> 持续流程改进 > Record to Report 期间结账与对账 > Microsoft Dynamics 365 > 数据模板

您的 Record to Report - 期间结账与对账数据模板

Microsoft Dynamics 365

Record to Report - 期间结账与对账属性 (19) Record to Report - 期间结账与对账活动 (14) 提取指南 (2)

您的 Record to Report - 期间结账与对账数据模板

该模板为收集优化 Record to Report 期间结账与对账流程所需的数据提供了全面指南。它概述了基本的数据属性、需要跟踪的关键活动，以及从 Microsoft Dynamics 365 提取数据的实用指导。使用此资源来精简您的数据准备工作并启动流程分析。

建议收集的属性
需要追踪的关键活动
Microsoft Dynamics 365 提取指南

不熟悉事件日志？了解如何创建流程挖掘事件日志.

下载模板

Record to Report - 期间结账与对账属性

这些是推荐包含在事件日志中的数据字段，用于对 Record to Report 期间结账与对账流程进行全面分析。

5 必填 4 推荐 10 可选

	名称	描述
	Event 时间 EventTime	执行或完成特定期间结账活动的确切日期和时间。
描述 Event Time 是与每个活动关联的时间戳，提供了事件的时间顺序。这些数据对于构建流程流和执行任何基于时间的分析至关重要。在 Process Mining 中，此时间戳用于计算周期时间、持续时间以及活动之间的等待时间。它是识别瓶颈、对照截止日期监控流程绩效以及了解期间关账流程时间动态的基础。为何重要这是所有基于时间的分析的关键属性，包括计算周期时间、识别瓶颈和理解事件序列。获取方式通常对应于 Dynamics 365 中交易、分录或状态记录上的系统生成时间戳字段，如 CreatedDateTime 或 ModifiedDateTime。示例 2023-12-28T14:20:15Z2024-01-02T09:05:00Z2024-01-05T17:30:45Z
	活动名称 ActivityName	期间结账流程中发生的特定业务事件或任务的名称，例如“试算平衡表已准备”或“账户对账已开始”。
描述活动名称描述了端到端期间结账工作流中的单个步骤。源数据中的每条事件记录都对应其中一个活动，构成了每个财务期间的事件序列。该属性是流程挖掘的基础，因为它支持可视化流程图，展示工作的实际执行方式。它用于分析流程流、识别偏离标准程序的行为，并衡量不同关键里程碑之间的持续时间。为何重要该属性构成了流程图的骨架，支持对期间结账周期中的步骤序列、瓶颈和偏差进行可视化和分析。获取方式根据 Dynamics 365 模块（如总账或财务报告）内的交易类型、状态更改或特定事件日志，从业务逻辑中派生得出。示例预提日记账已过账银行对账已完成财务报表已生成总账期间已关闭
	财政期间 FinancialPeriod	财务报告周期的唯一标识符，例如 2023 年 12 月的“2023-12”。这作为主 case 标识符，将所有相关的期末活动归组。
描述财务期间代表了特定时间范围内（通常为一个月或一个季度）结账的完整生命周期。从启动结账到批准该期间最终财务报告的所有活动都通过此标识符进行关联。在流程挖掘分析中，该属性对于定义每个“案例”的范围至关重要。它允许衡量端到端的期间结账周期时间，比较不同期间的绩效，并识别在每个结账周期中重复出现的系统性瓶颈。为何重要这是构建分析所必需的案例标识符，支持对每个独立报告周期的整个期间结账流程进行从头到尾的评估。获取方式这通常是根据 Microsoft Dynamics 365 内财务日历或分类账期间表中的“会计年度”和“期间”字段派生的复合键。示例 2023-122024-012024-Q1FY2023-P12
	最后数据更新 LastDataUpdate	用于指示数据上次从源系统刷新或抽取时间的时间戳。
描述该属性提供正在分析的数据的“截至日期”。它对于理解流程挖掘分析和仪表板的时效性和相关性至关重要。用户依靠此时间戳来了解他们查看的是否是当前可用的最新数据。它通常显眼地显示在仪表板中，以提供有关数据新鲜度的背景。为何重要提供有关数据新鲜度的关键背景信息，让用户了解其流程分析的最新程度。获取方式此值在数据提取、转换和加载 (ETL) 过程中生成并存储。示例 2024-03-15T02:00:00Z2024-03-16T02:00:00Z2024-03-17T02:00:00Z
	源系统 SourceSystem	标识提取数据的信息系统。对于此流程，通常为“Microsoft Dynamics 365”。
描述该属性指定流程数据的来源。在具有多个 ERP 或财务系统的环境中，它有助于区分数据源并确保数据血缘清晰。对于分析而言，它有助于溯源以及创建可能跨越多个系统的模型。它确保任何发现都可以追溯到正确的记录系统，以便进一步调查。为何重要确保数据的可追溯性，并且在多系统环境中对于将流程事件正确归因于其源系统至关重要。获取方式这通常是在数据提取、转换和加载 (ETL) 过程中添加的静态值，用于标记数据集的来源。示例 Microsoft Dynamics 365D365 F&OAX2012
	公司代码 CompanyCode	执行期间结账的法律实体或公司的标识符。
描述公司代码代表组织内一个独立的法律实体。财务数据和结账活动按此代码进行隔离。这是一个关键的分析维度，支持跨实体的绩效对比。它有助于识别哪些公司的结账流程最高效，哪些公司存在困难，从而支持有针对性的改进计划。大多数仪表板（如“整体期间结账周期时间”）都需要按此属性进行细分。为何重要这是一个用于过滤和比较的主要维度，支持分析不同法律实体之间的期间结账绩效。获取方式在 Dynamics 365 中，这对应于“DataAreaId”字段，该字段几乎存在于每个交易表中。示例 USMFDEMFGBSI
	总账科目 GlAccount	活动中涉及的具体总账账号，例如分录过账或对账。
描述总账账户识别受交易影响的会计科目表中的特定账户。它为财务活动提供了精细的细节。该属性对于分析对账绩效和识别有问题的账户至关重要。“结账后调整频率”和“总账账户对账绩效”等仪表板依赖此字段来定位经常调整或对账耗时较长的账户。为何重要允许进行详细的财务分析，有助于精准定位具有高调整率或长对账时间的有问题的账户。获取方式可在 Dynamics 365 的“GeneralJournalAccountEntry”或“LedgerJournalTrans”等总账交易表中找到。示例 110110601500212100
	负责人 ResponsibleUser	执行该活动的个人的用户 ID 或姓名。
描述该属性识别负责执行期间结账流程中特定任务的个人。这可以是过账分录、批准对账或生成报告的人员。按用户分析有助于了解工作量分布、识别培训需求以及评估个人或团队绩效。它是用户生产力和资源管理相关仪表板的关键维度，也是计算“平均用户活动计数方差”KPI 所必需的。为何重要支持分析工作量分布、用户绩效和资源分配，有助于识别超负荷的团队或个人。获取方式对应于 Dynamics 365 交易记录上的“创建者”或“修改者”等字段。用户信息通常在系统管理模块中管理。示例 j.does.smithr.williamsFINANCE_AUTOMATION_BOT
	部门 Department	与活动或执行人员相关的职能部门，例如“财务”、“风控”或“应收付”。
