您的Purchase to Pay－Requisition数据模板

SAP Ariba

采购到付款-采购申请属性 (19) 采购到付款-采购申请活动 (13) 提取指南 (2)

您的Purchase to Pay－Requisition数据模板

该数据模板旨在帮助您高效收集和整理分析Purchase to Pay－Requisition流程所需的信息。模板列出了构建完整事件日志所需的关键属性和活动，帮助您深入了解流程表现。此外，模板还提供从源系统提取数据的实用指南，助您顺利开始流程挖掘。

建议收集的属性，支持全面分析
需要跟踪的关键流程活动和里程碑
从您的系统提取数据的详细指南

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

采购到付款-采购申请属性

以下是建议纳入事件日志的数据字段，用于全面分析采购到付款-采购申请流程，确保不遗漏任何关键信息。

3 必需 8 建议 8 可选

	名称	说明
	事件时间戳 EventTimestamp	活动发生的精确日期和时间，是事件排序的主要时间戳。
说明事件时间戳记录活动发生的准确时刻。高精度数据对于在每个案例中正确排列事件，以及计算流程不同步骤之间的时长至关重要。在分析中，该时间戳是所有基于时间的计算基础，包括周期时间、等待时间和处理时长。它用于驱动分析绩效的仪表板，例如Requisition Approval Cycle Time和Approval Path Bottleneck Analysis。该字段的准确性会直接影响所有绩效指标的可靠性。为什么重要该属性提供事件的时间顺序，是周期时间、瓶颈等所有绩效和时长计算的基础。获取位置通常与SAP Ariba审计轨迹或交易日志表中的活动记录或状态变化记录一起提供。示例 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:05:00Z
	活动名称 ActivityName	申请生命周期中某个时间点发生的具体业务事件名称。
说明活动名称描述申请流程中的单个步骤或里程碑，例如“Requisition Created”“Approval Step Approved”或“Requisition Closed”。该数据通常来自SAP Ariba中记录的事件日志、状态变化或具体用户操作。该属性对于构建流程图至关重要，流程图会以可视化方式呈现活动流转。通过分析活动的顺序和频率，分析人员可以识别常见流程路径、瓶颈、标准流程偏差和返工环节。它是流程挖掘分析的基础。为什么重要它定义流程中的各个步骤，支持可视化和分析申请工作流，包括瓶颈和偏差。获取位置来源于SAP Ariba中的事件日志、审计轨迹或状态变化记录，通常与申请抬头表和行项目表关联。示例申请已提交审批步骤已通过申请已修改采购订单已创建
	采购申请ID PurchaseRequisitionId	采购申请文档的唯一标识符，是流程的主要案例标识符。
说明 Purchase Requisition ID是连接单个商品或服务申请所有活动的核心键。SAP Ariba中创建的每份申请都会获得唯一ID，并在整个生命周期内保持不变，从创建、提交到最终批准、拒绝或关闭均可使用。在流程挖掘分析中，该属性是案例关联的基础。它支持重建每份申请从开始到结束的完整旅程，从而准确计算周期时间、识别流程变体并分析返工循环。没有这一标识符，就无法区分属于不同申请的事件。为什么重要这是连接所有相关活动的关键案例标识符，使您能够分析每个唯一申请的端到端流程。获取位置这是SAP Ariba数据结构中主要申请抬头表的主键字段。示例 PR-102345PR-102346PR-102347
	事件用户 EventUser	执行活动的人员的用户ID或姓名，例如申请人或审批人。
说明事件用户属性用于标识负责执行特定流程步骤的人员，可能是提交申请的员工、批准申请的经理，或处理申请的采购专员。该属性对于工作量分析、绩效比较和识别培训机会至关重要。它支持“Approver Workload and Performance”仪表板，帮助分析每位用户的审批时间。它还可用于追踪延迟或偏差的来源，将问题定位到具体人员或团队。为什么重要支持分析工作量分布、用户绩效和资源分配，帮助识别由特定用户或团队造成的瓶颈。获取位置请参阅SAP Ariba文档。该信息通常存储在审计轨迹或历史表中，并与用户主数据关联。示例 john.doejane.smithmanager123
	审批工作流路径 ApprovalWorkflowPath	采购申请预期遵循的预定义审批步骤顺序。
说明此属性定义采购申请应依据其金额、物料类别和部门等特征遵循的标准流程变体或审批矩阵，代表“应有流程”或“理想路径”。这是执行一致性检查的基础，并用于“Requisition Compliance Overview”仪表板。通过将实际活动顺序与预期的Approval Workflow Path进行比较，分析人员可以自动发现政策违规、未经授权的审批步骤或跳过的控制环节。这对内部审计和风险管理至关重要。为什么重要定义应遵循的标准流程，使一致性检查能够自动发现偏差和政策违规。获取位置请参阅SAP Ariba文档。该信息可能来自审批矩阵配置或采购申请中的特定字段。示例标准IT＞10,000美元市场服务＜5,000美元资本性支出＞100,000美元
	拒绝原因 RejectionReason	审批人在拒绝采购申请或某个审批步骤时提供的原因。
