> 持续流程改进 > 记录到报告－期间结账与对账 > Microsoft Dynamics 365 > 数据模板

您的Record to Report：期末结账与对账数据模板

Microsoft Dynamics 365

记录到报告－期间结账与对账属性 (18) 记录到报告－期间结账与对账活动 (14) 提取指南 (2)

您的Record to Report：期末结账与对账数据模板

此模板全面介绍如何收集优化Record to Report、期末结账与对账流程所需的数据，涵盖必要的数据属性、需要跟踪的关键活动，以及从Microsoft Dynamics 365提取数据的实用指南。使用此资源简化数据准备，快速开始流程分析。

建议收集的属性
需要跟踪的关键活动
Microsoft Dynamics 365数据提取指南

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

记录到报告－期间结账与对账属性

以下是建议纳入事件日志的数据字段，用于全面分析记录到报告、期间结账与对账流程。

5 必需 4 建议 9 可选

	名称	说明
	事件时间 EventTime	特定期间结账活动执行或完成的准确日期和时间。
说明事件时间是与每项活动关联的时间戳，用于确定事件的时间顺序。这些数据对于构建流程路径和执行任何基于时间的分析都至关重要。在流程挖掘中，该时间戳用于计算活动间的周期时间、持续时间和等待时间，也是识别瓶颈、根据截止期限监控流程绩效以及了解期间结账流程时间动态的基础。为什么重要这是所有基于时间的分析所需的关键属性，包括计算周期时间、识别瓶颈和理解事件顺序。获取位置通常对应Dynamics 365交易、日记账或状态记录中的系统生成时间戳字段，例如“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名称，例如“Trial Balance Prepared”或“Account Reconciliation Started”。
说明活动名称用于描述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项活动，共同构成每个财务期间的事件顺序。该属性是流程挖掘的基础，可用于可视化流程图，展示工作实际如何完成。它还用于分析流程路径，识别与标准过程之间的偏差，并衡量不同关键里程碑之间的持续时间。为什么重要此属性构成流程图的基础，支持可视化和分析期间结账周期中的步骤顺序、瓶颈及偏差。获取位置根据Dynamics 365中General Ledger或Financial reporting等模块的交易类型、状态变更或特定事件日志，依据业务逻辑生成。示例应计日记账已过账银行核对已完成财务报表已生成总账期间已关闭
	财务期间 FinancialPeriod	财务报告周期的唯一标识，例如表示2023年12月的“2023-12”。它作为主要案例标识，将所有相关的期末活动归为一组。
说明 Financial Period表示特定时间范围内账簿结账的完整生命周期，通常为一个月或一个季度。从发起结账到批准该期间最终财务报表的所有活动，都通过此标识关联。在流程挖掘分析中，此属性对于定义每个案例的范围至关重要。它支持衡量端到端期间结账周期时间、比较不同期间的绩效，并识别每个结账周期反复出现的系统性瓶颈。为什么重要这是界定分析范围的核心案例标识，可针对每个独立报告周期评估从开始到结束的完整期间结账流程。获取位置通常是根据Microsoft Dynamics 365财务日历或总账期间表中的Fiscal Year和Period字段生成的复合键。示例 2023-122024-012024年第1季度FY2023-P12
	最后数据更新时间 LastDataUpdate	表示数据最近一次从源系统刷新或提取时间的时间戳。
说明此属性提供所分析数据的“截至”日期，对于了解流程挖掘分析和仪表板数据的时效性与相关性至关重要。用户可通过此时间戳确认查看的是否为当前可用数据。它通常会在仪表板中突出显示，为数据新鲜度提供背景信息。为什么重要为数据新鲜度提供重要背景，帮助用户了解流程分析是否保持最新。获取位置此值在数据提取、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”。
说明此属性指定流程数据的来源。在包含多个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。在分析中，它有助于实现可追溯性，并创建跨多个系统的模型，确保所有发现都能追溯到正确的记录系统，以便进一步调查。为什么重要确保数据可追溯性。在多系统环境中，它对于将流程事件准确归因于来源系统至关重要。获取位置通常是在数据提取、转换和加载（ETL）过程中添加的静态值，用于标记数据集来源。示例 Microsoft Dynamics 365D365 F&OAX2012
	公司代码 CompanyCode	执行期间结账的法人实体或公司标识。
