> Melhoria contínua de processos > Lead to Cash > Pipedrive > Template de dados

Seu Template de dados de Lead to Cash

Pipedrive

Atributos de Lead to Cash(20) Atividades de Lead to Cash(13) Guias de extração(3)

Seu Template de dados de Lead to Cash

Este Template oferece um roteiro claro para coletar os dados essenciais à análise do processo de Lead to Cash no Pipedrive. Ele apresenta os atributos e as principais atividades que você deve acompanhar, além de orientações práticas para extrair essas informações diretamente do seu sistema Pipedrive. Use este material para preparar seus dados para uma análise abrangente de Process Mining e para otimizar o processo.

Atributos recomendados para coleta
Principais atividades a acompanhar
Orientações para extrair dados do Pipedrive

Novidade em Event Logs? Saiba como criar um Event Log para Process Mining.

Baixar Template

Atributos de Lead to Cash

Esses campos de dados recomendados são essenciais para criar um Event Log robusto e permitir uma análise abrangente do processo de Lead to Cash.

3 Obrigatório 4 Recomendado 13 Opcional

	Nome	Descrição
	Hora do evento EventTime	Registro de data e hora que indica quando a atividade ocorreu.
Descrição A hora do evento, ou hora de início, registra a data e a hora exatas em que uma atividade específica foi registrada. Esses dados temporais são essenciais para ordenar os eventos cronologicamente e calcular a duração entre diferentes etapas do processo. Na análise, esse registro de data e hora é usado para calcular indicadores-chave de performance, como tempo de ciclo, tempo de processamento e tempo de espera. Ele permite criar Dashboards baseados em tempo para acompanhar a performance e identificar atrasos no processo de vendas. Por que isso importa Este registro de data e hora é essencial para ordenar eventos, calcular a duração do processo e analisar a performance em relação às metas de prazo. Onde encontrar Obtido de campos como 'add_time' ou 'update_time' dos objetos Deal, Activity ou objetos relacionados na API do Pipedrive. Exemplos 2023-04-15T10:00:00Z2023-04-16T14:30:00Z2023-05-01T09:05:00Z
	Nome da atividade ActivityName	Nome do evento de negócio ou da tarefa específica que ocorreu no processo de vendas.
Descrição Este atributo descreve uma etapa do processo de Lead to Cash, como 'Oportunidade criada', 'Proposta enviada' ou 'Pagamento recebido'. As atividades são os elementos básicos usados para visualizar o fluxo do processo. Analisar a sequência e a frequência das atividades ajuda a identificar os caminhos mais comuns do processo, os gargalos onde o trabalho se acumula e os desvios do procedimento padrão de vendas. Isso é essencial para entender como o processo é executado na prática. Por que isso importa Define as etapas do processo, permitindo visualizar e analisar o fluxo, identificar gargalos e verificar a conformidade. Onde encontrar Em geral, esse atributo é obtido mapeando eventos do Pipedrive, como mudanças de etapa da oportunidade ou a criação de objetos relacionados, como notas fiscais, para uma lista definida de atividades. Exemplos Negócio criadoProposta enviadaNegócio ganhoNota fiscal enviadaPagamento recebido
	Oportunidade de vendas SalesOpportunityId	Identificador exclusivo de uma oportunidade de vendas, usado como ID do caso para acompanhar todo o processo de Lead to Cash.
Descrição O ID da oportunidade de vendas é a chave primária que conecta todas as atividades relacionadas, desde a criação do lead até o pagamento final. Ele representa uma venda potencial acompanhada no Pipedrive. Na análise de processos, esse identificador é essencial para reconstruir a jornada completa de cada oportunidade. Ele permite agrupar todos os eventos, como 'Oportunidade criada', 'Proposta enviada' e 'Pagamento recebido', em um caso coerente, possibilitando analisar variantes do processo, tempos de ciclo e taxas de conversão. Por que isso importa Este identificador é a base da visualização do processo, conectando todos os eventos relacionados para formar o histórico completo de cada oportunidade de venda. Onde encontrar Obtido do campo 'id' do objeto Deal por meio da API do Pipedrive. Exemplos 12543125441254512546
	Percentual de desconto DiscountPercentage	Percentual de desconto aplicado à oportunidade.
Descrição Este atributo representa o percentual de desconto concedido em uma oportunidade de vendas, se houver. É um fator importante para entender a estratégia de preços e seu impacto na lucratividade. Analisar o percentual de desconto ajuda a avaliar a eficácia das estratégias de desconto. Você pode compará-lo com outros atributos, como valor da oportunidade, representante de vendas ou produto, para identificar onde os descontos são mais comuns e se eles aumentam as taxas de conversão ou apenas reduzem as margens. Por que isso importa É essencial para analisar estratégias de preços, margens de vendas e a lucratividade geral das oportunidades. Onde encontrar Geralmente, este é um campo personalizado no objeto Deal do Pipedrive. Consulte a documentação do Pipedrive para saber como configurar campos personalizados. Exemplos 0.050.100.150.0
	Responsável pela oportunidade DealOwner	Representante de vendas responsável por gerenciar a oportunidade.
Descrição O responsável pela oportunidade é o usuário atribuído a uma oportunidade específica. Este atributo é essencial para entender a alocação de recursos e a performance da equipe de vendas. Ele permite analisar a performance individual ou da equipe. Os Dashboards podem ser filtrados pelo responsável pela oportunidade para comparar métricas como tempo de ciclo de vendas, taxas de conversão e valor médio das oportunidades, ajudando a identificar os melhores resultados e os pontos que precisam de orientação. Por que isso importa Permite analisar a performance por representante de vendas, ajudando a identificar os melhores resultados e os pontos que precisam de melhoria. Onde encontrar Obtido do campo 'user_id' do objeto Deal, que se vincula ao objeto User na API do Pipedrive. Exemplos John SmithJane DoePeter Jones
	Status da oportunidade DealStatus	Resultado ou estado atual da oportunidade, como ganha, perdida ou aberta.
Descrição O status da oportunidade indica o resultado final ou o estado geral atual de uma oportunidade de vendas. É uma dimensão principal para analisar as taxas de sucesso em vendas e a eficiência do processo. Este atributo é fundamental para calcular as taxas de oportunidades ganhas e perdidas e filtrar o mapa do processo para comparar as jornadas das oportunidades ganhas com as das perdidas. Essa comparação costuma revelar diferenças importantes na execução do processo que contribuem para o sucesso ou o insucesso, gerando insights valiosos para melhorar o processo. Por que isso importa É essencial para calcular as taxas de oportunidades ganhas e perdidas e comparar os fluxos do processo de oportunidades bem-sucedidas e malsucedidas. Onde encontrar Obtido do campo 'status' do objeto Deal na API do Pipedrive. Exemplos ganhaperdidaaberta
	Valor da oportunidade DealValue	Valor monetário total da oportunidade de vendas.
Descrição O valor da oportunidade representa a receita potencial ou efetiva associada a uma oportunidade de vendas. É uma métrica fundamental para priorizar oportunidades e avaliar o impacto financeiro do pipeline de vendas. Na análise de processos, este atributo permite segmentar os casos por valor financeiro e comparar a execução do processo em oportunidades de alto e baixo valor. Ele também é um componente central dos Dashboards que analisam a performance de vendas, a eficácia dos descontos e a geração geral de receita. Por que isso importa Permite analisar financeiramente o processo de vendas, ajudando a priorizar oportunidades de alto valor e entender o impacto na receita. Onde encontrar Obtido do campo 'value' do objeto Deal na API do Pipedrive. Exemplos 5000.0025000.501500.75
	Condições de pagamento PaymentTerms	Condições de pagamento acordadas, como '30 dias' ou '60 dias'.
Descrição As condições de pagamento definem o prazo para o cliente pagar uma nota fiscal após o envio. Este atributo é essencial para gerenciar contas a receber e fluxo de caixa. Em Process Mining, este atributo serve como referência para avaliar a performance dos pagamentos. Ele é usado para calcular KPIs, como a taxa de pagamentos em dia, comparando a data efetiva do pagamento com a data de vencimento, calculada a partir da data da nota fiscal e dessas condições. Por que isso importa Serve de referência para medir a pontualidade dos pagamentos e analisar atrasos no processo de recebimento. Onde encontrar Geralmente, este é um campo personalizado no objeto Deal ou Organization do Pipedrive, mas também pode vir de um sistema de contabilidade integrado. Exemplos 30 dias60 diasVencimento no recebimento
	É retrabalho IsRework	Indicador que identifica atividades que fazem parte de um ciclo de retrabalho.
Descrição É retrabalho é um indicador booleano que a ferramenta de Process Mining normalmente calcula para destacar casos em que o processo se desvia de um fluxo linear e repete etapas anteriores. Por exemplo, uma oportunidade que volta de 'Negociação' para 'Proposta enviada' é considerada retrabalho. Identificar retrabalho é essencial para otimizar o processo, pois ele representa ineficiência, esforço desperdiçado e possível confusão para o cliente. Analisar as atividades marcadas como retrabalho ajuda a localizar pontos em que o processo falha e permite implementar melhorias direcionadas. Por que isso importa Ajuda a quantificar a ineficiência do processo ao identificar e sinalizar atividades que fazem parte de um caminho repetido ou circular. Onde encontrar Calculado pelo software de Process Mining com base na sequência de atividades de cada caso. Exemplos truefalse
	Etapa da oportunidade DealStage	Etapa específica do pipeline de vendas em que a oportunidade se encontra.
