> 持续流程改进 > 应收账款 > Microsoft Dynamics 365 > 数据模板

您的应收账款数据模板

Microsoft Dynamics 365

← 返回改进指南

应收账款属性 (21) 应收账款活动 (15) 提取指南 (2)

您的应收账款数据模板

此模板为您在Microsoft Dynamics 365中梳理从发票到收款的流程提供完整框架。其中列出了构建高质量流程挖掘事件日志所需的关键数据字段和里程碑。遵循这一结构，您可以深入了解付款延迟，并简化催收工作流。

账簿分析所需的关键数据字段
用于跟踪的标准流程里程碑
Microsoft Dynamics 365技术提取指南

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

应收账款属性

这些是应纳入事件日志的推荐数据字段，用于全面分析您的应收账款绩效。

5 必需 8 建议 8 可选

	名称	说明
	事件时间戳 EventTimestamp	活动发生的准确日期和时间。
说明该属性记录事件在系统中写入的具体时间点，用于计算活动间隔、确定流程周期时间并按顺序排列事件。在D365中，通常使用CreatedDateTime或TransDate与时间部分组合。为什么重要时间戳对于计算所有基于时间的KPI至关重要，例如发票周期时间和发送周期时间。获取位置各数据表中常见的CreatedDateTime或TransDate字段示例 2023-10-15T08:30:00Z2023-10-15T14:45:22Z2023-11-01T09:00:00Z
	发票编号 InvoiceNumber	财务发票单据的唯一标识符。
说明发票编号是Microsoft Dynamics 365中跟踪应收账款生命周期的主键。它将初始销售订单、已过账发票、后续付款及各项催收活动关联到同一案例。在分析中，该属性作为案例标识，用于重建端到端流程顺序。为什么重要它是应收账款分析的基本单位，使流程挖掘引擎能够将分散事件归并为完整案例。获取位置 CustInvoiceJour.InvoiceId或CustTrans.Invoice 示例 INV-2023-001CIV-88921US-004321DE-99120
	活动 Activity	在发票上执行的具体事件或任务。
说明该属性描述流程中发生的步骤，例如Invoice Posted、Payment Received或Dispute Opened。在Microsoft Dynamics 365中，这些步骤通常根据交易类型（TransType）或记录所在的具体数据表（例如付款对应的CustSettlement）推导。该属性对于可视化流程图至关重要。为什么重要它定义流程图中的节点，并支持流程顺序分析和流程变体发现。获取位置根据TransType枚举或数据表上下文（CustTrans、CustSettlement等）推导示例发票已过账收到付款发送催收函利息通知单已过账
	最近数据更新时间 LastDataUpdate	数据提取或刷新的时间戳。
说明该属性表示最近一次从Microsoft Dynamics 365提取数据的时间，帮助用户了解分析数据的新鲜度和KPI的有效性。通常由提取工具在查询时生成。为什么重要它提供数据延迟背景，帮助用户信任仪表板数据的时效性。获取位置由ETL/提取脚本生成示例 2023-11-05T00:00:00Z2023-11-05T12:00:00Z
	源系统 SourceSystem	数据来源系统的名称。
说明该属性标识数据的记录系统，在此上下文中为Microsoft Dynamics 365。当需要将多个ERP实例或外部催收工具的数据合并到统一视图时，这一属性非常有用。分析人员可以据此按数据来源环境筛选或细分流程。为什么重要它可确保数据血缘和可追溯性，尤其适用于多系统环境。获取位置在提取过程中硬编码，或根据连接字符串推导示例 D365 F&O ProdD365 FinanceDynamics AX 2012
	业务单元 BusinessUnit	负责该发票的运营单元或部门。
说明此属性根据内部组织结构对数据进行细分，例如电子产品事业部或服务事业部。在D365中，这通常是与交易关联的财务维度。通过比较不同单元，支持发票开具周期仪表板的分析。为什么重要支持内部基准分析，找出效率最高的部门。获取位置 CustInvoiceJour上的财务维度（DefaultDimension）示例 BU-001北区销售全球服务
	公司代码 CompanyCode	D365中的法人实体标识。
说明此属性表示D365中的DataAreaId，对应发生交易的法人实体或公司。在多公司部署中筛选数据时不可或缺，也能确保不同公司可能重复的发票编号被分别识别。为什么重要对于多实体环境中的唯一性和区域分析至关重要。获取位置所有表中的DataAreaId字段示例 USMFDEMFGBSI
	到期日 DueDate	预计收到付款的日期。
说明到期日是付款条件规定的付款截止日期。将其与实际付款日期进行比较，可评估按时付款表现并计算应收账款周转天数（DSO）。这是客户交易记录中的标准字段。为什么重要是计算按时付款率和分析逾期发票的基础。获取位置 CustTrans.DueDate 示例 2023-11-302023-12-15
	发票金额 InvoiceAmount	发票的货币总值。