描述部门属性提供了组织背景，将活动链接到特定的业务职能。这可以是过账分录的用户的部门，也可以是负责一组总账账户的部门。在分析中，它用于了解不同部门对期间结账流程的贡献。它有助于识别跨部门交接、延迟和资源瓶颈，并支持“用户工作量与绩效”等仪表板。为何重要提供组织背景，支持按职能区域分析流程性能和工作量分布。获取方式可以从用户配置文件或 Dynamics 365 中与交易关联的财务维度中派生。示例企业会计应付账款FP&A内部审计
	处理时间 ProcessingTime	特定活动的计算持续时间，代表从开始到完成的时间。
描述处理时间（即活动持续时间）衡量执行单个任务所需的时间。计算方法为活动的 EndTime 与 StartTime 之差。该指标是性能分析的核心组成部分。它用于“关键活动周期时间分解”等仪表板中，以突出显示哪些步骤最耗时。它直接支持“平均调整分录处理时间”等 KPI，并有助于在任务级别定位低效环节。为何重要直接衡量单个任务所花费的时间，使其对于识别最耗时的活动和流程瓶颈至关重要。获取方式在数据转换过程中，通过从每个活动的“结束时间”减去“开始时间”计算得出。示例 2小时3天45分钟
	实际完成日期 ActualCompletionDate	财务期间结账流程最后一步实际完成的日期。
描述该属性标记给定财务期间案例的最终结束活动的时间戳，例如“总账期间已关闭”或“财务报表已批准”。这是一个派生属性，对于计算期间结账的整体周期时间至关重要。它还会与 TargetCompletionDate 进行比较，以计算“期间结账按时率”KPI，从而提供明确的时效性衡量标准。为何重要定义每个期间流程的终点，从而能够计算整体周期时间和准时完成 KPI。获取方式通过在事件日志中查找每个 FinancialPeriod case 的最后一条记录活动的时间戳派生得出。示例 2023-01-06T11:00:00Z2023-02-04T18:30:00Z2023-03-07T09:45:00Z
	对账类别 ReconciliationCategory	对正在执行的对账类型进行分类，例如“银行”、“内部往来”或“固定资产”。
描述对账类别根据性质将各个账户对账归入逻辑组。这比查看单个总账账户提供了更高层级的视角。按类别分析有助于识别特定类型对账中的系统性问题。例如，“总账账户对账绩效”仪表板可以借此显示内部往来对账是否始终比银行对账耗时更长，从而指导有针对性的流程改进。为何重要有助于对对账活动进行分类，从而能够进行性能比较并识别特定对账类型中的系统性问题。获取方式此信息可能存储在专门的对账模块中，或者派生自正在对账的总账账户属性。请参考 Microsoft Dynamics 365 文档。示例银行对账内部往来资产负债表 - 预提固定资产辅助账
	是否为关账后调整 IsPostCloseAdjustment	一个计算出的布尔标志，如果在某一期间的试算平衡表编制完成后过账了调整日记账分录，则该标志为 true。
描述该属性专门识别在结账周期后期进行的调整。它会标记在同一财务期间内，“试算平衡表已准备”或“财务报表已批准”里程碑之后发生的任何“已过账调整分录”活动。这是数据质量和流程控制的一个关键指标。它用于计算“结账后调整分录率”KPI，并填充“结账后调整频率”仪表板，帮助识别后期变更的根本原因。为何重要通过识别可能会损害财务报告完整性的延迟调整，突出数据质量和流程控制方面的问题。获取方式在数据转换期间，通过检查每个财务期间 case 内的事件序列计算得出。示例 truefalse
	是否已自动化 IsAutomated	一个布尔标志，指示活动是由系统或自动化机器人执行，还是由人类用户执行。
描述该属性区分期间结账流程中的人工活动和自动活动。这可以识别由自动接口过账的分录或系统生成的报告。分析这一维度有助于了解流程的自动化水平。它可用于衡量自动化带来的效率提升，识别新的自动化机会，并确保自动化步骤按预期运行，没有错误或异常。为何重要有助于衡量自动化对流程的影响，并识别进一步自动化的机会以提高效率。获取方式这通常是通过检查 ResponsibleUser 是否对应于已知的系统或服务账户来派生的。示例 truefalse
	是否返工 IsRework	一个计算出的布尔标志，如果单个 case 内针对同一项目重复了某项活动或一系列活动，则该标志为 true。
描述 “是否返工”标志识别需要重复执行的工作。这可能是在批准后重新打开的对账，或者是被冲销并重新过账的分录。该属性对于量化流程低效和浪费至关重要。它直接为“对账返工率”KPI 和“期间结账返工与偏差”仪表板提供数据，突出显示存在质量问题或程序不明确从而导致重复劳动的环节。为何重要通过标记重复工作来量化流程低效，帮助识别质量问题和程序改进的机会。获取方式此标志是在数据转换期间通过应用逻辑计算得出的，该逻辑检测同一财务期间内同一实体（例如同一总账账户）的重复活动。示例 truefalse
	目标完成日期 TargetCompletionDate	给定财务期间完成结账流程的计划或目标日期。
描述目标完成日期是预期关闭财务期间的截止日期。这通常定义为结账日历或计划的一部分。该属性对于评估计划执行情况至关重要。它是“期间结账按时率”KPI 的基础，该 KPI 将实际完成日期与此目标进行比较。分析与该日期的偏差有助于理解结账流程的可预测性和可靠性。为何重要此属性对于衡量截止日期的绩效至关重要，它能够计算期间关账的准时完成率。获取方式这可能存储在 Dynamics 365 的财务期间或日历配置表中，或者可能需要从外部计划工具中获取。请参考 Microsoft Dynamics 365 文档。示例 2023-01-052023-02-042023-03-06
	结束时间 EndTime	指示具有可衡量持续时间的活动何时结束的时间戳。
描述对于非即时完成的活动（例如对账任务），此时间戳标志着该特定任务的完成。它与开始时间 (EventTime) 相结合，定义了一个离散的持续时间。此属性主要用于计算单个活动的处理时间。它对于“平均调整分录处理时间”等 KPI 以及分析特定任务所用时间细分的仪表板至关重要。为何重要支持计算单个活动的精确处理时间，这是识别特定任务级瓶颈的关键。获取方式这些数据的获取可能具有挑战性。它可能来自状态更改时间戳、ModifiedDateTime 字段，或者是日志中单独的开始/结束事件对。示例 2024-01-02T11:00:00Z2024-01-02T15:30:00Z2024-01-03T10:00:00Z
	记账凭证 ID JournalEntryId	记账分录单据的唯一标识符。
描述记账分录 ID 是分配给总账中每个分录的唯一编号。它充当 Dynamics 365 中源交易的直接链接。虽然并不总是用于高层级流程分析，但对于深入分析和根本原因分析却非常有价值。当发现结账后调整等异常情况时，分析师可以通过此 ID 在源系统中快速定位确切交易，以进行详细调查。为何重要提供指向 ERP 中源交易的直接链接，以便快速深入分析特定记账分录的根本原因。获取方式这对应于 LedgerJournalTable 和 LedgerJournalTrans 等表中的 JournalNumber 字段。示例 JV-001234GENJ005678ACCR-000987
	金额 Amount	与财务交易关联的货币价值，例如记账分录的金额。
描述该属性捕获活动的财务价值。它与分录过账、调整和对账特别相关。在流程挖掘分析中，金额可用于对问题进行优先级排序。例如，分析结账后调整的价值有助于关注高价值的修正。它还允许过滤流程图，以仅查看高价值或低价值的交易流。为何重要为流程事件提供财务背景，支持基于货币影响进行分析，例如优先调查高价值的调整。获取方式可在 Dynamics 365 的“GeneralJournalAccountEntry”等表的“AmountCur”或“TransactionCurrencyAmount”等金额字段中找到。示例 15000.50-250.00125000.00

