> Continue verbetering > Order tot betaling Verkooporderverwerking > Microsoft Dynamics 365 > datatemplate

Je Order tot betaling - Verkooporderverwerking datatemplate

Microsoft Dynamics 365

Order tot betaling - Attributen Verkooporderverwerking (20) Order tot betaling - Activiteiten verkooporderverwerking (13) Extractiegidsen (2)

Je Order tot betaling - Verkooporderverwerking datatemplate

Deze template biedt een gestructureerd overzicht van de belangrijkste data-elementen die nodig zijn om je Order tot betaling - Verkooporderverwerking in Microsoft Dynamics 365 te analyseren. Het schetst de belangrijke attributen die moeten worden verzameld en de belangrijkste activiteiten die moeten worden vastgelegd binnen je event log. Bovendien vind je praktische begeleiding bij het effectief extraheren van deze data uit je systeem.

Aanbevolen attributen voor grondige analyse
Belangrijke procesactiviteiten om te volgen
Specifieke data-extractiehandleiding voor Microsoft Dynamics 365

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

Template downloaden

Order tot betaling - Attributen Verkooporderverwerking

Dit zijn de aanbevolen velden om op te nemen in je event log voor een grondige analyse van je Order tot betaling - Verkooporderverwerking in Microsoft Dynamics 365.

