijk probleem of een tijdelijke stop in de inkoop. Door deze gebeurtenissen bij te houden, kun je bottlenecks vinden waarbij aanvragen wel zijn goedgekeurd maar niet meteen worden opgepakt. Waar vind je dit? Vastgelegd wanneer het veld ‘Blokkeringsindicator’ (EBAKZ) in tabel EBAN wordt gewijzigd. De wijziging wordt geregistreerd in CDHDR en CDPOS. Vastleggen Gebeurtenis vastgelegd in de wijzigingstabellen wanneer het veld EBAN-EBAKZ wordt ingesteld. Gebeurtenistype explicit
	Aanvraag gewijzigd	Dit staat voor elke wijziging aan een inkoopaanvraag na de eerste aanmaak, zoals een aanpassing van de hoeveelheid, prijs of het materiaal. SAP legt deze wijzigingen vast in de wijzigingslogtabellen, zodat er een gedetailleerd auditspoor van de aanpassingen is.
Waarom dit belangrijk is Door wijzigingen bij te houden, kun je herstelwerk en problemen met de datakwaliteit opsporen. Veel wijzigingen kunnen wijzen op onduidelijke vereisten bij de aanvraag of onvoldoende training voor gebruikers. Dat kan het proces vertragen. Waar vind je dit? Vastgelegd in de wijzigingslogtabellen CDHDR (kop) en CDPOS (regel), met objectklasse EINKBELEG en het ID van de inkoopaanvraag als object-ID. Je kunt specifieke veldwijzigingen analyseren. Vastleggen Gebeurtenis vastgelegd in de wijzigingstabellen CDHDR en CDPOS voor het document van de inkoopaanvraag. Gebeurtenistype explicit
	Goedkeuring opnieuw ingesteld	Geeft aan dat de volledige goedkeuringsworkflow voor de aanvraag opnieuw is ingesteld, vaak na een grote wijziging. Dit wordt afgeleid wanneer de vrijgavestatus wordt gewist nadat die eerder actief was. Daardoor moet het goedkeuringsproces opnieuw beginnen.
Waarom dit belangrijk is Opnieuw ingestelde goedkeuringen leiden tot veel herstelwerk en hebben grote invloed op de doorlooptijd. Als je ze opspoort, zie je inefficiënties in het proces en het effect van wijzigingen aan aanvragen op de rest van de workflow. Waar vind je dit? Afgeleid uit wijzigingslogs (CDHDR/CDPOS) voor tabel EBAN, wanneer velden voor de vrijgavestatus, zoals FRGZU, veranderen van een status in afwachting of goedgekeurd naar de beginstatus of een lege status. Vastleggen Afgeleid uit wijzigingslogs waarin te zien is dat de velden van de vrijgavestrategie zijn gewist. Gebeurtenistype inferred
	Goedkeuringsstap afgewezen	Een bevoegde gebruiker heeft een stap in de vrijgavestrategie expliciet afgewezen. Meestal wordt de aanvraag dan teruggestuurd naar de aanmaker voor aanpassing. De actie wordt vastgelegd als een wijziging van de vrijgavestatus van de aanvraag.
Waarom dit belangrijk is Afwijzingen zijn een belangrijke oorzaak van herstelwerk en vertraging. Door te analyseren hoe vaak en waarom ze voorkomen, kun je misverstanden over beleid, problemen met de datakwaliteit of inefficiënte goedkeuringsstappen opsporen. Waar vind je dit? Vastgelegd in wijzigingslogs (CDHDR/CDPOS) voor de velden van de vrijgavestatus in tabel EBAN. Een afwijzing via transactie ME54N of een vergelijkbare transactie leidt tot een bijbehorende statuswijziging. Vastleggen Wijzigingslogvermelding die wordt aangemaakt wanneer een goedkeurder een aanvraag afwijst. Gebeurtenistype explicit
	Goedkeuringsstap gestart	Geeft aan dat de aanvraag wacht op actie van een specifieke goedkeurder of goedkeuringsgroep, zoals bepaald in de vrijgavestrategie. Deze gebeurtenis wordt afgeleid wanneer de status van de aanvraag aangeeft dat een bepaalde vrijgavecode wordt afgewacht.
Waarom dit belangrijk is Met deze activiteit kun je elke stap in de goedkeuringsketen afzonderlijk analyseren. Zo zie je welke goedkeurders of stappen de meeste vertraging veroorzaken. Waar vind je dit? Afgeleid door de reeks wijzigingen in de velden voor de vrijgavestatus in tabel EBAN te volgen. Elke wijziging naar een nieuwe status in afwachting markeert het begin van een nieuwe goedkeuringsstap. Vastleggen Afgeleid uit statuswijzigingen die aangeven dat een nieuwe vrijgavecode actief is en op goedkeuring wacht. Gebeurtenistype inferred
	Goedkeuringsstap goedgekeurd	Dit staat voor de expliciete actie van een bevoegde gebruiker die één stap in de vrijgavestrategie goedkeurt. De actie wordt vastgelegd als een wijziging van de vrijgavestatus van de aanvraag en brengt die dichter bij de definitieve goedkeuring.
Waarom dit belangrijk is Je moet afzonderlijke goedkeuringen bijhouden om de duur van elke stap te meten en de prestaties van verschillende goedkeurders te analyseren. Dit is essentieel om te begrijpen of de workflow wordt gevolgd. Waar vind je dit? Vastgelegd in wijzigingslogs (CDHDR/CDPOS) voor de velden van de vrijgavestatus in tabel EBAN. De actie van de goedkeurder via transactie ME54N of een vergelijkbare T-code leidt tot deze logvermelding. Vastleggen Wijzigingslogvermelding die wordt aangemaakt wanneer een goedkeurder een vrijgavetransactie uitvoert. Gebeurtenistype explicit