必填推荐可选

Record to Report - 期间结账与对账活动

这些是需要在事件日志中捕获的关键流程步骤和里程碑，以便准确发现和分析您的财务结账周期。

5 推荐 9 可选

	活动	描述
	总账期间已关闭	流程中的最后一项活动，正式关闭总账期间，防止任何进一步的过账。这是 Dynamics 365 中一个显式且可审计的状态更改。
为何重要作为最终的结束 event，此活动对于计算“平均期间关账周期时间”至关重要。它代表财政期间最终的、不可逆的完成。获取方式从总账日历（LedgerPeriod 实体）中捕获。此 event 是期间状态更改为“已关闭”的时间戳。捕获从审计跟踪中识别 LedgerPeriod 状态字段设置为“已关闭”时的时间戳。事件类型 explicit
	期间结账流程已启动	此活动标志着特定期间财务结账流程的开始。通常从财务结账工作区中结账计划的创建或分类账期间的第一次状态更改中推断出来。
为何重要作为起始 event，它对于衡量总期间关账周期时间至关重要。分析从此 event 开始的时间有助于确定整体流程持续时间以及对计划的遵循情况。获取方式根据“财务关账”配置的创建日期或该财政期间第一个记录的关账任务时间戳推断得出。此数据存在于财务关账工作区实体中。捕获使用财务结账检查清单的创建时间戳，或者该期间任何结账活动的最早时间戳。事件类型 inferred
	试算平衡表已准备	一个关键里程碑，代表所有已知调整均已过账，且初步试算平衡表被认为已准备好供审核。这是一个推断 event，标志着数据录入的完成。
为何重要该活动是生成财务报表前的关键检查点。它划分了数据修正阶段与报告和审查阶段。获取方式这是一个概念性的里程碑。它可以推断为财务报表生成开始前过账的最后一笔调整分录的时间戳。捕获使用在报表生成任务开始前为该期间过账的最后一笔 GeneralJournalEntry 的时间戳。事件类型 inferred
	财务报表已批准	这是最终审批里程碑，表示管理层已审查并签核了该期间的财务报表。通常通过财务结账工作区中的任务来捕获。
为何重要这是一个结束审查阶段的关键业务里程碑。它对于衡量财务报表审查时间和整体流程治理至关重要。获取方式来自财务关账工作区。通过该期间关账核查清单中最终审批任务的完成时间戳捕获。捕获使用财务结账工作区中指定“最终审批”任务的完成时间戳。事件类型 explicit
	账户对账已批准	此活动表示准备好的账户对账已由经理或审核员审核并批准。它通常作为财务结账工作区中任务的最终状态更新来捕获。
为何重要这是一个结束账户对账的重要里程碑。它对于计算“平均对账批准时间”KPI 和识别审批瓶颈至关重要。获取方式来自财务关账工作区任务管理实体。此事件是对账任务状态更改为“已完成”或“已批准”时的时间戳。捕获捕获关账任务状态更新为“已完成”或等效最终状态的时间戳。事件类型 explicit
	内部往来日记账已过账	此活动代表过账分录以对账组织内不同法律实体之间的余额。这是从总账交易日志中捕获的一个显式事件。
为何重要内部往来对账通常是复杂性和延迟的根源。监控此活动有助于衡量“内部往来对账时间”KPI 并精准定位低效环节。获取方式从 GeneralJournalEntry 表中捕获，其中标记了“内部往来”标志或交易涉及内部往来账户。捕获筛选交易类型指示内部往来过账的 GeneralJournalEntry 记录。事件类型 explicit
	子账本已设为暂挂	代表应付账款和应收账款等交易子账本被禁止在该期间过账新交易的时间点。这是通过观察各模块分类账期间的状态更改来捕获的。
为何重要这是一个确保总账工作开始前数据完整性的关键控制点。此处的延迟可能会对整个结账时间表产生连锁反应。获取方式根据每个子账模块的总账日历期间状态推断得出。AP、AR 等模块的状态更改为“挂起”表示此活动已发生。捕获在 LedgerPeriod 实体的审计跟踪中识别状态更改为“挂起”的情况，并按模块进行筛选。事件类型 inferred
	总账期间已重新开启	当之前已关闭的期间被重新打开以过账后期调整时，会发生此异常活动。这是一个从“已关闭”到“暂挂”或“未结”的显式状态更改。
为何重要重新打开期间是偏离标准流程的重大行为，预示着内部控制薄弱或存在重大错误。跟踪其发生频率对于流程改进和合规性至关重要。获取方式从总账日历（LedgerPeriod 实体）中捕获。此 event 是期间状态从“已关闭”更改回非关闭状态的时间戳。捕获从审计跟踪中识别 LedgerPeriod 状态从“已关闭”发生更改时的时间戳。事件类型 explicit
	调整日记账分录已过账	此事件捕获初始对账完成之后但在最终结账之前过账的调整分录。这些是通过特定的分录名称或过账日期识别的显式交易。
为何重要频繁的调整可能表明数据质量或上游流程存在问题。监控这一点有助于衡量“关账后调整分录率”并识别有问题的账户。获取方式来自 GeneralJournalEntry 表。这些是通过筛选具有指定“调整”日记账名称的日记账，或在试算平衡表编制日期之后过账的日记账来识别的。捕获使用特定 JournalName 或相对于其他里程碑的过账日期筛选 GeneralJournalEntry 记录。事件类型 explicit
	财务报表已生成	此活动代表正式财务报告（如损益表和资产负债表）的生成。捕获此事件通常比较困难，因为它涉及运行报告。
为何重要这标志着最终审查周期的开始。从该活动到最终批准的持续时间是衡量管理层审查效率的关键 KPI。获取方式 Financial Reporter（原 Management Reporter）工具的系统日志可能包含此信息。但是，它通常不存储在交易表中，可能需要自定义日志记录。捕获需要分析系统日志或自定义事件捕获。标准实施中可能无法直接使用。事件类型 inferred
	账户对账已开始	代表用户开始针对特定总账账户（如资产负债表账户）的对账任务。这是通过财务结账工作区中任务的状态更改来捕获的。
为何重要此活动是衡量单个账户对账周期时间的起点。它有助于识别哪些账户开始对账所需的时间最长。获取方式来自财务关账工作区任务管理实体。此事件是对账任务状态更改为“进行中”时的时间戳。捕获捕获关账任务状态更新为“进行中”或类似状态的时间戳。事件类型 explicit
	银行对账已完成	此活动表示银行对账已完成并过账。它是通过银行对账记录的状态更改捕获的显式事件。
为何重要这是结账流程中的一个关键里程碑。跟踪其完成情况有助于衡量银行对账周期的吞吐量和持续时间。获取方式根据 BankStatement 实体上的状态更改为“已核对”或相关对账日记账的过账时间戳推断得出。捕获识别 BankStatement 状态字段更新为“已核对”时的时间戳。事件类型 inferred
	银行对账已开始	标记特定银行账户和期间的银行对账流程开始。这是用户创建新银行对账工作表时捕获的显式事件。
为何重要该活动的时间安排是理解银行对账子流程的关键。它是衡量现金对账活动效率的起点。获取方式来自 BankStatement 和 BankStatementLine 表。新银行对账单对账记录的创建时间戳作为事件时间。捕获使用相关财务期间 BankStatement 表上的 CreatedDateTime 字段。事件类型 explicit
	预提日记账已过账	此事件表示过账预提费用和收入的分录。这是从总账交易数据中捕获的显式操作，通过特定的分录名称或类型进行识别。
为何重要跟踪预提的时间和量对于了解结账期间的工作量很重要。它有助于识别在收集这些分录信息时的依赖关系和潜在瓶颈。获取方式从 GeneralJournalEntry 和 GeneralJournalAccountEntry 表中捕获。筛选关账窗口期间过账的交易，且日记账名称指定为预提（如“ACCR”）。捕获按用于预提的特定 JournalName 或 PostingType 筛选 GeneralJournalEntry 记录。事件类型 explicit