5 Verplicht 5 Aanbevolen 10 Optioneel

	Naam	Omschrijving
	Activiteit ActivityName	De naam van de specifieke zakelijke gebeurtenis of taak die op een bepaald moment binnen het verkooporderproces heeft plaatsgevonden.
Omschrijving Dit attribuut vertegenwoordigt een afzonderlijke stap of stap in het proces van de verkooporder, zoals 'Verkooporder aangemaakt', 'Goederen verzonden' of 'Betaling ontvangen'. De opeenvolging van deze activiteiten voor een bepaalde verkooporder vormt de processtroom. Het analyseren van de volgorde, frequentie en overgangen tussen activiteiten vormt de kern van Process Mining. Het helpt bij het visualiseren van de proceskaart, het vinden van veelvoorkomende en zeldzame procesvarianten, het detecteren van knelpunten en het opsporen van gebieden met rework of non-compliance. Dit attribuut is onmisbaar voor het begrijpen van wat er werkelijk in het proces gebeurt. Het belang Het definieert de stappen van het proces, waardoor het mogelijk wordt om de processtroom te construeren en te visualiseren, wat het primaire doel is van Process Mining. Vindplaats Dit attribuut wordt conceptueel afgeleid door specifieke systeem-gebeurtenissen of statuswijzigingen in tabellen zoals 'SalesTable' en gerelateerde logistieke of financiële tabellen te mappen naar een gestandaardiseerde activiteitsnaam. Voorbeelden Verkooporder aangemaaktGoederen verzondenFactuur aangemaaktBetaling Ontvangen
	Starttijd EventTime	De exacte datum en tijd waarop een specifieke activiteit of gebeurtenis plaatsvond.
Omschrijving De 'Event Time', of timestamp, registreert het exacte moment waarop een activiteit plaatsvond. Elke activiteit in het event log heeft een bijbehorende timestamp, waardoor een chronologisch overzicht van het proces per case ontstaat. Dit attribuut is belangrijk voor elke tijdsgebaseerde analyse binnen process mining. Hiermee kun je doorlooptijden tussen activiteiten berekenen, de totale duur van een case meten, wachttijden analyseren en knelpunten vinden waar het proces vertraging oploopt. Ook kun je hiermee prestaties over een langere periode monitoren, zoals het bijhouden van de doorvoer per dag, week of maand. Het belang Deze timestamp is belangrijk voor het berekenen van alle duur-gebaseerde meetwaarden, zoals doorlooptijden en knelpunten, en voor het chronologisch ordenen van gebeurtenissen. Vindplaats Dit is afgeleid van verschillende date/time velden geassocieerd met specifieke transacties, zoals 'SalesTable.CreatedDateTime' voor order creation of payment journal posting dates voor payments. Voorbeelden 2023-04-15T09:02:11Z2023-04-18T14:30:00Z2023-04-25T11:21:45Z
	Verkooporder SalesOrderNumber	De unieke kenmerk voor elke verkooporder, die dient als de primaire case kenmerk voor het proces.
Omschrijving Het 'Sales Order Number' is een unieke alfanumerieke code die in Microsoft Dynamics 365 aan elke klantorder wordt toegewezen. Het fungeert als de centrale Case-ID die alle gerelateerde activiteiten en gebeurtenissen koppelt, van creatie tot afsluiting. Binnen process mining is deze attribuut onmisbaar voor het reconstrueren van de volledige reis van elke individuele verkooporder. Hiermee kunnen analysesten de volledige reeks activiteiten volgen, de duur van cases meten en variaties per specifieke order analyseren. Dit vormt de basis voor de gehele procesanalyse. Het belang Deze kenmerk is belangrijk voor het correleren van alle gerelateerde gebeurtenissen, wat een complete, end-to-end-analyse van de levenscyclus van elke sales order mogelijk maakt. Vindplaats Gevonden in de 'SalesTable' tabel, veld 'SalesId'. Voorbeelden SO-00102345SO-00102346SO-00102347
	Bronsysteem SourceSystem	Identificeert het Informatiesysteem waaruit de data afkomstig is.
Omschrijving Dit attribuut specificeert de bronapplicatie waar de gebeurtenis data is vastgelegd. In deze context zal dit doorgaans 'Microsoft Dynamics 365' zijn. Hoewel het redundant kan lijken bij een analyse binnen één systeem, wordt het belangrijk bij het samenvoegen van data uit meerdere systemen, zoals een afzonderlijk CRM of een warehouse management system. Het waarborgt data lineage en helpt bij het oplossen van problemen met data-extractie door de oorsprong van het records te vinden. Het belang Het biedt belangrijke context over de herkomst van data, vooral bij het integreren van data uit meerdere systemen, wat een duidelijke data lineage waarborgt. Vindplaats Dit is een statische waarde, doorgaans toegevoegd tijdens het data transformation process om de oorsprong van de dataset te labelen. Voorbeelden Microsoft Dynamics 365 F&OMicrosoft Dynamics 365 Sales
	Tijdstip van extractie LastDataUpdate	De timestamp die aangeeft wanneer de data voor het voor het laatst is bijgewerkt of opgehaald uit het bronsysteem.
Omschrijving Dit attribuut registreert de datum en tijd van de meest recente data-extractie uit Microsoft Dynamics 365. Het biedt transparantie over de relevantie van de geanalyseerde data. Voor elke procesanalyse is het belangrijk om de relevantie van de data te begrijpen voor het nemen van weloverwogen beslissingen. Deze timestamp helpt gebruikers de data te vertrouwen door precies aan te geven wanneer deze voor het laatst is bijgewerkt, zodat conclusies gebaseerd zijn op actuele Informatie. Het belang Het zorgt ervoor dat gebruikers op de hoogte zijn van de versheid van de data, wat belangrijk is voor de relevantie en nauwkeurigheid van de Process Mining-analyse. Vindplaats Dit wordt gegenereerd op het moment van data-extractie en toegevoegd aan elke record tijdens het data-importion proces. Voorbeelden 2023-10-27T02:00:00Z2023-10-28T02:00:00Z
	Bevestigde leveringsdatum ConfirmedDeliveryDate	De leverdatum die het bedrijf heeft bevestigd en toegezegd aan de klant.
Omschrijving De Confirmed Delivery Date is de datum waarop de verkooporganisatie de levering van goederen aan de klant belooft. Deze datum wordt vastgesteld nadat interne controles, zoals voorraadbeschikbaarheid en productieplanning, zijn voltooid. Dit attribuut is belangrijk voor het berekenen van de KPI 'Delivery Date Adherence Rate' vanuit een operationeel perspectief. Het biedt een realistischer intern ijkpunt voor tijdige levering dan de oorspronkelijke aanvraag van de klant. Door afwijkingen van deze datum te analyseren, kunt u interne procesfouten in de logistiek en orderafhandeling vinden. Het belang Vertegenwoordigt de betrokkenheid van het bedrijf bij de klant, waardoor het een belangrijke interne benchmark is voor het meten van leverbetrouwbaarheid en operationele prestaties. Vindplaats Gevonden in de verkooporderregeldata, vaak in de 'SalesLine' tabel met een veldnaam zoals 'ConfirmedDlv'. Voorbeelden 2023-05-122023-06-012023-05-28
	Gewenste leverdatum RequestedDeliveryDate	De leverdatum voor de order zoals aangevraagd door de klant.
Omschrijving Dit attribuut slaat de datum op waarop de klant aanvankelijk verzocht om hun goederen te ontvangen. Deze datum wordt vastgelegd op het moment van ordercreatie en dient als basislijn voor het meten van de leveringsprestaties vanuit het perspectief van de klant. Deze datum is een belangrijke input voor het 'Delivery Date Adherence' dashboard. Het vergelijken van de RequestedDeliveryDate met de ConfirmedDeliveryDate en de daadwerkelijke 'Goederen geleverd'-datum onthult hoe goed de organisatie voldoet aan de klantverwachtingen. Grote verschillen kunnen wijzen op problemen met planning, voorraad of logistiek. Het belang Dient als de klantverwachting voor levering, en biedt een belangrijke basis voor het meten van klanttevredenheid en on-time delivery prestaties. Vindplaats Gevonden in de 'SalesTable' tabel, gewoonlijk 'DeliveryDate' genoemd of een vergelijkbare variant. Voorbeelden 2023-05-102023-06-012023-05-25
	Klantnaam CustomerName	De naam van de klant die de verkooporder heeft geplaatst.
Omschrijving Dit attribuut bevat de officiële naam van de klant die aan de verkooporder is gekoppeld. Het wordt afgeleid door het klantrekeningnummer op de verkooporder te koppelen aan de centrale klantstamgegevens. Het analyseren van het proces per klant is belangrijk voor het begrijpen van klantspecifiek gedrag en serviceniveaus. Het helpt vinden welke klanten de meeste vertragingen ervaren, welke de hoogste reworkpercentages kennen, of welke niet-standaard procespaden volgen. Dit is belangrijk voor het verbeteren van de klanttevredenheid en het effectief beheren van belangrijke accounts. Het belang Maakt klantgerichte analyse mogelijk om patronen, vertragingen of problemen specifiek voor bepaalde klanten te vinden, wat de klanttevredenheid direct beïnvloedt. Vindplaats Opgezocht uit de 'CustTable' met behulp van het 'CustAccount' veld uit de 'SalesTable'. Voorbeelden Contoso LtdAdatum CorporationFabrikam Inc.
	Orderwaarde OrderValue	De totale waarde van de verkooporder.
Omschrijving Dit attribuut vertegenwoordigt het totale financiële bedrag van de verkooporder, inclusief alle artikelen, belastingen en toeslagen. Het is een belangrijke financiële metriek die gekoppeld is aan elke case. Order Value is belangrijk voor procesanalyse op basis van waarde. Het maakt het mogelijk om het proces te segmenteren om te zien of orders met een hoogwaardige anders worden afgehandeld of meer vertragingen ondervinden dan orders met een lage waarde. Dit helpt bij het prioriteren van procesverbeteringsinspanningen op de financieel meest belangrijke cases en ondersteunt dashboards zoals 'Sales Order Value by Segment'. Het belang Maakt financiële segmentatie van het proces mogelijk, wat helpt bij het prioriteren van verbeteringen voor orders met hoogwaardige en het begrijpen van de kostenimplicaties van procesafwijkingen. Vindplaats Gevonden in de verkooporderheaderdata. Raadpleeg de Microsoft Dynamics 365 documentatie voor de specifieke tabel en het veld, vaak berekend uit verkoopregelbedragen. Voorbeelden 5250.7512300.00899.50
	Verkoopkanaal SalesChannel	Het kanaal waarlangs de verkooporder is ontvangen, zoals Web, Directe Verkoop of Partner.
Omschrijving Het 'Sales Channel' geeft de herkomst van de klantorder aan. Dit kan een e-commerce website zijn, een direct salesteam, een fysieke winkel, een callcenter of een partnernetwerk. In Dynamics 365 wordt deze dimensie vaak geconfigureerd op basis van specifieke bedrijfsbehoeften. Door het proces per verkoopkanaal te analyseren, komen prestatieverschillen tussen kanalen aan het licht. Zo worden online bestellingen vaak sneller en automatischer verwerkt dan telefonische orders. Dit inzicht maakt kanaalspecifieke procesoptimalisatie en een betere inzet van middelen mogelijk, wat weer helpt bij dashboards zoals 'Sales Order Value by Segment'. Het belang Maakt prestatievergelijking tussen verschillende verkoopkanalen mogelijk, wat inefficiënties of best practices onthult die specifiek zijn voor de manier waarop orders worden geïnitieerd. Vindplaats Deze Informatie wordt doorgaans op de sales order header opgeslagen. Raadpleeg de Microsoft Dynamics 365 documentatie voor het specifieke veld. Voorbeelden `Web`DirectPartnerRetail