Descrição A etapa da oportunidade representa um passo específico no pipeline de vendas definido pela empresa, como 'Qualificada', 'Proposta apresentada' ou 'Negociação'. Ela mostra o progresso da oportunidade com mais detalhes do que o status geral. Analisar as etapas das oportunidades é essencial para entender o funil de vendas e identificar onde elas costumam ficar paradas. Ao acompanhar o tempo em cada etapa, as equipes podem localizar gargalos e concentrar os esforços de melhoria nos pontos mais problemáticos do ciclo de vendas. Por que isso importa Mostra em detalhes o progresso da oportunidade pelo funil de vendas e ajuda a identificar gargalos e taxas de conversão entre etapas. Onde encontrar Obtido do campo 'stage_id' do objeto Deal, que se vincula ao objeto Stage na API do Pipedrive. Exemplos Lead recebidoContato realizadoDemonstração agendadaProposta apresentadaNegociações iniciadas
	Hora de término do evento EventEndTime	Registro de data e hora que indica quando uma atividade com duração foi concluída.
Descrição A hora de término do evento marca a conclusão de uma atividade com duração mensurável, como uma reunião ou tarefa. Ela complementa a hora de início e permite calcular com precisão quanto tempo cada atividade levou. Este atributo é essencial para calcular o tempo de processamento de atividades individuais. Analisar essa duração ajuda a identificar as tarefas que consomem mais tempo e as oportunidades de otimização, automação ou realocação de recursos. Por que isso importa Permite calcular com precisão a duração de cada atividade, algo essencial para identificar tarefas demoradas e gargalos. Onde encontrar Obtido de campos como 'due_date' ou de um registro de conclusão nas atividades do objeto Activity na API do Pipedrive. Exemplos 2023-04-15T11:00:00Z2023-04-16T15:00:00Z2023-05-01T09:35:00Z
	Moeda da oportunidade DealCurrency	Moeda associada ao valor da oportunidade.
Descrição Este atributo especifica a moeda, por exemplo, USD, EUR ou GBP, em que o valor da oportunidade é expresso. Ele fornece o contexto necessário para todas as métricas financeiras. Ao analisar oportunidades de várias regiões ou países, este atributo é essencial para gerar relatórios financeiros e consolidar dados corretamente. Ele permite aplicar as conversões de moeda adequadas antes de resumir os dados financeiros, evitando conclusões imprecisas. Por que isso importa Fornece o contexto necessário para o valor da oportunidade e permite análises e relatórios financeiros precisos em diferentes regiões. Onde encontrar Obtido do campo 'currency' do objeto Deal na API do Pipedrive. Exemplos USDEURGBP
	Nome da organização OrganizationName	Nome da empresa ou organização do cliente associada à oportunidade.
Descrição Este atributo identifica o cliente corporativo vinculado à oportunidade de vendas. Ele mostra quais empresas estão no pipeline de vendas. Analisar os dados por nome da organização ajuda a entender o comportamento dos clientes e identificar contas importantes. Você pode segmentar a análise do processo para verificar se o processo difere entre clientes estratégicos e menores, ou acompanhar todo o histórico de vendas de uma empresa específica. Por que isso importa Identifica o cliente e permite analisar o processo de vendas com foco no cliente e segmentá-lo. Onde encontrar Obtido do campo 'org_id' do objeto Deal, que se vincula ao objeto Organization na API do Pipedrive. Exemplos ABC CorporationGlobal Tech Inc.Innovate Solutions
	Origem do lead LeadSource	Origem ou canal pelo qual o lead foi adquirido.
Descrição A origem do lead identifica como um cliente potencial foi encontrado pela primeira vez, por exemplo, em um 'Webinar', por 'Ligação não solicitada' ou por 'Indicação de parceiro'. Essa informação é essencial para as estratégias de marketing e vendas. Analisar a origem do lead ajuda a determinar a eficácia de diferentes canais de marketing. Você pode comparar as taxas de conversão e os tempos de ciclo de vendas de leads de várias origens, permitindo que a empresa otimize os investimentos em marketing e os esforços de vendas. Por que isso importa Ajuda a medir a eficácia dos diferentes canais de marketing, analisando as taxas de conversão e a performance do processo dos leads de cada origem. Onde encontrar Obtido do campo 'source_name' do objeto Lead, que depois é associado ao Deal. Exemplos Busca orgânicaMídia social pagaIndicaçãoFeira comercial
	Pagamento em dia IsOnTimePayment	Indicador booleano que informa se o pagamento foi recebido dentro do prazo acordado.
Descrição Este atributo é um indicador binário (verdadeiro/falso) que informa se o pagamento foi feito em dia. Ele é calculado comparando o tempo de pagamento da nota fiscal com as condições de pagamento especificadas. Este indicador simplifica a análise do comportamento de pagamento. Ele pode ser usado para calcular rapidamente o KPI de taxa de pagamentos em dia e filtrar pagamentos atrasados, facilitando a análise de causa raiz dos atrasos de determinados clientes ou tipos de oportunidade. Por que isso importa Simplifica a análise do cumprimento dos prazos de pagamento e é usado para calcular o KPI de taxa de pagamentos em dia. Onde encontrar Calculado comparando 'InvoicePaymentTime' com o atributo 'PaymentTerms'. Por exemplo, se 'PaymentTerms' for 'Net 30' e 'InvoicePaymentTime' for menor ou igual a 30 dias, o valor será verdadeiro. Exemplos truefalse
	Produto ProductAttached	Produto ou serviço associado à oportunidade de vendas.
Descrição Este atributo especifica o produto ou serviço vendido na oportunidade. Ele permite analisar com mais detalhes as atividades de vendas relacionadas a ofertas específicas. Com o produto incluído, você pode segmentar a análise e comparar os processos de vendas entre diferentes linhas de produtos. Isso pode revelar se determinados produtos têm ciclos de venda mais longos, taxas de conversão diferentes ou exigem outras etapas do processo, permitindo criar estratégias de vendas mais direcionadas. Por que isso importa Permite analisar o processo de vendas por linha de produto e identificar diferenças nos ciclos de venda ou nas taxas de sucesso de cada oferta. Onde encontrar Obtido do objeto Product, vinculado a um Deal na API do Pipedrive. Exemplos Assinatura SaaS padrãoLicença da plataforma EnterprisePacote de serviços profissionais
	Região Region	Região geográfica associada ao cliente ou à oportunidade de vendas.
Descrição Este atributo classifica as oportunidades por área geográfica, como América do Norte, EMEA ou APAC. Ele permite analisar a performance e os processos de vendas por localização. Ao segmentar o processo por região, as empresas podem identificar diferenças regionais nos tempos de ciclo de vendas, nas taxas de conversão e nas variantes do processo. Esses insights podem orientar estratégias regionais de vendas, alocação de recursos e iniciativas de padronização do processo. Por que isso importa Permite analisar geograficamente o processo de vendas e destaca diferenças regionais de performance e comportamento dos clientes. Onde encontrar Geralmente, este é um campo personalizado no objeto Deal ou Organization. Também é possível usar os campos de endereço da organização para determinar a região. Exemplos América do NorteEMEAAPACAmérica Latina
	Sistema de origem SourceSystem	Identifica o sistema de onde os dados foram extraídos.
Descrição Este atributo especifica a origem dos dados, que neste caso é o Pipedrive. Ele é especialmente útil em ambientes que consolidam dados de vários sistemas para oferecer uma visão abrangente do processo. Embora muitas vezes tenha um valor estático em análises de um único sistema, ele fornece contexto essencial e ajuda na governança e na rastreabilidade dos dados. Também confirma que os eventos e atributos estão relacionados à instância do Pipedrive. Por que isso importa Fornece contexto essencial sobre a origem dos dados, garantindo rastreabilidade e clareza, especialmente quando há dados de vários sistemas. Onde encontrar Em geral, esse é um valor estático, adicionado durante a transformação dos dados. Exemplos Pipedrive
	Tempo de pagamento da nota fiscal InvoicePaymentTime	Duração entre o envio da nota fiscal e o recebimento do pagamento.
Descrição O tempo de pagamento da nota fiscal mede a eficiência do processo de contas a receber. Ele acompanha especificamente o tempo entre as atividades 'Nota fiscal enviada' e 'Pagamento recebido'. Esta métrica é essencial para acompanhar o fluxo de caixa e identificar atrasos na cobrança. Analisar essa duração ajuda as empresas a entender o comportamento de pagamento dos clientes e a eficácia das estratégias de cobrança e recuperação de crédito, com impacto direto no ciclo entre orçamento e pagamento. Por que isso importa Mede diretamente a eficiência do processo de recebimento e é essencial para gerenciar o fluxo de caixa. Onde encontrar Calculado pela diferença entre os registros de data e hora das atividades 'Pagamento recebido' e 'Nota fiscal enviada' em um caso. Exemplos 28 dias45 dias10 dias
	Última atualização dos dados LastDataUpdate	Data e hora da atualização mais recente dos dados no sistema de origem.
Descrição Este atributo indica quando os dados foram extraídos e atualizados pela última vez no conjunto de dados de Process Mining. Ele oferece uma referência clara sobre a atualidade dos dados analisados. Saber se os dados estão atualizados é essencial para qualquer análise. Este atributo ajuda você a entender se os insights exibidos refletem o estado mais recente do processo, algo fundamental para o monitoramento operacional e a tomada de decisões. Por que isso importa Indica a atualidade dos dados e ajuda você a saber quão recente é a análise do processo. Onde encontrar Este valor é gerado e registrado durante a ingestão dos dados ou o processo de ETL. Exemplos 2023-10-27T02:00:00Z2023-10-28T02:00:00Z