推荐可选

提取指南

如何从 Microsoft Dynamics 365 获取您的数据

步骤

前提条件确认：验证您的 Microsoft Dynamics 365 环境是否配置了 Azure Data Lake Link。这可确保在您组织的 Azure 订阅中可以通过查询获取必要的 F&O 数据库表副本。
获取访问权限：获取访问 Azure Data Lake Storage 账户所需的安全凭据和权限。您还需要访问能够针对这些数据运行 SQL 的查询引擎，例如 Azure Synapse Analytics 无服务器 SQL 池或 Azure Databricks。
定位目标表：使用所选的查询工具连接到您的 Data Lake。确定所需 Dynamics 365 表的路径。此次提取的关键表包括 LedgerFiscalPeriod、LedgerPeriodModuleAccessControl、GeneralJournalEntry、GeneralJournalAccountEntry、BankCStmt 和 ClosingSheetTask。
配置 SQL 查询：将提供的 SQL 脚本复制到您的查询编辑器中。找到脚本顶部的配置部分。设置 StartDate、EndDate 和 CompanyFilter 参数以定义提取范围。您还必须更新占位符日记账名称（例如 [Your Accrual Journal Name]），以匹配您组织的特定配置。
执行提取脚本：运行配置好的 SQL 查询。该脚本旨在将来自多个源表的事件合并为统一的事件日志格式。它将收集所有 14 个指定活动的数据并进行并集处理。
核查初步结果：查询完成后，对输出结果进行快速核查。检查行数在所选时间段内是否合理，以及 FinancialPeriod、ActivityName 和 EventTime 等关键列是否按预期填充。
导出事件日志：将查询结果导出为 CSV 文件格式。确保文件使用 UTF-8 编码以防止字符问题。
准备上传：在上传到 Process Mining 工具之前，确认导出的 CSV 文件中的列标题与要求的属性名称完全一致：FinancialPeriod、ActivityName、EventTime、SourceSystem、LastDataUpdate、ResponsibleUser、CompanyCode、Department 和 GlAccount。

配置

日期范围：建议提取至少 6 到 12 个已关账财政期间的数据，以识别趋势和重复模式。在查询中使用 StartDate 和 EndDate 变量定义此范围。
公司代码筛选器：使用 CompanyFilter 变量（对应于 DataAreaId 字段）将提取范围限制在特定的法人实体。一次性为所有公司运行查询可能会非常消耗资源。
日记账名称配置：对“预提日记账已过账”、“内部往来日记账已过账”和“调整日记账分录已过账”等活动的识别取决于 Dynamics 365 设置中使用的特定日记账名称。您必须将查询中的占位符值（例如 [Your Accrual Journal Name]）替换为您组织用于这些目的的实际日记账名称。
财务关账工作区：多项活动（如“账户对账已开始”和“财务报表已批准”）依赖于 Dynamics 365 中财务关账工作区的使用。如果未使用此模块，则不会提取这些活动。
前提条件：此方法要求启用并完全同步 Dynamics 365 的 Azure Data Lake Link。执行查询的用户或服务主体必须拥有对 Data Lake 存储的读取权限。

a 查询示例 sql

WITH Config AS (
    -- Configuration: Set the start date, end date, and company code filter for the extraction.
    SELECT
        CAST('2023-01-01' AS DATETIME) AS StartDate,
        CAST('2023-12-31' AS DATETIME) AS EndDate,
        'USMF' AS CompanyFilter -- Replace 'USMF' with your target company code (DataAreaId)
),
AllEvents AS (
    -- 1. Period Close Process Initiated
    -- Inferred from the first recorded action on a fiscal period module within the date range.
    SELECT
        FORMAT(lpmac.MODIFIEDDATETIME, 'yyyy-MM') AS FinancialPeriod,
        'Period Close Process Initiated' AS ActivityName,
        MIN(lpmac.MODIFIEDDATETIME) AS EventTime,
        lpmac.MODIFIEDBY AS ResponsibleUser,
        lpmac.DATAREAID AS CompanyCode,
        NULL AS Department,
        NULL AS GlAccount
    FROM LedgerPeriodModuleAccessControl lpmac
    JOIN Config ON lpmac.DATAREAID = Config.CompanyFilter AND lpmac.MODIFIEDDATETIME BETWEEN Config.StartDate AND Config.EndDate
    GROUP BY FORMAT(lpmac.MODIFIEDDATETIME, 'yyyy-MM'), lpmac.MODIFIEDBY, lpmac.DATAREAID

    UNION ALL

    -- 2. Subledgers Placed On Hold
    -- Captures when modules like Accounts Payable (Vend) and Accounts Receivable (Cust) are put on hold.
    SELECT
        FORMAT(lpmac.MODIFIEDDATETIME, 'yyyy-MM') AS FinancialPeriod,
        'Subledgers Placed On Hold' AS ActivityName,
        lpmac.MODIFIEDDATETIME AS EventTime,
        lpmac.MODIFIEDBY AS ResponsibleUser,
        lpmac.DATAREAID AS CompanyCode,
        NULL AS Department,
        NULL AS GlAccount
    FROM LedgerPeriodModuleAccessControl lpmac
    JOIN Config ON lpmac.DATAREAID = Config.CompanyFilter AND lpmac.MODIFIEDDATETIME BETWEEN Config.StartDate AND Config.EndDate
    WHERE lpmac.ACCESSLEVEL = 2 -- 2 corresponds to 'On hold'
      AND lpmac.MODULENUMBER IN (2, 3) -- 2 for 'Cust', 3 for 'Vend'. Adjust if needed.

