您的支付处理数据模板

Adyen

← 返回改进指南

支付处理属性 (20) 支付处理活动 (16) 提取指南 (2)

您的支付处理数据模板

本模板为收集 Adyen 支付处理分析所需的数据提供了全面指南。它列出了所有必须追踪的关键数据属性和流程活动，并附带了实用的数据提取说明。使用本模板可确保您捕获到有效进行流程挖掘所需的所有关键信息。

建议收集的属性
需要追踪的关键活动
实用的 Adyen 数据提取指南

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

支付处理属性

为了对 Adyen 内部的支付处理进行全面分析，建议在事件日志中包含以下数据字段。

5 必填 7 推荐 8 可选

	名称	描述
	事件timestamp EventDate	特定支付活动发生的日期和时间。
描述此属性记录事件（如授权或结算）在系统中登记的精确时间戳。它确保了单个 case 内部活动的按序排列。在分析中，这对于计算周期时间、识别瓶颈以及确定系统随时间变化的吞吐量至关重要。它支撑着所有基于时间的 KPI，如“整体支付周期”。为何重要对于 event 排序和计算所有基于时长的指标至关重要。获取方式 Adyen 通知 Webhooks 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引用标识符。
描述此属性是 Adyen 生态系统内整个支付生命周期的主键。它将最初的支付请求与后续事件（如授权、请款、结算以及可能的退款或拒付）关联起来。在分析中，该 ID 用于将分散的事件归集到同一个 case 中，从而实现端到端流程还原。它允许分析师追踪一笔支付从顾客发起直到最终财务结算的完整旅程。为何重要它是将离散的 event 关联为单个流程实例进行挖掘的基础纽带。获取方式 Adyen 支付响应中的 'pspReference'，或结算明细报告中的 'PSP Reference' 列。示例 851564567890123479145612345678908825641234567890
	活动名称 EventCode	支付生命周期中发生的特定阶段或动作。
描述此属性定义发生的特定事件，例如授权 (AUTHORISATION)、请款 (CAPTURE) 或退款 (REFUND)。它决定了流程图中的节点以及交易的流向。在分析中，这些代码被转换为易于理解的活动名称，以实现流程流向的可视化。这些代码序列的差异体现了不同的流程路径，例如直通式处理与异常处理的对比。为何重要定义流程挖掘模型中的“具体事项”，实现流程流向的可视化。获取方式 Adyen 通知 Webhooks 的 'eventCode' 字段。示例 AUTHORISATIONCAPTURE退款CANCELLATIONCHARGEBACK
	最后数据更新 LastDataUpdate	记录上次提取或刷新的时间戳。
描述此属性表示流程挖掘模型中数据的新鲜度。它能帮助用户明确当前查看的是实时数据还是历史快照。在分析中，这主要是一个技术字段，用于数据治理和验证数据 pipeline 是否运行正常。为何重要用于追踪数据新鲜度的技术字段。获取方式提取时的系统时间。示例 2023-10-30T12:00:00Z
	源系统 SourceSystem	数据来源系统的名称。
描述此静态属性标识记录源自 Adyen。在多系统流程挖掘（例如结合 Adyen 与 SAP）中，这对于数据溯源至关重要。在分析中，它允许用户过滤出特定发生在支付网关内的活动，以便与 ERP 或订单管理系统中的活动进行区分。为何重要对于多系统 Process Mining 中的数据血缘分析至关重要。获取方式提取过程中的静态值。示例 AdyenAdyen_Production
	交易金额 PaymentAmount	支付交易的货币金额。