	Artikelnummer ItemNumber	De unieke kenmerk voor een product of dienst op de verkooporder.
Omschrijving Het 'Item Number' identificeert het specifieke product dat wordt verkocht. Omdat een verkooporder meerdere producten kan bevatten, is deze attribuut meestal gekoppeld aan gebeurtenis-data op regelniveau. Door het proces per product te analyseren, bekijk je productspecifieke problemen. Sommige producten hebben bijvoorbeeld te maken met langere levertijden, meer herstelwerken of vaker voorkomende kredietblokkades. Zo kun je gericht verbeteringen doorvoeren in het voorraadbeheer, de inrichting van productdata of de afhandelingsprocessen van specifieke artikelen. Het belang Maakt analyse op productniveau mogelijk, wat onthult of bepaalde items geassocieerd zijn met procesvertragingen, herstelwerk of andere inefficiënties. Vindplaats Gevonden in de 'SalesLine' tabel, veld 'ItemId'. Voorbeelden PROD-00123PROD-00548SVC-00045
	Eindtijd EndTime	De precieze `datum` en `tijd` waarop een `activiteit` werd voltooid.
Omschrijving De timestamp van de 'End Time' legt het moment vast waarop een activiteit eindigt. Wanneer deze beschikbaar is, kun je de duur van een activiteit nauwkeuriger meten dan wanneer je deze afleidt van de starttijd van de volgende activiteit. In analyses zorgt het gebruik van zowel een start- als een eindtijd voor een exacte berekening van de 'Bewerkingstijd' van elke activiteit. Hierdoor kun je dit onderscheiden van de 'Wachttijd' tussen activiteiten. Dit is belangrijk om te achterhalen welke specifieke taken tijdrovend zijn en bij welke processtappen er sprake is van lange vertragingen. Het belang Maakt de precieze berekening mogelijk van de verwerkingstijden van individuele activiteiten, waarbij actieve werktijd wordt onderscheiden van inactieve wachttijd. Vindplaats Net als Starttijd is dit afgeleid van diverse datum/tijd-velden. Het kan een 'ModifiedDateTime' veld zijn of een specifieke status update timestamp in tabellen zoals 'SalesTable' of 'WHSLoadTable'. Voorbeelden 2023-04-15T09:12:30Z2023-04-18T14:35:00Z2023-04-25T11:21:55Z
	Gebruikersnaam UserName	De naam van de gebruiker die de activiteit heeft uitgevoerd.
Omschrijving Dit attribuut identificeert de specifieke medewerker of systeemgebruiker die verantwoordelijk is voor het uitvoeren van een bepaalde taak, zoals het bevestigen van een order of het aanmaken van een factuur. Het is meestal gekoppeld aan een user ID in Microsoft Dynamics 365. Het analyseren van prestaties per gebruiker helpt bij het vinden van trainingsbehoeften, het herkennen van best presterende medewerkers en het waarborgen van een juiste werkverdeling. Het is ook belangrijk voor compliance en auditdoeleinden, en garandeert duidelijke verantwoordelijkheid voor elke actie die in het proces wordt ondernomen. Het belang Het maakt analyse van procesprestaties per individu of team mogelijk, wat helpt bij het vinden van trainingsmogelijkheden, onevenwichtigheden in de werkdruk en brongerelateerde knelpunten. Vindplaats Afgeleid van gebruikers-id-velden zoals 'CreatedBy' of 'ModifiedBy' op verschillende transactietabellen, die vervolgens worden samengevoegd met de hoofdgebruikerstabel (bijv. 'GebruikerInfo') om de volledige naam te verkrijgen. Voorbeelden Alice JohnsonRobert BrownSysteembeheerder
	Is herstelwerk IsRework	Een Booleaanse vlag die aangeeft of een verkooporder herstelwerk heeft ondergaan, zoals een herhaalde activiteit.
Omschrijving Dit berekende attribuut identificeert cases die zijn afgeweken van een direct, 'happy path' processtroom. Herwerk wordt gedetecteerd door opeenvolgingen van activiteiten te vinden die aangeven dat een stap is herhaald, zoals een order die wordt ontbevestigd en vervolgens opnieuw wordt bevestigd, of goederen die zijn gepickt en vervolgens weer op voorraad zijn geplaatst. Het markeren van cases met rework is belangrijk voor de KPI 'Sales Order Rework Rate'. Het stelt analysesten in staat om snel inefficiënte processtromen te isoleren en te onderzoeken om de grondoorzaken van rework te begrijpen, wat fouten bij de data-invoer, kredietproblemen of voorraadproblemen kunnen zijn. Het verminderen van rework is een primair doel van veel procesverbeteringsprojecten. Het belang Helpt bij het kwantificeren van procesinefficiëntie door cases te markeren die herhaalde stappen vereisten, waardoor gerichte analyse mogelijk wordt om verspilling en vertragingen te verminderen. Vindplaats Dit wordt berekend door de process mining-tool door de sequence of activiteiten voor elke case te analyseren. Bijvoorbeeld, het detecteren van een patroon zoals (A -> B -> C -> B) zou de case markeren als herstelwerk. Voorbeelden truefalse
	Land CountryRegion	Het land van het verzendadres van de klant.
Omschrijving Dit attribuut geeft het land van bestemming aan voor de verzending van de verkooporder. Het wordt afgeleid uit de leveringsadresgegevens van de klant die zijn opgeslagen in Dynamics 365. Het analyseren van procesprestaties per land is belangrijk voor het vinden van regionale verschillen. Internationale zendingen kunnen extra stappen omvatten, zoals douaneafhandeling, wat leidt tot langere doorlooptijden. Deze analyse helpt bij het begrijpen en optimaliseren van de logistiek voor verschillende geografische markten. Het belang Faciliteert geografische analyse, en helpt bij het vinden van regionale knelpunten, compliance-problemen of prestatieverschillen in de toeleveringsketen. Vindplaats Afgeleid van het afleveradres van de klant, dat gekoppeld is aan de verkooporder. De landInformatie bevindt zich doorgaans in de LogisticsPostalAddress-tabel, gekoppeld via de afleveradreslink op de SalesTable. Voorbeelden USADEUCANGBR
	Status verkooporder SalesOrderStatus	De huidige status van de verkooporder op het moment van data-extractie.
Omschrijving Dit attribuut weerspiegelt de algehele status van de verkooporder, zoals 'Open order', 'Gefactureerd', 'Geannuleerd' of 'Geleverd'. Dit is een samenvattende status die wordt bijgehouden in de verkooporderheader. Hoewel het activity log een dynamisch overzicht van het proces biedt, is de uiteindelijke status nuttig voor filtering en segmentation. Het stelt analysesten in staat om gemakkelijk alle openstaande orders te isoleren voor een beeld van de huidige werkdruk, of om succesvol afgeronde orders te scheiden van geannuleerde orders om de redenen voor annulering te analyseren. Het belang Biedt een momentopname van de orderstatus, waardoor analyses kunnen worden gefilterd op open, gesloten of geannuleerde orders, wat nuttig is voor workloadbeheer en resultatenanalyse. Vindplaats Gevonden in de 'SalesTable' tabel, veld 'SalesStatus'. Voorbeelden BackorderGeleverdGefactureerdGeannuleerd
	Tijdige Betaling OnTimePayment	Een Booleaanse vlag die aangeeft of de betaling is ontvangen op of vóór de uiterste betaaldatum.
Omschrijving Dit berekende attribuut vergelijkt de timestamp van de activiteit 'Betaling ontvangen' met de PaymentDueDate. Het wordt ingesteld op 'true' als de betaling op tijd was en 'false' als deze te laat was. Deze flag is de basiscomponent van de KPI 'On-Time Payment Rate'. Het maakt een snelle segmentation van klanten in 'tijdige' en 'late' betalers mogelijk. Deze analyse kan kredietbeleid, incassostrategieën en klantrelatiebeheer Informapakketmeren door chronisch laatbetalende klanten te vinden. Het belang Meet het betalingsgedrag van klanten ten opzichte van de overeengekomen voorwaarden, wat fundamenteel is voor het beheren van de cashflow en het beoordelen van het kredietrisico. Vindplaats Berekend door de 'EventTime' van de activiteit 'Betaling Ontvangen' te vergelijken met het PaymentDueDate attribuut. Formule: ('Betaling Ontvangen' Timestamp <= PaymentDueDate). Voorbeelden truefalse
	Tijdige Levering OnTimeDelivery	Een Booleaanse vlag die aangeeft of de goederen zijn geleverd op of vóór de bevestigde leverdatum.
Omschrijving Dit berekende attribuut vergelijkt de timestamp van de activiteit 'Goederen geleverd' met de ConfirmedDeliveryDate voor elke verkooporder. Het wordt ingesteld op 'true' als de levering op tijd of eerder was, en op 'false' als deze te laat was. Deze flag vormt de basis voor het berekenen van de KPI 'Delivery Date Adherence Rate'. Het vereenvoudigt de analyse door een gemakkelijke filtering en aggregatie van tijdige versus late orders mogelijk te maken. Dit helpt om snel de factoren te vinden die correleren met late leveringen, zoals specifieke producten, klanten, regio's of verzendmethoden. Het belang Meet direct de afhandelingsprestaties ten opzichte van de toezegging, wat belangrijk is voor het monitoren van klanttevredenheid en de betrouwbaarheid van de toeleveringsketen. Vindplaats Berekend door de 'EventTime' van de activiteit 'Goederen Geleverd' te vergelijken met het ConfirmedDeliveryDate attribuut. Formule: ('Goederen Geleverd' Timestamp <= ConfirmedDeliveryDate). Voorbeelden truefalse
	Uiterste betaaldatum PaymentDueDate	De datum waarop de klant de betaling voor de factuur moet voldoen.
Omschrijving De 'Payment Due Date' wordt berekend op basis van de factuurdatum en de met de klant overeengekomen betalingsvoorwaarden. Deze datum staat op de factuur genoteerd. Dit attribuut is belangrijk voor de analyse van 'Payment Due Date Compliance' en de KPI voor 'On-Time Payment Rate'. Door de 'PaymentDueDate' te vergelijken met de daadwerkelijke datum van de 'Payment Received', kun je te late betalingen vinden, betalingsgedrag per klantsegment analyseren en proactief maatregelen nemen om de cashflow te verbeteren en het aantal dagen dat facturen openstaan (DSO) te verminderen. Het belang Dit is de benchmark voor het meten van betalingsprestaties, wat belangrijk is voor het analyseren van cashflow en het effectief beheren van debiteuren. Vindplaats Gevonden in de 'CustInvoiceJour' tabel, veld 'DueDate'. Voorbeelden 2023-05-302023-06-152023-06-30
	Verzendmethode ShippingMethod	De methode of vervoerder die wordt gebruikt om de goederen naar de klant te verzenden.
Omschrijving Dit attribuut specificeert de transportdienst die wordt gebruikt voor levering, zoals 'Standaard verzending', 'Luchtvracht' of de naam van een specifieke vervoerder. Dit wordt geselecteerd tijdens orderverwerking op basis van klantvoorkeur, kosten en levertijd. Voor het 'Shipping Method Performance' dashboard is deze dimensie belangrijk. Het analyseren van doorlooptijden van 'Goederen verpakt' tot 'Goederen geleverd', uitgesplitst naar verzendmethode, helpt te vinden welke vervoerders sneller, betrouwbaarder of gevoeliger zijn voor vertragingen. Dit inzicht maakt betere logistieke planning en vervoerdersselectie mogelijk. Het belang Maakt prestatieanalyse van verschillende vervoerders en verzendopties mogelijk, en helpt bij het optimaliseren van logistiek op het gebied van kosten, snelheid en betrouwbaarheid. Vindplaats Deze Informatie wordt doorgaans op de sales order header of gerelateerde fulfillment records opgeslagen. Raadpleeg de Microsoft Dynamics 365 documentatie. Voorbeelden FedEx GroundUPS Next Day AirDHL Express