    UNION ALL

    -- 3. Accrual Journals Posted
    -- Captured from General Journal Entries with a specific journal name for accruals.
    SELECT 
        FORMAT(gje.ACCOUNTINGDATE, 'yyyy-MM') AS FinancialPeriod,
        'Accrual Journals Posted' AS ActivityName,
        gje.CREATEDDATETIME AS EventTime,
        gje.CREATEDBY AS ResponsibleUser,
        gje.LEDGER_DATAREAID AS CompanyCode,
        NULL AS Department,
        gjae.LEDGERACCOUNT AS GlAccount
    FROM GeneralJournalEntry gje
    JOIN GeneralJournalAccountEntry gjae ON gje.RECID = gjae.GENERALJOURNALENTRY
    JOIN Config ON gje.LEDGER_DATAREAID = Config.CompanyFilter AND gje.ACCOUNTINGDATE BETWEEN Config.StartDate AND Config.EndDate
    WHERE gje.JOURNALNAME = '[Your Accrual Journal Name]' -- !! IMPORTANT: Replace with your actual journal name for accruals

    UNION ALL

    -- 4. Intercompany Journals Posted
    -- Captured from General Journal Entries with a specific journal name for intercompany transactions.
    SELECT 
        FORMAT(gje.ACCOUNTINGDATE, 'yyyy-MM') AS FinancialPeriod,
        'Intercompany Journals Posted' AS ActivityName,
        gje.CREATEDDATETIME AS EventTime,
        gje.CREATEDBY AS ResponsibleUser,
        gje.LEDGER_DATAREAID AS CompanyCode,
        NULL AS Department,
        gjae.LEDGERACCOUNT AS GlAccount
    FROM GeneralJournalEntry gje
    JOIN GeneralJournalAccountEntry gjae ON gje.RECID = gjae.GENERALJOURNALENTRY
    JOIN Config ON gje.LEDGER_DATAREAID = Config.CompanyFilter AND gje.ACCOUNTINGDATE BETWEEN Config.StartDate AND Config.EndDate
    WHERE gje.JOURNALNAME = '[Your Intercompany Journal Name]' -- !! IMPORTANT: Replace with your actual journal name for intercompany postings

    UNION ALL

    -- 5. Bank Reconciliation Started
    -- The creation of a bank reconciliation statement record.
    SELECT 
        FORMAT(bs.CREATEDDATETIME, 'yyyy-MM') AS FinancialPeriod,
        'Bank Reconciliation Started' AS ActivityName,
        bs.CREATEDDATETIME AS EventTime,
        bs.CREATEDBY AS ResponsibleUser,
        bs.DATAREAID AS CompanyCode,
        NULL AS Department,
        bs.ACCOUNTID AS GlAccount
    FROM BankCStmt bs
    JOIN Config ON bs.DATAREAID = Config.CompanyFilter AND bs.CREATEDDATETIME BETWEEN Config.StartDate AND Config.EndDate

    UNION ALL

    -- 6. Bank Reconciliation Completed
    -- When a bank reconciliation is marked as reconciled.
    SELECT 
        FORMAT(bs.RECONCILEDATE, 'yyyy-MM') AS FinancialPeriod,
        'Bank Reconciliation Completed' AS ActivityName,
        bs.MODIFIEDDATETIME AS EventTime,
        bs.MODIFIEDBY AS ResponsibleUser,
        bs.DATAREAID AS CompanyCode,
        NULL AS Department,
        bs.ACCOUNTID AS GlAccount
    FROM BankCStmt bs
    JOIN Config ON bs.DATAREAID = Config.CompanyFilter AND bs.MODIFIEDDATETIME BETWEEN Config.StartDate AND Config.EndDate
    WHERE bs.RECONCILE = 1 -- 1 typically means 'Reconciled'

    UNION ALL

    -- 7. Account Reconciliation Started & 8. Account Reconciliation Approved
    -- Captured from the Financial Close Workspace task statuses.
    SELECT 
        FORMAT(cst.DUEDATE, 'yyyy-MM') AS FinancialPeriod,
        CASE cst.STATUS
            WHEN 1 THEN 'Account Reconciliation Started'   -- 1 for 'In progress', adjust status value if needed
            WHEN 3 THEN 'Account Reconciliation Approved'  -- 3 for 'Completed' or 'Approved', adjust status value
        END AS ActivityName,
        cst.MODIFIEDDATETIME AS EventTime,
        cst.MODIFIEDBY AS ResponsibleUser,
        cst.DATAREAID AS CompanyCode,
        cst.RESPONSIBLEDEPARTMENT AS Department,
        cst.ACCOUNTDISPLAYVALUE AS GlAccount
    FROM ClosingSheetTask cst
    JOIN Config ON cst.DATAREAID = Config.CompanyFilter AND cst.MODIFIEDDATETIME BETWEEN Config.StartDate AND Config.EndDate
    WHERE cst.TASKDESCRIPTION LIKE '%Reconcile%'
      AND cst.STATUS IN (1, 3)

    UNION ALL

    -- 9. Adjusting Journal Entries Posted
    -- Captured from General Journal Entries with a specific journal name for adjustments.
    SELECT 
        FORMAT(gje.ACCOUNTINGDATE, 'yyyy-MM') AS FinancialPeriod,
        'Adjusting Journal Entries Posted' AS ActivityName,
        gje.CREATEDDATETIME AS EventTime,
        gje.CREATEDBY AS ResponsibleUser,
        gje.LEDGER_DATAREAID AS CompanyCode,
        NULL AS Department,
        gjae.LEDGERACCOUNT AS GlAccount
    FROM GeneralJournalEntry gje
    JOIN GeneralJournalAccountEntry gjae ON gje.RECID = gjae.GENERALJOURNALENTRY
    JOIN Config ON gje.LEDGER_DATAREAID = Config.CompanyFilter AND gje.ACCOUNTINGDATE BETWEEN Config.StartDate AND Config.EndDate
    WHERE gje.JOURNALNAME = '[Your Adjustment Journal Name]' -- !! IMPORTANT: Replace with your actual journal name for adjustments

    UNION ALL

    -- 10. Trial Balance Prepared
    -- Inferred as the time of the last general journal posting for the period before the close.
    SELECT 
        FORMAT(gje.ACCOUNTINGDATE, 'yyyy-MM') AS FinancialPeriod,
        'Trial Balance Prepared' AS ActivityName,
        MAX(gje.CREATEDDATETIME) AS EventTime,
        MAX(gje.CREATEDBY) AS ResponsibleUser,
        gje.LEDGER_DATAREAID AS CompanyCode,
        NULL AS Department,
        NULL AS GlAccount
    FROM GeneralJournalEntry gje
    JOIN Config ON gje.LEDGER_DATAREAID = Config.CompanyFilter AND gje.ACCOUNTINGDATE BETWEEN Config.StartDate AND Config.EndDate
    GROUP BY FORMAT(gje.ACCOUNTINGDATE, 'yyyy-MM'), gje.LEDGER_DATAREAID