说明 Company Code表示组织内独立的法人实体。财务数据和结账活动按此代码隔离。这是分析中的关键维度，可用于比较不同实体的绩效，识别结账效率最高或面临困难的公司，从而支持有针对性的改进措施。“Overall Period Close Cycle Time”等大多数仪表板都需要按此属性分段。为什么重要这是用于筛选和比较的主要维度，可分析不同法人实体的期间结账绩效。获取位置在Dynamics 365中，对应几乎所有交易表中都存在的“DataAreaId”字段。示例 USMFDEMFGBSI
	总账账户 GlAccount	活动涉及的具体总账账户编号，例如日记账过账或核对所涉及的账户。
说明 GL Account标识会计科目表中受交易影响的具体账户，为财务活动提供细粒度信息。此属性对于分析核对绩效和识别问题账户至关重要。“Post-Close Adjustment Frequency”和“GL Account Reconciliation Performance”等仪表板依靠此字段定位频繁调整或核对耗时较长的账户。为什么重要支持详细的财务分析，帮助定位调整率高或核对时间长的问题账户。获取位置位于Dynamics 365的“GeneralJournalAccountEntry”或“LedgerJournalTrans”等总账交易表中。示例 110110601500212100
	责任用户 ResponsibleUser	执行该活动人员的用户ID或姓名。
说明此属性标识期间结账流程中特定任务的执行负责人，可能是过账日记账、批准核对或生成报告的人员。按用户分析有助于了解工作负载分配、识别培训需求并评估个人或团队绩效。它是用户生产力和资源管理仪表板的重要维度，也是计算“Avg User Activity Count Variance”KPI所必需的。为什么重要支持分析工作负载分配、用户绩效和资源配置，帮助识别负荷过重的团队或个人。获取位置对应Dynamics 365交易记录中的“CreatedBy”或“ModifiedBy”等字段。用户信息通常在System administration模块中管理。示例 j.does.smithr.williamsFINANCE_AUTOMATION_BOT
	部门 Department	与活动或执行活动的用户相关的职能部门，例如“Finance”“Controlling”或“AP”。
说明 Department属性提供组织背景，将活动关联到具体业务职能。它可以表示过账日记账用户所属的部门，也可以表示负责一组总账账户的部门。在分析中，它用于了解不同部门如何参与期间结账流程，帮助识别跨部门交接、延迟和资源瓶颈，并支持“User Workload & Performance”等仪表板。为什么重要提供组织背景，支持按职能领域分析流程绩效和工作负载分配。获取位置可根据用户配置文件或Dynamics 365交易关联的财务维度生成。示例企业会计应付账款FP&A内部审计
	实际完成日期 ActualCompletionDate	完成某财务期间结账流程最后一步的实际日期。
说明此属性标记特定财务期间案例中最终活动的时间戳，例如“GL Period Closed”或“Financial Statements Approved”。这是一个派生属性，对于计算期间结账总体周期时间至关重要。它还会与“TargetCompletionDate”进行比较，以计算“Period Close On-Time Rate”KPI，从而清晰衡量按时完成情况。为什么重要定义每个期间的流程终点，支持计算总体周期时间和按时完成KPI。获取位置通过在事件日志中查找每个“FinancialPeriod”案例最后一项记录活动的时间戳生成。示例 2023-01-06T11:00:00Z2023-02-04T18:30:00Z2023-03-07T09:45:00Z
	日记账分录ID JournalEntryId	日记账分录文档的唯一标识。
说明 Journal Entry ID是分配给总账中每个日记账的唯一编号，可直接链接到Dynamics 365中的源交易。虽然它不一定用于高层次流程分析，但对于下钻和根因分析非常有价值。发现结账后调整等异常时，分析人员可通过此ID快速定位源系统中的确切交易，以便详细调查。为什么重要直接链接到ERP中的源交易，支持快速下钻，对特定日记账分录执行根因分析。获取位置对应“LedgerJournalTable”和“LedgerJournalTrans”等表中的“JournalNumber”字段。示例 JV-001234GENJ005678ACCR-000987
	是否为结账后调整 IsPostCloseAdjustment	计算得出的布尔标志。如果某期间试算平衡表准备完成后才过账调整日记账分录，则为true。
说明此属性专门识别结账周期后期进行的调整。它标记同一财务期间内发生在“Trial Balance Prepared”或“Financial Statements Approved”里程碑之后的“Adjusting Journal Entries Posted”活动。这是数据质量和流程控制的重要指标，用于计算“Post-Close Adjustment Entry Rate”KPI并填充“Post-Close Adjustment Frequency”仪表板，帮助识别延迟变更的根因。为什么重要通过识别延迟调整，突出数据质量和流程控制问题；此类调整可能损害财务报告的完整性。获取位置在数据转换过程中，通过检查每个Financial Period案例中的事件顺序计算。示例 truefalse
