> Melhoria Contínua de Processos > Lead to Cash > SAP Sales Cloud > Modelo de Dados

Seu template de dados: do Lead ao Recebimento

SAP Sales Cloud

Atributos de Lead to Cash (18) Atividades de Lead to Cash (15) Guias de Extração (2)

Seu template de dados: do Lead ao Recebimento

Este template oferece um guia estruturado para coletar os dados necessários para analisar seu processo Lead to Cash. Ele descreve atributos e atividades essenciais para criar um event log completo, com orientações práticas para extrair dados do SAP Sales Cloud.

Atributos recomendados para coletar
Atividades-chave a monitorizar
Guia de extração para SAP Sales Cloud

É novo em event logs? Saiba como criar um event log para Process Mining.

Baixar Modelo

Atributos de Lead to Cash

Estes são os campos de dados recomendados para incluir no seu event log para uma análise completa do seu processo Lead to Cash no SAP Sales Cloud.

3 Obrigatório 6 Recomendado 9 Opcional

	Nome	Descrição
	Nome da Atividade ActivityName	O nome da atividade de negócio ou evento ocorrido em um ponto específico do processo.
Descrição O Nome da Atividade descreve uma etapa ou evento específico no processo Lead to Cash, como 'Lead Qualificado', 'Cotação Criada' ou 'Pagamento Recebido'. Esses eventos formam a sequência de ações que compõem o fluxo de cada oportunidade de venda. Analisar essas atividades é a essência do Process Mining. Isso permite a visualização de mapas de processo, a identificação de gargalos entre as etapas e a medição da frequência de diferentes caminhos, revelando como o processo de vendas é executado na prática. Por que é importante Este atributo define as etapas no mapa de processo, o que é fundamental para visualizar e analisar o fluxo. Onde obter Derivado de alterações de status de objetos de negócio, eventos de criação de documentos ou ações específicas do usuário registradas nos logs de transação do SAP Sales Cloud. Exemplos Lead CapturadoOportunidade CriadaCotação Enviada ao ClientePagamento Recebido
	Oportunidade de Venda SalesOpportunityId	O identificador único de uma oportunidade de venda, funcionando como o Case ID principal para o processo Lead to Cash.
Descrição O ID da Oportunidade de Venda identifica de forma única cada venda potencial, desde o lead até a resolução final. Ele funciona como o fio condutor que conecta todas as atividades relacionadas, como qualificação, criação de cotação, processamento de pedido e pagamento. Na análise de Process Mining, este ID é essencial para reconstruir a jornada de cada oportunidade. Ele permite a correlação de todos os eventos, possibilitando a análise de variantes de processo, tempos de ciclo e taxas de conversão de forma individualizada. Por que é importante Este é o Case ID essencial que vincula todas as atividades, permitindo rastrear o ciclo de vida completo de cada oportunidade de venda. Onde obter Esta é a chave primária do objeto de negócio Oportunidade no SAP Sales Cloud. Exemplos OP-8000123456OP-8000123457OP-8000123458
	Tempo do Evento EventTime	O timestamp que indica quando uma atividade ou evento específico ocorreu.
Descrição O Horário do Evento registra a data e hora exatas de conclusão de uma atividade. Este dado temporal é essencial para entender o tempo e a duração de cada etapa, fornecendo a ordem cronológica necessária para construir o fluxo do processo. Na análise de processos, os timestamps são usados para calcular tempos de ciclo entre atividades, medir a duração total das vendas e identificar atrasos ou gargalos. Analisar esses dados ao longo do tempo também revela tendências de desempenho do processo. Por que é importante O timestamp é fundamental para ordenar os eventos cronologicamente e para todas as análises temporais, incluindo tempo de ciclo e identificação de gargalos. Onde obter Geralmente encontrado nos campos 'Data de Criação' ou 'Data da Última Alteração' de objetos como Leads, Oportunidades e Pedidos no SAP Sales Cloud. Exemplos 2023-04-15T10:30:00Z2023-05-02T14:00:00Z2023-06-20T09:15:00Z
	Categoria do produto ProductCategory	A categoria do produto ou serviço sendo vendido na oportunidade.
Descrição A Categoria de Produto agrupa itens ou serviços de uma oportunidade em classificações amplas, como 'Hardware', 'Software' ou 'Consultoria', facilitando a análise quando há muitos produtos envolvidos. Analisar por Categoria é vital para entender como o processo de vendas varia conforme a oferta. É usado em dashboards como 'Distribuição de Descontos' e 'Eficiência no Atendimento' para verificar se certas categorias exigem mais descontos ou levam mais tempo para serem entregues. Por que é importante Permite analisar as variações do processo com base no tipo de produto ou serviço vendido, que podem ter ciclos de vendas significativamente diferentes. Onde obter Derivado dos dados mestre de produtos vinculados aos itens de linha de uma Cotação ou Pedido de Venda no SAP Sales Cloud. Exemplos Licença de softwareHardwareServiços ProfissionaisAssinatura de Suporte
	Origem do Lead LeadSource	O canal de marketing ou a origem do lead inicial.
Descrição A Origem do Lead especifica como um cliente em potencial foi identificado, como via formulário web, evento ou indicação de parceiro. Essa informação é capturada na criação do lead. Este atributo é vital para o dashboard de 'Taxa de Conversão por Origem'. Analisar essa dimensão ajuda as equipes de marketing e vendas a entender quais canais geram os leads mais valiosos, permitindo melhor alocação de recursos e otimização de campanhas. Por que é importante Essencial para medir a eficácia dos canais de marketing e otimizar estratégias de geração de leads. Onde obter Encontrado nos objetos de negócio Lead e Opportunity no SAP Sales Cloud. O campo costuma se chamar 'Source' ou 'Origin'. Exemplos WebinarIndicação de ParceiroFeira de NegóciosConsulta via Website
	Percentual de Desconto DiscountPercentage	O percentual de desconto aplicado à cotação ou ao pedido de venda.
Descrição Este atributo captura a taxa de desconto total aplicada a uma oportunidade. É expresso como um percentual sobre o preço de tabela. Esta é uma métrica crítica para análise de desempenho financeiro e disciplina de vendas. O dashboard 'Distribuição de Descontos' utiliza este atributo para monitorar o comportamento de descontos por vendedor e produto. Também é usado no KPI 'Conformidade de Aprovação de Descontos' para garantir que descontos elevados sigam o fluxo de aprovação correto. Por que é importante Crucial para analisar a estratégia de preços, o comportamento da equipe de vendas em relação a descontos e seu impacto na lucratividade. Onde obter Calculado a partir dos elementos de preço nos objetos de negócio Sales Quote ou Sales Order no SAP Sales Cloud. Exemplos 0.050.100.25
	Representante de Vendas SalesRepresentative	O funcionário responsável pela gestão da oportunidade de venda.
Descrição Este atributo identifica o usuário ou funcionário responsável pelo lead ou oportunidade. Na análise, o Representante de Vendas é uma dimensão fundamental para comparação de desempenho, permitindo avaliar tempos de ciclo, taxas de ganho e adesão ao processo por indivíduo ou equipe, o que ajuda a identificar talentos e áreas que precisam de treinamento. Por que é importante Permite analisar o desempenho por funcionário, ajudando a identificar oportunidades de treinamento e melhores práticas entre a equipe de vendas. Onde obter Vinculado à função de parceiro 'Owner' ou 'Employee Responsible' nos objetos Opportunity ou Lead no SAP Sales Cloud. Exemplos John SmithMaria GarciaChen Wei
	Status da Oportunidade OpportunityStatus	O estado atual ou resultado da oportunidade de venda, como 'Aberta', 'Ganha' ou 'Perdida'.
Descrição Este atributo reflete o status geral da oportunidade. Analisar o status final é fundamental para calcular KPIs como a Taxa de Ganho e permite filtrar a análise para focar apenas em caminhos de sucesso ou investigar padrões que levam a negócios perdidos. Por que é importante Define o resultado do caso, o que é fundamental para calcular taxas de conversão e analisar os caminhos de oportunidades ganhas versus perdidas. Onde obter O campo 'Status' no objeto de negócio Oportunidade no SAP Sales Cloud. Exemplos AbertoEm ProcessamentoGanhosPerdidoParado