说明采购申请被拒绝时，审批人通常会提供原因，可能是自由文本，也可能从预定义列表中选择。该属性用于记录这一关键信息。这些数据是“Requisition Rejection Rate Analysis”仪表板的基础。分析最常见的拒绝原因，有助于识别流程失败的根本原因，例如编码错误、理由不充分或预算问题。您可以据此改进申请人培训，提高初始提交质量，减少返工。为什么重要直接揭示采购申请失败的原因，支持根因分析，减少返工并提高一次通过率。获取位置请参阅SAP Ariba文档。该信息通常记录在与拒绝事件相关的评论或历史记录中。示例总账科目错误超出预算理由不充分重复申请
	申请人部门 RequesterDepartment	创建采购申请的员工所属业务部门或成本中心。
说明该属性通过标识发起申请的业务部门，提供组织背景信息。它通常来自申请人的用户档案，或直接填写在申请表中。在分析中，这是用于筛选和比较的重要维度。它几乎适用于所有仪表板，例如“Requisition Approval Cycle Time”和“Requisition Rejection Rate Analysis”，用于按部门拆分指标。这样可以识别哪些部门的周期时间最长、修改率最高或不合规申请最多，从而指导有针对性的流程改进。为什么重要支持按组织不同部门细分和比较流程绩效，突出部门特有的问题或最佳实践。获取位置请参阅SAP Ariba文档。该信息通常位于申请抬头数据中，常通过申请人的用户档案关联获取。示例市场部IT运营部财务部研发部
	申请总金额 TotalRequisitionAmount	采购申请的货币总价值。
说明该属性记录整份申请的财务价值，是对申请进行分类和确定优先级的重要业务背景信息。将流程指标与该数值结合分析，可以发现重要模式。例如，高价值申请可能遵循不同且更严格的审批路径，或经历更长的周期时间。该属性对于了解流程低效的财务影响，以及按价值区间对申请进行分类比较至关重要。为什么重要提供关键财务背景，支持分析申请金额如何影响流程行为，例如审批时间和工作流复杂度。获取位置请参阅SAP Ariba文档。这是采购申请抬头中的标准字段。示例 1500.0025000.5099.95
	紧急程度 UrgencyLevel	表示采购申请优先级的指标，例如“Normal”“Urgent”或“Critical”。
说明 Urgency Level通常以优先级标记表示，用于说明业务是否需要加急处理。该级别通常由申请人设置，以确保关键需求得到及时处理。该属性是“Urgent Requisition Process Monitor”仪表板和“Urgent Requisition Proc. Time”KPI的关键驱动因素。通过比较紧急采购申请与标准采购申请的周期时间，您可以直接验证优先处理是否有效。分析紧急申请中的偏差或延迟，是保障业务连续性的关键用例。为什么重要支持优先级分析，并监控高优先级采购申请是否得到更快处理，确保关键业务需求得到满足。获取位置请参阅SAP Ariba文档。该字段通常可在创建采购申请的表单中选择。示例高中低
	采购申请状态 RequisitionStatus	采购申请在其生命周期中的当前状态。
说明该属性反映采购申请的实时状态，例如“Composing”“Submitted”“Approved”“Denied”或“Closed”。它提供数据提取时每个案例在流程中所处位置的快照。流程挖掘可以还原历史流程，而该属性对于运营监控至关重要。它是“Live Requisition Status Tracker”的主要数据点，帮助管理人员查看当前工作量，并识别停滞或处理时间过长的采购申请。它让活跃的采购申请管道具备即时、可执行的可见性。为什么重要支持实时监控采购申请管道，帮助及时识别并处理停滞或处理时间过长的申请，避免问题进一步扩大。获取位置请参阅SAP Ariba文档。这是采购申请抬头中的标准状态字段。示例已批准已提交已拒绝审批中
	项目类别 ItemCategory	所申请商品或服务的分类，例如“IT Hardware”“Office Supplies”或“Professional Services”。
说明 Item Category用于说明采购内容。这一分类有助于了解支出模式，并制定适用于不同类别的采购策略和政策。在流程挖掘中，该属性对于“Requisition Amendment Analysis”仪表板至关重要。它可以揭示某些物品类别是否更容易发生变更，从而反映规格说明不清或价格波动较大等问题。您还可以比较不同采购类型的流程表现，例如审批时间，以判断特定类别是否面临更多阻力。为什么重要支持按采购商品或服务的类型进行分析，帮助识别特定类别的瓶颈或合规问题。获取位置请参阅SAP Ariba文档。此信息通常位于采购申请行项目级别。示例 IT硬件咨询服务办公用品市场材料
	审批人姓名 ApproverName	被分配负责工作流中特定步骤审批的用户姓名。
说明该属性用于识别负责审批活动的具体经理或相关人员。它不同于通用的“Event User”，专门对应审批任务。这是“Approver Workload and Performance”仪表板的关键属性。您可以据此跟踪每位审批人处理的采购申请数量及平均审批时间，从而识别个人瓶颈、平衡工作量，并评估其是否达到目标。为什么重要明确负责审批的具体人员，支持对审批人的工作量平衡和绩效进行详细分析。获取位置请参阅SAP Ariba文档。该信息存储在与采购申请关联的审批流数据中。示例 Sarah JonesDavid ChenMaria Garcia