描述此属性代表与交易相关的财务金额。在原始数据中通常以最小单位（如分）存储，但在报告中应进行换算。在分析中，它支撑着“支付吞吐量”仪表板，并有助于确定高额返工案例的优先级。它还用于计算总处理量以及失败交易带来的财务影响。为何重要对于财务影响分析和吞吐量监控是必需的。获取方式 Adyen 支付请求中的 'amount.value'。示例 10005509900
	付款方式 PaymentMethod	顾客使用的具体支付方式，如 Visa 或 PayPal。
描述此属性记录所使用的支付工具类型，包括信用卡品牌（Visa、MC）、数字钱包（PayPal、Apple Pay）或本地支付方式（iDEAL、Sofort）。在分析中，这对于“支付方式绩效洞察”仪表板至关重要。它有助于发现特定支付方式与授权率、处理速度或技术故障之间的关联。为何重要对于分析不同支付服务商的成功率和成本至关重要。获取方式 Adyen 支付响应中的 'paymentMethod.brand' 或 'paymentMethod.type'。示例 visamcpaypalidealklarna
	付款状态 PaymentStatus	支付的当前状态（例如：已授权、已结算、已拒绝）。
描述此属性反映支付交易的最新已知状态，通常源自该 case 中的最新活动。在分析中，它支持快速筛选（例如：“显示当前所有被拒绝的支付”）。这对于“支付吞吐量与状态监控”仪表板至关重要。为何重要提供交易当前健康状况的快照。获取方式源自 case 中的最后一个 event code。示例已结算已拒绝已授权
	商家账户 MerchantAccount	在 Adyen 中处理该交易的具体商家账户。
描述 Adyen 允许在一个公司账户下设立多个商家账户。此属性标识了处理该笔支付的特定业务单元、品牌或地区实体。在分析中，它作为细分的主要维度，方便利害关系人比较不同业务单元或品牌的绩效、失败率和业务量，从而锁定具体的改进领域。为何重要按业务单元或子公司细分绩效的关键。获取方式 Adyen 支付请求/响应中的 'merchantAccount'。示例 MyStore_UKMyStore_USGlobalSales_Main
	拒绝原因 RefusalReason	解释支付被拒绝或失败原因的文字描述。
描述交易失败时，Adyen 会提供原因代码或描述（例如：“余额不足”、“CVC 被拒绝”、“卡片已过期”）。在分析中，这是“支付交易失败率”仪表板的核心驱动因素。分析这些原因有助于判断失败是由于技术问题、风控规则还是顾客行为导致的，从而指导采取具体的补救措施。为何重要用于支付失败根本原因分析的关键属性。获取方式 Adyen 支付响应中的 'refusalReason'。示例已拒绝余额不足卡片过期收单方错误欺诈
	整体支付周期 TotalCycleTime	从创建支付请求到完成结算的总时长。
描述这是一个计算指标，衡量从第一个事件（例如“支付请求已接收”）到“支付已结算”事件之间经过的时间。在分析中，这是衡量效率的核心 KPI，反映了现金回流的速度。周期时间过长可能意味着存在请款延迟或结算周期方面的问题。为何重要用于营运资本优化的 KPI。获取方式计算公式：Timestamp(Settled) - Timestamp(Created)。示例 2 天4 小时5分钟
	是否返工 IsRework	指示交易是否涉及重试或纠错的标志。
描述布尔标志。如果 case 包含多次授权尝试，或包含“Payment Refused”后紧跟重试的 activity，则为 true。在分析中，该属性驱动“支付返工与异常热点”仪表板。它允许分析师专门过滤出问题 case，以探究流程为何未能按照“标准路径”运行。为何重要识别需要人工或系统干预的低效 case。获取方式根据失败事件发生次数 > 0 计算得出。示例 truefalse
	客户ID ShopperReference	用于在多次交易中识别付款人的唯一参考号。