	Valor do Pedido de Venda SalesOrderAmount	O valor monetário total do pedido de venda associado à oportunidade.
Descrição Este atributo representa o valor total dos bens ou serviços vendidos. É uma dimensão financeira crítica que permite segmentar oportunidades por tamanho (ex: negócios pequenos, médios ou grandes) para verificar se o comportamento do processo muda. Também contextualiza KPIs como a taxa de ganho, mostrando o valor total de oportunidades ganhas vs. perdidas. Por que é importante Fornece uma dimensão financeira ao processo, permitindo a análise de ciclos de vendas e resultados baseada em valor. Onde obter Este valor viria do campo 'Valor Líquido Total' do objeto Pedido de Venda associado no SAP Sales Cloud. Exemplos 50000.00125000.507800.00
	Condições de Pagamento PaymentTerms	Os termos acordados para o pagamento, como '30 dias líquidos' ou '60 dias líquidos'.
Descrição Condições de Pagamento definem como o cliente deve pagar pelos bens ou serviços. Estabelecidas no pedido ou contrato, elas determinam o vencimento da fatura. Este atributo é essencial para o dashboard de 'Tempo de Ciclo de Recebimento'. Ao segmentar por condições de pagamento, a empresa avalia se os clientes cumprem os prazos e identifica quais termos geram ciclos de pagamento mais longos ou curtos. Por que é importante Fornece contexto para a análise de cobrança, ajudando a determinar se atrasos se devem ao comportamento do cliente ou a condições de pagamento flexíveis demais. Onde obter Localizado no Pedido de Venda ou nos dados mestre do Cliente no SAP Sales Cloud. Exemplos Líquido 30Líquido 60Vencimento no Recebimento
	Método de envio ShippingMethod	O método utilizado para entregar o produto físico ao cliente.
Descrição Este atributo especifica o método de entrega, como 'Envio Terrestre' ou 'Frete Aéreo'. Para o dashboard 'Eficiência no Atendimento de Pedidos', ele ajuda a analisar se diferentes métodos correlacionam-se com tempos de entrega distintos, revelando gargalos logísticos ou ajudando a alinhar expectativas com o cliente. Por que é importante Ajuda a diagnosticar gargalos no atendimento de pedidos segmentando o desempenho de entrega por canal logístico. Onde obter Geralmente encontrado no item de linha ou no cabeçalho do objeto Pedido de Venda no SAP Sales Cloud. Exemplos TerrestreAéreo Próximo DiaDownload DigitalFrete
	Nome do Cliente CustomerName	O nome da empresa ou da pessoa associada à oportunidade de venda.
Descrição Este atributo identifica o cliente potencial. Ele vincula o processo de vendas a uma conta específica no sistema. Analisar por cliente permite uma visão centrada no consumidor. Ajuda a identificar quais clientes possuem ciclos de venda mais longos ou exigem mais retrabalho, sendo essencial para KPIs como o 'Tempo do Ciclo de Cobrança' segmentado por cliente. Por que é importante Permite análises centradas no cliente para identificar padrões nos ciclos de vendas ou comportamentos de pagamento de contas específicas. Onde obter Vinculado à função de parceiro 'Account' ou 'Prospect' no objeto de negócio Opportunity no SAP Sales Cloud. Exemplos Global Tech Inc.Innovate Solutions Ltd.Dynamic Corp
	Organização de vendas SalesOrganization	A unidade organizacional responsável pela venda.
Descrição A Organização de Vendas representa uma unidade, divisão ou equipe específica dentro da empresa responsável pela transação. É um elemento fundamental da estrutura corporativa no SAP. Este atributo permite que a análise seja segmentada por diferentes áreas do negócio. Pode ser usado para comparar o desempenho dos processos, taxas de ganho e tempos de ciclo entre divisões, fornecendo uma visão macro da eficiência organizacional. Por que é importante Permite benchmarking de desempenho e análise de processos entre diferentes unidades de negócio ou divisões da empresa. Onde obter Este é um campo importante de atribuição organizacional na Oportunidade ou Pedido de Venda no SAP Sales Cloud. Exemplos US01DE01Vendas Corp Norte
	Região Region	A região geográfica onde o cliente ou a equipe de vendas está localizada.
Descrição A Região representa a área geográfica atribuída à oportunidade de venda, geralmente baseada na localização do cliente ou na estrutura da organização comercial. Pode ser um país, estado ou um território de vendas personalizado. Este é um atributo essencial para segmentação. Ele é usado diretamente no dashboard 'Desempenho da Taxa de Ganho de Oportunidades' para comparar resultados entre diferentes regiões, ajudando a identificar variações regionais na eficiência dos processos, sucesso de mercado e estratégias de vendas. Por que é importante Permite a análise geográfica do desempenho de vendas, destacando variações regionais em taxas de conversão, tempos de ciclo e execução de processos. Onde obter Frequentemente derivado do endereço do cliente ou da organização de vendas atribuída à oportunidade no SAP Sales Cloud. Exemplos América do NorteEMEAAPACLATAM
	Sistema de Origem SourceSystem	Identifica o sistema de onde os dados se originam.
Descrição Este atributo especifica o aplicativo de origem dos dados. Em um cenário multissistema, ele é vital para entender a linhagem dos dados e resolver problemas de integração, garantindo que a análise seja baseada em informações com origem clara. Por que é importante Ajuda a diferenciar as origens dos dados em ambientes integrados, garantindo clareza no histórico e contexto dos dados durante a análise. Onde obter Geralmente um valor estático adicionado na extração para rotular a origem dos registros. Exemplos SAP Sales CloudSAP C4CSSC_PROD_100
	Sofreu Retrabalho IsReworked	Um sinalizador (flag) indicando se uma atividade ou caso sofreu retrabalho.
Descrição Esta flag booleana é marcada como verdadeira se um loop de retrabalho for detectado. Este atributo calculado é essencial para quantificar ineficiências, alimentando o dashboard de 'Frequência de Retrabalho' e facilitando a medição sem necessidade de cruzamentos complexos de dados. Por que é importante Quantifica diretamente a ineficiência do processo sinalizando casos com loops de retrabalho, simplificando a análise da frequência e das causas desses retrabalhos. Onde obter Este atributo não está no sistema de origem. Ele é calculado durante a transformação dos dados ao detectar sequências repetidas de atividades (ex: 'Pedido de Venda Criado' seguido de 'Pedido de Venda Retrabalhado'). Exemplos verdadeirofalse
	Tempo de Processamento ProcessingTime	O tempo gasto trabalhando ativamente em uma tarefa, excluindo o tempo de espera.
Descrição O Tempo de Processamento (touch time) mede quanto tempo um recurso esteve ativamente focado em uma tarefa. Diferencia-se do tempo de ciclo, que inclui a espera entre atividades. Analisar o tempo de processamento ajuda a distinguir entre atrasos por trabalho ineficiente e atrasos por espera de recursos ou informações, oferecendo uma medida mais precisa do esforço em cada atividade de venda. Por que é importante Mede a duração do trabalho ativo, ajudando a diferenciar tarefas ineficientes de longos tempos de espera no processo. Onde obter Calculado como a diferença entre o Horário de Término e o Horário de Início de uma atividade. Requer que ambos os timestamps estejam disponíveis para cada evento. Exemplos PT1H30MPT8HP2DT4H
	Última Atualização de Dados LastDataUpdate	A data e hora da última extração ou atualização dos dados a partir do sistema de origem.
Descrição Este atributo indica a última vez que os dados do event log foram atualizados. Conhecer a atualidade dos dados é crucial para que os stakeholders entendam se os insights refletem as operações atuais ou um período passado, influenciando a tomada de decisão. Por que é importante Fornece contexto crucial sobre a atualidade dos dados, garantindo que análises e decisões se baseiem em informações em tempo real. Onde obter Este é um timestamp de metadados adicionado durante o processo de extração e transformação de dados (ETL). Exemplos 2024-07-20T02:00:00Z2024-07-21T02:00:00Z