说明此属性表示发票单据的财务价值。可用于计算应收账款总风险敞口，并确定高价值催收任务的优先级。该字段通常位于发票日记账表中。为什么重要对于分析财务影响和识别高价值瓶颈至关重要。获取位置 CustInvoiceJour.InvoiceAmount 示例 1500.00250.5010000.00
	客户组 CustomerGroup	客户所属的分类或细分。
说明此属性用于将客户划分为逻辑组，例如批发、零售或公司间交易。可用于开展对比分析，例如检查某些细分客户的付款周期是否更长，或争议率是否更高。在D365中，该字段为CustGroup。为什么重要支持比较不同市场细分的流程绩效。获取位置 CustTable.CustGroup 示例批发零售公司间交易出口
	客户账户 CustomerAccount	客户的唯一标识符或账户编号。
说明 Customer Account用于标识开票对象。在D365中对应AccountNum字段。按该属性分组，可以分析不同客户的付款行为、争议频率和清账时间。为什么重要对于识别高风险客户并按客户细分绩效至关重要。获取位置 CustInvoiceJour.InvoiceAccount或CustTrans.AccountNum 示例 US-001DE-550CUST-9921
	是否自动化 IsAutomated	用于标识活动是否由系统账户执行的标志。
说明此属性用于判断具体步骤由用户执行，还是由自动化批处理作业执行。系统会将User属性与已知系统账户列表进行比较来计算，例如“Workflow”和“Batch”。该属性支持手动清账率KPI。为什么重要对于识别自动化机会和衡量当前自动化水平至关重要。获取位置根据User字段逻辑推导示例 truefalse
	用户 User	执行该活动的人员或系统账户的用户ID。
说明此属性用于识别执行具体流程步骤的人员，数据来源为CreatedBy或ModifiedBy字段。可用于分析资源利用率、识别培训需求，并区分自动化系统任务与用户手动操作。为什么重要支持资源绩效分析和自动化率计算。获取位置交易表中的CreatedBy字段示例管理员JSmithWorkflowAgentBSmith
	争议原因 DisputeReason	案件处于争议状态时分配的原因代码。
说明此属性记录发票产生争议的分类原因，例如“价格错误”或“货物损坏”。对于争议解决生命周期仪表板识别付款延迟的根本原因至关重要。为什么重要支持对争议解决时间KPI进行根因分析。获取位置 CustTrans.ReasonRefRecId或相关催收案件表示例价格差异货物损坏缺少采购订单服务质量
	付款条件 PaymentTerms	定义约定付款计划的代码。
说明此属性保存规定付款到期时间的代码，例如Net30、Net60。可用于分析客户是否遵守约定条件，并验证到期日计算是否正确。为什么重要为到期日提供背景信息，并帮助识别付款条件是否过于宽松或严格。获取位置 CustInvoiceJour.Payment或CustTable.PaymTermId 示例 30天账期45天账期CODEOM
	是否为贷项通知单 IsCreditMemo	用于标识单据是否为贷项通知单的标志。
说明此布尔属性用于识别该交易是否为向客户开具的贷项通知单。可用于计算贷项通知单开具率，并在返工分析中排除标准发票。为什么重要直接支持贷项通知单与返工频率仪表板。获取位置根据CustInvoiceJour.InvoiceAmount<0或TransType推导示例 truefalse
	是否已结清 IsCleared	用于标识发票是否已全部结清的标志。
说明此布尔属性表示发票是否已通过付款或核销实现余额为零。可快速筛选未结清和已结清案件，以计算平均发票周期时间。为什么重要区分当前案件与历史案件。获取位置根据CustTrans.Closed日期是否存在推导示例 truefalse
	现金折扣日期 CashDiscountDate	提前付款折扣有效期的截止日期。
说明此属性表示客户享受提前付款折扣的截止日期。将其与付款日期进行比较，可计算错失折扣率KPI并分析折扣激励的有效性。为什么重要提前付款折扣优化仪表板的关键字段。获取位置 CustTrans.CashDisc或根据CashDiscCode计算示例 2023-11-102023-11-15
	货币 Currency	发票交易的货币代码。
说明此属性指定发票开具所使用的货币，例如USD、EUR。如果需要跨区域开展全球分析，它对于统一财务价值口径非常重要。为什么重要对于了解多币种系统中的价值分布必不可少。获取位置 CustInvoiceJour.CurrencyCode 示例 USDEURGBPJPY
	逾期天数 DaysOverdue	相对于到期日，付款延迟的天数。
说明此指标计算付款日期与到期日之间的差值。正值表示逾期付款，负值表示提前付款。相比简单的布尔标志，它能更细致地反映付款表现。为什么重要为按时付款率KPI分析提供更深入的视角。获取位置计算方式：PaymentDate-DueDate 示例 50-230
	销售订单ID SalesOrderId	与发票关联的销售订单参考编号。
说明此属性将发票关联回源销售订单。如果有订单到收款流程数据，还可支持跨流程分析，并帮助调查开票问题的上游原因。为什么重要将开票流程与销售流程关联起来。获取位置 CustInvoiceJour.SalesId 示例 SO-10022SO-55912