Verplicht Aanbevolen Optioneel

Order tot betaling - Activiteiten verkooporderverwerking

Dit zijn de belangrijkste processtappen en kritieke mijlpalen om vast te leggen in je event log voor nauwkeurige bekijkking en analyse van je verkooporderverwerking.

6 Aanbevolen 7 Optioneel

	Activiteit	Omschrijving
	Betaling Ontvangen	Deze activiteit duidt erop dat de betaling van de klant voor de factuur is ontvangen en verwerkt. Dit gebeurtenis vindt plaats in de module Debiteuren en wordt teruggekoppeld aan de oorspronkelijke factuur.
Het belang Dit is een kritieke mijlpaal voor het analyseren van de cash conversion cycle. Het is belangrijk voor het meten van de On-Time Payment Rate KPI en het vinden van vertragingen in betalingsinning. Vindplaats Dit is een expliciet gebeurtenis uit de Accounts Receivable module. Het wordt vastgelegd vanuit de transactiedatum van de customer payment settlement (CustSettlement) die de invoice transaction (CustTrans) afsluit. Vastleggen Leg de afwikkelingsdatum vast uit de CustSettlement-tabel en koppel deze terug aan de factuur en verkooporder. Gebeurtenistype explicit
	Factuur aangemaakt	Dit vertegenwoordigt het genereren en boeken van de verkoopfactuur voor de verzonden goederen of diensten. Dit is een kern financiële transactie die de schuld van de klant formeel vastlegt.
Het belang Deze activiteit markeert het begin van het financiële afwikkelingsdeel van het proces. De tijd vanaf verzending tot factuurcreatie is belangrijk voor de 'Invoice Generation Doorlooptijd' KPI en beïnvloedt de cashflow. Vindplaats Dit is een expliciete financiële transactie. Het gebeurtenis wordt vastgelegd vanuit de boekingsdatum en -tijd van het Verkoopfactuurjournaal (CustInvoiceJour). Vastleggen Leg de posting timestamp vast van het verkoopfactuurjournaal. Gebeurtenistype explicit
	Goederen verzonden	Dit gebeurtenis geeft aan dat de verpakte goederen voor de order zijn verzonden en het warehouse hebben verlaten. In Dynamics 365 wordt dit geformaliseerd door de Pakbon te boeken.
Het belang Dit is een kritieke mijlpaal die het einde van het interne fulfilmentprocess en het begin van de delivery phase markeert. Het is een belangrijke timestamp voor het berekenen van de on-time shipping prestaties. Vindplaats Dit is een zeer duidelijk en expliciet gebeurtenis vastgelegd vanuit de boekingsdatum en -tijd van het Pakbonjournaal (CustPackingSlipJour). Vastleggen Leg de posting timestamp vast van het pakbonjournaal. Gebeurtenistype explicit
	Order Afgesloten	De uiteindelijke status van een succesvol verwerkte verkooporder, wat aangeeft dat deze volledig is verzonden, gefactureerd en dat er geen verdere transacties worden verwacht. Dit markeert de succesvolle afronding van het proces.
Het belang Deze activiteit dient als het primaire eindpunt voor succesvol voltooide cases. Het is belangrijk voor het berekenen van end-to-end doorlooptijden en doorvoer. Vindplaats Dit wordt afgeleid van de status velden op de SalesTable. Een order wordt als gesloten beschouwd wanneer de Sales status 'Gefactureerd' is en de line statuses ook 'Gefactureerd' zijn. Vastleggen Afleiden uit SalesTable statusvelden die wijzigen naar 'Gefactureerd'. De timestamp is typisch de laatst gerelateerde transactiedatum, zoals facturering of betaling. Gebeurtenistype inferred
	Order Bevestigd	Deze activiteit markeert de formele bevestiging van de verkooporder, waarbij de levering van de gespecificeerde goederen of diensten wordt vastgelegd. Binnen Dynamics 365 is dit een expliciete gebruikersactie die resulteert in een bevestigingsjournaal.
Het belang Bevestiging is een belangrijke mijlpaal die het uitvoeringsproces officieel start. Het meten van de tijd van aanmaak tot bevestiging onthult de efficiëntie van de front-office verwerking. Vindplaats Dit is een expliciet gebeurtenis vastgelegd vanuit de boekingsdatum van het Sales Order Confirmation journal (SalesConfirmJour). De timestamp kan worden teruggekoppeld naar de SalesTable. Vastleggen Leg de posting timestamp vast van het verkooporderbevestigingsjournaal. Gebeurtenistype explicit
	Verkooporder aangemaakt	Dit gebeurtenis markeert de initiële aanmaak van de verkooporder in het systeem door een verkoopvertegenwoordiger of via een geautomatiseerd kanaal. Het wordt expliciet vastgelegd wanneer een nieuw record wordt aangemaakt en opgeslagen in de primaire verkoopordertabel.
Het belang Deze activiteit is het universele startpunt voor alle verkooporder-cases. Het levert de initiële timestamp die nodig is voor het berekenen van de totale verkooporderdoorlooptijd en het analyseren van de doorvoer. Vindplaats Dit is een expliciet gebeurtenis vastgelegd vanuit het veld 'Created date and time' op de SalesTable header record in Microsoft Dynamics 365. Vastleggen Lees de creatie timestamp van de SalesTable entity. Gebeurtenistype explicit
	Goederen geleverd	Geeft aan dat de zending succesvol is geleverd op het door de klant opgegeven adres. Deze Informatie wordt vaak bijgewerkt vanuit het systeem van een externe vervoerder of via een handmatige bevestiging.
Het belang Deze activiteit is belangrijk voor het meten van de 'Delivery Date Adherence' KPI en het begrijpen van de werkelijke klantgerichte doorlooptijd. Het helpt de prestaties van de vervoerder te ewaarderen. Vindplaats Dit wordt in standaard D365 niet 'native' als expliciet gebeurtenis vastgelegd. Het wordt doorgaans afgeleid door een update te ontvangen van een carrier integration of via een handmatige statusupdate op de sales order of shipment record. Vastleggen Afleiden uit een geïntegreerde vervoerders feed of een handmatige statusveld update. Gebeurtenistype inferred
	Goederen verpakt	Deze activiteit markeert de voltooiing van het inpakproces, waarbij verzamelde items worden geconsolideerd en voorbereid voor verzending. In D365 kan dit samenvallen met het genereren van een pakbon.
Het belang De tijd tussen verzamelen en inpakken kan knelpunten in inpakstations blootleggen. Het is een belangrijk subproces binnen de algehele afhandelingsdoorlooptijd. Vindplaats Dit kan een expliciet gebeurtenis zijn dat voortkomt uit de voltooiing van het verpakken van containers in de WMS-module of worden afgeleid uit het genereren van het Packing Slip journaal (CustPackingSlipJour), wat vaak het einde van het verpakken betekent. Vastleggen Afleiden uit de voltooiing van het verpakkingswerk of de aanmaakdatum van het Packing Slip journal. Gebeurtenistype inferred
	Goederen verzameld	Vertegenwoordigt de voltooiing van het fysiek picken van alle artikelen voor de order vanaf hun magazijnlocaties. Dit wordt doorgaans geregistreerd wanneer een picker een picklijst of werkorder in de WMS module voltooit.
Het belang Het bijhouden van de picking completion time is belangrijk voor het analyseren van magazijnefficiëntie. Vertragingen in deze fase hebben directe invloed op de totale tijd om te verzenden. Vindplaats Dit is een expliciet gebeurtenis vastgelegd in de Warehouse Management module. Het wordt vastgelegd vanuit de completion timestamp van het warehouse work (WHSWorkTable) gerelateerd aan het sales order picking. Vastleggen Leg de timestamp vast waarop de 'Werk'-status van het picken wordt bijgewerkt naar 'Afgesloten'. Gebeurtenistype explicit
	Kredietcontrole Uitgevoerd	Vertegenwoordigt de voltooiing van een kredietcheck voor de klant die aan de verkooporder is gekoppeld. Dit kan een geautomatiseerde systeemcontrole of een handmatige beoordeling zijn, wat vaak resulteert in een wijziging van de kredietstatus van de order.
Het belang Het analyseren van de duur en uitkomsten van kredietcontroles helpt knelpunten in het ordergoedkeuringsproces te vinden. Frequente blokkades of lange goedkeuringstijden kunnen de orderafhandeling aanzienlijk vertragen. Vindplaats Doorgaans afgeleid van statuswijzigingen gerelateerd aan credit management op de SalesTable, zoals de overgang van 'On hold' met een credit reason naar 'Open'. Het kan ook worden gelogd in credit management tables als de geavanceerde module wordt gebruikt. Vastleggen Afleiden uit de statuswijzigingshistorie op de SalesTable of gerelateerde credit hold tables. Gebeurtenistype inferred
	Order geannuleerd	Dit gebeurtenis vertegenwoordigt de annulering van een verkooporder voordat deze volledig was verzonden en gefactureerd. Dit is een alternatief, onsuccesvol einde van het proces.
Het belang Het bijhouden van annuleringen helpt bij het vinden van redenen voor verloren omzet of procesfouten. Het analyseren van wanneer en waarom orders worden geannuleerd, kan leiden tot procesverbeteringen. Vindplaats Dit wordt afgeleid van het Sales statusveld op de SalesTable dat verandert naar 'Geannuleerd'. De timestamp zou zijn wanneer deze statuswijziging werd gelogd. Vastleggen Afleiden uit het SalesTable statusveld dat wijzigt naar 'Geannuleerd'. Gebeurtenistype inferred
	Voorraad gereserveerd	Dit gebeurtenis geeft aan dat de benodigde voorraad voor de verkooporderregels fysiek of automatisch is gereserveerd in het systeem. Dit garandeert dat de artikelen beschikbaar zijn voor picking en fulfillment.
Het belang Het bijhouden van voorraadreserveringen helpt vertragingen te analyseren tussen orderbevestiging en de start van magazijnactiviteiten. Dit is belangrijk voor de Inventory Allocation Lead Time KPI. Vindplaats Dit kan worden afgeleid uit de creatie of update van voorraadtransactiegegevens (InventTrans) die gekoppeld zijn aan de verkooporderregels, waarbij de status een reservering aangeeft (bijv. 'In bestelling', 'Fysiek gereserveerd'). Vastleggen Afleiden uit de timestamp wanneer voorraadtransacties (InventTrans) voor de order als gereserveerd zijn gemarkeerd. Gebeurtenistype inferred
	Vrijgegeven naar magazijn	Markeert het moment waarop de verkooporder formeel wordt vrijgegeven aan het magazijn voor pick- en verzendactiviteiten. Dit is een specifieke stap in omgevingen die gebruikmaken van de Warehouse Management (WMS) module.
Het belang Deze activiteit scheidt de orderverwerking van de fysieke uitvoering. Het analyseren van de tijd dat een order wacht om te worden vrijgegeven, kan bronplanning of systeemintegratieproblemen inzichtelijk maken. Vindplaats Dit is een expliciet gebeurtenis vastgelegd vanuit de warehouse release records (WHSLoadTable, WHSShipmentTable) die zijn gekoppeld aan de sales order. Vastleggen Leg de creatie timestamp vast van de corresponderende magazijnlading of verzending. Gebeurtenistype explicit

