> 持续流程改进 > 付款处理 > Adyen > 数据模板

您的付款处理数据模板

Adyen

← 返回改进指南

付款处理属性(19) 付款处理活动(16) 数据提取指南(2)

您的付款处理数据模板

此模板提供完整指南，帮助您收集分析Adyen付款处理流程所需的数据。模板列出了需要跟踪的关键数据属性和流程活动，并提供实用的数据提取说明。借助此模板，您可以确保采集到流程挖掘所需的关键信息。

建议收集的属性
需要跟踪的关键活动
Adyen数据提取实用指南

刚接触事件日志？了解如何创建流程挖掘事件日志.

下载模板

付款处理属性

以下是建议纳入事件日志的数据字段，可用于全面分析Adyen中的付款处理流程。

5 必填 6 建议填写 8 选填

	名称	说明
	事件时间戳 EventDate	具体付款活动发生的日期和时间。
说明此属性记录事件（如授权或结算）写入系统的准确时间戳，用于按时间顺序排列案例中的活动。分析时，这一属性对于计算周期时间、识别瓶颈以及确定系统在一段时间内的吞吐量至关重要。它支持所有基于时间的KPI，例如“总体付款周期时间”。重要性用于排列事件顺序并计算所有基于时长的指标。获取途径 Adyen Notification Webhooks中的“eventDate”字段。示例 2023-10-27T10:00:00+01:002023-10-27T10:05:30+01:002023-10-28T09:15:00+01:00
	支付交易ID PspReference	Adyen为每笔支付交易分配的唯一参考标识符。
说明此属性是Adyen生态中整个支付生命周期的主键，可将初始支付请求与后续的授权、请款、结算以及可能发生的退款或拒付事件关联起来。分析时，此ID用于将独立事件归入同一案例，从而还原端到端流程。分析人员可以据此跟踪一笔支付从购物者发起到最终财务结算的完整路径。重要性这是将彼此分散的事件关联为单个流程实例、开展流程挖掘的基础。获取途径 Adyen Payment Response中的'pspReference'，或Settlement Detail Report中的'PSP Reference'列。示例 851564567890123479145612345678908825641234567890
	活动名称 EventCode	付款生命周期中发生的具体阶段或操作。
说明此属性定义已发生的具体事件，例如AUTHORISATION、CAPTURE或REFUND。它决定流程图中的节点，并确定交易的流转路径。分析时，这些代码会转换为易读的活动名称，以便直观呈现流程。代码顺序的差异代表不同的流程路径，例如直通处理或异常处理。重要性定义流程挖掘模型中的“做什么”，用于呈现流程路径。获取途径 Adyen Notification Webhooks中的“eventCode”字段。示例授权请款退款取消拒付
	数据最后更新时间 LastDataUpdate	记录最近一次提取或刷新的时间戳。
说明此属性表示流程挖掘模型中数据的新鲜度，帮助用户判断查看的是实时数据还是某个时间点的快照。分析时，它主要用于数据治理，并验证数据管道是否正常运行。重要性用于跟踪数据新鲜度的技术字段。获取途径提取时的系统时间。示例 2023-10-30T12:00:00Z
	源系统 SourceSystem	数据来源系统的名称。
说明此静态属性标识记录来自Adyen。在多系统流程挖掘中（例如将Adyen与SAP数据结合），它对于追踪数据来源至关重要。分析时，用户可据此筛选仅发生在支付网关中的活动，并与ERP或订单管理系统中的活动区分开来。重要性用于多系统流程挖掘中的数据溯源。获取途径提取期间的静态值。示例 AdyenAdyen_Production
	交易金额 PaymentAmount	付款交易的金额。
说明此属性表示交易对应的金额。原始数据通常以最小货币单位（如美分）存储，报表中应转换为标准金额。分析时，此属性可用于“付款吞吐量”仪表板，并帮助优先处理金额较大的返工案例。它还用于计算已处理的总交易量以及交易失败造成的财务影响。重要性用于分析财务影响和监控吞吐量。获取途径 Adyen付款请求中的“amount.value”。示例 10005509900
	付款方式 PaymentMethod	购物者使用的具体付款方式，例如Visa或PayPal。
说明此属性记录所用付款工具的类型，包括信用卡品牌（Visa、MC）、数字钱包（PayPal、Apple Pay）或本地付款方式（iDEAL、Sofort）。分析时，此属性对于“付款方式绩效洞察”仪表板至关重要。它有助于分析特定付款方式与授权率、处理速度或技术故障之间的关联。重要性用于分析不同付款服务提供商的成功率和成本。获取途径 Adyen付款响应中的“paymentMethod.brand”或“paymentMethod.type”。示例 visamcpaypalidealklarna
	付款状态 PaymentStatus	付款当前状态（例如已授权、已结算、已拒绝）。
说明此属性反映付款交易的最新已知状态，通常根据案例中最近发生的活动确定。分析时，可快速筛选案例（例如“显示所有当前被拒绝的付款”），也是“付款吞吐量与状态监控”仪表板的重要依据。重要性呈现交易当前状态的快照。获取途径根据案例中的最后一个事件代码确定。示例已结算已拒绝已授权
	商户账户 MerchantAccount	Adyen中处理该笔交易的具体商户账户。