	是否自动化 IsAutomated	表示活动由系统或自动化机器人而非人工用户执行的布尔标志。
说明此属性区分期间结账流程中的人工活动和自动化活动，例如识别由自动化接口过账的日记账分录或系统生成的报告。分析此维度有助于了解流程自动化程度，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且不存在错误或异常。为什么重要帮助衡量自动化对流程的影响，并识别进一步自动化的机会，以提升效率。获取位置通常通过检查“ResponsibleUser”是否对应已知系统账户或服务账户生成。示例 truefalse
	是否返工 IsRework	计算得出的布尔标志。如果同一案例中同一项目重复执行某项活动或一系列活动，则为true。
说明 Is Rework标志用于识别重复执行的工作，例如批准后重新打开核对，或冲销并重新过账日记账。此属性对于量化流程低效和浪费至关重要。它直接用于“Reconciliation Rework Rate”KPI和“Period Close Rework & Deviations”仪表板，突出显示因质量问题或流程不清导致重复工作的环节。为什么重要通过标记重复工作量化流程低效，帮助识别质量问题和改进流程的机会。获取位置在数据转换过程中，通过检测同一实体（例如同一GL Account）在同一Financial Period内重复执行活动的逻辑计算此标志。示例 truefalse
	核对类别 ReconciliationCategory	对核对类型进行分类，例如“Bank”“Intercompany”或“Fixed Assets”。
说明 Reconciliation Category根据核对性质，将单个账户核对归入逻辑类别，相比查看单个总账账户可提供更高层次的视角。按类别分析有助于识别特定核对类型中的系统性问题。例如，“GL Account Reconciliation Performance”仪表板可借此展示公司间核对是否持续比银行核对耗时更长，从而指导有针对性的流程改进。为什么重要帮助对核对活动分类，支持绩效比较，并识别特定核对类型中的系统性问题。获取位置此信息可能存储在专用核对模块中，也可能根据待核对总账账户的属性生成。请参阅Microsoft Dynamics 365文档。示例银行对账公司间资产负债表－应计项目固定资产子分类账
	目标完成日期 TargetCompletionDate	完成指定财务期间结账流程的计划日期或目标日期。
说明 Target Completion Date是预期完成财务期间结账的截止日期，通常在结账日历或计划中定义。此属性对于评估计划执行情况至关重要，是“Period Close On-Time Rate”KPI的基础，该KPI将实际完成日期与目标日期进行比较。分析偏离该日期的情况，有助于了解结账流程的可预测性和可靠性。为什么重要此属性对于按截止时间衡量绩效至关重要，可支持计算期间结账按时完成率。获取位置可能存储在Dynamics 365的财务期间或日历配置表中，也可能需要从外部计划工具获取。请参阅Microsoft Dynamics 365文档。示例 2023-01-052023-02-042023-03-06
	结束时间 EndTime	表示具有可测量持续时间的活动结束时间的时间戳。
说明对于核对任务等非瞬时活动，此时间戳标记特定任务完成的时间。它与StartTime（EventTime）结合，用于定义明确的持续时间。此属性主要用于计算单项活动的处理时间，对于“Avg Adjusting Entry Processing Time”等KPI以及分析特定任务耗时构成的仪表板至关重要。为什么重要支持精确计算单项活动的处理时间，是识别任务级瓶颈的关键。获取位置此数据可能较难获取，来源可能是状态变更时间戳、“ModifiedDateTime”字段，或日志中独立的开始／结束事件对。示例 2024-01-02T11:00:00Z2024-01-02T15:30:00Z2024-01-03T10:00:00Z
	金额 Amount	与财务交易相关的货币价值，例如日记账分录金额。
说明此属性记录活动涉及的财务价值，尤其适用于日记账过账、调整和核对。在流程挖掘分析中，可利用金额确定问题优先级。例如，分析结账后调整的金额，有助于优先关注高价值更正；还可以筛选流程图，仅查看高价值或低价值交易流。为什么重要为流程事件提供财务背景，支持按货币影响进行分析，例如优先调查高价值调整。获取位置位于Dynamics 365中“GeneralJournalAccountEntry”等表的“AmountCur”或“TransactionCurrencyAmount”等金额字段中。示例 15000.50-250.00125000.00