Aanbevolen Optioneel

Extractiegidsen

Zo haal je data uit SAP ECC

Stappen

Regel databasetoegang: Zorg vóór je begint voor alleen-lezen toegang tot de onderliggende SAP ECC-database. Hiervoor heb je specifieke inloggegevens nodig (gebruikersnaam, wachtwoord, host en poort). Dit is geen standaardtoegang en moet worden goedgekeurd door de SAP-basis- en beveiligingsteams.
Zoek het SAP-schema op: Maak met een standaard-SQL-client, zoals DBeaver, Toad of SQL Developer, verbinding met de database. Zoek het juiste SAP-schema met de tabellen op. Dit heet vaak SAPSR3 of SAPR3.
Bereid de SQL-query voor: Gebruik de volledige SQL-query uit dit document. De query haalt de vereiste activiteiten en attributen op door stamgegevens- en wijzigingslogtabellen te combineren.
Stel de queryparameters in: Zoek de tijdelijke waarden in de query en vervang ze door waarden die passen bij je systeem en bedrijfsbehoeften. Belangrijke tijdelijke waarden zijn '{source_system_name}', '{start_date}', '{end_date}', '{company_codes}' en '{document_types}'.
Pas de syntaxis aan je database aan: De query gebruikt gangbare SQL-syntaxis. Mogelijk moet je functies voor het aanmaken van timestamps, zoals TO_TIMESTAMP, of voor tekstbewerking iets aanpassen aan je database, bijvoorbeeld Oracle, SQL Server, DB2 of HANA.
Voer de extractie uit: Voer de aangepaste query uit in je SQL-client. Draai de query bij grote datasets bij voorkeur buiten piekuren, zodat de systeemprestaties niet worden beïnvloed.
Controleer de eerste resultaten: Controleer na afloop kort of de verwachte kolommen (PurchaseRequisitionId, ActivityName, EventTime enzovoort) aanwezig zijn en of er regels voor verschillende activiteiten zijn opgehaald.
Exporteer naar CSV: Exporteer alle resultaten vanuit je SQL-client naar een CSV-bestand. Gebruik UTF-8-codering om problemen met speciale tekens te voorkomen.
Bereid het bestand voor op upload: Controleer of de kolomkoppen in het CSV-bestand exact overeenkomen met de aliassen in de SQL-query. Het bestand moet een overzichtelijke tabel met het event log bevatten.
Upload naar ProcessMind: Upload het uiteindelijke CSV-bestand naar je ProcessMind-project om de data te analyseren en te visualiseren.

Configuratie

Databaseverbinding: Je hebt een rechtstreekse verbinding met de SAP ECC-database nodig. Daarvoor heb je de hostnaam, poort, databasenaam en de juiste inloggegevens nodig.
SAP-schema: Je moet de naam kennen van het schema met de SAP-tabellen, bijvoorbeeld SAPSR3. Voer de query uit binnen dit schema.
Datumbereik: Beperk de hoeveelheid data en houd de prestaties op peil door een specifiek datumbereik op te geven. Begin bij voorkeur met een periode van 3 tot 6 maanden. Vul de tijdelijke waarden '{start_date}' en '{end_date}' in met datums in de notatie YYYYMMDD.
Organisatiefilters: Filter voor een gerichtere analyse op companycode (BUKRS) en documenttype van de inkoopaanvraag (BSART). Vervang '{company_codes}' en '{document_types}' door kommagescheiden lijsten met waarden, bijvoorbeeld '1000','2000'.
Vereisten: Voor deze methode heb je goedkeuring van de SAP-basis- en beveiligingsteams nodig om rechtstreekse database-inloggegevens te krijgen. Dit is geen standaardtaak voor eindgebruikers.
Aandachtspunten voor prestaties: De query combineert wijzigingslogtabellen (CDHDR, CDPOS), die erg groot kunnen zijn. Zonder de juiste filters kan de query traag zijn en veel systeembronnen gebruiken. Gebruik altijd een beperkt datumbereik en andere filters.