说明 Adyen允许在一个公司账户下设置多个商户账户。此属性用于识别处理付款的具体业务单元、品牌或地区实体。分析时，它是细分数据的主要维度。相关人员可以按不同业务单元或品牌比较绩效、失败率和交易量，从而找出需要改进的具体领域。重要性用于按业务单元或子公司细分绩效。获取途径 Adyen付款请求/响应中的“merchantAccount”。示例 MyStore_UKMyStore_USGlobalSales_Main
	拒绝原因 RefusalReason	说明付款被拒绝或失败原因的文本。
说明交易失败时，Adyen会提供原因代码或说明（例如“余额不足”“CVC被拒绝”“卡片已过期”）。分析时，此属性是“付款交易失败率”仪表板的主要依据。分析这些原因有助于判断失败是由技术问题、欺诈规则还是购物者行为导致，并据此采取针对性的改进措施。重要性分析付款失败根本原因的关键属性。获取途径 Adyen付款响应中的“refusalReason”。示例已拒绝余额不足卡片已过期收单机构错误欺诈
	是否返工 IsRework	标记交易是否涉及重试或错误更正。
说明布尔标记。如果案例中包含多次授权尝试，或出现“付款被拒绝”后重试等活动，则值为true。分析时，此属性用于“付款返工与异常热点”仪表板。分析人员可据此筛选问题案例，了解流程为何偏离理想路径。重要性识别需要人工或系统介入的低效案例。获取途径根据失败事件出现次数大于0计算。示例 truefalse
	客户ID ShopperReference	用于在多笔交易中识别同一购物者的唯一标识。
说明此标识将不同交易关联到同一客户，由商户在付款请求中提供。分析时，可据此从客户角度开展分析，例如在欺诈案例中识别屡次违规者，或在成功交易分析中识别忠实客户。它还支持“客户”通用映射。重要性支持按客户汇总数据并分析行为。获取途径 Adyen付款请求中的“shopperReference”。示例 CUST-001user_12345email@example.com
	授权码 AuthorisationCode	发卡机构批准交易后返回的授权码。
说明此代码表示购物者卡片上的资金已被冻结，是授权成功的凭证。分析时，它主要用于审计和追溯，可验证“付款已授权”活动是否有效。重要性用于审计追踪的授权成功凭证。获取途径 Adyen付款响应中的“authCode”。示例 123456098712
	收单机构参考号 AcquirerReference	收单银行提供的参考编号。
说明这是处理银行卡交易的金融机构（收单机构）分配的外部参考号，与Adyen PSP参考号不同。分析时，此字段对于“付款对账延迟分析”至关重要。它是将Adyen记录与外部账簿中的银行对账单进行匹配的关键。重要性用于三方匹配和外部对账。获取途径 Adyen付款响应中的“additionalData.acquirerReference”。示例 1234567890987654321
	欺诈风险评分 RiskScore	欺诈引擎为交易分配的风险评分。
说明 Adyen的RevenueProtect引擎会分配0-100的数值评分，用于表示交易发生欺诈的可能性。评分较高时，通常会触发人工审核或自动拦截。分析时，此属性可用于“财务合规风险概览”。将高风险评分与拒付情况关联分析，有助于调整欺诈规则。高评分交易若最终付款成功，则可能说明风险模型存在误报。重要性用于分析欺诈防范规则的有效性。获取途径 Adyen Risk API响应或Reporting中的“fraudResult.accountScore”。示例 025100
	结算批次号 BatchNumber	与资金结算相关的批次编号。
说明 Adyen会将已结算的付款分批处理后再付款。此属性用于标识某笔交易所属的批次。分析时，可按付款周期对交易分组，帮助审计特定批次是否延迟，并支持跟踪“付款已结算”活动。重要性将单笔交易关联到批量资金结算。获取途径 Adyen结算明细报告中的“Batch Number”。示例 100255
	货币 PaymentCurrency	表示交易货币的三字母ISO代码。
说明此属性定义`PaymentAmount`所使用的货币。常见值包括EUR、USD、GBP等。分析时，可按市场对交易分组；汇总不同地区的数据时，也需要此属性来统一金额口径。重要性为多币种报表中的金额字段提供货币背景。获取途径 Adyen付款请求中的“amount.currency”。示例 EURUSDGBP
	购物者交互类型 ShopperInteraction	表示付款属于电子商务、POS还是订阅（ContAuth）。
说明此属性用于划分购物者与商户之间的交互类型。常见值包括`Ecommerce`（线上）、`POS`（店内）和`ContAuth`（定期付款/订阅）。分析时，它有助于区分不同的业务模式和销售渠道。POS与电子商务的流程往往差异显著，因此此属性是准确发现流程的重要筛选条件。重要性区分线上、店内和定期付款的流程路径。获取途径 Adyen付款请求中的“shopperInteraction”。示例电子商务定期付款授权POS邮购/电话订购
	购物者所在国家/地区 ShopperCountry	购物者所在国家/地区的两字母代码。
说明此属性表示购物者所在位置，通常根据发卡国家/地区或账单地址确定。分析时，可用于区域绩效分析，帮助识别某些国家/地区的拒付率是否较高，或是否因当地银行基础设施而导致处理时间较长。重要性支持按地理区域细分付款绩效。获取途径 Adyen付款请求中的“countryCode”或“billingAddress.country”。示例 NLUSDE