Aanbevolen Optioneel

Extractiegidsen

Zo haal je je data uit Microsoft Dynamics 365

Stappen

Configureer Export naar Azure Data Lake: Zorg er in je Dynamics 365 Finance and Operations-omgeving voor dat de 'Export to Azure Data Lake' add-in is geïnstalleerd en geconfigureerd. Dit houdt in dat D365 wordt gekoppeld aan een Azure-abonnement en een aangewezen Azure Data Lake Storage Gen2 account.
Selecteer tabellen voor export: Navigeer naar de 'Export to Data Lake' workspace binnen Dynamics 365. Zoek en voeg de volgende tabellen toe aan de exportconfiguratie: SalesTable, SalesLine, CustConfirmJour, CustPackingSlipJour, CustInvoiceJour, CustTrans, WHSLoadTable, WHSWorkTable en CustTable. Activeer de export voor alle geselecteerde tabellen.
Stel Azure Synapse Analytics in: Implementeer een Azure Synapse Analytics workspace in de Azure portal. Verleen deze workspace de nodige machtigingen, zoals 'Storage Blob Data Contributor', op het Data Lake account waar de D365 data is opgeslagen.
Maak een Serverless SQL Database aan: Navigeer binnen Synapse Studio naar de 'Data'-hub. Maak een nieuwe serverless SQL database aan om een T-SQL query-interface te bieden over de data in je lake.
Maak Views aan voor D365-tabellen: Om het uitvoeren van queries te vereenvoudigen, maakt u SQL views aan in je serverless database die verwijzen naar de gerepliceerde D365 tabeldata in de data lake. Dit abstraheert de onderliggende bestandspaden en formaten. Bijvoorbeeld: CREATE VIEW dbo.SalesTable AS SELECT * FROM OPENROWSET(BULK 'path/to/salestable', FORMAT='CSV'...).
Bereid de SQL Query voor: Open een nieuw SQL-script in Synapse Studio en maak verbinding met je serverless database. Kopieer de complete SQL query uit deze documentatie naar de script-editor.
Pas queryparameters aan: Zoek de placeholders bovenaan de query. Vervang '{YourDataAreaId}' door de bedrijfscode die je wilt analyseren. Pas de '{StartDate}' en '{EndDate}' placeholders aan om de gewenste tijdsperiode voor de extractie te definiëren.
Voer de query uit: Voer het complete SQL-script uit. De query verzamelt gebeurtenissen van verschillende tabellen en combineert ze tot één gestandaardiseerd event log-format.
Bekijk en exporteer resultaten: Zodra de query is voltooid, bekijkt je de resultaten in het Synapse Studio resultatenvenster om er zeker van te zijn dat ze compleet en correct geformatteerd zijn. Gebruik de ingebouwde exportfunctionaliteit om de resultaten op te slaan als een CSV-bestand.
Bereid voor op upload: Open het geëxporteerde CSV-bestand en verifieer dat het UTF-8 gecodeerd is. Bevestig dat de kolomheaders exact overeenkomen met de vereiste attributen, bijvoorbeeld, SalesOrderNumber, ActiviteitNaam, EventTime, enz.
Uploaden naar ProcessMind: Upload het definitieve, gevalideerde CSV-bestand naar je ProcessMind project voor analyse en visualisatie.

Configuratie

Verplichten: Deze methode vereist een actief Azure-abonnement en de 'Export to Azure Data Lake'-functionaliteit die is geconfigureerd voor je Dynamics 365 F&O-instantie. Passende rechten zijn nodig in zowel Azure (voor het beheer van Synapse en Storage) als D365 (voor het configureren van data-exports).
Verplichte D365-modules: Voor een volledige gebeurtenis capture, met name voor magazijnactiviteiten, is het gebruik van de Warehouse Management (WMS) module vereist. Core gebeurtenissen zijn afhankelijk van de Sales and Marketing en Accounts Receivable modules.
Tabelselectie: Het is belangrijk om de export in te schakelen voor alle tabellen waarnaar in de query wordt verwezen, inclusief SalesTable, SalesLine, CustConfirmJour, CustPackingSlipJour, CustInvoiceJour, CustTrans, WHSLoadTable, WHSWorkTable, en CustTable. Als tabellen ontbreken, zullen er ook activiteiten ontbreken.
Datumbereik filteren: De query is ontworpen om te worden gefilterd op een datumbereik met behulp van de parameters {StartDate} en {EndDate}. Voor initiële extracties wordt aanbevolen een beperkt bereik te gebruiken, zoals 3-6 maanden, om beheersbare query-uitvoeringstijden te waarborgen.
Filteren op Bedrijf (DataAreaId): De '{YourDataAreaId}' placeholder moet worden geconfigureerd om een specifieke juridische entiteit in je D365-omgeving te selecteren. De query is niet ontworpen voor cross-company analyse in één uitvoering.
Prestatieoverwegingen: Voor zeer grote datasets kunnen de queryprestaties op een serverless SQL pool variëren. Overweeg om de extractie tijdens daluren te plannen. Voor frequente extracties kun je overwegen het uiteindelijke event log als een nieuwe tabel in de data lake te materialiseren om de downstream prestaties te verbeteren.

a Voorbeeldquery sql

WITH SalesOrderBase AS (
    SELECT
        ST.SALESID,
        ST.DATAREAID,
        CT.NAME AS CustomerName,
        ST.SHIPPINGDATECONFIRMED AS ConfirmedDeliveryDate,
        ST.DELIVERYDATE AS RequestedDeliveryDate,
        ST.PURCHORDERFORMNUM AS SalesChannel, -- Example mapping, adjust if you use a different field for Sales Channel
        SUM(SL.LINEAMOUNT) AS OrderValue
    FROM dbo.SALESTABLE ST
    LEFT JOIN dbo.SALESLINE SL ON ST.SALESID = SL.SALESID AND ST.DATAREAID = SL.DATAREAID
    LEFT JOIN dbo.CUSTTABLE CT ON ST.CUSTACCOUNT = CT.ACCOUNTNUM AND ST.DATAREAID = CT.DATAREAID
    WHERE ST.DATAREAID = '{YourDataAreaId}'
      AND ST.CREATEDDATETIME >= '{StartDate}' AND ST.CREATEDDATETIME < '{EndDate}'
    GROUP BY
        ST.SALESID,
        ST.DATAREAID,
        CT.NAME,
        ST.SHIPPINGDATECONFIRMED,
        ST.DELIVERYDATE,
        ST.PURCHORDERFORMNUM
)
-- 1. Sales Order Created
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Sales Order Created' AS ActivityName,
    ST.CREATEDDATETIME AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.SALESTABLE ST ON SO.SALESID = ST.SALESID AND SO.DATAREAID = ST.DATAREAID

UNION ALL

-- 2. Credit Check Performed
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Credit Check Performed' AS ActivityName,
    ST.MODIFIEDDATETIME AS EventTime, -- This assumes a status change date reflects the credit check time
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.SALESTABLE ST ON SO.SALESID = ST.SALESID AND SO.DATAREAID = ST.DATAREAID
WHERE ST.CREDITLIMITTYPE > 0 -- Example condition for a credit check being done. Adjust based on your configuration.

UNION ALL

-- 3. Order Confirmed
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Order Confirmed' AS ActivityName,
    CJ.CONFIRMDATE AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.CUSTCONFIRMJOUR CJ ON SO.SALESID = CJ.SALESID AND SO.DATAREAID = CJ.DATAAREAID

UNION ALL

-- 4. Inventory Reserved (approximated by first line item reservation)
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Inventory Reserved' AS ActivityName,
    MIN(SL.CREATEDDATETIME) AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.SALESLINE SL ON SO.SALESID = SL.SALESID AND SO.DATAREAID = SL.DATAREAID
WHERE SL.RESERVATION > 0 -- Identifies lines with a reservation status
GROUP BY SO.SALESID, SO.OrderValue, SO.CustomerName, SO.SalesChannel, SO.RequestedDeliveryDate, SO.ConfirmedDeliveryDate

UNION ALL

-- 5. Released To Warehouse
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Released To Warehouse' AS ActivityName,
    WLT.CREATEDDATETIME AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.WHSLOADTABLE WLT ON SO.SALESID = WLT.SALESID AND SO.DATAREAID = WLT.DATAAREAID

UNION ALL

-- 6. Goods Picked (approximated by last pick work closure)
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Goods Picked' AS ActivityName,
    MAX(WWT.MODIFIEDDATETIME) AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.WHSWORKTABLE WWT ON SO.SALESID = WWT.ORDERNUM AND SO.DATAREAID = WWT.DATAAREAID
WHERE WWT.WORKTYPE = 'Pick' AND WWT.WORKSTATUS = 'Closed'
GROUP BY SO.SALESID, SO.OrderValue, SO.CustomerName, SO.SalesChannel, SO.RequestedDeliveryDate, SO.ConfirmedDeliveryDate

UNION ALL

-- 7. Goods Packed
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Goods Packed' AS ActivityName,
    PSJ.CREATEDDATETIME AS EventTime, -- Using creation time of packing slip as proxy
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.CUSTPACKINGSLIPJOUR PSJ ON SO.SALESID = PSJ.SALESID AND SO.DATAREAID = PSJ.DATAAREAID

UNION ALL

-- 8. Goods Shipped
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Goods Shipped' AS ActivityName,
    PSJ.DELIVERYDATE AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.CUSTPACKINGSLIPJOUR PSJ ON SO.SALESID = PSJ.SALESID AND SO.DATAREAID = PSJ.DATAAREAID

UNION ALL

-- 9. Goods Delivered (placeholder, often requires custom fields)
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Goods Delivered' AS ActivityName,
    PSJ.DELIVERYDATE AS EventTime, -- Placeholder, using shipment date. True delivery requires external data.
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.CUSTPACKINGSLIPJOUR PSJ ON SO.SALESID = PSJ.SALESID AND SO.DATAREAID = PSJ.DATAAREAID
WHERE 1 = 2 -- This will return no rows unless logic is added to read from a custom field with actual delivery dates