Obrigatório Recomendado Opcional

Atividades de Lead to Cash

Registre essas etapas e esses marcos importantes do processo no Event Log para garantir uma descoberta precisa do processo e uma otimização eficaz.

5 Recomendado 8 Opcional

	Atividade	Descrição
	Negócio criado	Marca o início oficial de uma oportunidade de venda. Esse evento ocorre quando um novo negócio é criado manualmente ou gerado automaticamente a partir de um lead convertido.
Por que isso importa Esta é a principal atividade de início do ciclo de vendas. Analisar o tempo entre esse evento e "Negócio ganho" ou "Negócio perdido" permite medir a duração total do ciclo de vendas. Onde encontrar Este é um evento explícito registrado na entidade Deals do Pipedrive. A data e hora de criação ("add_time") do registro do negócio servem como data e hora do evento. Coleta Use o campo "add_time" da entidade Deals. Tipo de evento explicit
	Negócio ganho	Marca o fechamento bem-sucedido de uma oportunidade, indicando que o cliente aceitou verbalmente ou por escrito. Essa é uma mudança de status explícita e padrão no Pipedrive.
Por que isso importa Este é o marco de sucesso mais importante. Ele é essencial para calcular as taxas de conversão, a duração do ciclo de vendas das oportunidades ganhas e a performance geral de vendas. Onde encontrar Este é um evento explícito, registrado quando o status de uma oportunidade muda para 'won'. O campo 'won_time' na entidade Deals fornece o registro preciso de data e hora. Coleta Use o registro de data e hora de 'won_time' na entidade Deals. Tipo de evento explicit
	Oportunidade perdida	Marca o encerramento malsucedido de uma oportunidade. Isso acontece quando o processo de vendas é interrompido porque o cliente escolheu um concorrente, perdeu o interesse ou por outros motivos.
Por que isso importa Este é o principal ponto de encerramento por insucesso. Analisar quando e por que as oportunidades são perdidas gera insights importantes para melhorar a estratégia de vendas, o treinamento e os processos de qualificação. Onde encontrar Este é um evento explícito, registrado quando o status de uma oportunidade muda para 'lost'. O campo 'lost_time' na entidade Deals registra a data e a hora. Coleta Use o registro de data e hora de 'lost_time' na entidade Deals. Tipo de evento explicit
	Pagamento recebido	Marca o recebimento do pagamento do cliente, concluindo o ciclo financeiro da oportunidade. Este é o evento final do processo de Lead to Cash e tem origem em um sistema financeiro.
Por que isso importa Esta é a etapa final, quando o valor é realizado. Ela marca o verdadeiro fim do processo de Lead to Cash e é essencial para medir o tempo de ciclo de ponta a ponta e analisar atrasos nos pagamentos. Onde encontrar Obtido de um sistema de contabilidade ou processamento de pagamentos. A confirmação do pagamento precisa ser vinculada à oportunidade no Pipedrive. Coleta Dados de eventos de um sistema financeiro externo, vinculados à oportunidade por um identificador exclusivo. Tipo de evento explicit
	Proposta enviada	Representa o momento em que uma proposta ou um orçamento formal é enviado ao cliente. Em geral, isso é inferido quando o negócio avança para uma etapa específica do pipeline, como "Proposta apresentada" ou "Orçamento enviado".
Por que isso importa Este é um marco importante no processo de vendas. Analisar o tempo entre esse evento e "Negócio ganho" ajuda a entender a duração da etapa de decisão e negociação. Onde encontrar Inferido a partir do changelog do Deal, quando o campo "stage_id" muda para uma etapa definida para propostas. A data e hora da mudança de etapa são usadas. Coleta Detecte quando o campo "stage_id" de um Deal é atualizado para uma etapa específica de "Proposta". Tipo de evento inferred
	Acompanhamento da proposta	Registra qualquer atividade de vendas, como uma ligação ou um e-mail, realizada depois que uma proposta é enviada ao cliente. Esse evento indica que houve contato ativo durante o período de avaliação.
Por que isso importa Mede a frequência e a pontualidade dos acompanhamentos, essenciais para manter o ritmo e fechar negócios. Esse dado alimenta o Dashboard "Pontualidade no acompanhamento de propostas". Onde encontrar Registrado na entidade Activities do Pipedrive. É identificado como uma atividade concluída após o evento "Proposta enviada" para o mesmo negócio. Coleta Identifique uma Activity concluída cujo campo "done_time" seja posterior à data e hora da atividade "Proposta enviada". Tipo de evento explicit
	Negociação iniciada	Indica o início de uma negociação ativa sobre preço, condições ou escopo. Em geral, isso é inferido quando um negócio passa para uma etapa de "Negociação" no pipeline após o envio de uma proposta.
Por que isso importa Isolar a etapa de negociação ajuda a identificar quanto tempo ela leva e quais negócios envolvem negociações prolongadas. Onde encontrar Inferido a partir do changelog do Deal, quando o campo "stage_id" é atualizado para uma etapa explicitamente chamada de negociação. Coleta Identifique no histórico do negócio a mudança para uma etapa predefinida de "Negociação". Tipo de evento inferred
	Negócio qualificado	Indica que o negócio atende a critérios predefinidos e é considerado uma oportunidade viável que vale a pena seguir. Em geral, isso é inferido quando o negócio passa de uma etapa inicial do pipeline, como "Lead recebido", para uma etapa mais qualificada, como "Contato realizado" ou "Necessidades definidas".
Por que isso importa Esse marco ajuda a analisar a eficácia do processo de qualificação de leads e a identificar quanto tempo os negócios permanecem nas etapas iniciais, antes da qualificação. Onde encontrar Inferido a partir do changelog ou do histórico do Deal, quando o campo "stage_id" muda para uma etapa que indica qualificação. Coleta Identifique no histórico do negócio a mudança para uma etapa predefinida de "qualificado". Tipo de evento inferred
	Nota fiscal enviada	Representa o momento em que uma nota fiscal é enviada ao cliente para pagamento. Em geral, esse evento é acionado em um sistema externo de contabilidade ou faturamento após o atendimento do pedido.
Por que isso importa Este evento marca o início do ciclo de pagamento. O tempo entre ele e 'Pagamento recebido' é essencial para acompanhar contas a receber e fluxo de caixa. Onde encontrar Tem origem em um sistema externo de contabilidade ou ERP, como Xero ou QuickBooks. Os dados do evento precisam ser integrados e associados à oportunidade no Pipedrive. Coleta Dados de eventos de um sistema externo de faturamento, associados à oportunidade por integração via API. Tipo de evento explicit
	Oportunidade reaberta	Representa uma oportunidade que havia sido marcada como perdida, mas foi reativada para novas atividades de vendas. Este evento é inferido quando o status da oportunidade muda de 'lost' para 'open'.
Por que isso importa Esta atividade destaca ciclos de retrabalho e esforços para retomar o contato. Analisar esses casos pode revelar padrões no comportamento dos clientes ou na eficácia do acompanhamento de vendas. Onde encontrar Inferido do changelog da oportunidade. O evento é detectado quando o campo 'status' muda de 'lost' para 'open'. Coleta Identifique no histórico da oportunidade uma mudança de status de 'lost' para 'open'. Tipo de evento inferred
	Pedido atendido	Indica que o produto foi enviado ou o serviço foi prestado ao cliente. Este evento tem origem em um sistema externo de atendimento de pedidos ou de operações.
Por que isso importa Acompanhar o atendimento dos pedidos é essencial para entender o tempo de ciclo entre o pedido e a entrega. Atrasos nessa etapa afetam diretamente a satisfação do cliente e o reconhecimento da receita. Onde encontrar Obtido de um ERP externo, de um sistema de estoque ou de gestão de serviços. Esses dados precisam ser vinculados à oportunidade correspondente no Pipedrive. Coleta Dados de eventos de um sistema externo, vinculados pelo ID da oportunidade ou por outro identificador comum. Tipo de evento explicit
	Pedido de venda criado	Representa a criação de um pedido de venda formal em um sistema subsequente, como um ERP ou uma plataforma de contabilidade, após o fechamento da oportunidade. Essa atividade não é nativa do Pipedrive e depende de dados de um sistema integrado.
Por que isso importa Este evento marca a transferência de Vendas para Operações ou Finanças. Analisar o tempo entre 'Oportunidade ganha' e esta atividade ajuda a identificar possíveis atrasos no processamento de pedidos. Onde encontrar Normalmente, os dados vêm de um ERP ou sistema financeiro conectado. É necessário carregá-los e vinculá-los ao ID da oportunidade no Pipedrive. Coleta Dados de eventos enviados por um sistema externo via API, muitas vezes atualizando um campo personalizado na oportunidade do Pipedrive. Tipo de evento explicit
	Primeiro contato realizado	Representa a primeira interação relevante com o cliente em potencial associado ao negócio. Em geral, ela é registrada como uma atividade concluída, como uma ligação, um e-mail ou uma reunião vinculada ao negócio.
Por que isso importa Acompanhar esse dado ajuda a medir o tempo até o primeiro contato e a garantir que os leads recebam atenção rapidamente. Também oferece insights sobre a agilidade da equipe de vendas. Onde encontrar Registrado na entidade Activities do Pipedrive. É identificado pela atividade concluída mais antiga vinculada ao ID do negócio. Coleta Encontre a primeira Activity concluída associada a um Deal, com base no campo "done_time". Tipo de evento explicit