	数据最后更新时间 LastDataUpdate	表示该记录数据最近一次从源系统刷新时的时间戳。
说明该属性显示特定事件最近一次提取或更新的日期和时间，能够透明反映待分析数据的新鲜度，对于监控持续运行的流程尤其重要。分析人员可利用该信息了解洞察的时效性。对于“Live Requisition Status Tracker”等仪表板，该字段有助于告知用户当前显示的信息更新到何时，并帮助管理用户对数据及时性的预期。为什么重要表示数据的新鲜度，对于了解流程挖掘洞察的时效性和相关性至关重要。获取位置该时间戳通常在数据导入过程中生成并添加到每条记录中。示例 2024-05-21T02:00:00Z2024-05-22T02:00:00Z
	是否变更 IsAmended	用于表示采购申请在首次提交后是否至少变更过一次的布尔标记。
说明该计算属性用于识别至少经历过一次“Requisition Amended”活动的案例，简化对生命周期中需要变更的采购申请进行标记的过程。该标记用于计算“Requisition Amendment Rate”KPI。通过统计该标记为true的案例数量，分析人员可以轻松衡量返工频率，并结合“Requester Name”或“Item Category”等其他属性调查根本原因。为什么重要简化变更率KPI的计算，帮助量化返工，并识别需要改进初始规格说明的环节。获取位置如果案例包含一个或多个“Requisition Amended”活动，则计算为true，否则为false。示例 truefalse
	是否自动化 IsAutomated	用于表示某项活动由系统还是人工用户执行的布尔标记。
说明该属性区分自动化系统事件，例如自动审批或系统驱动的状态变更，与用户执行的手动活动。这对于了解流程自动化程度至关重要。在分析中，它有助于准确衡量人工投入，并识别进一步自动化的机会。例如，筛选手动活动可以精确计算以用户为中心的处理时间。它还可用于验证流程中的自动化规则是否按预期运行。为什么重要区分人工操作和系统操作，对于衡量自动化率及识别新的自动化机会至关重要。获取位置通常通过检查“Event User”是否对应系统用户或批处理用户ID来确定。示例 truefalse
	是否返工 IsRework	用于表示采购申请是否经历过返工，例如被拒绝或多次变更的布尔标记。
说明该计算属性比“IsAmended”更全面地衡量流程低效。它用于标记经历过明显返工循环的案例，通常定义为包含一个或多个“Approval Step Rejected”事件，或包含多个“Requisition Amended”事件。该标记用于计算“Requisition Rework Rate”KPI，帮助量化流程失败带来的隐性成本和延迟。分析标记为返工的案例，可以发现与特定审批人、部门或申请类型相关的模式，以及导致流程受阻的因素。为什么重要识别存在明显流程阻力的案例，例如被拒绝的案例，从而集中分析低效和延迟的原因。获取位置如果案例包含拒绝活动或超过一次变更活动，则计算为true。示例 truefalse
	源系统 SourceSystem	提取数据的记录系统。
说明该属性用于标识流程数据的来源。在当前视图中，其值通常为“SAP Ariba”；但在数据可能来自多个系统并进行合并的更广泛场景中，该字段对于数据血缘追踪和问题排查至关重要。在分析中，它有助于确认数据来源，也可用于筛选或比较跨系统流程。它能明确并增强对数据来源的信任，这对于获得相关方认可十分重要。为什么重要标识数据来源，对于数据治理、问题排查以及确保正确理解分析背景至关重要。获取位置通常在数据提取和转换过程中添加静态值，用于标记数据集来源。示例 SAP AribaSAP_ARIBA_P2PAribaCloud
	申请人姓名 RequesterName	发起采购申请的员工姓名。
说明该案例级属性用于识别采购申请的创建者，提供申请来源及相关人员的背景信息。在分析中，该属性可用于筛选流程，并按具体申请人分析行为。例如，“Requisition Amendment Analysis”和“Requisition Rejection Rate Analysis”仪表板可利用该属性识别变更率或拒绝率较高、可能需要额外培训的人员。它有助于制定更有针对性的反馈和改进措施。为什么重要识别申请创建者，支持按申请人分析流程行为和质量。获取位置请参阅SAP Ariba文档。这是采购申请抬头中的标准字段，通常标记为“Created By”或“Requester”。示例 Alice WilliamsBob MillerCharles Brown
	采购订单ID PurchaseOrderId	根据已批准采购申请创建的采购订单标识符。
说明该属性将采购申请与下游单据Purchase Order（PO）关联起来。它的存在表示申请已成功转换为订单。对于延伸至采购申请阶段之外的端到端流程分析，这一属性不可或缺。通过关联采购申请创建事件和PO创建事件，它可用于计算“Requisition to PO Lead Time”KPI，从而全面了解采购周期的前端流程。为什么重要将采购申请与后续采购订单关联起来，支持衡量端到端的Requisition-to-PO周期时间。获取位置请参阅SAP Ariba文档。PO生成后，该信息通常存储在采购申请行项目数据中。示例 PO-4500012345PO-4500012346PO-4500012347