    UNION ALL

    -- 11. Financial Statements Generated & 12. Financial Statements Approved
    -- Captured from tasks in the Financial Close Workspace.
    SELECT 
        FORMAT(cst.DUEDATE, 'yyyy-MM') AS FinancialPeriod,
        CASE
            WHEN cst.TASKDESCRIPTION LIKE '%Generate Financial Statement%' AND cst.STATUS = 3 THEN 'Financial Statements Generated'
            WHEN cst.TASKDESCRIPTION LIKE '%Approve Financial Statement%' AND cst.STATUS = 3 THEN 'Financial Statements Approved'
        END AS ActivityName,
        cst.MODIFIEDDATETIME AS EventTime,
        cst.MODIFIEDBY AS ResponsibleUser,
        cst.DATAREAID AS CompanyCode,
        cst.RESPONSIBLEDEPARTMENT AS Department,
        NULL AS GlAccount
    FROM ClosingSheetTask cst
    JOIN Config ON cst.DATAREAID = Config.CompanyFilter AND cst.MODIFIEDDATETIME BETWEEN Config.StartDate AND Config.EndDate
    WHERE cst.TASKDESCRIPTION LIKE '%Financial Statement%'
      AND cst.STATUS = 3 -- 3 for 'Completed', assumes completion implies generation/approval

    UNION ALL

    -- 13. GL Period Closed
    -- The final closing of the General Ledger period.
    SELECT
        FORMAT(lfp.ENDDATE, 'yyyy-MM') AS FinancialPeriod,
        'GL Period Closed' AS ActivityName,
        lfp.MODIFIEDDATETIME AS EventTime,
        lfp.MODIFIEDBY AS ResponsibleUser,
        lfp.DATAREAID AS CompanyCode,
        NULL AS Department,
        NULL AS GlAccount
    FROM LedgerFiscalPeriod lfp
    JOIN Config ON lfp.DATAREAID = Config.CompanyFilter AND lfp.MODIFIEDDATETIME BETWEEN Config.StartDate AND Config.EndDate
    WHERE lfp.STATUS = 2 -- 2 corresponds to 'Closed'
      AND lfp.TYPE = 1 -- 1 corresponds to 'Operating'

    UNION ALL

    -- 14. GL Period Re-Opened
    -- When a previously closed period is set back to 'On Hold' or 'Open'.
    SELECT
        FORMAT(lfp.ENDDATE, 'yyyy-MM') AS FinancialPeriod,
        'GL Period Re-Opened' AS ActivityName,
        lfp.MODIFIEDDATETIME AS EventTime,
        lfp.MODIFIEDBY AS ResponsibleUser,
        lfp.DATAREAID AS CompanyCode,
        NULL AS Department,
        NULL AS GlAccount
    FROM LedgerFiscalPeriod lfp
    JOIN Config ON lfp.DATAREAID = Config.CompanyFilter AND lfp.MODIFIEDDATETIME BETWEEN Config.StartDate AND Config.EndDate
    WHERE lfp.STATUS IN (1, 3) -- 1 is 'On Hold', 3 is 'Open'
      AND lfp.TYPE = 1 -- 'Operating'
      AND EXISTS (
          -- This logic is complex; a simpler check is to assume any modification to Open/On Hold after a close is a reopen.
          -- A more robust solution requires change tracking, which is outside a simple SQL query.
          SELECT 1 FROM LedgerFiscalPeriod prev_status
          WHERE prev_status.RECID = lfp.RECID AND prev_status.MODIFIEDDATETIME < lfp.MODIFIEDDATETIME
      )
)
SELECT
    FinancialPeriod,
    ActivityName,
    EventTime,
    'Microsoft Dynamics 365' AS SourceSystem,
    GETUTCDATE() AS LastDataUpdate,
    ResponsibleUser,
    CompanyCode,
    Department,
    GlAccount
FROM AllEvents
WHERE ActivityName IS NOT NULL;

步骤

前提条件与环境设置：确保安装了 Python 3.6 或更高版本，以及 pandas 和 requests 库。您可以使用 pip 安装它们：pip install pandas requests。在 Azure Active Directory (Azure AD) 中为您 Dynamics 365 实例注册一个应用程序，并授予其读取财务数据的相应 API 权限。获取该应用程序的租户 ID、客户端 ID 和客户端机密。
配置脚本参数：打开 Python 脚本并找到顶部的配置部分。使用您的 D365 基准 URL、Azure AD 租户 ID、客户端 ID 和客户端机密填充占位符。定义 START_DATE、END_DATE 和 COMPANY_CODE（D365 中的 DataAreaId）以限定数据提取范围。
实现身份认证：脚本包含一个函数，用于使用提供的凭据从 Azure AD 获取 OAuth 2.0 访问令牌。此令牌将用于验证随后发往 D365 OData 终点的所有 API 请求。
定义数据提取函数：脚本结构包含一个主数据获取函数 get_d365_data，用于处理 API 调用，包括通过遵循 API 响应中提供的 @odata.nextLink 进行自动分页。这确保了检索到给定查询的所有记录。
执行特定活动的查询：对于 14 个所需活动中的每一个，脚本都定义了一个特定函数（例如 extract_gl_period_events、extract_journal_postings）。每个函数使用 $select 指定列，并使用 $filter 构建针对性的 OData 查询，以将结果缩小到相关事件，例如状态更改或特定日记账名称。
获取并合并数据：脚本的主体部分按顺序调用每个提取函数。每个函数返回一个格式符合事件日志结构的 pandas DataFrame。这些单独的 DataFrame 随后被收集到一个列表中。
将数据标准化为事件日志：提取所有数据后，脚本将 DataFrame 列表连接成一个单一、统一的事件日志。它会添加静态列，如 SourceSystem 和 LastDataUpdate（设置为脚本的执行时间）。
处理推断事件：脚本通过基于该财政期间最后一次“调整日记账分录已过账”的时间戳创建事件，来处理诸如“试算平衡表已编制”之类的推断活动。这种逻辑确保了即使没有直接的系统记录也能捕捉到里程碑。
数据类型转换与清洗：脚本确保 EventTime 列处于正确的日期时间格式，并且其他列具有适当的数据类型。它还从 EventTime 列派生 FinancialPeriod，格式化为“YYYY-MM”。
导出为 CSV：最后，脚本将完整的事件日志 DataFrame 保存到名为 d365_period_close_event_log.csv 的 CSV 文件中。此文件格式已针对直接上传到 Process Mining 工具进行了优化。

配置

身份认证：需要在 Azure AD 中注册应用程序，并生成客户端 ID 和客户端机密。该应用程序需要“Dynamics ERP”的委派用户权限才能访问 OData API。
D365 终结点 URL：脚本中的 D365_BASE_URL 变量必须设置为您组织特定的 Dynamics 365 Finance and Operations URL，例如 https://your-d365-environment.operations.dynamics.com。
日期范围：设置 START_DATE 和 END_DATE 变量以定义提取窗口。建议从较小的时间范围（如 3-6 个月）开始，以便管理数据量和 API 性能。
公司代码筛选器：COMPANY_CODE 变量必须设置为您要分析其期间关账流程的法人实体标识符（在 D365 中称为 DataAreaId）。该脚本设计为每次运行一个公司代码。
日记账名称筛选器：脚本使用诸如“ACCRUAL”、“INTERCO”和“ADJUST”之类的占位日记账名称来识别特定的日记账过账活动。这些必须更新为与 D365 配置中使用的确切日记账名称一致。
财务关账工作区：对账任务（“账户对账已开始”、“账户对账已批准”）的提取假设使用了与财务关账工作区相关的特定实体，例如 ClosingSheet。可能需要根据您的具体实现调整实体名称。