Obrigatório Recomendado Opcional

Atividades de Lead to Cash

Estes são os principais marcos e etapas do processo a serem capturados no seu event log para uma descoberta e análise precisas do seu processo Lead to Cash.

7 Recomendado 8 Opcional

	Atividade	Descrição
	Cotação Enviada ao Cliente	Esta atividade representa o momento em que uma cotação formal é enviada ao cliente. Geralmente é identificada por uma mudança de status no objeto de Cotação de Vendas, por exemplo, de 'Em Preparação' para 'Enviado'.
Por que é importante Este é um marco fundamental que inicia a contagem do tempo de negociação. Analisar a duração entre este evento e a aceitação da cotação é crítico para entender a velocidade do negócio e gargalos de negociação. Onde obter Inferido do histórico de alteração de status do objeto Sales Quote. Busca-se o timestamp de quando o status indica que a cotação foi enviada. Captura Identifique o timestamp da alteração de status para 'Enviado' no objeto Sales Quote. Tipo de evento inferred
	Oportunidade Criada	Este é o início oficial da oportunidade de venda. O evento é capturado na criação do objeto Oportunidade, trazendo dados do lead original.
Por que é importante Como ponto de partida principal para a análise do ciclo de vendas, esta atividade é fundamental. Ela permite medir a duração do ciclo, as taxas de conversão e o desempenho da equipe de vendas desde o momento em que o negócio se torna concreto. Onde obter Este evento corresponde ao timestamp de criação do objeto de negócio Oportunidade no SAP Sales Cloud. Captura Use a data e hora de criação do registro de Oportunidade. Tipo de evento explicit
	Oportunidade Fechada Ganha	Esta atividade é o status de conclusão de uma oportunidade bem-sucedida após as etapas seguintes, como criação e atendimento do pedido. É registrada quando um usuário altera o status da Oportunidade para 'Fechado' com o motivo 'Ganho'.
Por que é importante Este evento serve como o ponto final de sucesso para a análise de Process Mining, permitindo calcular a duração total do ciclo de vendas para todos os negócios ganhos. Onde obter Inferido do histórico de status da Oportunidade, especificamente o timestamp de quando o status é atualizado para 'Fechada' com motivo 'Ganha'. Captura Identifique o timestamp da alteração de status para 'Fechado' com motivo 'Ganho'. Tipo de evento inferred
	Oportunidade Fechada Perdida	Esta atividade marca o fim definitivo de uma oportunidade sem sucesso. É registrada quando um usuário altera o status da Oportunidade para 'Perdida' ou 'Fechada/Perdida'.
Por que é importante Analisar quando e por que as oportunidades são perdidas é crucial para melhorar a estratégia de vendas. Este ponto final de falha permite analisar negócios perdidos, como o estágio médio de desistência ou motivos comuns para a perda. Onde obter Inferido do histórico de alteração de status da Oportunidade. É o timestamp de quando o status muda para 'Perdida' ou 'Fechada Perdida'. Captura Identifique o timestamp da alteração de status para 'Perdida' no objeto Opportunity. Tipo de evento inferred
	Oportunidade Ganha	Esta atividade indica que o negócio foi fechado com sucesso. É registrada quando o usuário altera o status da Oportunidade para 'Ganha', uma ação padrão e explícita no sistema.
Por que é importante Este é um marco crucial para medir taxas de ganho e desempenho de vendas. Frequentemente aciona processos seguintes, como atendimento e faturamento, sendo um ponto de transição chave no Lead to Cash. Onde obter Inferido do histórico de alteração de status da Oportunidade. É o timestamp de quando o status muda para 'Ganha'. Captura Identifique o timestamp da alteração de status para 'Ganha' no objeto Opportunity. Tipo de evento inferred
	Pagamento Recebido	Esta atividade confirma que o pagamento do cliente foi recebido e processado, concluindo a transação financeira. Esta informação quase sempre vem de um sistema financeiro ou ERP externo que atualiza o status no SAP Sales Cloud.
Por que é importante Esta é a etapa final de realização de valor no Lead to Cash. Medir o ciclo de cobrança, da fatura ao pagamento, é um KPI chave para gerir o fluxo de caixa. Onde obter Inferido a partir da mudança de status nos objetos Invoice ou Sales Order para 'Pago' ou 'Compensado'. Estes dados vêm de um sistema financeiro externo. Captura Identifique o timestamp quando o status de uma Fatura muda para 'Paga' ou 'Compensada'. Tipo de evento inferred
	Pedido de venda criado	Esta atividade marca a criação de um pedido de venda formal, o documento interno oficial para iniciar a entrega e o faturamento. É registrada explicitamente quando um usuário cria um objeto de Pedido de Venda e o vincula à oportunidade pai.
Por que é importante Este é um ponto crítico de passagem de vendas para operações. Analisar o tempo entre 'Oportunidade Ganha' e 'Pedido de Venda Criado' pode revelar atrasos internos, enquanto o rastreio de retrabalho indica problemas na qualidade dos dados. Onde obter Este evento corresponde ao timestamp de criação do objeto Pedido de Venda associado à Oportunidade. Captura Use a data e hora de criação do registro de Pedido de Venda associado. Tipo de evento explicit
	Cotação Aceita pelo Cliente	Indica que o cliente concordou formal ou informalmente com os termos da cotação. Geralmente é registrado via atualização manual de status no objeto Sales Quote ou Opportunity pelo vendedor.