描述此标识符将不同的交易关联到同一个客户实体。它由商家在支付请求期间提供。在分析中，它支持以客户为中心的分析，从而能够检测欺诈案件中的惯犯，或在成功交易分析中识别忠实客户。它有助于实现“客户”维度的通用映射。为何重要支持客户层面的聚合分析和行为分析。获取方式 Adyen 支付请求中的 'shopperReference'。示例 CUST-001user_12345email@example.com
	授权代码 AuthorisationCode	批准后由发卡方返回的授权码。
描述指示资金已在付款人卡上预留的代码。这是授权成功的证明。在分析中，这主要用于审计和溯源，用以验证“Payment Authorised” activity 的合法性。为何重要用于审计追踪的成功授权证明。获取方式 Adyen 支付响应中的 'authCode'。示例 123456098712
	收单方参考号 AcquirerReference	收单行提供的参考编号。
描述这是由处理银行卡交易的底层金融机构（收单行）分配的外部引用号。它与 Adyen PSP 引用号不同。在分析中，此字段对于“支付对账延迟分析”至关重要。它是将 Adyen 记录与外部账本中的银行对账单进行匹配的关键。为何重要对于三方匹配和外部对账至关重要。获取方式 Adyen 支付响应中的 'additionalData.acquirerReference'。示例 1234567890987654321
	欺诈风险评分 RiskScore	由反欺诈引擎为交易分配的风险评分。
描述 Adyen 的 RevenueProtect 引擎会分配一个数字评分 (0-100) 来表示欺诈可能性。较高的分值通常会触发人工审核或自动拦截。在分析中，这为“财务合规风险概览”提供支持。将高风险评分与拒付关联，有助于微调欺诈规则。而产生成功支付的高评分则可能预示着风险模型中的误报。为何重要对于分析欺诈预防逻辑的效率至关重要。获取方式 Adyen 风险 API 响应或报告中的 'fraudResult.accountScore'。示例 025100
	结算批号 BatchNumber	与资金结算相关的批号。
描述 Adyen 将已结算的款项分组为批次进行支付。此属性标识了特定交易所属的批次。在分析中，这用于按付款周期对支付进行分组。它有助于审计特定批次是否延迟，并支持“Payment Settled” activity 的追踪。为何重要将单笔交易与批量财务结算关联。获取方式 Adyen 结算明细报告中的 'Batch Number'。示例 100255
	货币 PaymentCurrency	表示交易币种的三位 ISO 代码。
描述此属性定义了 `PaymentAmount` 所采用的币种。常见值包括 EUR、USD、GBP 等。在分析中，该属性用于按市场对交易进行分组，并且在汇总跨地区数据时，对于财务数值的标准化至关重要。为何重要为多货币报告提供金额字段的上下文。获取方式 Adyen 支付请求中的 'amount.currency'。示例 EUR美元GBP
	顾客交互类型 ShopperInteraction	指示支付是电商、POS 还是订阅类（ContAuth）。
描述此属性对顾客与商家之间的交互性质进行分类。典型值包括 `Ecommerce`（线上）、`POS`（店内）或 `ContAuth`（续费/订阅）。在分析中，这有助于区分不同的业务模式和销售渠道。POS 和线上交易的流程往往差异巨大，因此该属性是进行清晰流程发现的关键过滤条件。为何重要区分线上、店内和周期性支付的流程路径。获取方式 Adyen 支付请求中的 'shopperInteraction'。示例电子商务ContAuthPOSMoto
	顾客所属国家 ShopperCountry	顾客所属国家的两位代码。
描述此属性表示顾客的所在地，通常源自发卡国或账单地址。在分析中，它用于区域绩效分析，帮助识别特定国家是否由于当地银行基础设施原因而具有更高的拒付率或更慢的处理速度。为何重要支持按地理区域对支付绩效进行细分分析。获取方式 Adyen 支付请求中的 'countryCode' 或 'billingAddress.country'。示例 NL美国DE