UNION ALL

-- 10. Invoice Created
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Invoice Created' AS ActivityName,
    CIJ.INVOICEDATE AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.CUSTINVOICEJOUR CIJ ON SO.SALESID = CIJ.SALESID AND SO.DATAREAID = CIJ.DATAAREAID

UNION ALL

-- 11. Payment Received (approximated by last settlement date)
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Payment Received' AS ActivityName,
    MAX(CT.SETTLEMENTDATE) AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.CUSTINVOICEJOUR CIJ ON SO.SALESID = CIJ.SALESID AND SO.DATAREAID = CIJ.DATAAREAID
JOIN dbo.CUSTTRANS CT ON CIJ.INVOICEID = CT.INVOICE AND CIJ.DATAAREAID = CT.DATAAREAID
WHERE CT.TRANSTYPE = 'Payment'
GROUP BY SO.SALESID, SO.OrderValue, SO.CustomerName, SO.SalesChannel, SO.RequestedDeliveryDate, SO.ConfirmedDeliveryDate

UNION ALL

-- 12. Order Closed
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Order Closed' AS ActivityName,
    ST.MODIFIEDDATETIME AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.SALESTABLE ST ON SO.SALESID = ST.SALESID AND SO.DATAREAID = ST.DATAREAID
WHERE ST.SALESSTATUS = 4 -- Status for 'Invoiced'

UNION ALL

-- 13. Order Cancelled
SELECT
    SO.SALESID AS SalesOrderNumber,
    'Order Cancelled' AS ActivityName,
    ST.MODIFIEDDATETIME AS EventTime,
    'Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    SO.OrderValue,
    SO.CustomerName,
    SO.SalesChannel,
    SO.RequestedDeliveryDate,
    SO.ConfirmedDeliveryDate
FROM SalesOrderBase SO
JOIN dbo.SALESTABLE ST ON SO.SALESID = ST.SALESID AND SO.DATAREAID = ST.DATAREAID
WHERE ST.SALESSTATUS = 3; -- Status for 'Canceled'

Stappen

Verplichten en Installatie: Zorg ervoor dat Python 3.6 of nieuwer is geïnstalleerd. Installeer de benodigde Python libraries door de volgende opdracht uit te voeren in je terminal: pip install pandas requests msal.
Registreer een applicatie in Azure AD: Navigeer naar de Azure-portal en registreer een nieuwe applicatie onder Azure Active Directory. Deze applicatie zal worden gebruikt om te authenticeren met de Dynamics 365 API. Noteer de Application (client) ID en Directory (tenant) ID.
Creëer een Client Secret: Binnen je nieuw geregistreerde Azure AD applicatie, creëer een nieuwe client secret onder 'Certificates & secrets'. Kopieer de waarde van de secret direct, aangezien deze daarna niet meer zichtbaar zal zijn. Dit is je CLIENT_SECRET.
Verleen API Permissies: Ga in de Azure AD applicatie-instellingen naar 'API permissions'. Voeg een permissie toe voor 'Dynamics ERP' of 'Dynamics 365 for Finance and Operations'. Selecteer 'Delegated permissions' en verleen user_impersonation. Voeg vervolgens dezelfde permissie opnieuw toe, maar selecteer 'Application permissions' en verleen Financials.ReadWrite.All of een meer beperkte read-only permissie indien beschikbaar en voldoende. Verleen admin consent voor deze permissies.
Creëer een Applicatiegebruiker in Dynamics 365: Navigeer in je Dynamics 365-omgeving naar 'Systeembeheer' > 'Gebruikers' > 'Gebruikers'. Maak een nieuwe gebruiker aan en koppel deze aan de Application ID van je Azure AD app-registratie. Wijs een security role toe, zoals 'Systeembeheerder' (voor volledige toegang) of een aangepaste rol met leestoegang tot de vereiste data entities (SalesOrderHeadersV2, SalesOrderLines, SalesPackingSlipHeaders, SalesInvoiceHeadersV2, etc.).
Configureer het Python Script: Open het meegeleverde Python script in een editor. Zoek de configuratiesectie bovenaan het bestand en vervang de placeholder-waarden voor D365_URL, TENANT_ID, CLIENT_ID, CLIENT_SECRET, COMPANY_FILTER, START_DATE, en END_DATE met je specifieke omgevingsdetails.
Definieer Entity Mappings (Optioneel): Controleer de entity- en veldnamen die in het script worden gebruikt. Als je organisatie aangepaste entities of velden gebruikt om bepaalde activiteiten om bij te houden, moet je mogelijk de OData-queries in het script dienovereenkomstig aanpassen.
Voer het Extractiescript uit: Voer het script uit vanaf je commandoregel met de opdracht python your_script_name.py. Het script zal authenticeren, de Dynamics 365 OData API bevragen voor elke activiteit, en de data processen. Het zal voortgangsupdates naar de console afdrukken.
Controleer het Outputbestand: Na succesvolle uitvoering zal het script een CSV-bestand genereren met de naam d365_order_to_cash_gebeurtenis_log.csv in dezelfde map. Open dit bestand om de opgehaalde event log te inspecteren op correctheid en volledigheid.
Uploaden naar ProcessMind: Het gegenereerde CSV-bestand is geformatteerd volgens het vereiste schema en is klaar voor directe upload naar ProcessMind voor procesanalyse.

Configuratie

D365_URL: De basis-URL van je Dynamics 365 Finance and Operations-omgeving. Deze moet eruitzien als https://[uw-d365-omgevingsnaam].operations.dynamics.com.
TENANT_ID: De Directory (tenant) ID van je Azure Active Directory-instantie, te vinden op de overzichtspagina van je Azure AD-app-registratie.
CLIENT_ID: De Application (client) ID van de applicatie die je heeft geregistreerd in Azure AD.
CLIENT_SECRET: De waarde van de client secret die je heeft gegenereerd voor de Azure AD-applicatie.
COMPANY_FILTER: Specificeert de juridische entiteit in Dynamics 365 (bijv. 'USMF') waaruit data moet worden opgehaald. Dit is een verplicht filter om ervoor te zorgen dat je de juiste bedrijfsdataset bevraagt.
START_DATE / END_DATE: Definieert het datumbereik voor de extractie in 'JJJJ-MM-DD-formaat'. Voor een initiële analyse wordt een periode van 3 tot 6 maanden aanbevolen om een goede balans te vinden tussen het datavolume en de te verkrijgen inzichten. Houd er rekening mee dat grote datumbereiken de extractietijd aanzienlijk kunnen verlengen.
Verplichten: Toegang tot Azure AD is vereist voor het registreren van een applicatie en het toekennen van de benodigde rechten. Een Dynamics 365-gebruikersaccount met rechten voor het aanmaken van een applicatiegebruiker en het toewijzen van beveiligingsrollen is eveneens vereist. De toegewezen rol moet leesrechten hebben voor alle entities die door het script worden bevraagd.

a Voorbeeldquery python

import requests
import pandas as pd
import msal
import json
import datetime

class=class="hl-string">"hl-comment"># --- CONFIGURATION --- 
class=class="hl-string">"hl-comment"># Replace with your D365 environment and Azure AD App details
D365_URL = class="hl-string">"https://[your-d365-environment-name].operations.dynamics.com"
TENANT_ID = class="hl-string">"[Your-Azure-AD-Tenant-ID]"
CLIENT_ID = class="hl-string">"[Your-Azure-AD-Client-ID]"
CLIENT_SECRET = class="hl-string">"[Your-Azure-AD-Client-Secret]"

class=class="hl-string">"hl-comment"># --- EXTRACTION PARAMETERS ---
COMPANY_FILTER = class="hl-string">"[Your-Company-Code]" class=class="hl-string">"hl-comment"># e.g., class="hl-string">'USMF'
START_DATE = class="hl-string">"2023-01-01"
END_DATE = class="hl-string">"2023-12-31"

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

AUTHORITY_URL = fclass="hl-string">"https://login.microsoftonline.com/{TENANT_ID}"
RESOURCE = fclass="hl-string">"{D365_URL}/"
API_ENDPOINT = fclass="hl-string">"{D365_URL}/data"

def get_access_token():
    class="hl-string">"""Authenticates with Azure AD and returns an access token."""
    app = msal.ConfidentialClientApplication(
        client_id=CLIENT_ID,
        client_credential=CLIENT_SECRET,
        authority=AUTHORITY_URL
    )
    result = app.acquire_token_for_client(scopes=[fclass="hl-string">"{RESOURCE}/.default"])
    if class="hl-string">"access_token" in result:
        return result[class="hl-string">'access_token']
    else:
        print(class="hl-string">"Error acquiring token:", result.get(class="hl-string">"error_description"))
        raise Exception(class="hl-string">"Could not authenticate.")