必需建议可选

记录到报告－期间结账与对账活动

以下是建议在事件日志中记录的关键流程步骤和里程碑，用于准确发现和分析财务结账周期。

5 建议 9 可选

	活动	说明
	总账期间已关闭	这是流程中的最终活动，正式关闭总账期间并禁止进一步过账。这是Dynamics 365中明确且可审计的状态变更。
为什么重要作为确定性的结束事件，此活动对于计算平均期间结账周期时间至关重要，代表财务期间最终且不可逆的完成状态。获取位置从Ledger日历（LedgerPeriod实体）中提取。事件时间是期间状态变更为“Closed”的时间戳。采集从审计轨迹中识别LedgerPeriod状态字段设置为“Closed”时的时间戳。事件类型 explicit
	期间结账流程启动	此活动标志着特定期间财务结账流程的开始。通常可通过Financial close工作区中结账计划的创建，或分类账期间的首次状态变更来推断。
为什么重要作为开始事件，它是衡量期间结账总周期时间的关键。分析从该事件开始的时间，有助于识别整体流程持续时间及计划执行情况。获取位置可根据“Financial close”配置的创建日期，或该财务期间首个已记录结账任务的时间戳推断。相关数据位于Financial close工作区实体中。采集使用财务结账清单的创建时间戳，或该期间任一结账活动中最早的时间戳。事件类型 inferred
	试算平衡表已准备	这是一个关键里程碑，表示所有已知调整均已过账，初步试算平衡表已准备好供审核。这是一个推断事件，标志着数据录入完成。
为什么重要此活动是生成财务报表前的重要检查点，将数据更正阶段与报告和审核阶段区分开来。获取位置这是一个概念性里程碑，可推断为财务报表生成开始前最后一笔调整日记账分录的过账时间戳。采集使用该期间内、财务报表生成任务开始前最后一笔GeneralJournalEntry的过账时间戳。事件类型 inferred
	财务报表已批准	这是最终审批里程碑，表示管理层已审核并签署该期间的财务报表。通常通过Financial close工作区中的任务捕获。
为什么重要这是结束审核阶段的关键业务里程碑，对于衡量财务报表审核时间和整体流程治理至关重要。获取位置来自Financial close工作区。通过该期间结账清单中最终审批任务的完成时间戳捕获。采集使用Financial close工作区中指定“Final Approval”任务的完成时间戳。事件类型 explicit
	账户核对已批准	此活动表示已准备的账户核对经过经理或审核人员审阅并批准。通常以Financial close工作区中任务的最终状态更新形式捕获。
为什么重要这是结束账户核对的主要里程碑，对于计算“Avg Reconciliation Approval Time”KPI和识别审批瓶颈至关重要。获取位置来自Financial close工作区的任务管理实体。事件时间是核对任务状态变更为“Completed”或“Approved”的时间戳。采集捕获结账任务状态更新为“Completed”或等效最终状态时的时间戳。事件类型 explicit
	公司间日记账已过账	此活动表示通过过账日记账分录，核对组织内不同法人实体之间的余额。这是从总账交易日志中捕获的显式事件。
为什么重要公司间核对通常较为复杂，容易造成延迟。监控此活动有助于衡量公司间核对时间KPI并定位低效环节。获取位置从GeneralJournalEntry表中提取，其中“Intercompany”标志已标记，或交易涉及公司间账户。采集筛选交易类型表示公司间过账的GeneralJournalEntry记录。事件类型 explicit
	子分类账暂停	表示应付账款和应收账款等交易子分类账被禁止在该期间过账新交易的时间点。可通过观察各模块分类账期间的状态变更来捕获。
为什么重要这是总账工作开始前确保数据完整性的关键控制点。此处的延迟可能连锁影响整个结账时间表。获取位置可根据各子分类账模块的Ledger日历期间状态推断。AP、AR等模块的状态变更为“On hold”，表示该活动已发生。采集在LedgerPeriod实体的审计轨迹中识别状态变更为“On hold”的记录，并按模块筛选。事件类型 inferred