必需建议可选

采购到付款-采购申请活动

以下是应在事件日志中记录的关键流程步骤和里程碑，用于准确发现流程并识别瓶颈。

6 建议 7 可选

	活动	说明
	申请已关闭	表示Purchase Requisition在订购、收货等所有相关操作完成后的最终管理关闭。系统会记录状态最终变为“Closed”。
为什么重要表示整个申请生命周期的明确结束。分析从PO创建到关闭所需的时间，有助于发现后续收货或发票处理流程中的瓶颈。获取位置从Ariba文档历史中推断，该历史记录会保存申请变为“Closed”的状态变化。采集识别申请状态字段变为“Closed”时的时间戳。事件类型 inferred
	申请已创建	表示用户首次创建Purchase Requisition文档。当申请首次以“Composing”或草稿状态保存时，系统会记录此事件。
为什么重要这是申请生命周期的起点。分析从创建到提交所需的时间，有助于衡量用户效率并识别培训需求。获取位置取自SAP Ariba中Purchase Requisition对象的创建时间戳。该信息位于申请文档的抬头数据中，代表明确的创建事件。采集使用申请文档抬头表中的“CreateTime”或等效时间戳。事件类型 explicit
	申请已批准	表示Purchase Requisition顺利完成工作流中的所有步骤并获得最终批准。系统会记录状态变为“Approved”。
为什么重要这是审批阶段结束的关键里程碑，也是衡量“Avg Requisition Approval Time”的终点，并表示申请已准备好创建PO。获取位置从Ariba文档历史中推断，该历史记录会保存申请最终变为“Approved”的状态变化。采集识别申请状态字段变为“Approved”时的时间戳。事件类型 inferred
	申请已拒绝	表示Purchase Requisition经审核后被最终拒绝。这是流程的结束状态，系统会记录状态变为“Denied”。
为什么重要这是关键的失败终点。分析被拒绝的申请，对于计算“Requisition Rejection Rate”KPI、识别模式并提升申请质量至关重要。获取位置从Ariba文档历史中推断，该历史记录会保存申请最终变为“Denied”的状态变化。采集识别申请状态字段变为“Denied”时的时间戳。事件类型 inferred
	申请已提交	表示申请人将Purchase Requisition正式提交至审批工作流。系统会记录“Composing”变为“Submitted”的状态变化。
为什么重要这是触发审批流程的关键里程碑，对于衡量“Requisition Approval Cycle Time”和“Requisition Creation Lead Time”至关重要。获取位置从Ariba文档历史或审计日志中推断，这些记录会保存申请变为“Submitted”的状态变化及其时间戳。采集识别申请状态字段首次变为“Submitted”时的时间戳。事件类型 inferred
	采购订单已创建	表示已批准的Purchase Requisition成功转换为Purchase Order。系统会在创建引用该申请的PO文档时记录此事件。
为什么重要这是申请流程的主要成功结果，对于衡量端到端“Requisition to PO Lead Time”KPI至关重要。获取位置这是一个明确事件。使用Purchase Order文档的创建时间戳，该文档包含指向源Purchase Requisition ID的直接链接或引用。采集在PO抬头表中找到与申请关联的PO，并使用其创建时间戳。事件类型 explicit
	审批步骤已开始	表示Purchase Requisition已路由至审批人或审批队列，等待处理。当系统生成并分配审批请求时，记录此事件。
为什么重要提供审批工作流的细粒度洞察，对于计算队列等待时间，以及识别“Approval Path Bottleneck Analysis”中的具体瓶颈步骤至关重要。获取位置取自Ariba审批流表，这些表会记录与申请关联的单个审批任务的创建和分配情况。采集使用与申请及具体审批步骤关联的审批请求记录的创建时间戳。事件类型 explicit
	审批步骤已通过	表示审批步骤获得通过，审批人已批准分配给自己的申请部分。系统会将其明确记录为审批操作。
为什么重要用于衡量单个审批人的处理时间，是计算“Avg Approval Step Duration”和评估审批人工作量的重要数据。获取位置取自Ariba审批流表。审批人对分配的任务执行“Approve”操作时，系统会记录带时间戳的事件。采集使用具体步骤审批历史中记录的“Approve”操作时间戳。事件类型 explicit
	审批步骤已驳回	表示审批步骤未通过，审批人驳回申请，通常会将其退回修改。系统会将其明确记录为“Deny”操作。
为什么重要突出显示返工和流程延迟的重要来源。分析这些事件对于了解“Requisition Rework Rate”和驳回原因至关重要。获取位置取自Ariba审批流表。审批人对分配的任务执行“Deny”或“Reject”操作时，系统会记录带时间戳的事件。采集使用具体步骤审批历史中记录的“Deny”操作时间戳。事件类型 explicit
	申请已修改	表示申请提交后用户对Purchase Requisition进行修改，通常是为了响应驳回或询问。系统会在文档编辑并重新提交时记录此事件。
为什么重要用于跟踪返工和流程低效。修改频率较高通常意味着初始需求或政策不够清晰，并会影响“Requisition Amendment Rate”KPI。获取位置从Ariba版本数据中推断。每次修改都会创建申请文档的新版本。版本号大于1表示发生过修改。采集检查初始“Submitted”状态后是否创建了申请新版本。新版本的创建时间戳即为事件时间。事件类型 inferred
	申请已发送至寻源	表示已批准的申请被路由至寻源部门，以便在创建PO前执行RFQ等寻源活动。系统会记录状态变化，例如变为“Sourcing”。
为什么重要标识高价值或非标准物品流程中的重要分支，有助于分析寻源部门对周期时间的影响。获取位置从申请状态变为表示已发送至寻源的值中推断。在Ariba Buying与Ariba Sourcing集成的场景中，这种情况较为常见。采集识别申请状态字段变为“Sourcing”或类似自定义状态时的时间戳。事件类型 inferred
	申请已撤回	表示原申请人在Purchase Requisition完全审批通过前取消已提交的申请。系统会记录状态变为“Withdrawn”或“Canceled”。
为什么重要表示用户发起的流程终止。分析申请撤回原因，有助于发现业务需求变化或审批时间过长等问题。获取位置从Ariba文档历史或审计日志中推断，这些记录会保存申请变为“Withdrawn”的状态变化。采集识别申请状态字段变为“Withdrawn”时的时间戳。事件类型 inferred
	申请行项目已订购	表示申请中的单个行项目在加入采购订单后，状态变为“Ordered”。相比仅记录抬头级别的PO创建，这能提供更细粒度的跟踪。
为什么重要支持分析行项目级别的部分订购或延迟，而这些情况在仅查看抬头时不可见。对于由不同PO分别履行多行项目的申请，这项信息尤其有用。获取位置从申请行项目对象的状态变化中推断。为某行项目生成PO后，该行项目状态会更新为“Ordered”。采集识别申请行项目状态字段变为“Ordered”时的时间戳。事件类型 inferred