必填建议填写选填

付款处理活动

以下是建议记录在事件日志中的关键流程步骤和里程碑，可帮助您准确发现Adyen付款流程的实际运行情况。

5 建议填写 11 选填

	活动	说明
	支付已授权	发卡机构或付款方式已批准交易，资金已预留。此活动通过Adyen标准通知Webhook记录。
重要性这是一个关键节点，表示交易有效且资金可用，也是执行请款的前提。获取途径 Adyen Notification Webhook：eventCode为'AUTHORISATION'且success='true'。采集 AUTHORISATION webhook成功时记录事件类型 explicit
	支付已结算	资金已成功清算并记入商户的Adyen账户。可在Settlement Detail Report中查看。
重要性标志着成功流程在财务层面完成，是“整体付款周期时间”和“付款对账延迟分析”的关键数据。获取途径 Adyen Settlement Detail Report（SDR），记录类型为'Settled'。采集交易出现在Settlement Report中时记录事件类型 explicit
	支付已请款	将资金从购物者转给商户的指令已成功处理。此操作可以立即完成（自动请款），也可以延后执行（手动请款）。
重要性确认收入入账。授权到请款之间的时间是“支付授权提前期”指标的关键数据。获取途径 Adyen Notification Webhook：eventCode为'CAPTURE'且success='true'。采集 CAPTURE webhook成功时记录事件类型 explicit
	支付被拒绝	发卡机构或Adyen的风险规则拒绝了交易。可通过状态为失败的授权Webhook记录此活动。
重要性直接影响“支付交易失败率”指标。分析拒绝原因有助于优化授权率。获取途径 Adyen Notification Webhook：eventCode为'AUTHORISATION'且success='false'。采集 AUTHORISATION webhook失败时记录事件类型 explicit
	收到支付请求	Adyen支付平台收到交易请求。可根据初始API请求的时间戳或pspReference的创建时间记录此活动。
重要性标记流程实例的确切起点，是计算端到端总周期时间的关键。获取途径 Adyen Payment API日志，或pspReference创建时关联的时间戳。采集通过API生成pspReference时记录事件类型 explicit
	完成风险筛查	Adyen的RevenueProtect引擎会分析交易中的欺诈信号。可根据授权响应中是否包含欺诈评分或风险结果推断此活动。
重要性高风险评分可能触发人工审核或自动拒绝，形成瓶颈或导致流程终止。获取途径 Adyen Payment Response中的fraudResult字段，或Case Management日志。采集根据是否存在fraudResult对象推断事件类型 inferred
	已发起退款	已触发向购物者退还资金的请求，退款流程由此开始。
重要性表示结算后的异常。退款率偏高可能意味着上游流程存在质量问题。获取途径 Adyen Notification Webhook：eventCode为'REFUND'。采集 REFUND webhook触发时记录事件类型 explicit
	已确认付款	一批已结算交易对应的资金已支付至商户的银行账户。
重要性表示资金实际转入企业账户，与“付款对账周期时间”相关。获取途径 Adyen Notification Webhook：eventCode为'PAYOUT_THIRD_PARTY'，或根据Payout Report推断。采集将Payout Report批次ID与交易ID关联事件类型 inferred
	已记录技术错误	处理过程中发生系统错误，例如Webhook失败或API超时。可通过界面中的特定错误代码识别。
重要性通过区分技术故障和财务故障，直接支持“支付交易失败率”分析。获取途径 Adyen Interface日志，或API调用返回的特定失败响应。采集返回5xx或4xx错误响应代码时记录事件类型 explicit
	拒付已撤销	争议申诉成功，资金已退还商户。这表示异常已成功解决。
重要性这是风险管理的积极结果，可抵消最初拒付造成的财务影响。获取途径 Adyen Notification Webhook：eventCode为'CHARGEBACK_REVERSED'。采集 CHARGEBACK_REVERSED webhook触发时记录事件类型 explicit
	拒付申诉已提交	已向Adyen提交证据以对拒付提出异议。这是争议处理流程中的返工或人工活动。
重要性跟踪保护收入所投入的工作，对“支付返工率”指标很重要。获取途径 Adyen Disputes API或Case Management日志中显示的证据提交记录。采集根据状态变更为'Defense Supplied'推断事件类型 inferred
	支付已发送至结算	Adyen已将交易转交收单银行或网络进行财务处理，状态变为SentForSettlement。
重要性标志着流程从运营处理转入财务清算。此处延误会影响现金流。获取途径 Adyen Transaction Status API，或根据状态变更历史日志推断。采集比较状态字段是否变更为SentForSettlement 事件类型 inferred
	支付已取消	资金请款前，授权已撤销。此操作会释放购物者银行卡上预留的资金。
重要性表示有效订单在完成前终止的流程循环，通常由客户请求或库存超时引起。获取途径 Adyen Notification Webhook：eventCode为'CANCELLATION'。采集 CANCELLATION webhook触发时记录事件类型 explicit
	收到拒付通知	Adyen已收到银行卡组织发来的争议通知，并由此启动争议处理工作流。
重要性这是重要的合规与风险指标，会影响“合规事件率”，需要立即人工介入。获取途径 Adyen Notification Webhook：eventCode为'CHARGEBACK'或'NOTIFICATION_OF_CHARGEBACK'。采集 CHARGEBACK webhook触发时记录事件类型 explicit
	请款失败	请款授权资金时发生失败，通常由技术超时或授权与请款之间银行卡状态变化引起。
重要性这是需要返工或重试的严重错误节点，会影响“支付异常率”。获取途径 Adyen Notification Webhook：eventCode为'CAPTURE_FAILED'。采集 CAPTURE_FAILED webhook触发时记录事件类型 explicit
	退款已结算	退款已完成财务处理，并从商户账户扣除。可通过Settlement Detail Report确认。
重要性标志着退款流程完成。如果退款由错误导致，此活动对“平均错误解决时间”指标很重要。获取途径 Adyen Settlement Detail Report，记录类型为'Refunded'或'RefundedReversed'。采集退款出现在Settlement Report中时记录事件类型 explicit