必需建议可选

应收账款活动

这些是应采集到事件日志中的关键流程步骤和里程碑，用于准确发现付款结算流程。

8 建议 7 可选

	活动	说明
	争议案件已创建	在Case Management模块中创建与发票关联的案件，表示客户提出异议，并阻断标准催收流程。
为什么重要争议是付款延迟的主要原因之一。跟踪争议有助于发现定价或履约等上游流程中的质量问题。获取位置 CaseDetailBase表，其中Category与Collections/AR相关，RefRecId关联发票上下文。采集 Case Management中执行交易X时记录事件类型 explicit
	发票已发送	发票通过电子邮件、打印或EDI发送给客户的事件。通常可根据“Printed”计数增加或打印管理日志推断。
为什么重要过账与发送之间的延迟会直接缩短客户的有效付款窗口，导致客户认为付款逾期。获取位置可根据CustInvoiceJour.PrintedOriginals从0变为1推断；如果启用日志记录，也可通过PrintJobHeader表跟踪。采集比较前后状态字段，或查看PrintJobHeader日志事件类型 inferred
	发票已结清	发票余额归零且系统将交易标记为“Closed”的最终状态变更。
为什么重要流程实例的绝对终点，用于计算总周期时间。获取位置 CustTrans.Closed字段（日期）。当结算总额等于发票金额时填充该日期。采集根据CustTrans.Closed日期字段推断事件类型 inferred
	发票已过账	将发票初始记录到财务总账中。此活动记录CustInvoiceJour表中财务义务的创建。
为什么重要标志着应收账款生命周期正式开始，也代表付款期限计时启动。对于计算销售未收款天数（DSO）至关重要。获取位置 CustInvoiceJour表。CreatedDateTime或InvoiceDate字段作为时间戳。采集交易过账至CustInvoiceJour时记录事件类型 explicit
	已发送付款提醒	记录向客户发出正式催收函的事件。数据来自Collection Letter Journal。
为什么重要表示主动催收工作的开始。分析发送频率有助于优化催收策略并降低行政成本。获取位置 CustCollectionLetterJour表。记录针对特定发票交易过账信函代码的日期。采集交易过账至CustCollectionLetterJour时记录事件类型 explicit
	已开具贷项通知单	过账用于冲销原发票金额的贷项通知单，通常由已解决的争议或退货产生。
为什么重要高频发生通常表示收入流失和上游质量问题。它不同于付款，因为它代表非现金结算。获取位置 CustTrans表中Type为“Credit Note”，或CustInvoiceJour中的InvoiceAmount为负数。采集交易过账至CustTrans时记录事件类型 explicit
	已收到全额付款	过账一笔覆盖发票剩余余额的付款交易，代表现金流入事件。
为什么重要最关键的成功事件。用于计算按时付款率和折扣条款的有效性。获取位置 CustTrans表中Type为“Payment”的记录，通过CustSettlement与发票关联，并使余额归零。采集交易过账至CustTrans并完成结算时记录事件类型 explicit
	部分付款已过账	记录一笔未完全覆盖发票未结余额的付款，通常会产生需要继续催收的剩余余额。
为什么重要区分分期付款行为与全额结算，对于准确预测现金流十分重要。获取位置 CustSettlement表将Payment（CustTrans）与Invoice（CustTrans）关联，且SettlementAmount<InvoiceAmount。采集在CustSettlement中执行交易X时记录事件类型 explicit
	争议审核中	表示争议案件已从“Opened”转为“In Process”状态，代表解决团队的处理时间。
为什么重要此处的瓶颈会延长现金转换周期，并将等待时间与实际解决时间区分开来。获取位置根据CaseDetailBase.Status字段变更，或与状态推进对应的CaseLog表记录推断。采集比较CaseDetailBase中的前后状态字段事件类型 inferred
	争议已解决	关闭争议案件，使发票可以继续付款或贷项处理，并标志着异常处理子流程结束。
为什么重要 Opened与Resolved之间的时间戳差值是衡量行政效率的关键KPI。获取位置 CaseDetailBase表，其中Status变更为Closed/Resolved。采集比较CaseDetailBase中的前后状态字段事件类型 inferred
	付款已核销	通过核销日记账将发票声明为无法收回并移除余额，代表一项财务损失。
为什么重要失败催收流程的终止状态。对于分析坏账率和信用政策有效性至关重要。获取位置 CustTrans表中Type为“WriteOff”的记录，或明确标记了核销原因代码的GeneralJournalEntry。采集交易以WriteOff类型过账时记录事件类型 explicit
	已收到付款承诺	催收专员记录的具体承诺，客户承诺在指定日期前付款。数据来自Collections Management模块。
为什么重要衡量催收电话的有效性。将该日期与实际付款日期比较，可以评估客户承诺的可靠性。获取位置 CustPromiseToPay表。通过TransRecId与客户交易关联。采集在CustPromiseToPay中创建记录时记录事件类型 explicit
	已生成利息通知单	为逾期付款创建利息通知单，代表施加到客户账户上的财务罚金。
为什么重要表示严重拖欠。分析有助于判断罚金是否能有效加快付款，或是否会损害客户关系。获取位置 CustInterestJour表。该表记录针对特定客户交易生成的利息通知单。采集交易过账至CustInterestJour时记录事件类型 explicit
	已超过到期日	表示当前日期已超过发票到期日且发票仍未结清的计算里程碑，用于标记发票逾期。
为什么重要对于账龄分析和触发催收工作流至关重要，将标准开票与催收管理流程区分开来。获取位置将CustInvoiceJour.DueDate与当前模拟时间或付款时间戳进行比较计算。采集比较DueDate字段与当前时间后推导事件类型 calculated
	银行对账单已匹配	将AR中记录的付款与导入银行对账单中的一行进行匹配的对账事件。
为什么重要验证资金确实已到账。此处的延迟表示现金和银行管理流程存在低效。获取位置 BankReconciliationLine或BankAccountTrans的匹配状态。需要Advanced Bank Reconciliation模块。采集交易在Bank Reconciliation中匹配时记录事件类型 explicit

建议可选

提取指南

如何从Microsoft Dynamics 365获取数据

步骤

配置Azure资源：配置Azure SQL Database，作为Bring Your Own Database（BYOD）目标。确保连接字符串包含具有读写权限的凭据。
在D365中配置数据管理：依次进入System Administration > Workspaces > Data Management。点击“Configure Entity Export to Database”磁贴。输入上一步获取的连接字符串，注册外部数据库。
选择所需实体：在Data Management工作区中创建新的Export Project。将以下标准实体添加到项目中：CustInvoiceJournalHeaderEntity、CustTransactionEntity、CustSettlementEntity、CustCollectionLetterJournalHeaderEntity、CaseDetailEntity、CaseAssociationEntity、CustInterestJournalEntity、BankAccountTransEntity和CustPromiseToPayEntity。
映射源与目标：确保所有字段均已正确映射，尤其要包含RecId和CreatedDateTime字段，因为它们对事件排序至关重要。
执行初始导出：手动执行导出作业（Job type：Export），将历史数据完整加载到Azure SQL Database。监控执行摘要，确保所有记录均已成功传输。
安排增量更新：配置定期数据作业，使用“Incremental push”定期运行导出项目，例如每4小时运行一次或每晚运行一次，仅更新发生变化的记录。
连接Azure SQL：使用SQL Server Management Studio（SSMS）或类似工具连接BYOD Azure SQL Database。
执行转换脚本：针对下方Query部分中的BYOD表运行提供的SQL脚本。该脚本会将不同表整合为统一的事件日志结构。
验证并提取：检查输出的一致性（参见Validation Steps）。将结果集导出为CSV或Parquet文件，以便导入ProcessMind。