必填推荐可选

支付处理活动

这些是应在事件日志中捕获的关键流程步骤和里程碑，旨在确保 Adyen 支付流流程发现的准确性。

5 推荐 11 可选

	活动	描述
	付款已捕获	将资金从顾客转移到商家的指令已成功处理。这可以是即时的（自动请款）或延迟的（手动请款）。
为何重要确认收入确认。授权与请款之间的时间是“支付授权提前期”KPI 的关键。获取方式 Adyen 通知 Webhook：eventCode 为 'CAPTURE' 且 success='true'。捕获在 CAPTURE webhook 成功时记录事件类型 explicit
	付款已结算	资金已成功清算并入账至商家的 Adyen 账户。此项会显示在结算明细报告中。
为何重要流程成功的财务终点。对于“整体支付周期”和“支付对账延迟分析”至关重要。获取方式 Adyen 结算明细报告 (SDR)，记录类型为 'Settled'。捕获在结算报告中出现交易时记录事件类型 explicit
	支付已授权	发卡方或支付机构已批准交易且资金已预留。通过标准的 Adyen 通知 webhook 捕获。
为何重要一个关键里程碑，表明交易有效且资金充足。这是请款（capture）的前提条件。获取方式 Adyen 通知 Webhook：eventCode 为 'AUTHORISATION' 且 success='true'。捕获在 AUTHORISATION webhook 成功时记录事件类型 explicit
	支付被拒绝	交易被发卡方或 Adyen 的风控规则拒绝。通过授权 webhook 以失败状态捕获。
为何重要直接影响“支付交易失败率”KPI。分析拒绝原因有助于优化授权率。获取方式 Adyen 通知 Webhook：eventCode 为 'AUTHORISATION' 且 success='false'。捕获在 AUTHORISATION webhook 失败时记录事件类型 explicit
	支付请求已接收	Adyen 支付平台最初收到交易请求的时间。这是从初始 API 请求时间戳或 pspReference 的创建时间中捕获的。
为何重要标记流程实例的绝对起点。对于计算端到端总周期时间至关重要。获取方式 Adyen 支付 API 日志，或与 pspReference 创建关联的 timestamp。捕获在通过 API 生成 pspReference 时记录事件类型 explicit
	付款已取消	在资金请款前，授权已被撤销。这将释放顾客卡片上的预留资金。
为何重要表示流程回路，即有效订单在完成前终止，通常由于客户要求或库存超时。获取方式 Adyen 通知 Webhook：eventCode 为 'CANCELLATION'。捕获在 CANCELLATION webhook 时记录事件类型 explicit
	已执行风险筛查	Adyen 的 RevenueProtect 引擎会分析交易中的欺诈信号。这可以从授权响应中是否存在欺诈评分或风险结果来推断。
为何重要高风险评分可能触发人工审核或自动拒绝，从而产生瓶颈或流程中断点。获取方式 Adyen 支付响应（fraudResult 字段）或 Case 管理日志。捕获根据是否存在 fraudResult 对象推断事件类型 inferred
	已记录技术错误	处理过程中发生了系统错误，例如 Webhook 失败或 API 超时。可通过界面中的特定错误代码进行识别。
为何重要通过区分技术性失败与财务性失败，直接支持“支付交易失败率”分析。获取方式 Adyen 界面日志或 API 调用中的特定失败响应。捕获在返回 5xx 或 4xx 错误响应代码时记录事件类型 explicit
	拒付已抗辩	已向 Adyen 提交证据以对拒付提出抗辩。这代表了争议流程中的一个返工/手动 activity。
为何重要追踪在收入保护（风控）上投入的精力。对“支付返工率”很重要。获取方式显示证据提交情况的 Adyen 争议 API 或 Case 管理日志。捕获根据状态变更为 'Defense Supplied' 推断事件类型 inferred
	拒付已撤销	争议申诉成功，资金已返回商家。这是对异常情况的成功解决。
为何重要风险管理的积极成果。抵消了最初拒付带来的财务影响。获取方式 Adyen 通知 Webhook：eventCode 为 'CHARGEBACK_REVERSED'。捕获在 CHARGEBACK_REVERSED webhook 时记录事件类型 explicit
	支付已提交结算	Adyen 已将交易转发至收单银行或网络进行财务处理。状态变更为 SentForSettlement。
为何重要标记从运营处理到财务清算的转换。此处延误会影响现金流。获取方式 Adyen 交易状态 API，或从状态变更历史日志中推断。捕获比较状态字段向 SentForSettlement 的转换事件类型 inferred
	收到拒付通知	Adyen 已收到来自卡组织的争议通知。这将触发争议工作流。
为何重要主要的合规与风险指标。驱动“合规事件率”，且需要立即进行人工干预。获取方式 Adyen 通知 Webhook：eventCode 为 'CHARGEBACK' 或 'NOTIFICATION_OF_CHARGEBACK'。捕获在 CHARGEBACK webhook 时记录事件类型 explicit
	确认付款	与一批已结算交易关联的资金已支付至商家银行账户。
为何重要代表企业实际收到的现金转账，与“支付对账周期”相关联。获取方式 Adyen 通知 Webhook：eventCode 为 'PAYOUT_THIRD_PARTY'，或从付款报告中推断。捕获将付款报告批次 ID 关联至交易 ID 事件类型 inferred
	请款失败	请款已授权资金的尝试失败，通常由于技术超时或授权与请款之间的卡片状态变化所致。
为何重要需要返工或重试的关键错误点。会计入“支付异常率”。获取方式 Adyen 通知 Webhook：eventCode 为 'CAPTURE_FAILED'。捕获在 CAPTURE_FAILED webhook 时记录事件类型 explicit
	退款已发起	已触发向付款人退还资金的请求。这将开启一个反向流程。
为何重要指示结算后的异常。退款率高可能预示着上游环节存在质量问题。获取方式 Adyen 通知 Webhook：eventCode 为 'REFUND'。捕获在 REFUND webhook 触发时记录事件类型 explicit
	退款已结算	退款已在财务上完成处理，并已从商家账户中扣除。通过《结算详情报告》进行确认。
为何重要完成退款流程闭环。若退款是由错误引起的，这对于分析“平均错误解决时间”非常重要。获取方式 Adyen 结算明细报告，记录类型为 'Refunded' 或 'RefundedReversed'。捕获在结算报告中出现退款时记录事件类型 explicit