a 查询示例 python

import requests
import pandas as pd
from datetime import datetime
import time

class=class="hl-string">"hl-comment"># --- CONFIGURATION --- 
D365_BASE_URL = class="hl-string">"https://[your-d365-environment].operations.dynamics.com"
TENANT_ID = class="hl-string">"[your-tenant-id]"
CLIENT_ID = class="hl-string">"[your-client-id]"
CLIENT_SECRET = class="hl-string">"[your-client-secret]"

class=class="hl-string">"hl-comment"># --- PARAMETERS ---
START_DATE = class="hl-string">"2023-01-01"
END_DATE = class="hl-string">"2023-12-31"
COMPANY_CODE = class="hl-string">"[YourCompanyCode]" class=class="hl-string">"hl-comment"># e.g., class="hl-string">'USMF'

class=class="hl-string">"hl-comment"># --- Function to get Access Token ---
def get_access_token():
    url = fclass="hl-string">"https://login.microsoftonline.com/{TENANT_ID}/oauth2/v2.0/token"
    payload = {
        class="hl-string">'grant_type': class="hl-string">'client_credentials',
        class="hl-string">'client_id': CLIENT_ID,
        class="hl-string">'client_secret': CLIENT_SECRET,
        class="hl-string">'scope': fclass="hl-string">"{D365_BASE_URL}/.default"
    }
    response = requests.post(url, data=payload)
    response.raise_for_status()
    return response.json()[class="hl-string">'access_token']

class=class="hl-string">"hl-comment"># --- Generic function to get data from D365 OData ---
def get_d365_data(entity_name, select_fields, filter_query, access_token):
    all_records = []
    api_url = fclass="hl-string">"{D365_BASE_URL}/data/{entity_name}?$select={select_fields}&$filter={filter_query}&cross-company=true"
    headers = {
        class="hl-string">'Authorization': fclass="hl-string">'Bearer {access_token}',
        class="hl-string">'Content-Type': class="hl-string">'application/json'
    }
    
    while api_url:
        try:
            response = requests.get(api_url, headers=headers)
            response.raise_for_status()
            data = response.json()
            all_records.extend(data[class="hl-string">'value'])
            api_url = data.get(class="hl-string">'@odata.nextLink')
            time.sleep(0.1) class=class="hl-string">"hl-comment"># Small delay to be respectful to the API
        except requests.exceptions.HTTPError as err:
            print(fclass="hl-string">"HTTP Error fetching {entity_name}: {err}")
            print(fclass="hl-string">"Response content: {err.response.text}")
            break

    return pd.DataFrame(all_records)

class=class="hl-string">"hl-comment"># --- Activity Extraction Functions ---

def extract_gl_period_events(token):
    print(class="hl-string">"Extracting GL Period status changes...")
    entity = class="hl-string">"LedgerFiscalCalendarPeriods"
    fields = class="hl-string">"LedgerFiscalCalendarId,PeriodName,Status,ModifiedDateTime,ModifiedBy,LegalEntityId"
    filters = fclass="hl-string">"ModifiedDateTime ge {START_DATE}T00:00:00Z and ModifiedDateTime le {END_DATE}T23:59:59Z and LegalEntityId eq '{COMPANY_CODE}'"
    df = get_d365_data(entity, fields, filters, token)
    if df.empty:
        return pd.DataFrame()

    df.rename(columns={class="hl-string">'ModifiedDateTime': class="hl-string">'EventTime', class="hl-string">'ModifiedBy': class="hl-string">'ResponsibleUser', class="hl-string">'LegalEntityId': class="hl-string">'CompanyCode'}, inplace=True)
    df[class="hl-string">'FinancialPeriod'] = pd.to_datetime(df[class="hl-string">'EventTime']).dt.strftime(class="hl-string">'%Y-%m')
    
    class=class="hl-string">"hl-comment"># Map status to activities
    activity_map = {
        class="hl-string">'OnHold': [class="hl-string">'Period Close Process Initiated', class="hl-string">'Subledgers Placed On Hold'],
        class="hl-string">'Closed': [class="hl-string">'GL Period Closed'],
        class="hl-string">'Open': [class="hl-string">'GL Period Re-Opened'] class=class="hl-string">"hl-comment"># Assuming re-open moves from Closed to Open
    }
    
    event_dfs = []
    for status, activities in activity_map.items():
        for activity in activities:
            temp_df = df[df[class="hl-string">'Status'] == status].copy()
            temp_df[class="hl-string">'ActivityName'] = activity
            event_dfs.append(temp_df)

    result_df = pd.concat(event_dfs, ignore_index=True)
    return result_df[[class="hl-string">'FinancialPeriod', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'ResponsibleUser', class="hl-string">'CompanyCode']]

def extract_journal_postings(token):
    print(class="hl-string">"Extracting Journal Postings...")
    entity = class="hl-string">"GeneralJournalAccountEntryEntities"
    fields = class="hl-string">"JournalNumber,JournalCategory,PostingLayer,AccountingDate,CreatedBy,CompanyCode,LedgerAccount"
    filters = fclass="hl-string">"AccountingDate ge {START_DATE} and AccountingDate le {END_DATE} and CompanyCode eq '{COMPANY_CODE}'"
    df = get_d365_data(entity, fields, filters, token)
    if df.empty:
        return pd.DataFrame()
    
    df.rename(columns={class="hl-string">'AccountingDate': class="hl-string">'EventTime', class="hl-string">'CreatedBy': class="hl-string">'ResponsibleUser', class="hl-string">'LedgerAccount': class="hl-string">'GlAccount'}, inplace=True)
    df[class="hl-string">'FinancialPeriod'] = pd.to_datetime(df[class="hl-string">'EventTime']).dt.strftime(class="hl-string">'%Y-%m')

    class=class="hl-string">"hl-comment"># Placeholder journal categories, update based on your setup
    journal_map = {
        class="hl-string">'Allocation': class="hl-string">'Accrual Journals Posted', class=class="hl-string">"hl-comment"># Example mapping
        class="hl-string">'Intercompany': class="hl-string">'Intercompany Journals Posted',
        class="hl-string">'Adjustment': class="hl-string">'Adjusting Journal Entries Posted' class=class="hl-string">"hl-comment"># Example mapping
    }
    
    df[class="hl-string">'ActivityName'] = df[class="hl-string">'JournalCategory'].map(journal_map)
    result_df = df.dropna(subset=[class="hl-string">'ActivityName'])
    return result_df[[class="hl-string">'FinancialPeriod', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'ResponsibleUser', class="hl-string">'CompanyCode', class="hl-string">'GlAccount']]

def extract_bank_reconciliations(token):
    print(class="hl-string">"Extracting Bank Reconciliations...")
    entity = class="hl-string">"BankReconciliationHeaders"
    fields = class="hl-string">"ReconciliationDate,ReconciliationStatus,CreatedDateTime,CreatedBy,DataAreaId,BankAccount"
    filters = fclass="hl-string">"CreatedDateTime ge {START_DATE}T00:00:00Z and CreatedDateTime le {END_DATE}T23:59:59Z and DataAreaId eq '{COMPANY_CODE}'"
    df = get_d365_data(entity, fields, filters, token)
    if df.empty:
        return pd.DataFrame()
    