配置

导出方式：Bring Your Own Database（BYOD）或Azure Data Lake Storage Gen2（ADLS）。
刷新策略：初始加载使用Full push，定期更新使用Incremental push，以降低性能影响。
所需实体：CustInvoiceJournalHeaderEntity（发票）、CustSettlementEntity（付款/清账）、CustCollectionLetterJournalHeaderEntity（催款提醒）、CaseDetailEntity（争议）、BankAccountTransEntity（银行匹配）。
公司筛选：如果分析仅针对特定法人实体，请对“DataAreaId”列应用筛选条件。
日期范围：建议根据“InvoiceDate”或“TransDate”使用滚动12个月窗口。
变更跟踪：必须在D365的SQL表中启用Change Tracking，才能高效执行增量导出。

a 示例查询 sql

/* SQL Transformation Script for D365 BYOD Tables */
/* Target: Azure SQL Database containing exported entities */

WITH InvoiceBasics AS (
    SELECT 
        InvoiceNumber AS InvoiceId,
        InvoiceDate,
        DueDate,
        InvoiceAccount AS CustomerAccount,
        SalesId,
        DataAreaId AS CompanyCode,
        InvoiceAmount,
        Currency
    FROM dbo.CustInvoiceJournalHeaderEntity
    WHERE InvoiceDate >= DATEADD(month, -12, GETDATE())
)

/* 1. Invoice Posted */
SELECT 
    T1.InvoiceId AS InvoiceNumber,
    'Invoice Posted' AS Activity,
    CAST(T1.InvoiceDate AS DATETIME) AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    T1.CustomerAccount,
    NULL AS CustomerGroup,
    T1.InvoiceAmount,
    T1.DueDate,
    NULL AS [User],
    NULL AS BusinessUnit,
    T1.CompanyCode,
    1 AS IsAutomated
FROM InvoiceBasics T1

UNION ALL

/* 2. Invoice Dispatched (Inferred from Document Date as Proxy if Print Log unavailable) */
SELECT 
    T1.InvoiceId,
    'Invoice Dispatched' AS Activity,
    DATEADD(minute, 5, CAST(T1.InvoiceDate AS DATETIME)) AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    T1.CustomerAccount,
    NULL,
    T1.InvoiceAmount,
    T1.DueDate,
    NULL,
    NULL,
    T1.CompanyCode,
    1
FROM InvoiceBasics T1

UNION ALL

/* 3. Due Date Passed (Synthetic Event) */
SELECT 
    T1.InvoiceId,
    'Due Date Passed' AS Activity,
    CAST(T1.DueDate AS DATETIME) AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    T1.CustomerAccount,
    NULL,
    T1.InvoiceAmount,
    T1.DueDate,
    NULL,
    NULL,
    T1.CompanyCode,
    1
FROM InvoiceBasics T1
WHERE GETDATE() > T1.DueDate

UNION ALL

/* 4. Payment Reminder Sent */
SELECT 
    Inv.InvoiceId,
    'Payment Reminder Sent' AS Activity,
    CL.JournalDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    CL.CreatedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CustCollectionLetterJournalHeaderEntity CL
JOIN dbo.CustCollectionLetterLineEntity CLL ON CL.JournalNumber = CLL.JournalNumber AND CL.DataAreaId = CLL.DataAreaId
JOIN InvoiceBasics Inv ON CLL.InvoiceId = Inv.InvoiceId AND CLL.DataAreaId = Inv.CompanyCode

UNION ALL

/* 5. Promise to Pay Received */
SELECT 
    Inv.InvoiceId,
    'Promise to Pay Received' AS Activity,
    PTP.PromiseDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    NULL,
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CustPromiseToPayEntity PTP
JOIN InvoiceBasics Inv ON PTP.Invoice = Inv.InvoiceId AND PTP.DataAreaId = Inv.CompanyCode

UNION ALL

/* 6. Dispute Case Opened */
SELECT 
    Inv.InvoiceId,
    'Dispute Case Opened' AS Activity,
    CD.CreatedDateTime AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    CD.CreatedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CaseDetailEntity CD
JOIN dbo.CaseAssociationEntity CA ON CD.CaseId = CA.CaseId AND CD.DataAreaId = CA.DataAreaId
JOIN InvoiceBasics Inv ON CA.RefRecId = Inv.InvoiceId /* Logic assumes linking via Invoice Number or manual mapping might be needed depending on RefTableId */
WHERE CA.RefEntityName = 'CustInvoiceTable'

UNION ALL

/* 7. Dispute Under Review */
SELECT 
    Inv.InvoiceId,
    'Dispute Under Review' AS Activity,
    CD.ModifiedDateTime AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    CD.ModifiedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CaseDetailEntity CD
JOIN dbo.CaseAssociationEntity CA ON CD.CaseId = CA.CaseId AND CD.DataAreaId = CA.DataAreaId
JOIN InvoiceBasics Inv ON CA.RefRecId = Inv.InvoiceId
WHERE CD.Status = 'InProcess'

UNION ALL

/* 8. Dispute Resolved */
SELECT 
    Inv.InvoiceId,
    'Dispute Resolved' AS Activity,
    CD.ClosedDateTime AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    CD.ModifiedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CaseDetailEntity CD
JOIN dbo.CaseAssociationEntity CA ON CD.CaseId = CA.CaseId AND CD.DataAreaId = CA.DataAreaId
JOIN InvoiceBasics Inv ON CA.RefRecId = Inv.InvoiceId
WHERE CD.Status = 'Closed'

UNION ALL

/* 9. Credit Memo Issued */
SELECT 
    T1.InvoiceId,
    'Credit Memo Issued' AS Activity,
    T1.InvoiceDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    T1.CustomerAccount,
    NULL,
    T1.InvoiceAmount,
    T1.DueDate,
    NULL,
    NULL,
    T1.CompanyCode,
    0
FROM dbo.CustInvoiceJournalHeaderEntity T1
WHERE T1.InvoiceAmount < 0