def execute_odata_query(access_token, entity, select_fields, filter_query, expand_fields=None):
    class="hl-string">"""Executes an OData query against a D365 entity and handles pagination."""
    all_results = []
    headers = {
        class="hl-string">'Authorization': fclass="hl-string">'Bearer {access_token}',
        class="hl-string">'Content-Type': class="hl-string">'application/json',
        class="hl-string">'OData-MaxVersion': class="hl-string">'4.0',
        class="hl-string">'OData-Version': class="hl-string">'4.0',
        class="hl-string">'Prefer': class="hl-string">'odata.maxpagesize=1000' class=class="hl-string">"hl-comment"># Request pagination
    }
    
    query_url = fclass="hl-string">"{API_ENDPOINT}/{entity}?$select={select_fields}&$filter={filter_query}&cross-company=true"
    if expand_fields:
        query_url += fclass="hl-string">"&$expand={expand_fields}"
    
    print(fclass="hl-string">"Querying {entity}...")
    while query_url:
        try:
            response = requests.get(query_url, headers=headers)
            response.raise_for_status() class=class="hl-string">"hl-comment"># Raise HTTPError for bad responses (4xx or 5xx)
            data = response.json()
            all_results.extend(data.get(class="hl-string">'value', []))
            query_url = data.get(class="hl-string">'@odata.nextLink') class=class="hl-string">"hl-comment"># Get URL for the next page
        except requests.exceptions.HTTPError as err:
            print(fclass="hl-string">"HTTP Error for {entity}: {err}")
            print(fclass="hl-string">"Response content: {err.response.text}")
            return [] class=class="hl-string">"hl-comment"># Return empty list on error
        except json.JSONDecodeError:
            print(fclass="hl-string">"JSON Decode Error for {entity}. Response was not valid JSON.")
            print(fclass="hl-string">"Response text: {response.text}")
            return []

    print(fclass="hl-string">"...found {len(all_results)} records for {entity}.")
    return all_results

def main():
    class="hl-string">"""Main function to orchestrate the data extraction process."""
    try:
        token = get_access_token()
    except Exception as e:
        print(e)
        return

    all_events = []
    now_utc = datetime.datetime.utcnow().isoformat() + class="hl-string">'Z'

    class=class="hl-string">"hl-comment"># Shared attributes for most queries
    base_select_fields = class="hl-string">"SalesOrderNumber,TotalInvoiceAmount,SalesOrderOriginCode,RequestedShippingDate,ConfirmedShippingDate,CustomerAccount"
    base_expand_fields = class="hl-string">"CustomerV3(CustomerName)"

    class=class="hl-string">"hl-comment"># Common date filter for creation/modification timestamps
    date_filter = fclass="hl-string">"(CreatedDateTime ge {START_DATE}T00:00:00Z and CreatedDateTime le {END_DATE}T23:59:59Z)"

    class=class="hl-string">"hl-comment"># 1. Sales Order Created
    data = execute_odata_query(token, class="hl-string">'SalesOrderHeadersV2', fclass="hl-string">"{base_select_fields},CreatedDateTime", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {date_filter}", base_expand_fields)
    for record in data:
        all_events.append({
            class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'),
            class="hl-string">'ActivityName': class="hl-string">'Sales Order Created',
            class="hl-string">'EventTime': record.get(class="hl-string">'CreatedDateTime'),
            class="hl-string">'OrderValue': record.get(class="hl-string">'TotalInvoiceAmount'),
            class="hl-string">'CustomerName': record.get(class="hl-string">'CustomerV3', {}).get(class="hl-string">'CustomerName'),
            class="hl-string">'SalesChannel': record.get(class="hl-string">'SalesOrderOriginCode'),
            class="hl-string">'RequestedDeliveryDate': record.get(class="hl-string">'RequestedShippingDate'),
            class="hl-string">'ConfirmedDeliveryDate': record.get(class="hl-string">'ConfirmedShippingDate')
        })

    class=class="hl-string">"hl-comment"># 2. Credit Check Performed (based on status change)
    class=class="hl-string">"hl-comment"># This assumes a credit check is reflected by the CreditLimitApprovalStatus. This logic may need adjustment.
    class=class="hl-string">"hl-comment"># We look for orders modified in the period, then check the status.
    modified_date_filter = fclass="hl-string">"(ModifiedDateTime ge {START_DATE}T00:00:00Z and ModifiedDateTime le {END_DATE}T23:59:59Z)"
    data = execute_odata_query(token, class="hl-string">'SalesOrderHeadersV2', fclass="hl-string">"{base_select_fields},ModifiedDateTime,CreditLimitApprovalStatus", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {modified_date_filter} and CreditLimitApprovalStatus ne 'NoCheck'", base_expand_fields)
    for record in data:
        all_events.append({
            class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'),
            class="hl-string">'ActivityName': class="hl-string">'Credit Check Performed',
            class="hl-string">'EventTime': record.get(class="hl-string">'ModifiedDateTime'), class=class="hl-string">"hl-comment"># Using ModifiedDateTime as a proxy
            class="hl-string">'OrderValue': record.get(class="hl-string">'TotalInvoiceAmount'),
            class="hl-string">'CustomerName': record.get(class="hl-string">'CustomerV3', {}).get(class="hl-string">'CustomerName'),
            class="hl-string">'SalesChannel': record.get(class="hl-string">'SalesOrderOriginCode'),
            class="hl-string">'RequestedDeliveryDate': record.get(class="hl-string">'RequestedShippingDate'),
            class="hl-string">'ConfirmedDeliveryDate': record.get(class="hl-string">'ConfirmedShippingDate')
        })

    class=class="hl-string">"hl-comment"># 3. Order Confirmed
    confirmation_date_filter = fclass="hl-string">"(ConfirmationDate ge {START_DATE} and ConfirmationDate le {END_DATE})"
    data = execute_odata_query(token, class="hl-string">'SalesConfirmationHeaders', class="hl-string">"SalesOrderNumber,ConfirmationDate", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {confirmation_date_filter}")
    class=class="hl-string">"hl-comment"># We need to get details from the SalesOrderHeader
    order_numbers = class="hl-string">"'" + class="hl-string">"','".join([rec[class="hl-string">'SalesOrderNumber'] for rec in data if rec.get(class="hl-string">'SalesOrderNumber')]) + class="hl-string">"'"
    if order_numbers != class="hl-string">"''":
        header_data = execute_odata_query(token, class="hl-string">'SalesOrderHeadersV2', base_select_fields, fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and SalesOrderNumber in ({order_numbers})", base_expand_fields)
        header_map = {h[class="hl-string">'SalesOrderNumber']: h for h in header_data}
        for record in data:
            header = header_map.get(record.get(class="hl-string">'SalesOrderNumber'))
            if header:
                all_events.append({
                    class="hl-string">'SalesOrderNumber': header.get(class="hl-string">'SalesOrderNumber'),
                    class="hl-string">'ActivityName': class="hl-string">'Order Confirmed',
                    class="hl-string">'EventTime': str(record.get(class="hl-string">'ConfirmationDate')) + class="hl-string">'T12:00:00Z', class=class="hl-string">"hl-comment"># Date only field, adding midday time
                    class="hl-string">'OrderValue': header.get(class="hl-string">'TotalInvoiceAmount'),
                    class="hl-string">'CustomerName': header.get(class="hl-string">'CustomerV3', {}).get(class="hl-string">'CustomerName'),
                    class="hl-string">'SalesChannel': header.get(class="hl-string">'SalesOrderOriginCode'),
                    class="hl-string">'RequestedDeliveryDate': header.get(class="hl-string">'RequestedShippingDate'),
                    class="hl-string">'ConfirmedDeliveryDate': header.get(class="hl-string">'ConfirmedShippingDate')
                })
    
    class=class="hl-string">"hl-comment"># 4 & 5. Inventory Reserved & Released To Warehouse (WMS)
    class=class="hl-string">"hl-comment"># These are complex. This is a proxy based on Warehouse Work creation time.
    work_date_filter = fclass="hl-string">"(WorkCreatedDateTime ge {START_DATE}T00:00:00Z and WorkCreatedDateTime le {END_DATE}T23:59:59Z)"
    data = execute_odata_query(token, class="hl-string">'WarehouseWorkHeaders', class="hl-string">"OrderNumber,WorkCreatedDateTime", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {work_date_filter} and WorkType eq 'SalesOrders'")
    for record in data:
        class=class="hl-string">"hl-comment"># Assuming reservation happens just before release to warehouse
        all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'OrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Inventory Reserved', class="hl-string">'EventTime': record.get(class="hl-string">'WorkCreatedDateTime')})
        all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'OrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Released To Warehouse', class="hl-string">'EventTime': record.get(class="hl-string">'WorkCreatedDateTime')})

    class=class="hl-string">"hl-comment"># 6 & 7. Goods Picked & Goods Packed (WMS)
    class=class="hl-string">"hl-comment"># Proxy using Shipment status updates. This logic may need refinement based on specific WMS setup.
    shipment_date_filter = fclass="hl-string">"(ShipmentStatusLastUpdatedDateTime ge {START_DATE}T00:00:00Z and ShipmentStatusLastUpdatedDateTime le {END_DATE}T23:59:59Z)"
    data = execute_odata_query(token, class="hl-string">'WHSShipmentTables', class="hl-string">"SalesOrderNumber,ShipmentStatus,ShipmentStatusLastUpdatedDateTime", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {shipment_date_filter}")
    for record in data:
        if record.get(class="hl-string">'ShipmentStatus') in [class="hl-string">'Picked', class="hl-string">'Loaded', class="hl-string">'Shipped']:
             all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Goods Picked', class="hl-string">'EventTime': record.get(class="hl-string">'ShipmentStatusLastUpdatedDateTime')})
        if record.get(class="hl-string">'ShipmentStatus') in [class="hl-string">'Loaded', class="hl-string">'Shipped']:
            all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Goods Packed', class="hl-string">'EventTime': record.get(class="hl-string">'ShipmentStatusLastUpdatedDateTime')})