建议填写选填

数据提取指南

如何从Adyen获取数据

步骤

使用具有Merchant Report角色的用户账户登录Adyen Customer Area。
前往报告，并从菜单中选择Settlement details。
找到Automatic generation设置，或选择Generate report进行单次导出。
在配置面板中，确认格式设为CSV（逗号分隔值）。
在Include columns下，选择全部，或勾选以下字段：Company Account、Merchant Account、Psp Reference、Merchant Reference、Payment Method、Creation Date、TimeZone、Type、Modification Reference、Gross Currency、Gross Debit、Gross Credit、Exchange Rate、Net Currency、Net Debit、Net Credit、Commission、Markup、Scheme Fees和Interchange。
重要：确保报告范围包含所有Journal Types（Settled、Refunded、Chargeback、PaidOut等），以涵盖完整的财务生命周期。
按所需日期范围生成报告（例如，最近90天）。请注意，结算报告依据结算批次日期生成，而非交易日期。
将生成的CSV文件下载到本地数据提取环境。
运行下方提供的转换脚本，将“宽表”CSV分类账转换为ProcessMind所需的“长表”事件日志格式。
脚本会执行关键转换：将Creation Date拆分为“收到付款请求”活动，并将Type列映射到具体的财务活动。
确认输出CSV包含以下表头：PspReference、EventCode、EventDate、SourceSystem。
将转换后的最终CSV上传到ProcessMind。

配置

报告类型：结算明细报告（财务账簿）
文件格式：CSV（标准逗号分隔格式）
粒度：交易级别（每条财务日记账记录占一行）
时区：UTC（强烈建议使用，以便与其他系统的数据提取时间保持一致）
日期范围：按结算批次（批次关闭日期）确定，而非交易创建日期。增量运行时，请确保处理日期重叠。
必需列：Psp Reference（键）、类型（活动）、Creation Date、Booking Date（事件时间戳）、Merchant Account。
筛选设置：确保筛选条件不会排除“Chargeback”或“Refund”类型，以保证流程完整。

查询示例 python

import pandas as pd
from datetime import datetime

class=class="hl-string">"hl-comment"># CONFIGURATION
INPUT_FILE = class="hl-string">'settlement_detail_report.csv'
OUTPUT_FILE = class="hl-string">'adyen_event_log.csv'
SOURCE_SYSTEM = class="hl-string">'Adyen'

class=class="hl-string">"hl-comment"># Load the Adyen Settlement Detail Report
class=class="hl-string">"hl-comment"># Skip standard Adyen header rows if present (often reports start on row 1 or have metadata on top)
df = pd.read_csv(INPUT_FILE, keep_default_na=False)

class=class="hl-string">"hl-comment"># Define the output list
event_log = []

class=class="hl-string">"hl-comment"># Helper function to append events
def add_event(psp_ref, activity, timestamp, attributes):
    if not timestamp or str(timestamp).strip() == class="hl-string">'':
        return
    base_event = {
        class="hl-string">'PspReference': psp_ref,
        class="hl-string">'EventCode': activity,
        class="hl-string">'EventDate': timestamp,
        class="hl-string">'SourceSystem': SOURCE_SYSTEM,
        class="hl-string">'LastDataUpdate': datetime.utcnow().isoformat(),
        class="hl-string">'MerchantAccount': attributes.get(class="hl-string">'Merchant Account', class="hl-string">''),
        class="hl-string">'PaymentMethod': attributes.get(class="hl-string">'Payment Method', class="hl-string">''),
        class="hl-string">'PaymentAmount': attributes.get(class="hl-string">'Gross Credit', 0) if attributes.get(class="hl-string">'Gross Credit') else attributes.get(class="hl-string">'Gross Debit', 0) * -1
    }
    class=class="hl-string">"hl-comment"># Merge optional attributes
    base_event.update(attributes)
    event_log.append(base_event)