UNION ALL

/* 10. Interest Note Generated */
SELECT 
    Inv.InvoiceId,
    'Interest Note Generated' AS Activity,
    IJ.InterestDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    IJ.CreatedBy AS [User],
    NULL,
    Inv.CompanyCode,
    1
FROM dbo.CustInterestJournalEntity IJ
JOIN InvoiceBasics Inv ON IJ.AccountDisplayValue = Inv.CustomerAccount AND IJ.DataAreaId = Inv.CompanyCode
/* Note: Direct link to specific Invoice ID is often via CustInterestTrans, requiring an additional join */

UNION ALL

/* 11. Partial Payment Posted */
SELECT 
    Inv.InvoiceId,
    'Partial Payment Posted' AS Activity,
    Sett.TransDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Sett.SettleAmountCur AS InvoiceAmount,
    Inv.DueDate,
    Sett.CreatedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CustSettlementEntity Sett
JOIN dbo.CustTransactionEntity Trans ON Sett.TransRecId = Trans.RecId
JOIN InvoiceBasics Inv ON Trans.Invoice = Inv.InvoiceId AND Trans.DataAreaId = Inv.CompanyCode
WHERE ABS(Sett.SettleAmountCur) < ABS(Trans.AmountCur) AND Sett.SettleAmountCur <> 0

UNION ALL

/* 12. Full Payment Received */
SELECT 
    Inv.InvoiceId,
    'Full Payment Received' AS Activity,
    Sett.TransDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Sett.SettleAmountCur AS InvoiceAmount,
    Inv.DueDate,
    Sett.CreatedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CustSettlementEntity Sett
JOIN dbo.CustTransactionEntity Trans ON Sett.TransRecId = Trans.RecId
JOIN InvoiceBasics Inv ON Trans.Invoice = Inv.InvoiceId AND Trans.DataAreaId = Inv.CompanyCode
WHERE ABS(Sett.SettleAmountCur) >= ABS(Trans.AmountCur)

UNION ALL

/* 13. Bank Statement Matched */
SELECT 
    Inv.InvoiceId,
    'Bank Statement Matched' AS Activity,
    Bank.TransDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Bank.AmountCur AS InvoiceAmount,
    Inv.DueDate,
    NULL,
    NULL,
    Inv.CompanyCode,
    1
FROM dbo.BankAccountTransEntity Bank
JOIN dbo.CustSettlementEntity Sett ON Bank.Voucher = Sett.OffsetTransVoucher AND Bank.DataAreaId = Sett.DataAreaId
JOIN dbo.CustTransactionEntity Trans ON Sett.TransRecId = Trans.RecId
JOIN InvoiceBasics Inv ON Trans.Invoice = Inv.InvoiceId

UNION ALL

/* 14. Payment Written Off */
SELECT 
    Inv.InvoiceId,
    'Payment Written Off' AS Activity,
    Trans.TransDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Trans.AmountCur AS InvoiceAmount,
    Inv.DueDate,
    Trans.CreatedBy AS [User],
    NULL,
    Inv.CompanyCode,
    0
FROM dbo.CustTransactionEntity Trans
JOIN InvoiceBasics Inv ON Trans.Invoice = Inv.InvoiceId AND Trans.DataAreaId = Inv.CompanyCode
WHERE Trans.TransactionType = 'WriteOff'

UNION ALL

/* 15. Invoice Cleared */
SELECT 
    Inv.InvoiceId,
    'Invoice Cleared' AS Activity,
    Trans.ClosedDate AS EventTimestamp,
    'D365 F&O' AS SourceSystem,
    GETDATE() AS LastDataUpdate,
    Inv.CustomerAccount,
    NULL,
    Inv.InvoiceAmount,
    Inv.DueDate,
    NULL,
    NULL,
    Inv.CompanyCode,
    1
FROM dbo.CustTransactionEntity Trans
JOIN InvoiceBasics Inv ON Trans.Invoice = Inv.InvoiceId AND Trans.DataAreaId = Inv.CompanyCode
WHERE Trans.ClosedDate IS NOT NULL AND Trans.ClosedDate <> '1900-01-01'

步骤

前置条件设置：确保执行计算机已安装Python 3.x。使用pip安装所需库：pandas、requests和msal（如果使用Microsoft Authentication Library；本脚本为简化流程，采用直接REST调用）。
Azure应用注册：在Azure Active Directory（Entra ID）中注册应用，以允许访问Dynamics 365。记录Client ID、Client Secret和Tenant ID。确保应用拥有Dynamics ERP（OData）的API权限。
配置脚本：打开提供的Python脚本，使用您的D365 URL、Client ID、Client Secret、Tenant ID和目标Company Code（dataAreaId）更新顶部的config字典。
定义日期范围：修改脚本中的start_date和end_date变量，定义提取时间窗口。增量加载建议使用最近90至180天的滚动窗口。
执行提取：运行脚本。脚本会向Azure AD进行身份验证，获取访问令牌，并遍历多个OData实体（CustomerInvoices、PaymentJournals、CaseDetails等）获取数据。
数据处理：脚本会自动执行数据转换，例如将列名重命名为符合ProcessMind架构的名称，根据系统日期计算“到期日已过”活动，并根据交易金额区分部分付款和全额付款。
合并与排序：脚本会将所有活动DataFrame合并为一个事件日志，并按InvoiceNumber和EventTimestamp排序。
导出：最终DataFrame会导出为脚本目录中的AR_Event_Log.csv文件。请确认文件已成功生成。
验证：打开CSV文件，检查日期是否采用ISO格式（YYYY-MM-DD HH:MM:SS），并确认所有必需列均已填充。
上传：使用标准文件上传向导将生成的CSV文件导入ProcessMind。将InvoiceNumber映射为案例ID，将活动映射为活动，将EventTimestamp映射为时间戳。