    df.rename(columns={class="hl-string">'DataAreaId': class="hl-string">'CompanyCode', class="hl-string">'BankAccount': class="hl-string">'GlAccount'}, inplace=True)

    class=class="hl-string">"hl-comment"># Started event
    started_df = df.copy()
    started_df[class="hl-string">'ActivityName'] = class="hl-string">'Bank Reconciliation Started'
    started_df[class="hl-string">'EventTime'] = started_df[class="hl-string">'CreatedDateTime']
    started_df[class="hl-string">'ResponsibleUser'] = started_df[class="hl-string">'CreatedBy']
    started_df[class="hl-string">'FinancialPeriod'] = pd.to_datetime(started_df[class="hl-string">'EventTime']).dt.strftime(class="hl-string">'%Y-%m')

    class=class="hl-string">"hl-comment"># Completed event
    completed_df = df[df[class="hl-string">'ReconciliationStatus'] == class="hl-string">'Reconciled'].copy()
    completed_df[class="hl-string">'ActivityName'] = class="hl-string">'Bank Reconciliation Completed'
    completed_df[class="hl-string">'EventTime'] = completed_df[class="hl-string">'ReconciliationDate'] class=class="hl-string">"hl-comment"># Using ReconciliationDate as completion time
    completed_df[class="hl-string">'ResponsibleUser'] = completed_df[class="hl-string">'CreatedBy']
    completed_df[class="hl-string">'FinancialPeriod'] = pd.to_datetime(completed_df[class="hl-string">'EventTime']).dt.strftime(class="hl-string">'%Y-%m')
    
    result_df = pd.concat([started_df, completed_df], ignore_index=True)
    return result_df[[class="hl-string">'FinancialPeriod', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'ResponsibleUser', class="hl-string">'CompanyCode', class="hl-string">'GlAccount']]

def extract_close_workspace_tasks(token):
    print(class="hl-string">"Extracting Close Workspace Tasks (placeholder)...")
    class=class="hl-string">"hl-comment"># This is a placeholder. The entity name class="hl-string">'ClosingSheetTasks' might be different in your system.
    class=class="hl-string">"hl-comment"># Common entities: ClosingSheet, FinancialPeriodCloseWorkspace, ClosingSheetTasks
    entity = class="hl-string">"[FinancialCloseTaskEntity]"
    fields = class="hl-string">"TaskDescription,Status,ModifiedDateTime,ModifiedBy,DataAreaId,MainAccount"
    filters = fclass="hl-string">"ModifiedDateTime ge {START_DATE}T00:00:00Z and ModifiedDateTime le {END_DATE}T23:59:59Z and DataAreaId eq '{COMPANY_CODE}'"
    class=class="hl-string">"hl-comment"># df = get_d365_data(entity, fields, filters, token)
    class=class="hl-string">"hl-comment"># if df.empty:
    class=class="hl-string">"hl-comment">#     return pd.DataFrame()
    class=class="hl-string">"hl-comment"># For demonstration, creating a dummy dataframe
    print(fclass="hl-string">"SKIPPING: Entity '{entity}' not queried. This requires system-specific entity name.")
    return pd.DataFrame()

class=class="hl-string">"hl-comment"># --- Main Execution Logic ---
if __name__ == class="hl-string">"__main__":
    print(class="hl-string">"Starting D365 Period Close data extraction...")
    access_token = get_access_token()
    all_events = []

    all_events.append(extract_gl_period_events(access_token))
    all_events.append(extract_journal_postings(access_token))
    all_events.append(extract_bank_reconciliations(access_token))
    all_events.append(extract_close_workspace_tasks(access_token)) class=class="hl-string">"hl-comment"># Placeholder call

    event_log = pd.concat([df for df in all_events if not df.empty], ignore_index=True)
    
    class=class="hl-string">"hl-comment"># --- Handle Inferred and Missing Events ---
    if not event_log.empty and class="hl-string">'Adjusting Journal Entries Posted' in event_log[class="hl-string">'ActivityName'].values:
        print(class="hl-string">"Inferring 'Trial Balance Prepared' events...")
        adj_journals = event_log[event_log[class="hl-string">'ActivityName'] == class="hl-string">'Adjusting Journal Entries Posted'].copy()
        adj_journals[class="hl-string">'EventTime'] = pd.to_datetime(adj_journals[class="hl-string">'EventTime'])
        class=class="hl-string">"hl-comment"># Infer as last adjusting entry per period
        trial_balance_events = adj_journals.loc[adj_journals.groupby(class="hl-string">'FinancialPeriod')[class="hl-string">'EventTime'].idxmax()]
        trial_balance_events[class="hl-string">'ActivityName'] = class="hl-string">'Trial Balance Prepared'
        event_log = pd.concat([event_log, trial_balance_events], ignore_index=True)

    class=class="hl-string">"hl-comment"># Placeholder for class="hl-string">'Financial Statements Generated' and class="hl-string">'Approved'
    class=class="hl-string">"hl-comment"># These are often manual or hard to track. A common approach is to infer them based on the final closing date.

    class=class="hl-string">"hl-comment"># --- Final Formatting ---
    if not event_log.empty:
        event_log[class="hl-string">'SourceSystem'] = class="hl-string">'Microsoft Dynamics 365'
        event_log[class="hl-string">'LastDataUpdate'] = datetime.utcnow().isoformat() + class="hl-string">'Z'
        
        class=class="hl-string">"hl-comment"># Standardize columns
        final_cols = [class="hl-string">'FinancialPeriod', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate', 
                        class="hl-string">'ResponsibleUser', class="hl-string">'CompanyCode', class="hl-string">'Department', class="hl-string">'GlAccount']
        for col in final_cols:
            if col not in event_log.columns:
                event_log[col] = None

        event_log = event_log[final_cols]
        event_log.sort_values(by=[class="hl-string">'FinancialPeriod', class="hl-string">'EventTime'], inplace=True)

        class=class="hl-string">"hl-comment"># Save to CSV
        output_filename = class="hl-string">'d365_period_close_event_log.csv'
        event_log.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%SZ')
        print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")
    else:
        print(class="hl-string">"No events found for the specified criteria.")

您的 Record to Report - 期间结账与对账数据模板

您的 Record to Report - 期间结账与对账数据模板

Record to Report - 期间结账与对账属性

Record to Report - 期间结账与对账活动

提取指南

通过 Azure Data Lake 集成的直接 SQL 查询

步骤

配置

a 查询示例 sql

通过 D365 OData API 的 Python 脚本提取

步骤

配置

a 查询示例 python

准备好开始了吗？

加速您的 R2R（记录到报告）期间关账与对账

您的 Record to Report - 期间结账与对账数据模板

您的 Record to Report - 期间结账与对账数据模板

Record to Report - 期间结账与对账属性

Record to Report - 期间结账与对账活动

提取指南

通过 Azure Data Lake 集成的直接 SQL 查询

步骤

配置

a 查询示例 sql

通过 D365 OData API 的 Python 脚本提取

步骤

配置

a 查询示例 python

我们重视您的隐私

准备好开始了吗？

加速您的 R2R（记录到报告）期间关账与对账