Recomendado Opcional

Guias de extração

Como extrair seus dados do Pipedrive

Etapas

Acesse o Pipedrive: Entre na sua conta do Pipedrive com um perfil de usuário que tenha permissão para exportar dados. Normalmente, esse perfil é de administrador.
Acesse a exportação de dados: Clique na sua foto de perfil, no canto superior direito, e selecione 'Configurações'. No menu à esquerda, encontre a seção 'Ferramentas e aplicativos' e clique em 'Exportar dados'.
Exporte os dados dos negócios: Na tela 'Exportar dados', selecione 'Negócios'. Escolha o formato de arquivo 'CSV'. Recomendamos aplicar um filtro para um período específico, como os últimos 6 meses, para manter o tamanho do arquivo sob controle. Clique em 'Exportar' e aguarde a geração e o download do arquivo. Ele conterá informações importantes sobre os negócios, incluindo os horários de criação, ganho e perda.
Exporte os dados das atividades: Repita o processo para 'Atividades'. Selecione 'Atividades', escolha 'CSV', aplique o mesmo filtro de período usado para os negócios e exporte o arquivo. Ele contém registros de chamadas, e-mails, reuniões e atividades personalizadas vinculadas aos negócios.
Reúna dados externos: Obtenha os dados correspondentes nos sistemas usados nas etapas seguintes. Você precisará exportar dados do ERP, do sistema contábil ou do sistema de atendimento de pedidos para eventos como 'Pedido de venda criado', 'Pedido atendido', 'Fatura enviada' e 'Pagamento recebido'. Verifique se esses arquivos contêm um identificador comum que possa ser associado ao ID do negócio no Pipedrive.
Configure um ambiente de processamento de dados: Use uma ferramenta capaz de processar e combinar vários arquivos CSV, como Python com a biblioteca pandas, Microsoft Excel com Power Query ou outra ferramenta de preparação de dados.
Carregue e combine os dados: Carregue os arquivos Deals.csv e Activities.csv. Carregue também os arquivos de dados externos reunidos na etapa anterior.
Crie o Event Log: Crie um Event Log unificado transformando os dados brutos no formato de atividade necessário. Para cada uma das 13 atividades obrigatórias, crie as linhas correspondentes. Por exemplo:
- Os eventos 'Negócio criado' são gerados a partir da coluna add_time do arquivo Deals.csv.
- Os eventos 'Negócio ganho' são gerados a partir da coluna won_time do arquivo Deals.csv.
- 'Primeiro contato realizado' corresponde à atividade concluída mais antiga de cada negócio no arquivo Activities.csv.
- Outras atividades, como 'Proposta enviada' ou 'Negociação iniciada', são inferidas a partir de assuntos ou tipos específicos de atividade em Activities.csv.
Mapeie os atributos: Em cada linha de evento, preencha todas as colunas obrigatórias: SalesOpportunityId, ActivityName e EventTime. Adicione atributos recomendados, como DealValue, DealOwner e DealStatus, combinando os dados dos negócios.
Exporte o arquivo final: Depois de criar e validar o Event Log, salve a tabela final em um único arquivo CSV com codificação UTF-8. O arquivo estará pronto para ser carregado no ProcessMind para análise.

Configuração

Objetos para exportar: Exporte pelo menos 'Negócios' e 'Atividades'. Talvez também seja necessário exportar 'Organizações' ou 'Pessoas' para obter dados dimensionais adicionais.
Formato do arquivo: Escolha CSV para garantir a compatibilidade com ferramentas de processamento de dados, como Python ou Power Query.
Filtro de período: Use a opção 'Filtrar por' para selecionar um período específico. Por exemplo, defina que 'Horário de inclusão do negócio' esteja dentro dos 'últimos 180 dias'. Isso é essencial para controlar o desempenho da exportação e o tamanho do arquivo.
Permissões de usuário: Você precisa ser administrador ou ter um conjunto de permissões que autorize explicitamente a exportação de dados da conta do Pipedrive.
Tipos de atividade personalizados: A extração bem-sucedida de etapas do processo, como 'Negócio qualificado' ou 'Proposta enviada', depende muito do uso de tipos de atividade personalizados no Pipedrive pela sua organização. Verifique se eles estão configurados e se a equipe de vendas os utiliza de forma consistente.

Consulta de exemplo python

import pandas as pd

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

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

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

for col in [class="hl-string">'EventTime_Created', class="hl-string">'EventTime_Won', class="hl-string">'EventTime_Lost']: 
    deals_df[col] = pd.to_datetime(deals_df[col], errors=class="hl-string">'coerce')
activities_df[class="hl-string">'EventTime'] = pd.to_datetime(activities_df[class="hl-string">'EventTime'], errors=class="hl-string">'coerce')


class=class="hl-string">"hl-comment"># --- 3. Extract Activities from Pipedrive Data ---

class=class="hl-string">"hl-comment"># Activity: Deal Created
event_created = deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Created']].copy()
event_created.rename(columns={class="hl-string">'EventTime_Created': class="hl-string">'EventTime'}, inplace=True)
event_created[class="hl-string">'ActivityName'] = class="hl-string">'Deal Created'

class=class="hl-string">"hl-comment"># Activity: Deal Won
event_won = deals_df[deals_df[class="hl-string">'EventTime_Won'].notna()][[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Won']].copy()
event_won.rename(columns={class="hl-string">'EventTime_Won': class="hl-string">'EventTime'}, inplace=True)
event_won[class="hl-string">'ActivityName'] = class="hl-string">'Deal Won'

class=class="hl-string">"hl-comment"># Activity: Deal Lost
event_lost = deals_df[deals_df[class="hl-string">'EventTime_Lost'].notna()][[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime_Lost']].copy()
event_lost.rename(columns={class="hl-string">'EventTime_Lost': class="hl-string">'EventTime'}, inplace=True)
event_lost[class="hl-string">'ActivityName'] = class="hl-string">'Deal Lost'

class=class="hl-string">"hl-comment"># Filter for relevant, completed activities linked to a deal
completed_activities = activities_df[activities_df[class="hl-string">'EventTime'].notna() & activities_df[class="hl-string">'SalesOpportunityId'].notna()].copy()
completed_activities[class="hl-string">'SalesOpportunityId'] = completed_activities[class="hl-string">'SalesOpportunityId'].astype(int)