配置

批次大小：脚本使用默认页面大小，通常为1000条记录，由服务器控制。脚本会使用@odata.nextLink属性自动处理分页。
日期筛选：使用OData的$filter参数限制数据提取范围，例如InvoiceDate ge 2023-01-01T00:00:00Z。这可显著提升性能。
公司筛选：D365存储多个法人实体的数据。脚本按dataAreaId筛选，确保仅提取相关业务单元的数据。
身份验证：使用OAuth 2.0（Client Credentials Flow）。您必须拥有有效的Client Secret和应用注册信息。
实体选择：使用CustomerInvoices、CustomerPaymentJournalLines和CaseDetail等标准实体。如果您的组织使用自定义实体，则必须更新endpoints字典中的端点。
计算事件：“Due Date Passed”等事件在脚本执行期间计算，因为数据库中不会生成对应的交易日志。

a 示例查询 python

import requests
import pandas as pd
import datetime
from datetime import  timedelta
import json

class=class="hl-string">"hl-comment"># === CONFIGURATION ===
config = {
    class="hl-string">"resource": class="hl-string">"https://[YourOrg].operations.dynamics.com",
    class="hl-string">"tenant_id": class="hl-string">"[Your-Tenant-ID]",
    class="hl-string">"client_id": class="hl-string">"[Your-Client-ID]",
    class="hl-string">"client_secret": class="hl-string">"[Your-Client-Secret]",
    class="hl-string">"company_code": class="hl-string">"USMF",  class=class="hl-string">"hl-comment"># Example Company Code
    class="hl-string">"start_date": class="hl-string">"2023-01-01T00:00:00Z"
}

class=class="hl-string">"hl-comment"># === AUTHENTICATION ===
def get_token(config):
    token_url = fclass="hl-string">"https://login.microsoftonline.com/{config['tenant_id']}/oauth2/token"
    payload = {
        class="hl-string">'grant_type': class="hl-string">'client_credentials',
        class="hl-string">'client_id': config[class="hl-string">'client_id'],
        class="hl-string">'client_secret': config[class="hl-string">'client_secret'],
        class="hl-string">'resource': config[class="hl-string">'resource']
    }
    response = requests.post(token_url, data=payload)
    if response.status_code == 200:
        return response.json().get(class="hl-string">'access_token')
    else:
        raise Exception(fclass="hl-string">"Auth Failed: {response.text}")

class=class="hl-string">"hl-comment"># === ODATA FETCHER ===
def get_odata_data(token, entity_url, filter_str):
    headers = {class="hl-string">'Authorization': fclass="hl-string">'Bearer {token}', class="hl-string">'Accept': class="hl-string">'application/json'}
    results = []
    next_link = fclass="hl-string">"{config['resource']}/data/{entity_url}?$filter={filter_str}&$format=json"
    
    while next_link:
        print(fclass="hl-string">"Fetching: {next_link}")
        try:
            res = requests.get(next_link, headers=headers)
            if res.status_code != 200:
                print(fclass="hl-string">"Error fetching data: {res.text}")
                break
            data = res.json()
            results.extend(data.get(class="hl-string">'value', []))
            next_link = data.get(class="hl-string">'@odata.nextLink', None)
        except Exception as e:
            print(fclass="hl-string">"Exception: {e}")
            break
    return pd.DataFrame(results)

class=class="hl-string">"hl-comment"># === MAIN EXTRACTION ===
def main():
    token = get_token(config)
    all_events = []
    company_filter = fclass="hl-string">"dataAreaId eq '{config['company_code']}'"
    date_filter = fclass="hl-string">"InvoiceDate ge {config['start_date']}"

    class=class="hl-string">"hl-comment"># 1. INVOICE BASIC EVENTS (Posted, Dispatched, Credit Memo, Cleared)
    class=class="hl-string">"hl-comment"># Entity: CustomerInvoices (or SalesInvoiceHeaders)
    print(class="hl-string">"Processing Invoices...")
    df_inv = get_odata_data(token, class="hl-string">"CustomerInvoices", fclass="hl-string">"{company_filter} and {date_filter}")
    
    if not df_inv.empty:
        class=class="hl-string">"hl-comment"># Activity: Invoice Posted
        posted = df_inv.copy()
        posted[class="hl-string">'Activity'] = class="hl-string">'Invoice Posted'
        posted[class="hl-string">'EventTimestamp'] = posted[class="hl-string">'InvoiceDate']
        all_events.append(posted)

        class=class="hl-string">"hl-comment"># Activity: Invoice Dispatched (Assumed same day as posted if not tracked separately)
        dispatched = df_inv.copy()
        dispatched[class="hl-string">'Activity'] = class="hl-string">'Invoice Dispatched'
        dispatched[class="hl-string">'EventTimestamp'] = dispatched[class="hl-string">'InvoiceDate']  class=class="hl-string">"hl-comment"># Often inferred
        all_events.append(dispatched)

        class=class="hl-string">"hl-comment"># Activity: Credit Memo Issued
        credit_memos = df_inv[df_inv[class="hl-string">'InvoiceAmount'] < 0].copy()
        credit_memos[class="hl-string">'Activity'] = class="hl-string">'Credit Memo Issued'
        credit_memos[class="hl-string">'EventTimestamp'] = credit_memos[class="hl-string">'InvoiceDate']
        all_events.append(credit_memos)

        class=class="hl-string">"hl-comment"># Activity: Invoice Cleared (Closed)
        class=class="hl-string">"hl-comment"># Note: ClosedDate might need to be cast to datetime
        cleared = df_inv[df_inv[class="hl-string">'ClosedDate'].notnull()].copy()
        if not cleared.empty:
            cleared[class="hl-string">'Activity'] = class="hl-string">'Invoice Cleared'
            cleared[class="hl-string">'EventTimestamp'] = cleared[class="hl-string">'ClosedDate']
            all_events.append(cleared)