建议可选

提取指南

如何从SAP Ariba获取数据

步骤

登录SAP Ariba：使用拥有创建和运行分析报告权限的用户账户访问SAP Ariba环境，例如具有“Reporting Analyst”角色的账户。
进入分析报告：从主仪表板进入报告区域。通常可通过“Reporting”“Analytics”或“Manage”>“Analytical Reports”等菜单进入。
创建新报告：开始创建新的分析报告。系统会提示您选择主要数据区域，通常称为“Fact”。请选择与采购申请相关的Fact，例如“[Requisition]”，或根据您的Ariba配置选择类似名称。
添加数据字段：使用报告构建器界面向报告添加列。要获取全部所需信息，您需要关联多个数据源（Fact）。典型报告会使用Requisition ID作为键，将“[Requisition Fact]”与“[Approval History Fact]”和“[Purchase Order Fact]”关联。添加查询配置中列出的所有字段，包括Created Date、Submitted Date、Approved Date，以及审批历史中的Action Date等相关时间戳。
配置筛选条件：设置筛选条件以限制数据范围。最重要的是日期范围。请按“Requisition Created Date”筛选所需期间，例如最近3至6个月。根据需要添加其他筛选条件，例如特定Company Code或Realm。
运行并导出原始报告：执行报告。完成后，将结果导出为CSV或Excel文件。首次导出的数据为“宽表”格式，每行对应一个采购申请或审批记录，并包含多个日期和用户操作列。
将数据转换为事件日志格式：这是关键的离线步骤。使用Microsoft Excel中的Power Query、Python脚本或其他数据准备工具，将宽表转换为长表。对于导出的每个时间戳列，例如“Created Date”“Submitted Date”“Approved Date”，都需要在最终事件日志中创建单独的行。此过程通常称为“取消透视”或“熔化”。
映射活动和属性：转换过程中，创建ActivityName和EventTimestamp列。例如，处理“Submitted Date”列时，创建ActivityName为“Requisition Submitted”的行，并将“Submitted Date”列的值写入EventTimestamp。
整合并清理数据：将所有时间戳列取消透视后的数据合并到一个文件中。确保每一行都正确填充PurchaseRequisitionId、ActivityName和EventTimestamp列。清理空行和格式问题。
保存为最终CSV：将转换后的最终事件日志保存为UTF-8编码的CSV文件。现在，该文件已准备好上传到流程挖掘工具。

配置

报告类型：使用标准Ariba报告界面的分析报告。
核心数据Fact：您需要合并多个Fact中的数据，通常包括“[Requisition Fact]”“[Approval History Fact]”和“[Purchase Order Fact]”。具体名称可能因您的Ariba数据模型而异。
日期范围：建议按“Requisition Created Date”筛选易于管理的期间，例如3至6个月。首次测试时，可使用一周等较短期间。
关键筛选条件：始终按具体日期范围筛选。还可以按“Company Code”或“Purchasing Organization”筛选，将数据集限制在相关业务范围内，并提升报告性能。
前提条件：运行报告的用户必须拥有访问分析报告模块以及采购申请、审批和采购订单底层Fact数据的权限。

a 示例查询 config

REPORT CONFIGURATION for SAP Ariba Analytical Reporting

REPORT TYPE: Analytical Report

PRIMARY DATA SOURCE (FACT):
*   [Requisition Fact]

JOINED DATA SOURCES (FACTS):
*   [Approval History Fact] on Requisition ID
*   [Purchase Order Fact] on Requisition ID
*   [Requisition Line Item Fact] on Requisition ID

REPORT FIELDS (COLUMNS TO EXPORT for subsequent transformation):

// Case and General Attributes
*   Requisition.Requisition ID (as PurchaseRequisitionId)
*   Requisition.Status (as RequisitionStatus)
*   Requisition.Requester.Department (as RequesterDepartment)
*   Requisition.Total Cost.Amount (as TotalRequisitionAmount)
*   Requisition.Line Items.Category (as ItemCategory)
*   Requisition.Is Urgent (as UrgencyLevel)
*   Requisition.Approval Flow Name (as ApprovalWorkflowPath)

// Fields for 'Requisition Created'
*   Requisition.Created Date (Timestamp)
*   Requisition.Requester.User ID (User)

// Fields for 'Requisition Submitted'
*   Requisition.Submitted Date (Timestamp)
*   Requisition.Submitter.User ID (User)

// Fields for 'Requisition Amended'
*   Requisition.Last Modified Date (Timestamp) - Note: Requires logic to isolate true amendment events
*   Requisition.Last Modified By.User ID (User)

// Fields for 'Approval Step' activities
*   Approval History.Approval Request Date (Timestamp for 'Approval Step Started')
*   Approval History.Action Date (Timestamp for 'Approval Step Approved'/'Approval Step Rejected')
*   Approval History.Action (Value: 'Approve'/'Deny')
*   Approval History.Approver.User ID (User)
*   Approval History.Comments (for RejectionReason)

// Fields for final status activities
*   Requisition.Approved Date (Timestamp for 'Requisition Approved')
*   Requisition.Denied Date (Timestamp for 'Requisition Denied')
*   Requisition.Withdrawn Date (Timestamp for 'Requisition Withdrawn')
*   Requisition.Closed Date (Timestamp for 'Requisition Closed')

// Fields for downstream activities
*   Requisition.Sourcing Status Date (Timestamp for 'Requisition Sent To Sourcing')
*   Purchase Order.Created Date (Timestamp for 'Purchase Order Created')
*   Purchase Order.Creator.User ID (User for 'Purchase Order Created')
*   Requisition Line Item.Ordered Date (Timestamp for 'Requisition Line Item Ordered')

FILTERS:
*   Requisition.Created Date BETWEEN [Start Date] AND [End Date]
*   Company Code IN ([Your Company Codes])