Por que é importante Este é um forte sinal de compra e um marco crítico antes da finalização do contrato. Ajuda a medir a eficácia das propostas e o tempo de decisão do cliente. Onde obter Inferido de uma mudança de status no objeto Sales Quote para 'Aceito' ou mudança similar no objeto Opportunity vinculado. Captura Identifique o timestamp quando o status da Cotação muda para 'Aceita'. Tipo de evento inferred
	Cotação Criada	Marca a criação formal de um documento de cotação vinculado à oportunidade. É uma etapa interna antes do envio ao cliente e é registrada quando o usuário gera um novo registro de Cotação.
Por que é importante Esta atividade diferencia o tempo de preparação interna do tempo que o cliente leva com a cotação. Ajuda a analisar a eficiência na geração de cotações e o tempo que os vendedores levam para definir preços. Onde obter Este evento é o timestamp de criação do objeto Cotação de Vendas associado à Oportunidade. Captura Use a data e hora de criação do registro de Cotação de Vendas associado. Tipo de evento explicit
	Fatura gerada	Representa a criação da fatura do cliente, iniciando a fase financeira final do processo. Este evento pode ser capturado a partir de um objeto de Fatura no SAP Sales Cloud ou, mais comumente, de um sistema de faturamento integrado.
Por que é importante Esta atividade inicia o ciclo de cobrança. Atrasos na geração da fatura impactam diretamente o fluxo de caixa; portanto, monitorar o tempo entre a entrega e o faturamento é vital para a saúde financeira. Onde obter Pode ser o timestamp de criação de um objeto Invoice vinculado ao Pedido de Venda ou uma atualização de um ERP externo. A origem depende do ecossistema de sistemas. Captura Use a data de criação do registro de Fatura ou uma entrada de log de um ERP integrado. Tipo de evento explicit
	Lead Capturado	Esta atividade marca a criação inicial de um registro de lead no SAP Sales Cloud. Representa o primeiro contato de um cliente potencial, sendo geralmente capturada via formulário web, importação de lista ou entrada manual.
Por que é importante Rastrear este evento é crucial para analisar a eficácia das fontes de leads e medir o volume de geração. Serve como ponto de partida para calcular taxas de conversão no topo do funil. Onde obter Este evento é capturado do timestamp de criação do objeto Lead. A origem do lead geralmente está disponível como um atributo no mesmo objeto. Captura Use a data e hora de criação do registro de Lead. Tipo de evento explicit
	Lead Qualificado	Representa o momento em que um lead foi avaliado e atende aos critérios para ser considerado um prospecto viável. Geralmente é capturado quando um usuário altera manualmente o status do Lead para 'Qualificado' ou similar, indicando que está pronto para conversão.
Por que é importante Esta atividade separa leads brutos de prospectos reais, permitindo analisar a eficiência da qualificação. Ajuda a medir a qualidade dos leads por fonte e identifica gargalos entre a captura e a venda ativa. Onde obter Inferido do histórico de mudança de status do objeto Lead. Refere-se ao timestamp de quando o campo status foi atualizado para 'Qualificado'. Captura Identifique o timestamp da alteração de status para 'Qualificado' no objeto Lead. Tipo de evento inferred
	Pedido atendido	Esta atividade indica que os produtos foram enviados ou os serviços entregues. Frequentemente capturada via integração com um ERP ou sistema logístico, que atualiza o status do Pedido no SAP Sales Cloud.
Por que é importante Isto marca a conclusão da entrega no processo. Medir o tempo entre o pedido criado e o pedido atendido é essencial para monitorar a eficiência logística. Onde obter Geralmente inferido por uma mudança de status no Pedido de Venda, como 'Atendido' ou 'Enviado', muitas vezes atualizado via integração. Captura Identifique o timestamp da alteração de status do Pedido de Venda para 'Atendido' ou 'Entregue'. Tipo de evento inferred
	Pedido de Venda Retrabalhado	Representa uma alteração ou correção em um pedido de venda após o envio. Este evento é identificado ao detectar loops no status do pedido, como quando o status muda de 'Enviado' de volta para 'Em Processamento' ou 'Aguardando Revisão'.
Por que é importante Identificar retrabalhos é a chave para descobrir ineficiências, erros de entrada de dados e falhas de comunicação entre vendas e operações. Uma alta frequência de retrabalho indica problemas de qualidade que geram atrasos e custos. Onde obter Inferido do histórico de mudanças de status do Pedido de Venda. Requer a análise da sequência para identificar movimentos retroativos ou loops. Captura Detectar transições de status que representam um loop, ex: de 'Enviado' para 'Em Processamento'. Tipo de evento inferred
	Solução Proposta	Esta atividade indica que uma solução ou configuração de produto foi apresentada ao cliente. Geralmente é inferida por uma mudança de estágio ou status na Oportunidade, como 'Proposta' ou 'Design da Solução'.
Por que é importante Analisar o tempo gasto neste estágio e a transição para a fase de cotação ajuda a identificar gargalos na elaboração da solução. Oferece clareza sobre quanto tempo leva para passar do contato inicial para uma proposta concreta. Onde obter Inferido do log de alterações ou histórico de status do objeto Opportunity, especificamente quando o estágio de venda é atualizado para algo como 'Solução Proposta' ou 'Proposta de Valor'. Captura Identifique o timestamp quando o estágio de vendas da Oportunidade muda para refletir uma proposta. Tipo de evento inferred