class=class="hl-string">"hl-comment"># Iterate through the ledger rows
for index, row in df.iterrows():
    psp_ref = row.get(class="hl-string">'Psp Reference')
    journal_type = row.get(class="hl-string">'Type')
    creation_date = row.get(class="hl-string">'Creation Date') class=class="hl-string">"hl-comment"># Used for Auth/Request
    booking_date = row.get(class="hl-string">'Booking Date')   class=class="hl-string">"hl-comment"># Used for Settlement/Financials
    
    class=class="hl-string">"hl-comment"># Common attributes for this row
    row_attrs = {
        class="hl-string">'MerchantAccount': row.get(class="hl-string">'Merchant Account'),
        class="hl-string">'PaymentMethod': row.get(class="hl-string">'Payment Method'),
        class="hl-string">'RefusalReason': row.get(class="hl-string">'Refusal Reason', class="hl-string">''),
        class="hl-string">'PaymentStatus': journal_type
    }

    class=class="hl-string">"hl-comment"># --- 1. DERIVED UPSTREAM ACTIVITIES ---
    class=class="hl-string">"hl-comment"># Since this is a settlement report, we infer the Request/Auth from the Creation Date
    class=class="hl-string">"hl-comment"># of the first record we see for this PSP Reference. 
    class=class="hl-string">"hl-comment"># Logic: If Creation Date exists, implies Request and Auth occurred.
    
    if creation_date:
        class=class="hl-string">"hl-comment"># Activity: Payment Request Received
        add_event(psp_ref, class="hl-string">'Payment Request Received', creation_date, row_attrs)
        
        class=class="hl-string">"hl-comment"># Activity: Risk Screening Performed (Inferred from existence of transaction)
        class=class="hl-string">"hl-comment"># Note: True risk score requires class="hl-string">'Payments Accounting Report', inferred here for process continuity
        add_event(psp_ref, class="hl-string">'Risk Screening Performed', creation_date, row_attrs)
        
        class=class="hl-string">"hl-comment"># Activity: Payment Authorised
        class=class="hl-string">"hl-comment"># Typically happens immediately after request for successful settled items
        add_event(psp_ref, class="hl-string">'Payment Authorised', creation_date, row_attrs)

    class=class="hl-string">"hl-comment"># --- 2. MAPPED FINANCIAL ACTIVITIES ---
    class=class="hl-string">"hl-comment"># Map Adyen Ledger Types to Process Activities using Booking Date
    
    if journal_type == class="hl-string">'Settled':
        add_event(psp_ref, class="hl-string">'Payment Settled', booking_date, row_attrs)
        
        class=class="hl-string">"hl-comment"># Activity: Payment Sent for Settlement
        class=class="hl-string">"hl-comment"># Inferred: Occurs shortly before settlement. 
        class=class="hl-string">"hl-comment"># Using Creation Date if Booking Date is distinct, or defaulting to Booking Date.
        sent_date = creation_date if creation_date else booking_date
        add_event(psp_ref, class="hl-string">'Payment Sent for Settlement', sent_date, row_attrs)

    elif journal_type == class="hl-string">'Refunded':
        add_event(psp_ref, class="hl-string">'Refund Initiated', creation_date, row_attrs)
        add_event(psp_ref, class="hl-string">'Refund Settled', booking_date, row_attrs)

    elif journal_type == class="hl-string">'Chargeback':
        add_event(psp_ref, class="hl-string">'Chargeback Notification Received', booking_date, row_attrs)

    elif journal_type == class="hl-string">'ChargebackRetried':
        add_event(psp_ref, class="hl-string">'Chargeback Defended', booking_date, {class="hl-string">'IsRework': class="hl-string">'True'})

    elif journal_type == class="hl-string">'ChargebackReversed':
        add_event(psp_ref, class="hl-string">'Chargeback Reversed', booking_date, row_attrs)

    elif journal_type == class="hl-string">'PaidOut':
        class=class="hl-string">"hl-comment"># Payouts often group many transactions. 
        class=class="hl-string">"hl-comment"># If the report is at transaction level, this row represents the batch payout.
        add_event(psp_ref, class="hl-string">'Payout Confirmed', booking_date, row_attrs)

    elif journal_type == class="hl-string">'CaptureFailed':
        add_event(psp_ref, class="hl-string">'Capture Failed', booking_date, {class="hl-string">'IsRework': class="hl-string">'True'})

    class=class="hl-string">"hl-comment"># --- 3. EXCEPTION HANDLING ---
    class=class="hl-string">"hl-comment"># These statuses often appear in class="hl-string">'Received payment details' reports but rarely in Settlement
    class=class="hl-string">"hl-comment"># unless fees were applied.
    