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

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

event_proposal_sent = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'proposal|quote', case=False, na=False)].copy()
event_proposal_sent[class="hl-string">'ActivityName'] = class="hl-string">'Proposal Sent'

class=class="hl-string">"hl-comment"># Proposal Follow-Up: Any call or email activity after a proposal was sent
if not event_proposal_sent.empty:
    merged_followup = pd.merge(completed_activities, event_proposal_sent[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime']].rename(columns={class="hl-string">'EventTime':class="hl-string">'ProposalTime'}), on=class="hl-string">'SalesOpportunityId')
    follow_ups = merged_followup[merged_followup[class="hl-string">'EventTime'] > merged_followup[class="hl-string">'ProposalTime']]
    event_follow_up = follow_ups[follow_ups[class="hl-string">'ActivityName'].str.contains(class="hl-string">'call|email|follow-up', case=False, na=False)].copy()
    event_follow_up[class="hl-string">'ActivityName'] = class="hl-string">'Proposal Follow-Up'
else:
    event_follow_up = pd.DataFrame(columns=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName'])

event_negotiation = completed_activities[completed_activities[class="hl-string">'ActivityName'].str.contains(class="hl-string">'negotiation|negotiate', case=False, na=False)].copy()
event_negotiation[class="hl-string">'ActivityName'] = class="hl-string">'Negotiation Started'

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

class=class="hl-string">"hl-comment"># --- 4. Extract Activities from External Data (Placeholders) ---

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


class=class="hl-string">"hl-comment"># --- 5. Combine and Finalize Event Log ---

event_log_frames = [
    event_created,
    event_won,
    event_lost,
    event_initial_contact,
    event_qualified[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_proposal_sent[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_follow_up[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_negotiation[[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime', class="hl-string">'ActivityName']],
    event_reopened,
    event_so_created,
    event_fulfilled,
    event_invoice_sent,
    event_payment_received
]

event_log = pd.concat(event_log_frames)

class=class="hl-string">"hl-comment"># Merge with deal attributes
final_event_log = pd.merge(event_log, deals_df[[class="hl-string">'SalesOpportunityId', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'Status']], on=class="hl-string">'SalesOpportunityId', how=class="hl-string">'left')

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

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

class=class="hl-string">"hl-comment"># Reorder columns to match requirements
output_columns = [class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'DealStatus', class="hl-string">'DiscountPercentage']
final_event_log = final_event_log[output_columns]

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

print(class="hl-string">'Event log created successfully.')

Etapas

Configure o ambiente Python: Verifique se você tem o Python 3.6 ou uma versão mais recente instalado no sistema. Abra um terminal ou prompt de comando e instale as bibliotecas Python necessárias com o comando: pip install requests pandas.
Obtenha as credenciais da API do Pipedrive: Acesse sua conta do Pipedrive. Clique na foto do perfil e acesse Configurações. Selecione 'Preferências pessoais' e abra a aba 'API'. Copie seu token pessoal da API. Você também precisará do domínio da empresa, que corresponde ao prefixo do URL do Pipedrive. Por exemplo, sua-empresa em sua-empresa.pipedrive.com.
Configure o script de extração: Abra o script Python fornecido em um editor de texto ou IDE. Localize a seção de configuração no início e substitua os valores de exemplo de API_TOKEN e COMPANY_DOMAIN pelas suas credenciais.
Defina o período de extração: Na seção de configuração do script, defina a variável START_DATE com a data de criação mais antiga dos negócios que você quer incluir na análise. Use o formato 'YYYY-MM-DD'.
Mapeie os IDs do pipeline e das etapas: O script infere várias atividades com base na movimentação dos negócios entre etapas. Informe os IDs específicos do pipeline de vendas e das principais etapas. Você pode encontrar esses IDs acessando a etapa na interface do Pipedrive e consultando o URL, ou usando a API. Atualize no script as variáveis PIPELINE_ID, QUALIFIED_STAGE_ID, PROPOSAL_STAGE_ID e NEGOTIATION_STAGE_ID.
Execute o script: No terminal, execute o comando: python your_script_name.py. O script começará a chamar a API do Pipedrive para buscar negócios, atividades e registros de alterações.
Acompanhe o processo: O script exibirá atualizações de progresso no console, indicando quais dados estão sendo buscados. O processo pode levar alguns minutos, dependendo do volume de dados e dos limites de requisições da API.
Extraia dados de sistemas externos: Para atividades como 'Pedido de venda criado' e 'Pagamento recebido', o script inclui funções de exemplo. Você precisará modificá-las para conectar aos seus sistemas externos, como um ERP ou uma plataforma contábil, e recuperar os dados dos eventos relevantes. Associe o SalesOpportunityId do Pipedrive aos registros desses outros sistemas.
Revise o resultado: Quando o script terminar, ele gerará um arquivo CSV chamado pipedrive_event_log.csv. Esse arquivo contém o Event Log estruturado com todas as atividades extraídas.
Prepare o arquivo para carregamento: Abra o arquivo CSV e verifique se ele foi criado corretamente. As colunas devem incluir SalesOpportunityId, ActivityName, EventTime e outros atributos recomendados. O arquivo estará pronto para ser carregado no ProcessMind para análise.

Configuração

Credenciais da API: O script precisa de um API_TOKEN válido e do seu COMPANY_DOMAIN para autenticar na API do Pipedrive. Verifique se o usuário associado ao token tem permissão suficiente para ler negócios, atividades e usuários.
Período: A variável START_DATE filtra os negócios criados na data especificada ou depois dela. Para uma análise inicial, recomendamos um período de 3 a 6 meses, para manter o volume de dados sob controle.
IDs do pipeline e das etapas: Para inferir corretamente etapas do processo, como 'Negócio qualificado' ou 'Proposta enviada', configure o script com os IDs numéricos corretos do PIPELINE_ID principal de vendas e os valores de STAGE_ID específicos de cada marco importante. IDs incompatíveis resultarão em atividades ausentes.
Desempenho e limites de requisições: O script inclui uma breve pausa entre chamadas à API para respeitar os limites do Pipedrive. Em organizações com um volume muito alto de negócios, talvez seja necessário ajustar essa pausa ou implementar uma estratégia de espera progressiva mais sofisticada para evitar erros da API.
Mapeamento de campos personalizados: Se você usa campos personalizados para atributos importantes, como DiscountPercentage, será necessário encontrar a chave da API desse campo personalizado, uma sequência longa de caracteres, e usá-la na lógica de transformação dos dados. Não use o nome de exibição do campo.
Integração com sistemas externos: A extração de eventos que ocorrem fora do Pipedrive, como faturamento ou atendimento de pedidos, é feita por funções de exemplo. Personalize essas seções para conectar às suas fontes de dados externas.

Consulta de exemplo python

import requests
import pandas as pd
import time
import datetime

class=class="hl-string">"hl-comment"># --- CONFIGURATION ---
class=class="hl-string">"hl-comment"># Replace with your Pipedrive API token and company domain
API_TOKEN = class="hl-string">'YOUR_API_TOKEN'
COMPANY_DOMAIN = class="hl-string">'YOUR_COMPANY_DOMAIN' class=class="hl-string">"hl-comment"># e.g., class="hl-string">'your-company-name'

class=class="hl-string">"hl-comment"># Set the start date for deal extraction (YYYY-MM-DD)
START_DATE = class="hl-string">'2023-01-01'

class=class="hl-string">"hl-comment"># Configure your specific Pipeline and Stage IDs
class=class="hl-string">"hl-comment"># Find these in your Pipedrive URL or via the API /stages endpoint
PIPELINE_ID = 1 class=class="hl-string">"hl-comment"># Replace with your main sales pipeline ID
QUALIFIED_STAGE_ID = 2 class=class="hl-string">"hl-comment"># Replace with your class="hl-string">'Qualified' stage ID
PROPOSAL_STAGE_ID = 3 class=class="hl-string">"hl-comment"># Replace with your class="hl-string">'Proposal Sent' stage ID
NEGOTIATION_STAGE_ID = 4 class=class="hl-string">"hl-comment"># Replace with your class="hl-string">'Negotiation' stage ID