Recomendado Opcional

Guias de Extração

Como obter seus dados do SAP Sales Cloud

Etapas

Pré-requisitos: Certifique-se de ter um usuário no SAP Sales Cloud com acesso ao centro de trabalho Analytics, especificamente com direitos para criar e editar fontes de dados e relatórios.
Criar uma Fonte de Dados Combinada: Navegue até a visualização Design Data Sources no centro de trabalho Business Analytics. Crie uma nova Combined Data Source. Una as seguintes fontes de dados padrão usando um left outer join para garantir que todas as oportunidades sejam capturadas: Lead Information -> Opportunity Header and Item -> Sales Quote Header and Item -> Sales Order Header and Item. A condição de junção deve ser baseada no ID da Oportunidade ou nos IDs de documentos sucessores.
Construir um Relatório Personalizado: Vá para a visualização Design Reports. Crie um novo relatório baseado na fonte de dados combinada anterior. Adicione todas as características e valores necessários à visualização do relatório, incluindo identificadores (ID do Lead, ID da Oportunidade), campos de status relevantes e todos os campos de timestamp (Data de Criação, Datas de Alteração de Status, etc.). Inclua também atributos como Vendedor Responsável, Origem do Lead e Valor do Pedido.
Expor o Relatório como Serviço OData: Na visualização Design Reports, selecione o relatório criado. Nas configurações, encontre a opção para expor o relatório como uma consulta OData. Geralmente é uma caixa de seleção marcada como Enable for OData. Salve as alterações. O sistema gerará uma URL OData exclusiva.
Identificar a URL OData: Vá para a visualização OData Services no centro de trabalho Administrator. Encontre seu relatório na lista e copie a URL do serviço. Você precisará dela para o script Python.
Configurar o Ambiente Python: Verifique se você tem o Python instalado junto com as bibliotecas requests e pandas. Você pode instalá-las via pip: pip install requests pandas.
Configurar o Script Python: Copie o script Python fornecido. Substitua os valores de espaço reservado para C4C_TENANT_URL, OData_SERVICE_PATH, USERNAME e PASSWORD pelas suas credenciais do SAP Sales Cloud e a URL OData do passo anterior.
Executar o Script de Extração: Rode o script Python. O script fará a autenticação com a API OData, buscará os dados em páginas para gerenciar grandes volumes e os carregará em um DataFrame do pandas.
Transformação de Dados: O script transforma automaticamente os dados do formato largo (uma linha por oportunidade) para um log de eventos em formato longo. Ele percorre cada atividade potencial, verificando timestamps válidos. Se um timestamp existir, cria um registro de evento correspondente com o ActivityName correto.
Exportar o Event Log: Quando o script terminar, ele salvará o log de eventos final como um arquivo lead_to_cash_event_log.csv no mesmo diretório. Este arquivo está formatado para upload direto em uma ferramenta de Process Mining.

Configuração

Configuração da Fonte de Dados: O núcleo deste método é uma Fonte de Dados Combinada (Combined Data Source) no SAP Sales Cloud Analytics. É fundamental usar Left Outer Joins a partir do objeto Opportunity para garantir a captura de oportunidades que não resultaram em cotações ou pedidos.
Características do Relatório: O relatório personalizado deve incluir todos os campos de data e hora correspondentes às atividades desejadas. Isso inclui os timestamps de criação de leads, oportunidades, cotações e pedidos, bem como os timestamps de alteração de status.
Filtragem de API OData: Para gerenciar o desempenho e o volume de dados, use o parâmetro $filter na URL OData dentro do script Python. É altamente recomendável filtrar por um intervalo de datas, por exemplo, OpportunityCreationDate. Um intervalo comum para análise inicial é de 6 a 12 meses.
Paginação: O script fornecido gerencia a paginação OData usando os parâmetros $top e $skip. Isso é essencial para extrair grandes conjuntos de dados sem que a conexão da API expire.
Pré-requisitos: Este método requer um usuário de analytics dedicado com permissões para acessar a API OData e as fontes de dados subjacentes para leads, oportunidades, cotações e pedidos.

a Consulta de Exemplo python

import requests
import pandas as pd
import numpy as np

class=class="hl-string">"hl-comment"># --- Configuration Placeholders ---
C4C_TENANT_URL = class="hl-string">"[Your SAP Sales Cloud Tenant URL, e.g., my123456.crm.ondemand.com]"
class=class="hl-string">"hl-comment"># The service path comes from the OData Services view for your custom report
ODATA_SERVICE_PATH = class="hl-string">"/sap/c4c/odata/analytics/ds/CUST_REPORT_ID.svc"
USERNAME = class="hl-string">"[Your_Username]"
PASSWORD = class="hl-string">"[Your_Password]"

class=class="hl-string">"hl-comment"># --- OData Service Details ---
class=class="hl-string">"hl-comment"># The entity set is usually the report ID followed by class="hl-string">'ResultSet'
ENTITY_SET = class="hl-string">"CUST_REPORT_IDResultSet"
BASE_API_URL = fclass="hl-string">"https://{C4C_TENANT_URL}{ODATA_SERVICE_PATH}/{ENTITY_SET}"

class=class="hl-string">"hl-comment"># --- Data Extraction ---
def get_odata_data(api_url, username, password):
    records = []
    page_size = 1000
    skip = 0
    
    class=class="hl-string">"hl-comment"># It is highly recommended to add a date filter for performance
    class=class="hl-string">"hl-comment"># e.g., class="hl-string">"$filter=OpportunityCreationDate ge datetime'2023-01-01T00:00:00'"
    odata_params = {
        class="hl-string">"$format": class="hl-string">"json",
        class="hl-string">"$top": page_size,
        class="hl-string">"$skip": skip,
        class="hl-string">"$inlinecount": class="hl-string">"allpages"
        class=class="hl-string">"hl-comment"># class="hl-string">"$filter": class="hl-string">"[Your OData Filter String]"
    }

    print(class="hl-string">"Starting data extraction from SAP Sales Cloud...")
    while True:
        odata_params[class="hl-string">'$skip'] = skip
        response = requests.get(api_url, auth=(username, password), params=odata_params)
        
        if response.status_code != 200:
            print(fclass="hl-string">"Error: Failed to fetch data. Status code: {response.status_code}")
            print(response.text)
            break

        data = response.json()[class="hl-string">'d']
        if class="hl-string">'results' in data and data[class="hl-string">'results']:
            records.extend(data[class="hl-string">'results'])
            count = len(data[class="hl-string">'results'])
            print(fclass="hl-string">"Fetched {len(records)} records...")
            if count < page_size:
                break
            skip += page_size
        else:
            break
            
    print(class="hl-string">"Extraction complete.")
    return pd.DataFrame(records)

source_df = get_odata_data(BASE_API_URL, USERNAME, PASSWORD)

class=class="hl-string">"hl-comment"># --- Data Transformation ---
if not source_df.empty:
    print(class="hl-string">"Starting data transformation into event log format...")
    