    elif journal_type == class="hl-string">'Refused': 
        add_event(psp_ref, class="hl-string">'Payment Refused', creation_date, row_attrs)
        
    elif journal_type == class="hl-string">'Cancelled':
        add_event(psp_ref, class="hl-string">'Payment Cancelled', creation_date, row_attrs)

    elif journal_type == class="hl-string">'Error':
        add_event(psp_ref, class="hl-string">'Technical Error Logged', booking_date, {class="hl-string">'IsRework': class="hl-string">'True'})

class=class="hl-string">"hl-comment"># Convert to DataFrame
events_df = pd.DataFrame(event_log)

class=class="hl-string">"hl-comment"># Deduping: Adyen reports may have multiple lines for partial settlements.
class=class="hl-string">"hl-comment"># We sort by date and keep unique Activity per PSP Reference if timestamps match exactly.
events_df.drop_duplicates(subset=[class="hl-string">'PspReference', class="hl-string">'EventCode', class="hl-string">'EventDate'], inplace=True)

class=class="hl-string">"hl-comment"># Output
events_df.to_csv(OUTPUT_FILE, index=False)
print(fclass="hl-string">'Successfully extracted {len(events_df)} events to {OUTPUT_FILE}')

步骤

前置配置：确保Adyen报告用户已启用Merchant Report角色。在Customer Area的Developers > API Credentials下获取API Key。
确定所需报告：此提取流程依赖Adyen生成的两种关键CSV报告：Settlement Detail Report（包含结算、拒付、退款等财务事件）和Received Payment Detail Report（包含请求、拒绝、授权等运营事件）。
配置Python环境：使用pip安装所需库：pandas、requests和numpy。这些库用于API通信和数据转换。
实现API连接：配置下方提供的Python脚本，通过https://management-test.adyen.com或https://management-live.adyen.com端点进行身份验证。使用Report API列出指定日期范围内可用的报告并下载相应URL。
导入数据：脚本会将原始CSV数据读入pandas DataFrame。Adyen报告通常为“宽表”（每笔交易一行，包含多个状态列），因此需要进行转换。
活动映射：运营事件：处理Received Payment Detail Report。将CreationDate映射为收到付款请求。根据Status列（例如Authorised、Refused、Error）生成付款已授权、付款已拒绝或已记录技术错误事件。
活动映射：财务事件：处理Settlement Detail Report。该报告包含JournalType列。将Settled等值映射为付款已结算，将Refunded映射为已发起退款，将Chargeback映射为已收到拒付通知。
推断复杂活动：
- 已执行风险筛查：检查FraudScore列是否有值且大于-1。
- 已确认付款：通过BatchNumber将交易与结算报告中的付款记录关联。
- 已处理拒付申诉：查找SecondChargeback或Defense日记账类型。
转换数据：在pandas中使用“melt”或“stack”操作，将宽表数据转换为长格式事件日志，每项活动单独占一行。
统一属性名称：将列名改为符合目标架构的名称：PspReference、EventCode、EventDate、SourceSystem（固定为'Adyen'）和PaymentAmount。确保日期解析为ISO 8601格式。
筛选数据：使用Type筛选条件，排除不代表流程步骤的内部对账行（例如表头行或余额结转记录）。
最终导出：脚本会将处理后的DataFrame导出为adyen_event_log.csv，可直接上传到ProcessMind。

配置

API环境：根据部署阶段，在Adyen测试环境（management-test.adyen.com）和正式环境（management-live.adyen.com）端点之间切换。
身份验证：在请求头中使用x-api-key。Management API不支持Basic Auth。
报告类型：
- settlement_detail_report：财务生命周期事件的关键数据源。
- received_payment_detail_report：初始请求和授权逻辑的关键数据源。
日期范围：Adyen报告依据批次关闭时间生成。请求报告时，除目标CreationDate范围外，还应延长7天，以涵盖延迟结算。
商户账户范围：如果有多个商户账户，请逐一遍历账户列表；如果可用，也可使用公司账户级别的报告。
Pandas配置：如果交易量超过10万行，读取CSV时请设置low_memory=False，以避免类型推断错误。

查询示例 python

import pandas as pd
import requests
import io
import numpy as np
from datetime import datetime

class=class="hl-string">"hl-comment"># Configuration
API_KEY = class="hl-string">'YOUR_ADYEN_API_KEY'
MERCHANT_ACCOUNT = class="hl-string">'YOUR_MERCHANT_ACCOUNT'
BASE_URL = class="hl-string">'https://management-live.adyen.com/v1'
HEADERS = {class="hl-string">'x-api-key': API_KEY, class="hl-string">'Content-Type': class="hl-string">'application/json'}

class=class="hl-string">"hl-comment"># Placeholder for fetching report URLs via API
class=class="hl-string">"hl-comment"># In production, use GET /companies/{companyId}/reports or /merchants/{merchantId}/reports
class=class="hl-string">"hl-comment"># For this script, we assume the CSV content is loaded into DataFrames

def transform_adyen_data(received_payments_csv_path, settlement_details_csv_path):
    
    class=class="hl-string">"hl-comment"># 1. Load Data
    print(class="hl-string">'Loading reports...')
    df_received = pd.read_csv(received_payments_csv_path)
    df_settled = pd.read_csv(settlement_details_csv_path)