        class=class="hl-string">"hl-comment"># Activity: Due Date Passed (Calculated)
        class=class="hl-string">"hl-comment"># Logic: If not closed, and DueDate < Now
        now = datetime.datetime.now()
        overdue = df_inv[(df_inv[class="hl-string">'ClosedDate'].isnull())].copy()
        class=class="hl-string">"hl-comment"># Convert DueDate to datetime objects for comparison
        overdue[class="hl-string">'DueDate_DT'] = pd.to_datetime(overdue[class="hl-string">'DueDate'])
        overdue = overdue[overdue[class="hl-string">'DueDate_DT'] < now]
        if not overdue.empty:
            overdue[class="hl-string">'Activity'] = class="hl-string">'Due Date Passed'
            class=class="hl-string">"hl-comment"># Timestamp is the day it became overdue
            overdue[class="hl-string">'EventTimestamp'] = overdue[class="hl-string">'DueDate'] 
            all_events.append(overdue)

    class=class="hl-string">"hl-comment"># 2. PAYMENTS (Partial, Full, WriteOff)
    class=class="hl-string">"hl-comment"># Entity: CustomerPaymentJournalLines
    print(class="hl-string">"Processing Payments...")
    class=class="hl-string">"hl-comment"># Note: Filter by TransDate usually
    df_pay = get_odata_data(token, class="hl-string">"CustomerPaymentJournalLines", fclass="hl-string">"{company_filter}")
    
    if not df_pay.empty:
        class=class="hl-string">"hl-comment"># Activity: Partial vs Full Payment
        class=class="hl-string">"hl-comment"># Logic requires comparing payment amount to invoice balance. simplified here based on Amount
        class=class="hl-string">"hl-comment"># Assuming we join with invoices later, strictly classifying based on available fields
        class=class="hl-string">"hl-comment"># Here we assume a field class="hl-string">'PaymentStatus' or we treat all as Partial unless marked Settled
        
        class=class="hl-string">"hl-comment"># Full Payment
        full_pay = df_pay.copy()
        full_pay[class="hl-string">'Activity'] = class="hl-string">'Full Payment Received'
        full_pay[class="hl-string">'EventTimestamp'] = full_pay[class="hl-string">'TransDate']
        all_events.append(full_pay)
        
        class=class="hl-string">"hl-comment"># Partial Payment (In a real scenario, this requires logic checking settlement vs invoice total)
        class=class="hl-string">"hl-comment"># Adding a duplicate row for demonstration of structure
        partial_pay = df_pay[df_pay[class="hl-string">'Amount'] < 1000].copy() class=class="hl-string">"hl-comment"># Placeholder logic
        partial_pay[class="hl-string">'Activity'] = class="hl-string">'Partial Payment Posted'
        partial_pay[class="hl-string">'EventTimestamp'] = partial_pay[class="hl-string">'TransDate']
        all_events.append(partial_pay)

        class=class="hl-string">"hl-comment"># Activity: Payment Written Off
        class=class="hl-string">"hl-comment"># Filter by specific Transaction Type or Journal Name
        write_off = df_pay[df_pay[class="hl-string">'JournalName'].str.contains(class="hl-string">'WriteOff', case=False, na=False)].copy()
        write_off[class="hl-string">'Activity'] = class="hl-string">'Payment Written Off'
        write_off[class="hl-string">'EventTimestamp'] = write_off[class="hl-string">'TransDate']
        all_events.append(write_off)

    class=class="hl-string">"hl-comment"># 3. COLLECTIONS (Reminders, Promise to Pay)
    class=class="hl-string">"hl-comment"># Entity: CollectionLetterJournals
    print(class="hl-string">"Processing Collections...")
    df_col = get_odata_data(token, class="hl-string">"CollectionLetterJournals", fclass="hl-string">"{company_filter}")
    if not df_col.empty:
        reminders = df_col.copy()
        reminders[class="hl-string">'Activity'] = class="hl-string">'Payment Reminder Sent'
        reminders[class="hl-string">'EventTimestamp'] = reminders[class="hl-string">'LetterDate']
        all_events.append(reminders)

    class=class="hl-string">"hl-comment"># Entity: CustomerPromiseToPay
    df_promise = get_odata_data(token, class="hl-string">"CustomerPromiseToPay", fclass="hl-string">"{company_filter}")
    if not df_promise.empty:
        promises = df_promise.copy()
        promises[class="hl-string">'Activity'] = class="hl-string">'Promise to Pay Received'
        promises[class="hl-string">'EventTimestamp'] = promises[class="hl-string">'CreatedDateTime']
        all_events.append(promises)

    class=class="hl-string">"hl-comment"># 4. DISPUTES (Opened, Review, Resolved)
    class=class="hl-string">"hl-comment"># Entity: CaseDetails (requires filtering for Collections/Dispute category)
    print(class="hl-string">"Processing Disputes...")
    df_case = get_odata_data(token, class="hl-string">"CaseDetails", fclass="hl-string">"{company_filter} and Category eq 'Collections'")
    if not df_case.empty:
        class=class="hl-string">"hl-comment"># Opened
        opened = df_case.copy()
        opened[class="hl-string">'Activity'] = class="hl-string">'Dispute Case Opened'
        opened[class="hl-string">'EventTimestamp'] = opened[class="hl-string">'CreatedDateTime']
        all_events.append(opened)

        class=class="hl-string">"hl-comment"># Under Review (In Process)
        in_process = df_case[df_case[class="hl-string">'Status'] == class="hl-string">'InProcess'].copy()
        in_process[class="hl-string">'Activity'] = class="hl-string">'Dispute Under Review'
        in_process[class="hl-string">'EventTimestamp'] = in_process[class="hl-string">'ModifiedDateTime']
        all_events.append(in_process)