    class=class="hl-string">"hl-comment"># Rename columns for clarity (adjust these based on your report's field names)
    class=class="hl-string">"hl-comment"># These are example API field names from the OData service.
    class=class="hl-string">"hl-comment"># You MUST inspect your OData metadata to get the correct field names.
    column_mapping = {
        class="hl-string">'C_OpportunityId': class="hl-string">'SalesOpportunityId',
        class="hl-string">'LeadCreationDateTime': class="hl-string">'LeadCaptured_Time',
        class="hl-string">'LeadConversionDateTime': class="hl-string">'LeadQualified_Time',
        class="hl-string">'OpportunityCreationDateTime': class="hl-string">'OpportunityCreated_Time',
        class="hl-string">'OpportunityProposalStageDateTime': class="hl-string">'SolutionProposed_Time',
        class="hl-string">'QuoteCreationDateTime': class="hl-string">'QuoteCreated_Time',
        class="hl-string">'QuoteSentToCustomerDateTime': class="hl-string">'QuoteSentToCustomer_Time',
        class="hl-string">'QuoteAcceptedDateTime': class="hl-string">'QuoteAccepted_Time',
        class="hl-string">'OpportunityWonDateTime': class="hl-string">'OpportunityWon_Time',
        class="hl-string">'SalesOrderCreationDateTime': class="hl-string">'SalesOrderCreated_Time',
        class="hl-string">'SalesOrderReworkedDateTime': class="hl-string">'SalesOrderReworked_Time',
        class="hl-string">'SalesOrderFulfilledDateTime': class="hl-string">'OrderFulfilled_Time',
        class="hl-string">'InvoiceGeneratedDateTime': class="hl-string">'InvoiceGenerated_Time',
        class="hl-string">'PaymentReceivedDateTime': class="hl-string">'PaymentReceived_Time',
        class="hl-string">'OpportunityClosedWonDateTime': class="hl-string">'OpportunityClosedWon_Time',
        class="hl-string">'OpportunityClosedLostDateTime': class="hl-string">'OpportunityClosedLost_Time',
        class="hl-string">'SalesRepresentativeName': class="hl-string">'SalesRepresentative',
        class="hl-string">'LeadSourceName': class="hl-string">'LeadSource',
        class="hl-string">'OpportunityStatusName': class="hl-string">'OpportunityStatus',
        class="hl-string">'SalesOrderAmountValue': class="hl-string">'SalesOrderAmount',
        class="hl-string">'ProductCategoryName': class="hl-string">'ProductCategory',
        class="hl-string">'QuoteDiscountPercentage': class="hl-string">'DiscountPercentage'
    }
    source_df.rename(columns=column_mapping, inplace=True)

    class=class="hl-string">"hl-comment"># Convert date strings to datetime objects, coercing errors to NaT (Not a Time)
    date_cols = [col for col in source_df.columns if class="hl-string">'_Time' in col]
    for col in date_cols:
        class=class="hl-string">"hl-comment"># OData date format is /Date(timestamp)/. We need to extract the timestamp.
        source_df[col] = source_df[col].str.extract(rclass="hl-string">'\/Date\((\d+)\)\/').astype(float)
        source_df[col] = pd.to_datetime(source_df[col], unit=class="hl-string">'ms', errors=class="hl-string">'coerce')

    class=class="hl-string">"hl-comment"># Define the activities and their corresponding timestamp columns
    activity_mapping = {
        class="hl-string">'Lead Captured': class="hl-string">'LeadCaptured_Time',
        class="hl-string">'Lead Qualified': class="hl-string">'LeadQualified_Time',
        class="hl-string">'Opportunity Created': class="hl-string">'OpportunityCreated_Time',
        class="hl-string">'Solution Proposed': class="hl-string">'SolutionProposed_Time',
        class="hl-string">'Quote Created': class="hl-string">'QuoteCreated_Time',
        class="hl-string">'Quote Sent to Customer': class="hl-string">'QuoteSentToCustomer_Time',
        class="hl-string">'Quote Accepted by Customer': class="hl-string">'QuoteAccepted_Time',
        class="hl-string">'Opportunity Won': class="hl-string">'OpportunityWon_Time',
        class="hl-string">'Sales Order Created': class="hl-string">'SalesOrderCreated_Time',
        class="hl-string">'Sales Order Reworked': class="hl-string">'SalesOrderReworked_Time',
        class="hl-string">'Order Fulfilled': class="hl-string">'OrderFulfilled_Time',
        class="hl-string">'Invoice Generated': class="hl-string">'InvoiceGenerated_Time',
        class="hl-string">'Payment Received': class="hl-string">'PaymentReceived_Time',
        class="hl-string">'Opportunity Closed Won': class="hl-string">'OpportunityClosedWon_Time',
        class="hl-string">'Opportunity Closed Lost': class="hl-string">'OpportunityClosedLost_Time'
    }

    class=class="hl-string">"hl-comment"># Unpivot the DataFrame into an event log format
    event_log_df = pd.DataFrame()
    for activity, time_col in activity_mapping.items():
        if time_col in source_df.columns:
            temp_df = source_df[[class="hl-string">'SalesOpportunityId'] + [col for col in column_mapping.values() if col in source_df.columns]].copy()
            temp_df = temp_df.dropna(subset=[time_col])
            if not temp_df.empty:
                temp_df[class="hl-string">'ActivityName'] = activity
                temp_df.rename(columns={time_col: class="hl-string">'EventTime'}, inplace=True)
                event_log_df = pd.concat([event_log_df, temp_df])

    class=class="hl-string">"hl-comment"># Select and order final columns
    required_cols = [class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime']
    recommended_cols = [class="hl-string">'SalesRepresentative', class="hl-string">'LeadSource', class="hl-string">'OpportunityStatus', class="hl-string">'SalesOrderAmount', class="hl-string">'ProductCategory', class="hl-string">'DiscountPercentage']
    final_cols = required_cols + [col for col in recommended_cols if col in event_log_df.columns]
    
    event_log_df = event_log_df[final_cols]
    event_log_df.sort_values(by=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime'], inplace=True)

    class=class="hl-string">"hl-comment"># --- Export to CSV ---
    event_log_df.to_csv(class="hl-string">'lead_to_cash_event_log.csv', index=False)
    print(class="hl-string">"Event log saved to 'lead_to_cash_event_log.csv'.")
else:
    print(class="hl-string">"No data extracted. Skipping transformation and export.")