推荐可选

提取指南

如何从 Adyen 获取数据

步骤

使用拥有 Merchant Report 角色的用户账号登录 Adyen Customer Area。
导航至 Reports，并在菜单中选择 Settlement details。
找到 Automatic generation 设置，或者选择 Generate report 进行单次导出。
在配置面板中，确保 Format 设置为 CSV（逗号分隔值）。
在 Include columns 下，确保选择 All，或者勾选以下特定项：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, 以及 Interchange。
重要提示：确保报告范围包含所有 Journal Types（Settled, Refunded, Chargeback, PaidOut 等），以捕获完整的财务生命周期。
生成所需日期范围的报告（例如过去 90 天）。请注意，结算报告是基于“结算批次日期”生成的，而非交易日期。
将生成的 CSV 文件下载到您的本地提取环境。
运行转换脚本（见下方），将“宽格式”CSV 分类账重塑为 ProcessMind 所需的“长格式”事件日志。
脚本会执行关键转换：它会对 Creation Date 进行逆透视（unpivot）以创建 “Payment Request Received” 事件，并将 Type 列映射为特定的财务 activity。
验证导出的 CSV 是否包含表头：PspReference, EventCode, EventDate, SourceSystem。
将最终转换后的 CSV 上传至 ProcessMind。

配置

报告类型：结算明细报告（财务总账）
文件格式：CSV（标准逗号分隔）
粒度：交易级（每行对应一条财务日记账分录）
时区：UTC（强烈建议使用，以便与其他系统保持同步）
日期范围：以结算批次（批次关闭日期）为准，而非交易创建日期。增量运行时请确保处理好重叠部分。
必填列：Psp Reference (Key)、Type (Activity)、Creation Date、Booking Date (Event Timestamps)、Merchant Account。
过滤器设置：确保没有过滤器排除“Chargeback”或“Refund”类型，以保证流程的完整性。

a 查询示例 config

import pandas as pd
from datetime import datetime

# CONFIGURATION
INPUT_FILE = 'settlement_detail_report.csv'
OUTPUT_FILE = 'adyen_event_log.csv'
SOURCE_SYSTEM = 'Adyen'

# Load the Adyen Settlement Detail Report
# 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)

# Define the output list
event_log = []

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

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

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

    # --- 2. MAPPED FINANCIAL ACTIVITIES ---
    # Map Adyen Ledger Types to Process Activities using Booking Date
    
    if journal_type == 'Settled':
        add_event(psp_ref, 'Payment Settled', booking_date, row_attrs)
        
        # Activity: Payment Sent for Settlement
        # Inferred: Occurs shortly before settlement. 
        # 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, 'Payment Sent for Settlement', sent_date, row_attrs)

    elif journal_type == 'Refunded':
        add_event(psp_ref, 'Refund Initiated', creation_date, row_attrs)
        add_event(psp_ref, 'Refund Settled', booking_date, row_attrs)

    elif journal_type == 'Chargeback':
        add_event(psp_ref, 'Chargeback Notification Received', booking_date, row_attrs)

    elif journal_type == 'ChargebackRetried':
        add_event(psp_ref, 'Chargeback Defended', booking_date, {'IsRework': 'True'})

    elif journal_type == 'ChargebackReversed':
        add_event(psp_ref, 'Chargeback Reversed', booking_date, row_attrs)

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

    elif journal_type == 'CaptureFailed':
        add_event(psp_ref, 'Capture Failed', booking_date, {'IsRework': 'True'})