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

BASE_URL = fclass="hl-string">'https://{COMPANY_DOMAIN}.pipedrive.com/api/v1'

def get_paginated_data(endpoint, params={}):
    class="hl-string">"""Fetches all pages of data from a Pipedrive API endpoint."""
    all_data = []
    start = 0
    limit = 500
    while True:
        request_params = {
            class="hl-string">'start': start,
            class="hl-string">'limit': limit,
            class="hl-string">'api_token': API_TOKEN
        }
        request_params.update(params)
        
        try:
            response = requests.get(fclass="hl-string">"{BASE_URL}/{endpoint}", params=request_params)
            response.raise_for_status()
            data = response.json()

            if not data.get(class="hl-string">'data'):
                break

            all_data.extend(data[class="hl-string">'data'])

            if not data.get(class="hl-string">'additional_data', {}).get(class="hl-string">'pagination', {}).get(class="hl-string">'more_items_in_collection'):
                break
            
            start += limit
            time.sleep(0.2) class=class="hl-string">"hl-comment"># Respect API rate limits
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching {endpoint}: {e}")
            break
            
    return all_data

def get_deal_flow(deal_id):
    class="hl-string">"""Fetches the change history (flow) for a single deal."""
    params = {class="hl-string">'api_token': API_TOKEN}
    try:
        response = requests.get(fclass="hl-string">"{BASE_URL}/deals/{deal_id}/flow", params=params)
        response.raise_for_status()
        data = response.json()
        return data.get(class="hl-string">'data', [])
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error fetching flow for deal {deal_id}: {e}")
        return []

class=class="hl-string">"hl-comment"># Placeholder functions for external data
def get_sales_order_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching sales order data from external ERP/CRM...")
    class=class="hl-string">"hl-comment"># Example: Connect to your ERP, query for orders linked to deal_ids
    class=class="hl-string">"hl-comment"># Return a list of dicts: [{class="hl-string">'SalesOpportunityId': id, class="hl-string">'ActivityName': class="hl-string">'Sales Order Created', class="hl-string">'EventTime': timestamp}, ...]
    return []

def get_fulfillment_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching order fulfillment data...")
    return []

def get_invoice_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching invoice data from accounting system...")
    return []

def get_payment_data(deal_ids):
    print(class="hl-string">"Placeholder: Fetching payment data from financial system...")
    return []


class=class="hl-string">"hl-comment"># --- MAIN EXTRACTION LOGIC ---
if __name__ == class="hl-string">'__main__':
    print(class="hl-string">"Starting Pipedrive data extraction...")
    events = []

    class=class="hl-string">"hl-comment"># 1. Fetch all deals created after the START_DATE and in the specified pipeline
    print(class="hl-string">"Fetching deals...")
    deals = get_paginated_data(class="hl-string">'deals', {class="hl-string">'start_date': START_DATE, class="hl-string">'pipeline_id': PIPELINE_ID})
    if not deals:
        print(class="hl-string">"No deals found for the specified criteria. Exiting.")
        exit()

    deal_ids = [d[class="hl-string">'id'] for d in deals]
    print(fclass="hl-string">"Found {len(deals)} deals.")

    class=class="hl-string">"hl-comment"># 2. Fetch all activities related to the deals
    print(class="hl-string">"Fetching activities...")
    all_activities = get_paginated_data(class="hl-string">'activities', {class="hl-string">'user_id': 0}) class=class="hl-string">"hl-comment"># Get for all users
    deal_activities = [act for act in all_activities if act.get(class="hl-string">'deal_id') in deal_ids and act[class="hl-string">'done']]

    activities_by_deal = {}
    for act in deal_activities:
        if act[class="hl-string">'deal_id'] not in activities_by_deal:
            activities_by_deal[act[class="hl-string">'deal_id']] = []
        activities_by_deal[act[class="hl-string">'deal_id']].append(act)

    class=class="hl-string">"hl-comment"># 3. Process each deal to create events
    print(class="hl-string">"Processing deals and activities to generate event log...")
    for deal in deals:
        deal_id = deal[class="hl-string">'id']
        deal_owner_name = deal.get(class="hl-string">'owner_name', class="hl-string">'')
        base_attributes = {
            class="hl-string">'SalesOpportunityId': deal_id,
            class="hl-string">'DealValue': deal.get(class="hl-string">'value', 0),
            class="hl-string">'DealOwner': deal_owner_name,
            class="hl-string">'DealStatus': deal.get(class="hl-string">'status', class="hl-string">'open'),
            class="hl-string">'DiscountPercentage': deal.get(class="hl-string">'discount_percentage', 0)
        }

        class=class="hl-string">"hl-comment"># Activity: Deal Created
        events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Created', class="hl-string">'EventTime': deal[class="hl-string">'add_time']})

        class=class="hl-string">"hl-comment"># Activity: Deal Won / Lost
        if deal[class="hl-string">'status'] == class="hl-string">'won' and deal[class="hl-string">'won_time']:
            events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Won', class="hl-string">'EventTime': deal[class="hl-string">'won_time']})
        elif deal[class="hl-string">'status'] == class="hl-string">'lost' and deal[class="hl-string">'lost_time']:
            events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Lost', class="hl-string">'EventTime': deal[class="hl-string">'lost_time']})

        class=class="hl-string">"hl-comment"># Activity: Initial Contact Made & Proposal Follow-Up
        proposal_sent_time = None
        if deal_id in activities_by_deal:
            sorted_activities = sorted(activities_by_deal[deal_id], key=lambda x: x[class="hl-string">'marked_as_done_time'])
            if sorted_activities:
                first_activity = sorted_activities[0]
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Initial Contact Made', class="hl-string">'EventTime': first_activity[class="hl-string">'marked_as_done_time']})
            
            class=class="hl-string">"hl-comment"># Find proposal follow-ups (requires proposal time)
            class=class="hl-string">"hl-comment"># This part is revisited after stage changes are processed

        class=class="hl-string">"hl-comment"># Activities from Stage Changes: Qualified, Proposal Sent, Negotiation, Reopened
        time.sleep(0.2) class=class="hl-string">"hl-comment"># Rate limit for flow endpoint
        flow = get_deal_flow(deal_id)
        if not flow:
            continue

        lost_then_reopened = False
        was_lost = False

        for change in sorted(flow, key=lambda x: x[class="hl-string">'add_time']):
            class=class="hl-string">"hl-comment"># Deal Reopened
            if change.get(class="hl-string">'field_key') == class="hl-string">'status' and change.get(class="hl-string">'old_value') == class="hl-string">'lost' and change.get(class="hl-string">'new_value') == class="hl-string">'open':
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Reopened', class="hl-string">'EventTime': change[class="hl-string">'add_time']})
            
            if change.get(class="hl-string">'field_key') != class="hl-string">'stage_id':
                continue

            stage_change_time = change[class="hl-string">'add_time']

            class=class="hl-string">"hl-comment"># Deal Qualified
            if change[class="hl-string">'new_value'] == QUALIFIED_STAGE_ID:
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Deal Qualified', class="hl-string">'EventTime': stage_change_time})

            class=class="hl-string">"hl-comment"># Proposal Sent
            if change[class="hl-string">'new_value'] == PROPOSAL_STAGE_ID:
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Proposal Sent', class="hl-string">'EventTime': stage_change_time})
                proposal_sent_time = stage_change_time

            class=class="hl-string">"hl-comment"># Negotiation Started
            if change[class="hl-string">'new_value'] == NEGOTIATION_STAGE_ID:
                events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Negotiation Started', class="hl-string">'EventTime': stage_change_time})

        class=class="hl-string">"hl-comment"># Re-check for Proposal Follow-Up now that we have proposal_sent_time
        if proposal_sent_time and deal_id in activities_by_deal:
            for act in activities_by_deal[deal_id]:
                if act[class="hl-string">'marked_as_done_time'] > proposal_sent_time:
                    events.append({**base_attributes, class="hl-string">'ActivityName': class="hl-string">'Proposal Follow-Up', class="hl-string">'EventTime': act[class="hl-string">'marked_as_done_time']})
                    break class=class="hl-string">"hl-comment"># Only capture the first follow-up

    class=class="hl-string">"hl-comment"># 4. Add events from external systems (placeholders)
    print(class="hl-string">"Adding data from external system placeholders...")
    events.extend(get_sales_order_data(deal_ids))
    events.extend(get_fulfillment_data(deal_ids))
    events.extend(get_invoice_data(deal_ids))
    events.extend(get_payment_data(deal_ids))

    class=class="hl-string">"hl-comment"># 5. Create and export the final event log
    if not events:
        print(class="hl-string">"No events were generated. The output file will be empty.")
    else:
        print(class="hl-string">"Creating CSV file...")
        df = pd.DataFrame(events)
        class=class="hl-string">"hl-comment"># Ensure required columns are present
        df = df[[class="hl-string">'SalesOpportunityId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'DealValue', class="hl-string">'DealOwner', class="hl-string">'DealStatus', class="hl-string">'DiscountPercentage']]
        df.sort_values(by=[class="hl-string">'SalesOpportunityId', class="hl-string">'EventTime'], inplace=True)
        
        output_filename = class="hl-string">'pipedrive_event_log.csv'
        df.to_csv(output_filename, index=False)
        print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