Etapas

Pré-requisitos: Certifique-se de ter um usuário no SAP Sales Cloud com acesso ao centro de trabalho Analytics, especificamente com direitos para criar e editar fontes de dados e relatórios.
Criar uma Fonte de Dados Combinada: Navegue até a visualização Design Data Sources no centro de trabalho Business Analytics. Crie uma nova Combined Data Source. Una as seguintes fontes de dados padrão usando um left outer join para garantir que todas as oportunidades sejam capturadas: Lead Information -> Opportunity Header and Item -> Sales Quote Header and Item -> Sales Order Header and Item. A condição de junção deve ser baseada no ID da Oportunidade ou nos IDs de documentos sucessores.
Construir um Relatório Personalizado: Vá para a visualização Design Reports. Crie um novo relatório baseado na fonte de dados combinada anterior. Adicione todas as características e valores necessários à visualização do relatório, incluindo identificadores (ID do Lead, ID da Oportunidade), campos de status relevantes e todos os campos de timestamp (Data de Criação, Datas de Alteração de Status, etc.). Inclua também atributos como Vendedor Responsável, Origem do Lead e Valor do Pedido.
Expor o Relatório como Serviço OData: Na visualização Design Reports, selecione o relatório criado. Nas configurações, encontre a opção para expor o relatório como uma consulta OData. Geralmente é uma caixa de seleção marcada como Enable for OData. Salve as alterações. O sistema gerará uma URL OData exclusiva.
Identificar a URL OData: Vá para a visualização OData Services no centro de trabalho Administrator. Encontre seu relatório na lista e copie a URL do serviço. Você precisará dela para o script Python.
Configurar o Ambiente Python: Verifique se você tem o Python instalado junto com as bibliotecas requests e pandas. Você pode instalá-las via pip: pip install requests pandas.
Configurar o Script Python: Copie o script Python fornecido. Substitua os valores de espaço reservado para C4C_TENANT_URL, OData_SERVICE_PATH, USERNAME e PASSWORD pelas suas credenciais do SAP Sales Cloud e a URL OData do passo anterior.
Executar o Script de Extração: Rode o script Python. O script fará a autenticação com a API OData, buscará os dados em páginas para gerenciar grandes volumes e os carregará em um DataFrame do pandas.
Transformação de Dados: O script transforma automaticamente os dados do formato largo (uma linha por oportunidade) para um log de eventos em formato longo. Ele percorre cada atividade potencial, verificando timestamps válidos. Se um timestamp existir, cria um registro de evento correspondente com o ActivityName correto.
Exportar o Event Log: Quando o script terminar, ele salvará o log de eventos final como um arquivo lead_to_cash_event_log.csv no mesmo diretório. Este arquivo está formatado para upload direto em uma ferramenta de Process Mining.

Configuração

Configuração da Fonte de Dados: O núcleo deste método é uma Fonte de Dados Combinada (Combined Data Source) no SAP Sales Cloud Analytics. É fundamental usar Left Outer Joins a partir do objeto Opportunity para garantir a captura de oportunidades que não resultaram em cotações ou pedidos.
Características do Relatório: O relatório personalizado deve incluir todos os campos de data e hora correspondentes às atividades desejadas. Isso inclui os timestamps de criação de leads, oportunidades, cotações e pedidos, bem como os timestamps de alteração de status.
Filtragem de API OData: Para gerenciar o desempenho e o volume de dados, use o parâmetro $filter na URL OData dentro do script Python. É altamente recomendável filtrar por um intervalo de datas, por exemplo, OpportunityCreationDate. Um intervalo comum para análise inicial é de 6 a 12 meses.
Paginação: O script fornecido gerencia a paginação OData usando os parâmetros $top e $skip. Isso é essencial para extrair grandes conjuntos de dados sem que a conexão da API expire.
Pré-requisitos: Este método requer um usuário de analytics dedicado com permissões para acessar a API OData e as fontes de dados subjacentes para leads, oportunidades, cotações e pedidos.

a Consulta de Exemplo python

import requests
import pandas as pd
import numpy as np

class=class="hl-string">"hl-comment"># --- Configuration Placeholders ---
C4C_TENANT_URL = class="hl-string">"[Your SAP Sales Cloud Tenant URL, e.g., my123456.crm.ondemand.com]"
class=class="hl-string">"hl-comment"># The service path comes from the OData Services view for your custom report
ODATA_SERVICE_PATH = class="hl-string">"/sap/c4c/odata/analytics/ds/CUST_REPORT_ID.svc"
USERNAME = class="hl-string">"[Your_Username]"
PASSWORD = class="hl-string">"[Your_Password]"

class=class="hl-string">"hl-comment"># --- OData Service Details ---
class=class="hl-string">"hl-comment"># The entity set is usually the report ID followed by class="hl-string">'ResultSet'
ENTITY_SET = class="hl-string">"CUST_REPORT_IDResultSet"
BASE_API_URL = fclass="hl-string">"https://{C4C_TENANT_URL}{ODATA_SERVICE_PATH}/{ENTITY_SET}"

class=class="hl-string">"hl-comment"># --- Data Extraction ---
def get_odata_data(api_url, username, password):
    records = []
    page_size = 1000
    skip = 0
    
    class=class="hl-string">"hl-comment"># It is highly recommended to add a date filter for performance
    class=class="hl-string">"hl-comment"># e.g., class="hl-string">"$filter=OpportunityCreationDate ge datetime'2023-01-01T00:00:00'"
    odata_params = {
        class="hl-string">"$format": class="hl-string">"json",
        class="hl-string">"$top": page_size,
        class="hl-string">"$skip": skip,
        class="hl-string">"$inlinecount": class="hl-string">"allpages"
        class=class="hl-string">"hl-comment"># class="hl-string">"$filter": class="hl-string">"[Your OData Filter String]"
    }

    print(class="hl-string">"Starting data extraction from SAP Sales Cloud...")
    while True:
        odata_params[class="hl-string">'$skip'] = skip
        response = requests.get(api_url, auth=(username, password), params=odata_params)
        
        if response.status_code != 200:
            print(fclass="hl-string">"Error: Failed to fetch data. Status code: {response.status_code}")
            print(response.text)
            break

        data = response.json()[class="hl-string">'d']
        if class="hl-string">'results' in data and data[class="hl-string">'results']:
            records.extend(data[class="hl-string">'results'])
            count = len(data[class="hl-string">'results'])
            print(fclass="hl-string">"Fetched {len(records)} records...")
            if count < page_size:
                break
            skip += page_size
        else:
            break
            
    print(class="hl-string">"Extraction complete.")
    return pd.DataFrame(records)

source_df = get_odata_data(BASE_API_URL, USERNAME, PASSWORD)

class=class="hl-string">"hl-comment"># --- Data Transformation ---
if not source_df.empty:
    print(class="hl-string">"Starting data transformation into event log format...")
    