        class=class="hl-string">"hl-comment"># Resolved (Closed)
        resolved = df_case[df_case[class="hl-string">'Status'] == class="hl-string">'Closed'].copy()
        resolved[class="hl-string">'Activity'] = class="hl-string">'Dispute Resolved'
        resolved[class="hl-string">'EventTimestamp'] = resolved[class="hl-string">'ClosedDateTime']
        all_events.append(resolved)

    class=class="hl-string">"hl-comment"># 5. INTEREST
    class=class="hl-string">"hl-comment"># Entity: InterestNotes
    print(class="hl-string">"Processing Interest Notes...")
    df_interest = get_odata_data(token, class="hl-string">"InterestNotes", fclass="hl-string">"{company_filter}")
    if not df_interest.empty:
        interest = df_interest.copy()
        interest[class="hl-string">'Activity'] = class="hl-string">'Interest Note Generated'
        interest[class="hl-string">'EventTimestamp'] = interest[class="hl-string">'NoteDate']
        all_events.append(interest)

    class=class="hl-string">"hl-comment"># 6. BANK RECONCILIATION
    class=class="hl-string">"hl-comment"># Entity: BankReconciliationLines (Placeholder for matching)
    print(class="hl-string">"Processing Bank Reconciliation...")
    class=class="hl-string">"hl-comment"># This entity availability varies by version
    df_bank = get_odata_data(token, class="hl-string">"BankReconciliationLines", fclass="hl-string">"{company_filter}")
    if not df_bank.empty:
        matched = df_bank[df_bank[class="hl-string">'Reconciled'] == True].copy()
        matched[class="hl-string">'Activity'] = class="hl-string">'Bank Statement Matched'
        matched[class="hl-string">'EventTimestamp'] = matched[class="hl-string">'TransactionDate']
        class=class="hl-string">"hl-comment"># Need to join with Invoice via Payment Reference ideally
        class=class="hl-string">"hl-comment"># For this script, we assume InvoiceNumber is present or mapped
        all_events.append(matched)

    class=class="hl-string">"hl-comment"># === UNIFICATION & EXPORT ===
    if not all_events:
        print(class="hl-string">"No events extracted.")
        return

    final_df = pd.concat(all_events, ignore_index=True)

    class=class="hl-string">"hl-comment"># Map columns to schema
    class=class="hl-string">"hl-comment"># Note: Column names class="hl-string">'InvoiceNumber', class="hl-string">'InvoiceAccount' etc. depend on exact Entity schema
    class=class="hl-string">"hl-comment"># You may need to rename based on your D365 entity fields, e.g., class="hl-string">'InvoiceNum' -> class="hl-string">'InvoiceNumber'
    schema_map = {
        class="hl-string">'InvoiceNumber': class="hl-string">'InvoiceNumber',
        class="hl-string">'InvoiceId': class="hl-string">'InvoiceNumber', class=class="hl-string">"hl-comment"># Alternative common name
        class="hl-string">'InvoiceAccount': class="hl-string">'CustomerAccount',
        class="hl-string">'CustomerAccount': class="hl-string">'CustomerAccount',
        class="hl-string">'InvoiceAmount': class="hl-string">'InvoiceAmount',
        class="hl-string">'Amount': class="hl-string">'InvoiceAmount', class=class="hl-string">"hl-comment"># Fallback for payments
        class="hl-string">'CurrencyCode': class="hl-string">'Currency',
        class="hl-string">'DueDate': class="hl-string">'DueDate',
        class="hl-string">'CreatedBy': class="hl-string">'User',
        class="hl-string">'BusinessUnit': class="hl-string">'BusinessUnit',
        class="hl-string">'DataAreaId': class="hl-string">'CompanyCode'
    }
    
    class=class="hl-string">"hl-comment"># Normalize columns
    for col in final_df.columns:
        if col in schema_map:
            final_df.rename(columns={col: schema_map[col]}, inplace=True)

    class=class="hl-string">"hl-comment"># Add constant fields
    final_df[class="hl-string">'SourceSystem'] = class="hl-string">'Microsoft D365'
    final_df[class="hl-string">'LastDataUpdate'] = datetime.datetime.now().isoformat()
    
    class=class="hl-string">"hl-comment"># Select final columns (fill missing with None)
    required_cols = [
        class="hl-string">'InvoiceNumber', class="hl-string">'Activity', class="hl-string">'EventTimestamp', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'CustomerAccount', class="hl-string">'CustomerGroup', class="hl-string">'InvoiceAmount', class="hl-string">'DueDate', class="hl-string">'User',
        class="hl-string">'BusinessUnit', class="hl-string">'CompanyCode', class="hl-string">'IsAutomated'
    ]
    
    for col in required_cols:
        if col not in final_df.columns:
            final_df[col] = None
            
    output_df = final_df[required_cols]
    
    class=class="hl-string">"hl-comment"># Export
    output_df.to_csv(class="hl-string">"AR_Event_Log.csv", index=False)
    print(class="hl-string">"Extraction complete. Saved to AR_Event_Log.csv")

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

准备好开始了吗？

立即使用此数据模板，开始转变您的财务运营。我们的团队随时可以协助您按照这些要求梳理Microsoft Dynamics 365数据。

返回改进指南下载模板

立即优化应收账款，改善现金流

加入在Microsoft Dynamics 365中将DSO缩短15至20天的团队

开始免费试用

无需信用卡，5分钟完成设置

您的应收账款数据模板

您的应收账款数据模板

应收账款属性

应收账款活动

提取指南

D365数据管理框架实体导出

步骤

配置

a 示例查询 sql

用于提取应收账款事件的Python OData API

步骤

配置

a 示例查询 python

准备好开始了吗？

立即优化应收账款，改善现金流

您的应收账款数据模板

您的应收账款数据模板

应收账款属性

应收账款活动

提取指南

D365数据管理框架实体导出

步骤

配置

a 示例查询 sql

用于提取应收账款事件的Python OData API

步骤

配置

a 示例查询 python

准备好开始了吗？

立即优化应收账款，改善现金流

我们重视您的隐私