    events = []

    class=class="hl-string">"hl-comment"># 2. Process Received Payment Detail Report (Operational Events)
    class=class="hl-string">"hl-comment"># This report covers: Request, Auth, Refusal, Risk, Capture, Errors
    
    for _, row in df_received.iterrows():
        psp = str(row.get(class="hl-string">'PspReference', class="hl-string">''))
        created_date = pd.to_datetime(row.get(class="hl-string">'CreationDate'))
        amount = row.get(class="hl-string">'Amount', 0)
        status = row.get(class="hl-string">'Status', class="hl-string">'')
        fraud_score = row.get(class="hl-string">'FraudScore', None)
        refusal_reason = row.get(class="hl-string">'RefusalReason', class="hl-string">'')
        
        class=class="hl-string">"hl-comment"># Activity: Payment Request Received
        events.append({
            class="hl-string">'PspReference': psp,
            class="hl-string">'EventCode': class="hl-string">'Payment Request Received',
            class="hl-string">'EventDate': created_date,
            class="hl-string">'PaymentAmount': amount,
            class="hl-string">'PaymentMethod': row.get(class="hl-string">'PaymentMethod', class="hl-string">''),
            class="hl-string">'RefusalReason': None,
            class="hl-string">'SourceSystem': class="hl-string">'Adyen'
        })

        class=class="hl-string">"hl-comment"># Activity: Risk Screening Performed
        class=class="hl-string">"hl-comment"># Inferred if a fraud score was calculated
        if pd.notna(fraud_score):
            events.append({
                class="hl-string">'PspReference': psp,
                class="hl-string">'EventCode': class="hl-string">'Risk Screening Performed',
                class="hl-string">'EventDate': created_date + pd.Timedelta(seconds=1), class=class="hl-string">"hl-comment"># Slight offset
                class="hl-string">'PaymentAmount': amount,
                class="hl-string">'SourceSystem': class="hl-string">'Adyen'
            })

        class=class="hl-string">"hl-comment"># Activity: Payment Authorised / Refused / Error
        if status == class="hl-string">'Authorised':
            events.append({
                class="hl-string">'PspReference': psp,
                class="hl-string">'EventCode': class="hl-string">'Payment Authorised',
                class="hl-string">'EventDate': created_date + pd.Timedelta(seconds=2),
                class="hl-string">'PaymentAmount': amount,
                class="hl-string">'SourceSystem': class="hl-string">'Adyen'
            })
        elif status == class="hl-string">'Refused':
            events.append({
                class="hl-string">'PspReference': psp,
                class="hl-string">'EventCode': class="hl-string">'Payment Refused',
                class="hl-string">'EventDate': created_date + pd.Timedelta(seconds=2),
                class="hl-string">'PaymentAmount': amount,
                class="hl-string">'RefusalReason': refusal_reason,
                class="hl-string">'SourceSystem': class="hl-string">'Adyen'
            })
        elif status == class="hl-string">'Error':
            events.append({
                class="hl-string">'PspReference': psp,
                class="hl-string">'EventCode': class="hl-string">'Technical Error Logged',
                class="hl-string">'EventDate': created_date + pd.Timedelta(seconds=2),
                class="hl-string">'PaymentAmount': amount,
                class="hl-string">'RefusalReason': row.get(class="hl-string">'AcquirerResponse', class="hl-string">'Technical Error'),
                class="hl-string">'SourceSystem': class="hl-string">'Adyen'
            })
        elif status == class="hl-string">'Cancelled':
            events.append({
                class="hl-string">'PspReference': psp,
                class="hl-string">'EventCode': class="hl-string">'Payment Cancelled',
                class="hl-string">'EventDate': created_date + pd.Timedelta(seconds=5),
                class="hl-string">'PaymentAmount': amount,
                class="hl-string">'SourceSystem': class="hl-string">'Adyen'
            })

    class=class="hl-string">"hl-comment"># 3. Process Settlement Detail Report (Financial Events)
    class=class="hl-string">"hl-comment"># This report covers: Capture, Settlement, Refunds, Chargebacks, Payouts
    
    for _, row in df_settled.iterrows():
        psp = str(row.get(class="hl-string">'PspReference', class="hl-string">''))
        journal_type = row.get(class="hl-string">'JournalType', class="hl-string">'')
        process_date = pd.to_datetime(row.get(class="hl-string">'CreationDate')) class=class="hl-string">"hl-comment"># Or ProcessingDate
        amount = row.get(class="hl-string">'NetCredit', 0) if pd.notna(row.get(class="hl-string">'NetCredit')) else row.get(class="hl-string">'GrossCredit', 0)
        
        class=class="hl-string">"hl-comment"># Map JournalType to Activities
        activity_name = None
        