    class=class="hl-string">"hl-comment"># Rename columns for clarity (adjust these based on your report's field names)
    class=class="hl-string">"hl-comment"># These are example API field names from the OData service.
    class=class="hl-string">"hl-comment"># You MUST inspect your OData metadata to get the correct field names.
    column_mapping = {
        class="hl-string">'C_OpportunityId': class="hl-string">'SalesOpportunityId',
        class="hl-string">'LeadCreationDateTime': class="hl-string">'LeadCaptured_Time',
        class="hl-string">'LeadConversionDateTime': class="hl-string">'LeadQualified_Time',
        class="hl-string">'OpportunityCreationDateTime': class="hl-string">'OpportunityCreated_Time',
        class="hl-string">'OpportunityProposalStageDateTime': class="hl-string">'SolutionProposed_Time',
        class="hl-string">'QuoteCreationDateTime': class="hl-string">'QuoteCreated_Time',
        class="hl-string">'QuoteSentToCustomerDateTime': class="hl-string">'QuoteSentToCustomer_Time',
        class="hl-string">'QuoteAcceptedDateTime': class="hl-string">'QuoteAccepted_Time',
        class="hl-string">'OpportunityWonDateTime': class="hl-string">'OpportunityWon_Time',
        class="hl-string">'SalesOrderCreationDateTime': class="hl-string">'SalesOrderCreated_Time',
        class="hl-string">'SalesOrderReworkedDateTime': class="hl-string">'SalesOrderReworked_Time',
        class="hl-string">'SalesOrderFulfilledDateTime': class="hl-string">'OrderFulfilled_Time',
        class="hl-string">'InvoiceGeneratedDateTime': class="hl-string">'InvoiceGenerated_Time',
        class="hl-string">'PaymentReceivedDateTime': class="hl-string">'PaymentReceived_Time',
        class="hl-string">'OpportunityClosedWonDateTime': class="hl-string">'OpportunityClosedWon_Time',
        class="hl-string">'OpportunityClosedLostDateTime': class="hl-string">'OpportunityClosedLost_Time',
        class="hl-string">'SalesRepresentativeName': class="hl-string">'SalesRepresentative',
        class="hl-string">'LeadSourceName': class="hl-string">'LeadSource',
        class="hl-string">'OpportunityStatusName': class="hl-string">'OpportunityStatus',
        class="hl-string">'SalesOrderAmountValue': class="hl-string">'SalesOrderAmount',
        class="hl-string">'ProductCategoryName': class="hl-string">'ProductCategory',
        class="hl-string">'QuoteDiscountPercentage': class="hl-string">'DiscountPercentage'
    }
    source_df.rename(columns=column_mapping, inplace=True)

    class=class="hl-string">"hl-comment"># Convert date strings to datetime objects, coercing errors to NaT (Not a Time)
    date_cols = [col for col in source_df.columns if class="hl-string">'_Time' in col]
    for col in date_cols:
        class=class="hl-string">"hl-comment"># OData date format is /Date(timestamp)/. We need to extract the timestamp.
        source_df[col] = source_df[col].str.extract(rclass="hl-string">'\/Date\((\d+)\)\/').astype(float)
        source_df[col] = pd.to_datetime(source_df[col], unit=class="hl-string">'ms', errors=class="hl-string">'coerce')

    class=class="hl-string">"hl-comment"># Define the activities and their corresponding timestamp columns
    activity_mapping = {
        class="hl-string">'Lead Captured': class="hl-string">'LeadCaptured_Time',
        class="hl-string">'Lead Qualified': class="hl-string">'LeadQualified_Time',
        class="hl-string">'Opportunity Created': class="hl-string">'OpportunityCreated_Time',
        class="hl-string">'Solution Proposed': class="hl-string">'SolutionProposed_Time',
        class="hl-string">'Quote Created': class="hl-string">'QuoteCreated_Time',
        class="hl-string">'Quote Sent to Customer': class="hl-string">'QuoteSentToCustomer_Time',
        class="hl-string">'Quote Accepted by Customer': class="hl-string">'QuoteAccepted_Time',
        class="hl-string">'Opportunity Won': class="hl-string">'OpportunityWon_Time',
        class="hl-string">'Sales Order Created': class="hl-string">'SalesOrderCreated_Time',
        class="hl-string">'Sales Order Reworked': class="hl-string">'SalesOrderReworked_Time',
        class="hl-string">'Order Fulfilled': class="hl-string">'OrderFulfilled_Time',
        class="hl-string">'Invoice Generated': class="hl-string">'InvoiceGenerated_Time',
        class="hl-string">'Payment Received': class="hl-string">'PaymentReceived_Time',
        class="hl-string">'Opportunity Closed Won': class="hl-string">'OpportunityClosedWon_Time',
        class="hl-string">'Opportunity Closed Lost': class="hl-string">'OpportunityClosedLost_Time'
    }

    class=class="hl-string">"hl-comment"># Unpivot the DataFrame into an event log format
    event_log_df = pd.DataFrame()
    for activity, time_col in activity_mapping.items():
        if time_col in source_df.columns:
            temp_df = source_df[[class="hl-string">'SalesOpportunityId'] + [col for col in column_mapping.values() if col in source_df.columns]].copy()
            temp_df = temp_df.dropna(subset=[time_col])
            if not temp_df.empty:
                temp_df[class="hl-string">'ActivityName'] = activity
                temp_df.rename(columns={time_col: class="hl-string">'EventTime'}, inplace=True)
                event_log_df = pd.concat([event_log_df, temp_df])

    class=class="hl-string">"hl-comment"># Select and order final columns
    required_cols = [class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime']
    recommended_cols = [class="hl-string">'SalesRepresentative', class="hl-string">'LeadSource', class="hl-string">'OpportunityStatus', class="hl-string">'SalesOrderAmount', class="hl-string">'ProductCategory', class="hl-string">'DiscountPercentage']
    final_cols = required_cols + [col for col in recommended_cols if col in event_log_df.columns]
    
    event_log_df = event_log_df[final_cols]
    event_log_df.sort_values(by=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime'], inplace=True)

    class=class="hl-string">"hl-comment"># --- Export to CSV ---
    event_log_df.to_csv(class="hl-string">'lead_to_cash_event_log.csv', index=False)
    print(class="hl-string">"Event log saved to 'lead_to_cash_event_log.csv'.")
else:
    print(class="hl-string">"No data extracted. Skipping transformation and export.")

Seu template de dados: do Lead ao Recebimento

Seu template de dados: do Lead ao Recebimento

Atributos de Lead to Cash

Atividades de Lead to Cash

Guias de Extração

Extração via API OData de Analytics do SAP Sales Cloud

Etapas

Configuração

a Consulta de Exemplo python

Consulta de Objeto de Negócio OData Padrão do SAP Sales Cloud

Etapas

Configuração

a Consulta de Exemplo python

Pronto para Começar?

Otimize seu Lead to Cash Agora e Aumente sua Taxa de Conversão!

Seu template de dados: do Lead ao Recebimento

Seu template de dados: do Lead ao Recebimento

Atributos de Lead to Cash

Atividades de Lead to Cash

Guias de Extração

Extração via API OData de Analytics do SAP Sales Cloud

Etapas

Configuração

a Consulta de Exemplo python

Consulta de Objeto de Negócio OData Padrão do SAP Sales Cloud

Etapas

Configuração

a Consulta de Exemplo python

Valorizamos sua privacidade

Pronto para Começar?

Otimize seu Lead to Cash Agora e Aumente sua Taxa de Conversão!