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 of 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 toegang tot tabellen.
Extractieparameters instellen: Stel in het script de variabelen date_from en date_to in om de gewenste periode voor de extractie op te geven. Begin bij voorkeur met een kortere periode, bijvoorbeeld één maand, om het extractieproces te testen.
Het Python-script uitvoeren: Voer het script vanuit de terminal uit met de opdracht python your_script_name.py. Het script maakt via RFC verbinding met SAP, voert voor elke vereiste tabel (EBAN, EKKO, EKPO, CDHDR, CDPOS) RFC_READ_TABLE uit en haalt de data op.
Data ophalen: Het script haalt ruwe data op over inkoopaanvragen, inkooporders en wijzigingsdocumenten. Filters, zoals datumbereiken en objectklassen, beperken de hoeveelheid overgedragen data.
Data lokaal transformeren: Na het downloaden gebruikt het script de pandas-bibliotheek om alle transformaties lokaal uit te voeren. Het verwerkt de ruwe tabeldata en maakt afzonderlijke event log-regels voor elk van de 13 vereiste activiteiten, zoals 'Requisition Created', 'Approval Step Approved' en 'Purchase Order Created'.
Het event log samenstellen: Het script voegt de gebeurtenissen uit elke tabel samen in één DataFrame. Het berekent timestamps voor gebeurtenissen, koppelt gebruikersnamen en zet de data om naar de vereiste indeling met case-ID, activiteit en timestamp.
Attributen koppelen: Belangrijke attributen zoals PurchaseRequisitionId, ActivityName, EventTime, Gebruiker en TotalRequisitionValue worden aan de bijbehorende kolommen in het uiteindelijke DataFrame gekoppeld.
Exporteren naar CSV: Het script slaat het uiteindelijke event log op als een CSV-bestand met de naam event_log_pr.csv in dezelfde map. Dit bestand is klaar om naar ProcessMind te uploaden.
Controleren en uploaden: Open het gegenereerde CSV-bestand en controleer of de data volledig en correct is. Na deze controle kun je het bestand uploaden naar je ProcessMind-project.

Configuratie

SAP-verbinding: Het script heeft gegevens nodig voor een rechtstreekse RFC-verbinding met het SAP ECC-systeem, waaronder de applicatieserver, het systeemnummer, de client, de gebruiker en het wachtwoord. De opgegeven gebruiker moet autorisaties hebben voor RFC-aanroepen en weergavetoegang tot de tabellen EBAN, EKPO, EKKO, CDHDR en CDPOS.
Datumbereik: De extractie gebruikt begin- en einddatums die je in het script instelt. Haal voor de eerste extracties en om de prestaties op peil te houden bij voorkeur data op over een periode van 3 tot 6 maanden.
Tabel filters: Waar mogelijk past het script filters toe in de RFC-aanroepen. Zo worden aanvragen gefilterd 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 het bewerken van data. Installeer deze bibliotheken in je Python-omgeving.
Prestaties: Data ophalen via RFC_READ_TABLE kan bij zeer grote datasets traag zijn, omdat de tabellen één voor één worden uitgelezen. Voer de extractie bij voorkeur buiten piekuren uit om de systeembelasting te beperken.
Documenttypen: Standaard haalt het script alle documenttypen voor inkoopaanvragen op. Wil je de selectie beperken, voeg dan na de extractie een filter toe op de kolom BSART uit de EBAN-tabel in het pandas DataFrame.

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 te beginnen?

Gebruik deze template om je data geschikt te maken voor process mining en inzicht te krijgen in het Purchase to Pay-aanvraagproces. Begin vandaag met het verbeteren van je processen.

Terug naar de verbetergids

Template downloaden

Verbeter Purchase to Pay-aanvragen. Start nu je proefperiode.

Spoor bottlenecks in Purchase to Pay op en los ze op. Verkort de doorlooptijd met 30% of meer.

Start je gratis proefperiode

Geen creditcard nodig. 14 dagen gratis toegang.

Datatemplate voor Purchase to Pay-aanvragen

Datatemplate voor Purchase to Pay-aanvragen

Attributen voor Purchase to Pay-aanvragen

Activiteiten voor Purchase to Pay-aanvragen

Extractiegidsen

Rechtstreekse SQL-query op de onderliggende SAP ECC-database

Stappen

Configuratie

Voorbeeldquery sql

Python-script voor data-extractie uit tabellen via SAP RFC

Stappen

Configuratie

Voorbeeldquery python

Klaar om te beginnen?

Verbeter Purchase to Pay-aanvragen. Start nu je proefperiode.