    class=class="hl-string">"hl-comment"># 8. Goods Shipped (Posting Packing Slip)
    packslip_date_filter = fclass="hl-string">"(ShippingDate ge {START_DATE} and ShippingDate le {END_DATE})"
    data = execute_odata_query(token, class="hl-string">'SalesPackingSlipHeaders', class="hl-string">"SalesOrderNumber,ShippingDate", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {packslip_date_filter}")
    for record in data:
        all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Goods Shipped', class="hl-string">'EventTime': str(record.get(class="hl-string">'ShippingDate')) + class="hl-string">'T12:00:00Z'})

    class=class="hl-string">"hl-comment"># 9. Goods Delivered
    class=class="hl-string">"hl-comment"># This is often not a standard field. We use ModifiedDateTime on Packing Slip as a placeholder.
    packslip_mod_date_filter = fclass="hl-string">"(ModifiedDateTime ge {START_DATE}T00:00:00Z and ModifiedDateTime le {END_DATE}T23:59:59Z)"
    data = execute_odata_query(token, class="hl-string">'SalesPackingSlipHeaders', class="hl-string">"SalesOrderNumber,ModifiedDateTime,DeliveryMode", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {packslip_mod_date_filter} and DeliveryMode eq '[Your-Delivered-Status-Code]'")
    for record in data:
        all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Goods Delivered', class="hl-string">'EventTime': record.get(class="hl-string">'ModifiedDateTime')})

    class=class="hl-string">"hl-comment"># 10. Invoice Created
    invoice_date_filter = fclass="hl-string">"(InvoiceDate ge {START_DATE} and InvoiceDate le {END_DATE})"
    data = execute_odata_query(token, class="hl-string">'SalesInvoiceHeadersV2', class="hl-string">"SalesOrderNumber,InvoiceDate", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {invoice_date_filter}")
    for record in data:
        all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Invoice Created', class="hl-string">'EventTime': str(record.get(class="hl-string">'InvoiceDate')) + class="hl-string">'T12:00:00Z'})

    class=class="hl-string">"hl-comment"># 11. Payment Received
    class=class="hl-string">"hl-comment"># This requires looking at customer payments and settling them to invoices, then to sales orders.
    class=class="hl-string">"hl-comment"># This is a simplified proxy using the ClosedDate of the invoice.
    invoice_closed_date_filter = fclass="hl-string">"(ClosedDate ge {START_DATE} and ClosedDate le {END_DATE})"
    data = execute_odata_query(token, class="hl-string">'CustomerInvoices', class="hl-string">"SalesOrderNumber,ClosedDate", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {invoice_closed_date_filter}")
    for record in data:
        if record.get(class="hl-string">'ClosedDate') and record.get(class="hl-string">'SalesOrderNumber'):
            all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': class="hl-string">'Payment Received', class="hl-string">'EventTime': str(record.get(class="hl-string">'ClosedDate')) + class="hl-string">'T12:00:00Z'})

    class=class="hl-string">"hl-comment"># 12 & 13. Order Closed & Order Cancelled
    class=class="hl-string">"hl-comment"># These are statuses on the Sales Order Header.
    status_date_filter = fclass="hl-string">"(ModifiedDateTime ge {START_DATE}T00:00:00Z and ModifiedDateTime le {END_DATE}T23:59:59Z)"
    data = execute_odata_query(token, class="hl-string">'SalesOrderHeadersV2', class="hl-string">"SalesOrderNumber,SalesOrderStatus,ModifiedDateTime", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and {status_date_filter} and (SalesOrderStatus eq 'Invoiced' or SalesOrderStatus eq 'Canceled')")
    for record in data:
        activity = class="hl-string">''
        if record.get(class="hl-string">'SalesOrderStatus') == class="hl-string">'Invoiced': activity = class="hl-string">'Order Closed'
        if record.get(class="hl-string">'SalesOrderStatus') == class="hl-string">'Canceled': activity = class="hl-string">'Order Cancelled'
        if activity:
            all_events.append({class="hl-string">'SalesOrderNumber': record.get(class="hl-string">'SalesOrderNumber'), class="hl-string">'ActivityName': activity, class="hl-string">'EventTime': record.get(class="hl-string">'ModifiedDateTime')})


    class=class="hl-string">"hl-comment"># --- Final Processing ---
    if not all_events:
        print(class="hl-string">"No events found. Exiting.")
        return

    df = pd.DataFrame(all_events)
    print(fclass="hl-string">"Total events created: {len(df)}")

    class=class="hl-string">"hl-comment"># Drop events without a case ID or timestamp
    df.dropna(subset=[class="hl-string">'SalesOrderNumber', class="hl-string">'EventTime'], inplace=True)
    print(fclass="hl-string">"Events after dropping nulls: {len(df)}")

    class=class="hl-string">"hl-comment"># Fill in missing recommended attributes by merging back header details
    print(class="hl-string">"Enriching data with header attributes...")
    unique_orders = class="hl-string">"'" + class="hl-string">"','".join(df[class="hl-string">'SalesOrderNumber'].unique()) + class="hl-string">"'"
    if unique_orders != class="hl-string">"''":
        header_data_final = execute_odata_query(token, class="hl-string">'SalesOrderHeadersV2', fclass="hl-string">"{base_select_fields}", fclass="hl-string">"dataAreaId eq '{COMPANY_FILTER}' and SalesOrderNumber in ({unique_orders})", base_expand_fields)
        header_df = pd.DataFrame(header_data_final)
        if not header_df.empty:
            header_df = header_df.rename(columns={
                class="hl-string">'TotalInvoiceAmount': class="hl-string">'OrderValue',
                class="hl-string">'SalesOrderOriginCode': class="hl-string">'SalesChannel',
                class="hl-string">'RequestedShippingDate': class="hl-string">'RequestedDeliveryDate',
                class="hl-string">'ConfirmedShippingDate': class="hl-string">'ConfirmedDeliveryDate'
            })
            class=class="hl-string">"hl-comment"># Extract nested customer name
            header_df[class="hl-string">'CustomerName'] = header_df[class="hl-string">'CustomerV3'].apply(lambda x: x.get(class="hl-string">'CustomerName') if isinstance(x, dict) else None)
            df = df.merge(header_df[[class="hl-string">'SalesOrderNumber', class="hl-string">'OrderValue', class="hl-string">'CustomerName', class="hl-string">'SalesChannel', class="hl-string">'RequestedDeliveryDate', class="hl-string">'ConfirmedDeliveryDate']], on=class="hl-string">'SalesOrderNumber', how=class="hl-string">'left', suffixes=(class="hl-string">'', class="hl-string">'_y'))
            class=class="hl-string">"hl-comment"># Fill NaNs from merge
            for col in [class="hl-string">'OrderValue', class="hl-string">'CustomerName', class="hl-string">'SalesChannel', class="hl-string">'RequestedDeliveryDate', class="hl-string">'ConfirmedDeliveryDate']:
                if col + class="hl-string">'_y' in df.columns:
                    df[col] = df[col].fillna(df[col + class="hl-string">'_y'])
                    df.drop(columns=[col + class="hl-string">'_y'], inplace=True)

    class=class="hl-string">"hl-comment"># Add required static columns
    df[class="hl-string">'SourceSystem'] = class="hl-string">'Microsoft Dynamics 365'
    df[class="hl-string">'LastDataUpdate'] = now_utc

    class=class="hl-string">"hl-comment"># Ensure required columns exist
    final_cols = [class="hl-string">'SalesOrderNumber', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate', 
                  class="hl-string">'OrderValue', class="hl-string">'CustomerName', class="hl-string">'SalesChannel', class="hl-string">'RequestedDeliveryDate', class="hl-string">'ConfirmedDeliveryDate']
    for col in final_cols:
        if col not in df.columns:
            df[col] = None
    
    class=class="hl-string">"hl-comment"># Reorder and save
    df = df[final_cols]
    df.to_csv(class="hl-string">'d365_order_to_cash_event_log.csv', index=False)
    print(class="hl-string">"Successfully created d365_order_to_cash_event_log.csv")

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

Je Order tot betaling - Verkooporderverwerking datatemplate

Je Order tot betaling - Verkooporderverwerking datatemplate

Order tot betaling - Attributen Verkooporderverwerking

Order tot betaling - Activiteiten verkooporderverwerking

Extractiegidsen

Azure Data Lake SQL Query via Synapse Analytics

Stappen

Configuratie

a Voorbeeldquery sql

Python Script met Dynamics 365 OData Web API

Stappen

Configuratie

a Voorbeeldquery python

Klaar om te starten?

Optimaliseer Order tot betaling - Verkooporderverwerking Nu

Je Order tot betaling - Verkooporderverwerking datatemplate

Je Order tot betaling - Verkooporderverwerking datatemplate

Order tot betaling - Attributen Verkooporderverwerking

Order tot betaling - Activiteiten verkooporderverwerking

Extractiegidsen

Azure Data Lake SQL Query via Synapse Analytics

Stappen

Configuratie

a Voorbeeldquery sql

Python Script met Dynamics 365 OData Web API

Stappen

Configuratie

a Voorbeeldquery python

Wij hechten veel waarde aan je privacy

Klaar om te starten?

Optimaliseer Order tot betaling - Verkooporderverwerking Nu