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

    elif journal_type == 'Error':
        add_event(psp_ref, 'Technical Error Logged', booking_date, {'IsRework': 'True'})

# Convert to DataFrame
events_df = pd.DataFrame(event_log)

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

# Output
events_df.to_csv(OUTPUT_FILE, index=False)
print(f'Successfully extracted {len(events_df)} events to {OUTPUT_FILE}')

步骤

前提配置：确保您拥有一个开启了 Merchant Report 角色的 Adyen 报告用户。从 Customer Area 的 Developers > API Credentials 路径获取您的 API Key。
识别所需报告：此提取过程依赖于 Adyen 生成的两份关键 CSV 报告：结算明细报告（Settlement Detail Report，用于结算、拒付、退款等财务事件）和已收付款明细报告（Received Payment Detail Report，用于请求、拒绝、授权等运营事件）。
Python 环境搭建：使用 pip 安装必要的库：pandas、requests 和 numpy。这些库将用于 API 通信和数据转换。
API 连接实现：配置 Python 脚本（见下方）以通过 https://management-test.adyen.com 或 https://management-live.adyen.com 端点进行身份验证。您将使用 Report API 列出指定日期范围内的可用报告并下载 URL。
数据摄取：脚本将原始 CSV 数据读入 pandas DataFrame。由于 Adyen 报告通常是“宽”格式（每行一笔交易，含多个状态列），因此需要进行转换。
Activity 映射 - 运营类：处理已收付款明细报告。将 CreationDate 映射为 Payment Request Received。根据 Status 列（如 Authorised, Refused, Error）的逻辑生成 Payment Authorised、Payment Refused 或 Technical Error Logged 事件。
Activity 映射 - 财务类：处理结算明细报告。此报告包含 JournalType 列。将 Settled 映射为 Payment Settled，Refunded 映射为 Refund Initiated，Chargeback 映射为 Chargeback Notification Received。
推断复杂 Activity：
- Risk Screening Performed：检查 FraudScore 列是否有值且大于 -1。
- Payout Confirmed：通过 BatchNumber 将交易链接到结算报告中的付款条目。
- Chargeback Defended：查找 SecondChargeback 或 Defense 日记账类型。
数据转换：在 pandas 中执行 “melt” 或 “stack” 操作，将宽数据集转换为长格式事件日志，使每个 Activity 成为独立的一行。
属性标准化：重命名列以匹配目标 schema：PspReference, EventCode, EventDate, SourceSystem（固定为 'Adyen'）和 PaymentAmount。确保日期解析为 ISO 8601 格式。
过滤：使用 Type 过滤器剔除不代表流程步骤的内部对账行（如表头行或余额结转）。
最终导出：脚本将处理后的 DataFrame 导出为名为 adyen_event_log.csv 的 CSV 文件，即可上传至 ProcessMind。

配置

API 环境：根据部署阶段在 Adyen Test (management-test.adyen.com) 和 Live (management-live.adyen.com) 端点间切换。
身份验证：在 Header 中使用 x-api-key。Management API 不支持 Basic Auth。
报告类型：
- settlement_detail_report：对于财务生命周期 event 至关重要。
- received_payment_detail_report：对于初始请求和授权逻辑至关重要。
日期范围：Adyen 报告基于批次关闭生成。确保脚本请求的报告覆盖目标 CreationDate 及其后 7 天，以捕获延迟结算。
商家账户范围：若有多个商家账户，请遍历账户列表，或使用公司账户级别的报告（如有）。
Pandas 配置：交易量超过 10 万行时，读取 CSV 需设置 low_memory=False，以防止类型推断错误。

a 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.')

您的支付处理数据模板

您的支付处理数据模板

支付处理属性

支付处理活动

提取指南

Adyen 结算明细报告导出

步骤

配置

a 查询示例 config

通过 Reporting API 进行 Python 提取

步骤

配置

a 查询示例 python

准备好开始了吗？

即刻开启 Adyen 顺畅支付处理体验。

您的支付处理数据模板

您的支付处理数据模板

支付处理属性

支付处理活动

提取指南

Adyen 结算明细报告导出

步骤

配置

a 查询示例 config

通过 Reporting API 进行 Python 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？

即刻开启 Adyen 顺畅支付处理体验。