        if journal_type == class="hl-string">'SentForSettlement':
            activity_name = class="hl-string">'Payment Sent for Settlement'
        elif journal_type == class="hl-string">'Settled':
            activity_name = class="hl-string">'Payment Settled'
        elif journal_type == class="hl-string">'SentForRefund' or journal_type == class="hl-string">'Refunded':
            activity_name = class="hl-string">'Refund Initiated'
        elif journal_type == class="hl-string">'SettledRefund':
            activity_name = class="hl-string">'Refund Settled'
        elif journal_type == class="hl-string">'Chargeback':
            activity_name = class="hl-string">'Chargeback Notification Received'
        elif journal_type == class="hl-string">'SecondChargeback' or journal_type == class="hl-string">'Defense':
            activity_name = class="hl-string">'Chargeback Defended'
        elif journal_type == class="hl-string">'ChargebackReversed':
            activity_name = class="hl-string">'Chargeback Reversed'
        elif journal_type == class="hl-string">'CaptureFailed':
            activity_name = class="hl-string">'Capture Failed'
        elif journal_type == class="hl-string">'PaidOut':
            class=class="hl-string">"hl-comment"># PaidOut is usually batch level, if psp is present, map it
            activity_name = class="hl-string">'Payout Confirmed'
        
        class=class="hl-string">"hl-comment"># Logic for class="hl-string">'Payment Captured' 
        class=class="hl-string">"hl-comment"># Adyen often auto-captures. If we see Settled, we assume Captured occurred prior if not explicitly logged.
        class=class="hl-string">"hl-comment"># Here we rely on class="hl-string">'SentForSettlement' as the trigger for Capture success in many flows.
        if journal_type == class="hl-string">'SentForSettlement':
             events.append({
                class="hl-string">'PspReference': psp,
                class="hl-string">'EventCode': class="hl-string">'Payment Captured',
                class="hl-string">'EventDate': process_date - pd.Timedelta(seconds=1),
                class="hl-string">'PaymentAmount': amount,
                class="hl-string">'SourceSystem': class="hl-string">'Adyen'
            })

        if activity_name:
            events.append({
                class="hl-string">'PspReference': psp,
                class="hl-string">'EventCode': activity_name,
                class="hl-string">'EventDate': process_date,
                class="hl-string">'PaymentAmount': amount,
                class="hl-string">'SourceSystem': class="hl-string">'Adyen',
                class="hl-string">'MerchantAccount': row.get(class="hl-string">'MerchantAccount', MERCHANT_ACCOUNT),
                class="hl-string">'PaymentMethod': row.get(class="hl-string">'PaymentMethod', class="hl-string">'')
            })

    class=class="hl-string">"hl-comment"># 4. Create DataFrame
    df_events = pd.DataFrame(events)
    
    class=class="hl-string">"hl-comment"># 5. Post-Processing & Cleanup
    if not df_events.empty:
        class=class="hl-string">"hl-comment"># Ensure standard columns
        df_events[class="hl-string">'LastDataUpdate'] = datetime.now().isoformat()
        df_events[class="hl-string">'TotalCycleTime'] = None class=class="hl-string">"hl-comment"># Calculated in ProcessMind
        df_events[class="hl-string">'IsRework'] = df_events[class="hl-string">'EventCode'].apply(lambda x: 1 if class="hl-string">'Chargeback' in x or class="hl-string">'Refused' in x else 0)
        df_events[class="hl-string">'PaymentStatus'] = df_events.sort_values(class="hl-string">'EventDate').groupby(class="hl-string">'PspReference')[class="hl-string">'EventCode'].transform(class="hl-string">'last')
        
        class=class="hl-string">"hl-comment"># Filter invalid rows (empty PspReference)
        df_events = df_events[df_events[class="hl-string">'PspReference'] != class="hl-string">'nan']
        df_events = df_events[df_events[class="hl-string">'PspReference'] != class="hl-string">'']

        class=class="hl-string">"hl-comment"># Sort
        df_events = df_events.sort_values([class="hl-string">'PspReference', class="hl-string">'EventDate'])
        
    return df_events

class=class="hl-string">"hl-comment"># Execution Entry Point
class=class="hl-string">"hl-comment"># Replace paths with actual file locations or API download streams
if __name__ == class="hl-string">'__main__':
    class=class="hl-string">"hl-comment"># Example usage
    df_log = transform_adyen_data(class="hl-string">'received_payment_detail_report.csv', class="hl-string">'settlement_detail_report.csv')
    
    class=class="hl-string">"hl-comment"># Export
    df_log.to_csv(class="hl-string">'ProcessMind_Adyen_Log.csv', index=False, date_format=class="hl-string">'%Y-%m-%d %H:%M:%S')
    print(fclass="hl-string">'Extraction Complete. Generated {len(df_log)} events.')

准备好开始了吗？

使用此模板简化数据收集，着手优化Adyen付款处理流程。发现提升效率的机会，深入了解财务运营情况。

返回改进指南

下载模板

立即优化Adyen付款处理流程

实现98%的直通式处理，消除付款异常。

开始免费试用

无需信用卡，立即开始优化。

您的付款处理数据模板

您的付款处理数据模板

付款处理属性

付款处理活动

数据提取指南

Adyen结算明细报告导出

步骤

配置

查询示例 python

通过Reporting API使用Python提取数据

步骤

配置

查询示例 python

准备好开始了吗？

立即优化Adyen付款处理流程