Etapas

Selecione e licencie um serviço comercial de ETL ou automação com um conector compatível com o Pipedrive, como Fivetran ou Make. Confirme se o produto escolhido consegue extrair negócios, atividades, histórico de etapas e de alterações de status dos negócios, pessoas, organizações e campos personalizados, além de gravar os dados no data warehouse ou data lake de destino.
Crie uma conexão com o Pipedrive com autorização de leitura, usando o método de autenticação compatível com o conector. Configure a conta de origem, o espaço de trabalho ou a organização conforme a ferramenta escolhida. Não presuma que o caminho dos menus ou o endpoint da API será sempre o mesmo, pois eles variam conforme o produto e a versão do conector.
Configure a conexão de destino e crie uma área de entrada para os objetos de origem sincronizados. Use os nomes de tabelas ou coleções gerados pelo conector ou substitua no script os nomes pelos usados no seu ambiente. Preserve os identificadores de origem, as datas e horas, os valores de status e de etapa, os identificadores dos responsáveis, os valores monetários e os campos personalizados.
Configure a sincronização incremental para o período necessário, normalmente os 3 a 6 meses anteriores, incluindo uma janela de sobreposição quando o conector oferecer suporte. Inclua registros históricos necessários para identificar negócios reabertos e o histórico de etapas ou status, não apenas o estado atual do negócio.
Sincronize os objetos do Pipedrive e todos os objetos integrados dos sistemas seguintes necessários para registrar 'Pedido de venda criado', 'Pedido atendido', 'Fatura enviada' e 'Pagamento recebido'. Essas quatro atividades não são eventos nativos do Pipedrive e exigem dados de origem de um ERP, sistema de atendimento de pedidos, contábil, de faturamento ou financeiro. Se o conector não disponibilizar esses objetos, carregue-os no destino por meio de outro conector compatível.
Crie visualizações ou tabelas normalizadas que mapeiem os dados de saída do conector para os objetos de origem lógicos referenciados pelo script de extração. Substitua no script cada nome de tabela de exemplo pela tabela ou visualização correspondente no destino. Configure na seção indicada os nomes de etapas, valores de status, tipos de atividade e chaves de relacionamento com sistemas externos específicos da origem.
Execute o script de extração. Ele cria explicitamente linhas para Negócio criado, Primeiro contato realizado, Negócio qualificado, Proposta enviada, Acompanhamento da proposta, Negociação iniciada, Negócio ganho, Pedido de venda criado, Pedido atendido, Fatura enviada, Pagamento recebido, Negócio perdido e Negócio reaberto. Os eventos inferidos a partir do histórico de etapas ou status só são gerados quando o histórico de origem contém a transição necessária. O ProcessMind não infere eventos ausentes depois que os dados são carregados.
Valide se SalesOpportunityId, ActivityName e EventTime estão preenchidos, se as datas e horas seguem um fuso horário consistente e se os registros de origem duplicados foram removidos ou controlados com o identificador do evento de origem e a data e hora do evento. Revise os atributos recomendados e mantenha valores NULL quando a origem não os fornecer.
Exporte o resultado como um arquivo CSV simples ou em outro formato de Event Log compatível com o ProcessMind. Use SalesOpportunityId como identificador do caso, ActivityName como coluna de atividade e EventTime como data e hora do evento. Inclua DealValue, DealOwner, DealStatus e DiscountPercentage como atributos adicionais. Carregue o arquivo ou conecte o conjunto de dados de destino no ProcessMind e verifique se os nomes das atividades correspondem exatamente aos rótulos obrigatórios.

Configuração

Conector de origem: Configure um conector compatível com o Pipedrive no serviço de ETL ou automação escolhido. Os recursos do conector, os modos de sincronização, os nomes de tabela gerados e as opções de autenticação variam conforme o produto e a versão.
Dados de origem necessários: Inclua negócios, atividades, histórico de etapas e de status dos negócios, responsáveis ou usuários e todos os campos usados para identificar leads convertidos. Inclua também dados de pedidos de venda, atendimento de pedidos, faturas e pagamentos dos sistemas integrados usados nas etapas seguintes.
Objetos de destino: Substitua [Your deals table], [Your activities table], [Your deal stage history table], [Your deal status history table], [Your sales orders table], [Your fulfillment table], [Your invoices table] e [Your payments table] pelos nomes das tabelas geradas pelo conector ou das visualizações preparadas.
Período: Comece com 3 a 6 meses de dados. Amplie o período se o ciclo do processo for mais longo, se você precisar analisar negócios reabertos ou se precisar do histórico de transições de etapas e status.
Parâmetros de data: Defina [Start date] e [End date] no formato de data compatível com o destino. Use um período de sobreposição nas cargas incrementais para capturar atualizações tardias, datas e horas corrigidas e transações atrasadas dos sistemas seguintes.
Configuração das etapas: Configure os nomes exatos das etapas ou as categorias normalizadas usadas pela conta do Pipedrive para qualificação, proposta e negociação. Não use nomes de exemplo se eles não corresponderem aos valores da origem.
Configuração das atividades: Configure os tipos exatos de atividade concluída que representam o primeiro contato e o acompanhamento da proposta, como chamada, e-mail ou reunião, com base nos valores normalizados pelo conector.
Vínculo com sistemas externos: Configure a chave de relacionamento que vincula um pedido de venda dos sistemas seguintes a um negócio do Pipedrive. Se o sistema usar outra chave, crie uma visualização de mapeamento antes de executar a extração.
Filtros: Aplique filtros por empresa, organização, pipeline, equipe, moeda ou unidade de negócios somente quando necessário. Documente cada filtro, pois ele afeta a abrangência dos casos e dos eventos.
Desempenho: Para conjuntos de dados grandes, use sincronização incremental, filtros de data na origem, tabelas de destino particionadas e colunas de caso e data e hora indexadas ou agrupadas. Evite consultar repetidamente todo o histórico.
Deduplicação: Mantenha um identificador estável do evento de origem, quando disponível. Caso contrário, remova duplicatas usando o identificador do caso, o nome da atividade, a data e hora do evento e o identificador do registro de origem, preservando atividades repetidas legítimas, como vários acompanhamentos.
Pré-requisitos: São necessárias uma licença do conector, autorização do Pipedrive, permissões de gravação no destino, acesso ao histórico de negócios e às atividades e acesso aos dados dos sistemas seguintes de ERP, atendimento de pedidos, contabilidade, faturamento ou finanças. Campos personalizados e dados históricos de alterações podem exigir permissões adicionais no produto ou recursos específicos do conector.

Consulta de exemplo python

import os
from datetime import datetime, timezone
import pandas as pd
from sqlalchemy import create_engine, text

CONNECTION_STRING = os.getenv(class="hl-string">"DESTINATION_CONNECTION_STRING", class="hl-string">"[Connection string]")
START_DATE = os.getenv(class="hl-string">"START_DATE", class="hl-string">"[Start date]")
END_DATE = os.getenv(class="hl-string">"END_DATE", class="hl-string">"[End date]")

DEALS_TABLE = class="hl-string">"[Your deals table]"
ACTIVITIES_TABLE = class="hl-string">"[Your activities table]"
DEAL_STAGE_HISTORY_TABLE = class="hl-string">"[Your deal stage history table]"
DEAL_STATUS_HISTORY_TABLE = class="hl-string">"[Your deal status history table]"
SALES_ORDERS_TABLE = class="hl-string">"[Your sales orders table]"
FULFILLMENT_TABLE = class="hl-string">"[Your fulfillment table]"
INVOICES_TABLE = class="hl-string">"[Your invoices table]"
PAYMENTS_TABLE = class="hl-string">"[Your payments table]"

engine = create_engine(CONNECTION_STRING)