步骤

设置Python环境：确保已安装Python3.6或更高版本。使用pip安装所需库：pip install requests pandas。
配置API访问权限：在SAP Ariba Developer Portal中注册新应用。订阅“Operational Reporting API for Requisitions”，并获取OAuth凭据：Application Key（API Key）、OAuth Client Secret，以及由[your_api_key]:[your_client_secret]进行Base64编码后的字符串。
自定义Python脚本：打开提供的Python脚本。填写顶部的占位变量，包括ARIBА_REALM、BASE_URL、API_KEY和BASE64_CREDS。同时设置数据提取期间的START_DATE和END_DATE。
定义报告负载：检查脚本中的report_payloadJSON对象。该对象定义要执行的报告。脚本已预配置为使用RequisitionFactSystemView，并选择与所需活动和属性相关的字段。您可以根据需要添加更多字段或筛选条件。
执行脚本：在终端中使用python your_script_name.py运行脚本。脚本首先向Ariba进行身份验证，以获取访问令牌。
提交并监控报告作业：脚本会自动向Ariba API提交报告请求。由于作业以异步方式运行，脚本随后每60秒轮询一次Ariba API，检查作业状态。
下载报告数据：Ariba API报告作业状态为“COMPLETED”后，脚本会下载结果数据，通常为包含单个CSV文件的ZIP文件。
处理并转换数据：脚本解压文件，并将原始数据加载到pandas DataFrame中。随后执行关键转换，将宽表格式（每个采购申请一行，包含多个日期列）转换为长表事件日志格式（每个采购申请多行，每项活动对应一行）。
生成事件日志：转换后的DataFrame会整理为标准事件日志，包含PurchaseRequisitionId、ActivityName和EventTimestamp等列，并以ariba_requisition_event_log.csv文件名保存在脚本所在目录。
准备上传：生成的CSV文件已准备好上传到ProcessMind。请确保列标题与ProcessMind项目中配置的映射一致。

配置

API端点URL：脚本需要Ariba实例API的基础URL，通常格式为https://[your-realm].api.ariba.com/api/operationalreporting/v2/。将[your-realm]替换为您公司专属的Ariba realm名称。
身份验证：提取过程使用OAuth 2.0进行身份验证。您必须提供从Ariba Developer Portal中注册的应用获取的有效apiKey、clientSecret和base64EncodedCredentials字符串。
视图模板：脚本配置为使用RequisitionFactSystemView。这是Ariba的标准视图，但您必须确保已在环境中启用该视图，并且API用户有权访问。
日期范围筛选：报表负载中的creationDate筛选条件对控制数据量至关重要。首次提取建议使用3至6个月的时间范围。对于大型组织，可考虑按月分批提取数据。
增量加载：后续提取时，调整START_DATE和END_DATE，仅获取新增或更新的记录。脚本不会自动管理增量逻辑，因此每次运行都必须手动设置日期范围。
前提条件：您必须拥有具备“Developer Portal Access”权限的SAP Ariba用户，才能创建应用和凭据。API应用本身还需要“Operational Reporting API User”角色，才能执行报表任务。

a 示例查询 python

import requests
import json
import pandas as pd
import time
import zipfile
import io

class=class="hl-string">"hl-comment"># --- Configuration --- 
class=class="hl-string">"hl-comment"># Replace with your SAP Ariba realm, datacenter-specific URL, and credentials
ARIBA_REALM = class="hl-string">"[Your Ariba Realm]"
BASE_URL = fclass="hl-string">"https://{ARIBA_REALM}.api.ariba.com/api/operationalreporting/v2/"
TOKEN_URL = class="hl-string">"https://api.ariba.com/v2/oauth/token"
API_KEY = class="hl-string">"[Your Application Key]"
BASE64_CREDS = class="hl-string">"[Your Base64-encoded ClientID:ClientSecret]"

class=class="hl-string">"hl-comment"># --- Report Parameters ---
class=class="hl-string">"hl-comment"># Set the date range for the extraction
START_DATE = class="hl-string">"2023-01-01T00:00:00Z"
END_DATE = class="hl-string">"2023-06-30T23:59:59Z"

class=class="hl-string">"hl-comment"># The main function to orchestrate the extraction process
def main():
    print(class="hl-string">"1. Acquiring access token...")
    access_token = get_access_token()
    if not access_token:
        return

    print(class="hl-string">"2. Creating asynchronous report job...")
    job_id = create_report_job(access_token)
    if not job_id:
        return

    print(fclass="hl-string">"Job created with ID: {job_id}. Polling for completion...")
    status = poll_job_status(access_token, job_id)

    if status == class="hl-string">'COMPLETED':
        print(class="hl-string">"3. Job completed. Downloading report data...")
        raw_data = download_report(access_token, job_id)
        if raw_data:
            print(class="hl-string">"4. Processing raw data into event log...")
            event_log = process_data(raw_data)
            output_filename = class="hl-string">'ariba_requisition_event_log.csv'
            event_log.to_csv(output_filename, index=False)
            print(fclass="hl-string">"5. Success! Event log saved to {output_filename}")
    else:
        print(fclass="hl-string">"Job failed or timed out with status: {status}")

def get_access_token():
    headers = {
        class="hl-string">'Authorization': fclass="hl-string">'Basic {BASE64_CREDS}',
        class="hl-string">'Content-Type': class="hl-string">'application/x-www-form-urlencoded',
    }
    data = {class="hl-string">'grant_type': class="hl-string">'client_credentials'}
    try:
        response = requests.post(TOKEN_URL, headers=headers, data=data)
        response.raise_for_status()
        return response.json().get(class="hl-string">'access_token')
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error getting access token: {e}")
        return None