	应计日记账已过账	此事件表示应计费用和收入的日记账分录已过账。这是从总账交易数据中捕获的明确操作，可通过特定日记账名称或类型识别。
为什么重要跟踪应计项目的时间和数量，有助于了解结账期间的工作量，并识别收集相关分录信息时的依赖关系和潜在瓶颈。获取位置从GeneralJournalEntry和GeneralJournalAccountEntry表中提取。筛选结账窗口期间过账且日记账名称用于应计项目的交易，例如“ACCR”。采集按用于应计项目的特定JournalName或PostingType筛选GeneralJournalEntry记录。事件类型 explicit
	总账期间已重新打开	此异常活动发生在重新打开已关闭期间以过账逾期调整时。这是从“Closed”变更为“On hold”或“Open”的显式状态变更。
为什么重要重新打开期间明显偏离标准流程，表明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至关重要。获取位置从Ledger日历（LedgerPeriod实体）中提取。事件时间是期间状态从“Closed”变更为非关闭状态的时间戳。采集从审计轨迹中识别LedgerPeriod状态从“Closed”变更时的时间戳。事件类型 explicit
	调整日记账分录已过账	此事件记录初始核对完成后、最终结账前过账调整日记账分录的情况。这些显式交易可通过特定日记账名称或过账日期识别。
为什么重要频繁调整可能表明数据质量或上游流程存在问题。监控此项有助于衡量结账后调整分录率，并识别问题账户。获取位置来自GeneralJournalEntry表。通过筛选日记账名称为指定“Adjustment”的日记账，或在试算平衡表准备日期之后过账的日记账进行识别。采集使用特定JournalName，或根据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	此活动表示生成正式财务报告，例如损益表和资产负债表。由于涉及运行报告，通常较难捕获此事件。
为什么重要这标志着最终审核周期开始。从此活动到最终批准的持续时间，是衡量管理层审核效率的关键KPI。获取位置 Financial Reporter（原Management Reporter）的系统日志可能包含此信息。但该信息通常不会存储在交易表中，可能需要自定义日志记录。采集需要分析系统日志或自定义捕获事件。在标准实施中可能无法获取。事件类型 inferred
	账户核对已开始	表示用户开始核对特定总账账户，例如资产负债表账户。该事件以Financial close工作区中任务的状态变更形式捕获。
为什么重要此活动是衡量单个账户核对周期时间的起点，有助于识别开始核对耗时最长的账户。获取位置来自Financial close工作区的任务管理实体。事件时间是核对任务状态变更为“In progress”的时间戳。采集捕获结账任务状态更新为“In progress”或类似状态时的时间戳。事件类型 explicit
	银行核对已完成	此活动表示银行核对已完成并过账。这是从银行核对记录状态变更中捕获的显式事件。
为什么重要这是结账流程中的关键里程碑。跟踪其完成情况有助于衡量银行核对周期的吞吐量和持续时间。获取位置根据BankStatement实体状态变更为“Reconciled”，或关联核对日记账的过账时间戳推断。采集识别BankStatement状态字段更新为“Reconciled”时的时间戳。事件类型 inferred
	银行核对已开始	标志着特定银行账户和期间的银行核对流程开始。这是用户创建新的银行核对工作表时捕获的显式事件。
为什么重要此活动的时间对于理解银行核对子流程至关重要。它是衡量现金核对活动效率的起点。获取位置来自BankStatement和BankStatementLine表。新银行对账记录的创建时间戳作为事件时间。采集使用相关财务期间BankStatement表中的“CreatedDateTime”字段。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