sql = fclass="hl-string">"""
WITH
base_deals AS (
    SELECT
        CAST(d.id AS VARCHAR(255)) AS SalesOpportunityId,
        d.id AS deal_source_id,
        d.add_time AS deal_created_time,
        d.value AS DealValue,
        d.owner_name AS DealOwner,
        d.status AS DealStatus,
        d.discount_percentage AS DiscountPercentage
    FROM {DEALS_TABLE} d
    WHERE d.add_time >= :start_date
      AND d.add_time < :end_date
),
completed_activities AS (
    SELECT
        CAST(a.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        a.id AS activity_source_id,
        a.done AS activity_done,
        a.activity_type,
        a.subject,
        a.done_time AS activity_time,
        a.add_time AS activity_created_time
    FROM {ACTIVITIES_TABLE} a
    WHERE a.deal_id IS NOT NULL
      AND COALESCE(a.done_time, a.add_time) >= :start_date
      AND COALESCE(a.done_time, a.add_time) < :end_date
      AND a.done = TRUE
),
stage_history AS (
    SELECT
        CAST(h.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        h.stage_name,
        h.changed_at,
        LAG(h.stage_name) OVER (PARTITION BY h.deal_id ORDER BY h.changed_at, h.id) AS previous_stage
    FROM {DEAL_STAGE_HISTORY_TABLE} h
    WHERE h.changed_at >= :start_date
      AND h.changed_at < :end_date
),
status_history AS (
    SELECT
        CAST(h.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        LOWER(h.status) AS status,
        LOWER(LAG(h.status) OVER (PARTITION BY h.deal_id ORDER BY h.changed_at, h.id)) AS previous_status,
        h.changed_at
    FROM {DEAL_STATUS_HISTORY_TABLE} h
    WHERE h.changed_at >= :start_date
      AND h.changed_at < :end_date
),
external_sales_orders AS (
    SELECT
        CAST(o.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        o.created_at AS event_time,
        o.order_value AS DealValue,
        o.owner_name AS DealOwner,
        o.status AS DealStatus,
        o.discount_percentage AS DiscountPercentage
    FROM {SALES_ORDERS_TABLE} o
    WHERE o.deal_id IS NOT NULL
      AND o.created_at >= :start_date
      AND o.created_at < :end_date
),
external_fulfillment AS (
    SELECT
        CAST(f.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        f.fulfilled_at AS event_time,
        f.order_value AS DealValue,
        f.owner_name AS DealOwner,
        f.status AS DealStatus,
        f.discount_percentage AS DiscountPercentage
    FROM {FULFILLMENT_TABLE} f
    WHERE f.deal_id IS NOT NULL
      AND f.fulfilled_at >= :start_date
      AND f.fulfilled_at < :end_date
),
external_invoices AS (
    SELECT
        CAST(i.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        i.sent_at AS event_time,
        i.invoice_value AS DealValue,
        i.owner_name AS DealOwner,
        i.status AS DealStatus,
        i.discount_percentage AS DiscountPercentage
    FROM {INVOICES_TABLE} i
    WHERE i.deal_id IS NOT NULL
      AND i.sent_at >= :start_date
      AND i.sent_at < :end_date
),
external_payments AS (
    SELECT
        CAST(p.deal_id AS VARCHAR(255)) AS SalesOpportunityId,
        p.received_at AS event_time,
        p.payment_value AS DealValue,
        p.owner_name AS DealOwner,
        p.status AS DealStatus,
        p.discount_percentage AS DiscountPercentage
    FROM {PAYMENTS_TABLE} p
    WHERE p.deal_id IS NOT NULL
      AND p.received_at >= :start_date
      AND p.received_at < :end_date
),
events AS (
    SELECT b.SalesOpportunityId, 'Deal Created' AS ActivityName, b.deal_created_time AS EventTime, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM base_deals b
    WHERE b.deal_created_time IS NOT NULL
    UNION ALL
    SELECT a.SalesOpportunityId, 'Initial Contact Made', COALESCE(a.activity_time, a.activity_created_time), b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM completed_activities a
    JOIN base_deals b ON b.SalesOpportunityId = a.SalesOpportunityId
    WHERE LOWER(COALESCE(a.activity_type, '')) IN ('call', 'email', 'meeting')
       OR LOWER(COALESCE(a.subject, '')) LIKE '%initial contact%'
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Qualified', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('contact made', 'needs defined', 'qualified')
      AND LOWER(COALESCE(h.previous_stage, '')) IN ('lead in', 'lead', 'new')
    UNION ALL
    SELECT h.SalesOpportunityId, 'Proposal Sent', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent')
    UNION ALL
    SELECT a.SalesOpportunityId, 'Proposal Follow-Up', COALESCE(a.activity_time, a.activity_created_time), b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM completed_activities a
    JOIN base_deals b ON b.SalesOpportunityId = a.SalesOpportunityId
    WHERE LOWER(COALESCE(a.activity_type, '')) IN ('call', 'email', 'meeting')
      AND COALESCE(a.activity_time, a.activity_created_time) > COALESCE((SELECT MIN(h.changed_at) FROM stage_history h WHERE h.SalesOpportunityId = a.SalesOpportunityId AND LOWER(COALESCE(h.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent')), TIMESTAMP '1900-01-01')
    UNION ALL
    SELECT h.SalesOpportunityId, 'Negotiation Started', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM stage_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE LOWER(COALESCE(h.stage_name, '')) IN ('negotiation', 'negotiating')
      AND EXISTS (SELECT 1 FROM stage_history p WHERE p.SalesOpportunityId = h.SalesOpportunityId AND LOWER(COALESCE(p.stage_name, '')) IN ('proposal made', 'quote sent', 'proposal sent') AND p.changed_at <= h.changed_at)
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Won', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'won' AND COALESCE(h.previous_status, '') <> 'won'
    UNION ALL
    SELECT o.SalesOpportunityId, 'Sales Order Created', o.event_time, COALESCE(o.DealValue, b.DealValue), COALESCE(o.DealOwner, b.DealOwner), COALESCE(o.DealStatus, b.DealStatus), COALESCE(o.DiscountPercentage, b.DiscountPercentage)
    FROM external_sales_orders o
    LEFT JOIN base_deals b ON b.SalesOpportunityId = o.SalesOpportunityId
    UNION ALL
    SELECT f.SalesOpportunityId, 'Order Fulfilled', f.event_time, COALESCE(f.DealValue, b.DealValue), COALESCE(f.DealOwner, b.DealOwner), COALESCE(f.DealStatus, b.DealStatus), COALESCE(f.DiscountPercentage, b.DiscountPercentage)
    FROM external_fulfillment f
    LEFT JOIN base_deals b ON b.SalesOpportunityId = f.SalesOpportunityId
    UNION ALL
    SELECT i.SalesOpportunityId, 'Invoice Sent', i.event_time, COALESCE(i.DealValue, b.DealValue), COALESCE(i.DealOwner, b.DealOwner), COALESCE(i.DealStatus, b.DealStatus), COALESCE(i.DiscountPercentage, b.DiscountPercentage)
    FROM external_invoices i
    LEFT JOIN base_deals b ON b.SalesOpportunityId = i.SalesOpportunityId
    UNION ALL
    SELECT p.SalesOpportunityId, 'Payment Received', p.event_time, COALESCE(p.DealValue, b.DealValue), COALESCE(p.DealOwner, b.DealOwner), COALESCE(p.DealStatus, b.DealStatus), COALESCE(p.DiscountPercentage, b.DiscountPercentage)
    FROM external_payments p
    LEFT JOIN base_deals b ON b.SalesOpportunityId = p.SalesOpportunityId
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Lost', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'lost' AND COALESCE(h.previous_status, '') <> 'lost'
    UNION ALL
    SELECT h.SalesOpportunityId, 'Deal Reopened', h.changed_at, b.DealValue, b.DealOwner, b.DealStatus, b.DiscountPercentage
    FROM status_history h
    JOIN base_deals b ON b.SalesOpportunityId = h.SalesOpportunityId
    WHERE h.status = 'open' AND h.previous_status = 'lost'
)
SELECT SalesOpportunityId, ActivityName, EventTime, DealValue, DealOwner, DealStatus, DiscountPercentage
FROM events
WHERE SalesOpportunityId IS NOT NULL
  AND EventTime IS NOT NULL
ORDER BY SalesOpportunityId, EventTime, ActivityName
"""

with engine.connect() as connection:
    event_log = pd.read_sql(text(sql), connection, params={class="hl-string">"start_date": START_DATE, class="hl-string">"end_date": END_DATE})

event_log[class="hl-string">"EventTime"] = pd.to_datetime(event_log[class="hl-string">"EventTime"], utc=True, errors=class="hl-string">"coerce")
event_log = event_log.dropna(subset=[class="hl-string">"SalesOpportunityId", class="hl-string">"ActivityName", class="hl-string">"EventTime"])
event_log = event_log.sort_values([class="hl-string">"SalesOpportunityId", class="hl-string">"EventTime", class="hl-string">"ActivityName"])
event_log.to_csv(class="hl-string">"processmind_lead_to_cash_event_log.csv", index=False)
print(event_log.to_string(index=False))
print(fclass="hl-string">"Exported {len(event_log)} event rows to processmind_lead_to_cash_event_log.csv")

Pronto para começar?

Use este Template para preparar seus dados de Lead to Cash com eficiência e começar a descobrir insights valiosos sobre o processo. Comece hoje a otimizar suas operações no Pipedrive.

Voltar ao guia de melhoria

Baixar Template

Aumente a taxa de conversão: otimize hoje o processo de Lead to Cash no Pipedrive

Aumente sua taxa de conversão em 20% e encurte o ciclo de vendas. Comece agora.

Começar o teste grátis

Não é necessário informar o cartão de crédito. Teste grátis por 14 dias.

Seu Template de dados de Lead to Cash

Seu Template de dados de Lead to Cash

Atributos de Lead to Cash

Atividades de Lead to Cash

Guias de extração

Exportação nativa de dados do Pipedrive para CSV/Excel

Etapas

Configuração

Consulta de exemplo python

Extração com script Python pela API REST do Pipedrive

Etapas

Configuração

Consulta de exemplo python

Ferramenta ETL de terceiros com conector do Pipedrive

Etapas

Configuração

Consulta de exemplo python

Pronto para começar?

Aumente a taxa de conversão: otimize hoje o processo de Lead to Cash no Pipedrive