def create_report_job(token):
    headers = {
        class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}',
        class="hl-string">'apiKey': API_KEY,
        class="hl-string">'Content-Type': class="hl-string">'application/json'
    }
    report_payload = {
        class="hl-string">"name": class="hl-string">"ProcessMind Requisition Extraction",
        class="hl-string">"viewTemplateName": class="hl-string">"RequisitionFactSystemView",
        class="hl-string">"outputFormat": class="hl-string">"CSV",
        class="hl-string">"filters": {
            class="hl-string">"creationDate": {
                class="hl-string">"from": START_DATE,
                class="hl-string">"to": END_DATE
            }
        },
        class="hl-string">"select": [
            class="hl-string">"RequisitionId", class="hl-string">"StatusString", class="hl-string">"SubmitDate", class="hl-string">"ApprovedState.TimeUpdated",
            class="hl-string">"DeniedState.TimeUpdated", class="hl-string">"SourcingState.TimeUpdated", class="hl-string">"ClosedState.TimeUpdated",
            class="hl-string">"WithdrawnState.TimeUpdated", class="hl-string">"Requester.Name", class="hl-string">"Requester.Department",
            class="hl-string">"TotalCost.Amount", class="hl-string">"LineItems.Category.Name", class="hl-string">"IsUrgent", class="hl-string">"ApprovalFlow.Name",
            class="hl-string">"RequisitionVersion", class="hl-string">"TimeCreated", class="hl-string">"LineItems.OrderedState.TimeUpdated", class="hl-string">"POInfo.POId"
        ]
    }
    try:
        response = requests.post(fclass="hl-string">"{BASE_URL}jobs", headers=headers, json=report_payload)
        response.raise_for_status()
        return response.json().get(class="hl-string">'jobId')
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error creating report job: {e}")
        return None

def poll_job_status(token, job_id):
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}', class="hl-string">'apiKey': API_KEY}
    while True:
        try:
            response = requests.get(fclass="hl-string">"{BASE_URL}jobs('{job_id}')", headers=headers)
            response.raise_for_status()
            status = response.json().get(class="hl-string">'status')
            print(fclass="hl-string">"Current job status: {status}")
            if status in [class="hl-string">'COMPLETED', class="hl-string">'FAILED', class="hl-string">'CANCELLED']:
                return status
            time.sleep(60) class=class="hl-string">"hl-comment"># Wait 60 seconds before polling again
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error polling job status: {e}")
            return class="hl-string">'FAILED'

def download_report(token, job_id):
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}', class="hl-string">'apiKey': API_KEY}
    try:
        response = requests.get(fclass="hl-string">"{BASE_URL}jobs('{job_id}')/result", headers=headers, stream=True)
        response.raise_for_status()
        return response.content
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error downloading report: {e}")
        return None

def process_data(zip_content):
    try:
        with zipfile.ZipFile(io.BytesIO(zip_content)) as z:
            class=class="hl-string">"hl-comment"># Assuming the first file in the zip is the CSV we need
            csv_filename = z.namelist()[0]
            with z.open(csv_filename) as f:
                df = pd.read_csv(f)
    except Exception as e:
        print(fclass="hl-string">"Error reading zipped CSV: {e}")
        return pd.DataFrame()

    class=class="hl-string">"hl-comment"># Rename columns for clarity
    df.rename(columns={
        class="hl-string">'RequisitionId': class="hl-string">'PurchaseRequisitionId',
        class="hl-string">'TimeCreated': class="hl-string">'Timestamp_Created',
        class="hl-string">'SubmitDate': class="hl-string">'Timestamp_Submitted',
        class="hl-string">'ApprovedState.TimeUpdated': class="hl-string">'Timestamp_Approved',
        class="hl-string">'DeniedState.TimeUpdated': class="hl-string">'Timestamp_Denied',
        class="hl-string">'SourcingState.TimeUpdated': class="hl-string">'Timestamp_SentToSourcing',
        class="hl-string">'ClosedState.TimeUpdated': class="hl-string">'Timestamp_Closed',
        class="hl-string">'WithdrawnState.TimeUpdated': class="hl-string">'Timestamp_Withdrawn',
        class="hl-string">'LineItems.OrderedState.TimeUpdated': class="hl-string">'Timestamp_LineItemOrdered',
        class="hl-string">'POInfo.POId': class="hl-string">'POId',
        class="hl-string">'Requester.Name': class="hl-string">'EventUser',
        class="hl-string">'Requester.Department': class="hl-string">'RequesterDepartment',
        class="hl-string">'TotalCost.Amount': class="hl-string">'TotalRequisitionAmount',
        class="hl-string">'LineItems.Category.Name': class="hl-string">'ItemCategory',
        class="hl-string">'IsUrgent': class="hl-string">'UrgencyLevel',
        class="hl-string">'ApprovalFlow.Name': class="hl-string">'ApprovalWorkflowPath',
        class="hl-string">'StatusString': class="hl-string">'RequisitionStatus'
    }, inplace=True)
    
    class=class="hl-string">"hl-comment"># Create a base dataframe for melting
    id_vars = [
        class="hl-string">'PurchaseRequisitionId', class="hl-string">'EventUser', class="hl-string">'RequesterDepartment', class="hl-string">'TotalRequisitionAmount',
        class="hl-string">'ItemCategory', class="hl-string">'UrgencyLevel', class="hl-string">'ApprovalWorkflowPath', class="hl-string">'RequisitionStatus', class="hl-string">'RequisitionVersion', class="hl-string">'POId'
    ]
    
    timestamp_cols = [col for col in df.columns if col.startswith(class="hl-string">'Timestamp_')]
    
    class=class="hl-string">"hl-comment"># Melt the dataframe to turn timestamp columns into rows
    event_log = pd.melt(df, id_vars=id_vars, value_vars=timestamp_cols, var_name=class="hl-string">'ActivityName', value_name=class="hl-string">'EventTimestamp')
    
    class=class="hl-string">"hl-comment"># Clean up and format
    event_log.dropna(subset=[class="hl-string">'EventTimestamp'], inplace=True)
    event_log[class="hl-string">'ActivityName'] = event_log[class="hl-string">'ActivityName'].str.replace(class="hl-string">'Timestamp_', class="hl-string">'Requisition ')
    event_log[class="hl-string">'EventTimestamp'] = pd.to_datetime(event_log[class="hl-string">'EventTimestamp'])

    class=class="hl-string">"hl-comment"># --- Handle specific/derived activities ---
    class=class="hl-string">"hl-comment"># Requisition Amended
    amended_df = df[df[class="hl-string">'RequisitionVersion'] > 1].copy()
    if not amended_df.empty:
        amended_df[class="hl-string">'ActivityName'] = class="hl-string">'Requisition Amended'
        amended_df[class="hl-string">'EventTimestamp'] = pd.to_datetime(amended_df[class="hl-string">'Timestamp_Submitted'])
        event_log = pd.concat([event_log, amended_df[event_log.columns]], ignore_index=True)

    class=class="hl-string">"hl-comment"># Purchase Order Created (use the timestamp of the first line item ordered as a proxy)
    po_created_df = df[df[class="hl-string">'POId'].notna() & df[class="hl-string">'Timestamp_LineItemOrdered'].notna()].copy()
    if not po_created_df.empty:
        po_created_df[class="hl-string">'ActivityName'] = class="hl-string">'Purchase Order Created'
        po_created_df[class="hl-string">'EventTimestamp'] = pd.to_datetime(po_created_df[class="hl-string">'Timestamp_LineItemOrdered'])
        event_log = pd.concat([event_log, po_created_df[event_log.columns]], ignore_index=True)
    
    class=class="hl-string">"hl-comment"># Placeholder for Approval Steps - requires parsing ApprovalRecords not included in this basic script
    class=class="hl-string">"hl-comment"># For now, we only have the final class="hl-string">'Approved' status. This logic can be expanded.
    class=class="hl-string">"hl-comment"># Creating dummy class="hl-string">'Approval Step Started/Approved' for demonstration.
    approval_df = df[df[class="hl-string">'Timestamp_Approved'].notna()].copy()
    if not approval_df.empty:
        approval_started = approval_df.copy()
        approval_started[class="hl-string">'ActivityName'] = class="hl-string">'Approval Step Started'
        class=class="hl-string">"hl-comment"># Approximate start time as submit time
        approval_started[class="hl-string">'EventTimestamp'] = pd.to_datetime(approval_started[class="hl-string">'Timestamp_Submitted'])
        
        approval_approved = approval_df.copy()
        approval_approved[class="hl-string">'ActivityName'] = class="hl-string">'Approval Step Approved'
        approval_approved[class="hl-string">'EventTimestamp'] = pd.to_datetime(approval_approved[class="hl-string">'Timestamp_Approved'])
        approval_approved[class="hl-string">'RejectionReason'] = None class=class="hl-string">"hl-comment"># Add column for consistency
        
        event_log = pd.concat([event_log, approval_started[event_log.columns], approval_approved[event_log.columns.tolist() + [class="hl-string">'RejectionReason']]], ignore_index=True)

    class=class="hl-string">"hl-comment"># Add placeholder for RejectionReason, as it's not directly in this view
    if class="hl-string">'RejectionReason' not in event_log.columns:
        event_log[class="hl-string">'RejectionReason'] = None

    class=class="hl-string">"hl-comment"># Final sorting and cleanup
    event_log = event_log.sort_values(by=[class="hl-string">'PurchaseRequisitionId', class="hl-string">'EventTimestamp']).reset_index(drop=True)
    
    class=class="hl-string">"hl-comment"># Rename class="hl-string">'Requisition LineItemOrdered' to class="hl-string">'Requisition Line Item Ordered'
    event_log[class="hl-string">'ActivityName'] = event_log[class="hl-string">'ActivityName'].replace({class="hl-string">'Requisition LineItemOrdered': class="hl-string">'Requisition Line Item Ordered'})

    class=class="hl-string">"hl-comment"># Final column selection
    final_columns = [
        class="hl-string">'PurchaseRequisitionId', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'EventUser',
        class="hl-string">'RequesterDepartment', class="hl-string">'TotalRequisitionAmount', class="hl-string">'ItemCategory', class="hl-string">'UrgencyLevel',
        class="hl-string">'ApprovalWorkflowPath', class="hl-string">'RejectionReason', class="hl-string">'RequisitionStatus'
    ]
    event_log = event_log[final_columns]

    return event_log

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

准备开始了吗？

使用此模板简化数据准备工作，深入了解Purchase to Pay－Requisition流程。立即开始优化运营。

返回改进指南下载模板

停止延迟：优化您的Purchase to Pay采购申请流程

精准定位SAP Ariba低效环节，将周期时间缩短30%。

开始免费试用

无需信用卡，设置快速便捷。

您的Purchase to Pay－Requisition数据模板

您的Purchase to Pay－Requisition数据模板

采购到付款-采购申请属性

采购到付款-采购申请活动

提取指南

SAP Ariba分析报告CSV/Excel导出

步骤

配置

a 示例查询 config

通过运营报告API使用Python脚本提取数据

步骤

配置

a 示例查询 python

准备开始了吗？

停止延迟：优化您的Purchase to Pay采购申请流程

您的Purchase to Pay－Requisition数据模板

您的Purchase to Pay－Requisition数据模板

采购到付款-采购申请属性

采购到付款-采购申请活动

提取指南

SAP Ariba分析报告CSV/Excel导出

步骤

配置

a 示例查询 config

通过运营报告API使用Python脚本提取数据

步骤

配置

a 示例查询 python

准备开始了吗？

停止延迟：优化您的Purchase to Pay采购申请流程

我们重视您的隐私