确认前提条件：确认您的Microsoft Dynamics 365环境已配置Azure Data Lake Link。这样，必要的F&O数据库表副本便可在您组织的Azure订阅中查询。
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。您还需要使用能够对这些数据运行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：使用选定的查询工具连接数据湖。确定所需Dynamics 365表的路径。本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。还必须更新日记账名称占位符，例如[Your Accrual Journal Name]，使其符合您组织的具体配置。
执行提取脚本：运行配置好的SQL查询。该脚本会将多个源表中的事件合并为单一事件日志格式，并提取指定的全部14项活动后将其合并。
检查初始结果：查询完成后，快速检查输出结果。确认所选时间段内的行数合理，并确认FinancialPeriod、ActivityName和EventTime等关键列已按预期填充。
导出事件日志：将查询结果导出为CSV格式。确保文件使用UTF-8编码，以避免字符显示问题。
准备上传：上传至流程挖掘工具前，确认导出CSV文件中的列标题与所需属性名称完全一致：FinancialPeriod、ActivityName、EventTime、SourceSystem、LastDataUpdate、ResponsibleUser、CompanyCode、Department和GlAccount。

配置

日期范围：建议提取至少6至12个已结账财务期间的数据，以识别趋势和重复模式。使用查询中的StartDate和EndDate变量定义范围。
公司代码筛选：使用与DataAreaId字段对应的CompanyFilter变量，将提取范围限制为指定法人实体。一次查询所有公司可能消耗较多资源。
日记账名称配置：识别“Accrual Journals Posted”“Intercompany Journals Posted”和“Adjusting Journal Entries Posted”等活动，取决于Dynamics 365设置中使用的具体日记账名称。必须将查询中的占位值，例如[Your Accrual Journal Name]，替换为组织实际使用的日记账名称。
财务结账工作区：Account Reconciliation Started和Financial Statements Approved等活动依赖Dynamics 365中的财务结账工作区。如果未使用此模块，则不会提取这些活动。
前提条件：此方法要求已启用并完成同步Dynamics 365的Azure Data Lake Link。执行查询的用户或服务主体必须拥有数据湖存储的读取权限。

a 示例查询 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：确保已安装Python 3.6或更新版本，以及pandas和requests库。您可以使用pip安装：pip install pandas requests。为您的Dynamics 365实例在Azure Active Directory（Azure AD）中注册应用，并授予其读取财务数据所需的API权限。获取该应用的Tenant ID、Client ID和Client Secret。
配置脚本参数：打开Python脚本，找到顶部的配置部分。填写D365基础URL、Azure AD Tenant ID、Client ID和Client Secret等占位值。设置START_DATE、END_DATE和COMPANY_CODE（D365中的DataAreaId），限定数据提取范围。
实现身份验证：脚本包含一个函数，可使用提供的凭据从Azure AD获取OAuth 2.0访问令牌。该令牌将用于验证后续对D365 OData端点的所有API请求。
定义数据提取函数：脚本通过主数据检索函数get_d365_data处理API调用，包括根据API响应中提供的@odata.nextLink自动分页，确保获取指定查询的全部记录。
执行特定活动查询：对于所需的14项活动，脚本分别定义了专用函数，例如extract_gl_period_events和extract_journal_postings。每个函数都使用$select指定列，并使用$filter缩小结果范围，以获取状态变化或特定日记账名称等相关事件。
获取并合并数据：脚本主体按顺序调用各个提取函数。每个函数都会返回一个格式符合事件日志结构的pandas DataFrame，然后将这些DataFrame收集到列表中。
将数据标准化为事件日志：获取全部数据后，脚本将DataFrame列表连接为统一的事件日志，并添加SourceSystem和LastDataUpdate等静态列，其中LastDataUpdate设置为脚本执行时间。
处理推断事件：对于“Trial Balance Prepared”等推断活动，脚本会根据该财务期间最后一次“Adjusting Journal Entries Posted”的时间戳创建事件。即使系统没有直接记录，该逻辑也能确保捕获相应里程碑。
数据类型转换与清理：脚本确保EventTime列采用正确的日期时间格式，并为其他列设置适当的数据类型。同时从EventTime列推导FinancialPeriod，并将其格式化为“YYYY-MM”。
导出CSV：最后，脚本将完整的事件日志DataFrame保存为名为d365_period_close_event_log.csv的CSV文件。该文件已按可直接上传到流程挖掘工具的格式整理。

配置

身份验证：需要注册Azure AD应用并生成Client ID和Client Secret。应用需要具备“Dynamics ERP”的委派用户权限，才能访问OData API。
D365端点URL：脚本中的D365_BASE_URL变量必须设置为组织专用的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变量定义提取窗口。建议先从较小范围开始，例如3至6个月，以控制数据量并提升API性能。
公司代码筛选：COMPANY_CODE变量必须设置为您要分析期末结账流程的法人实体标识符，即D365中的DataAreaId。脚本设计为一次运行一个公司代码。
日记账名称筛选：脚本使用“ACCRUAL”“INTERCO”和“ADJUST”等占位日记账名称识别特定过账活动。必须将其更新为D365配置中实际使用的准确日记账名称。
财务结账工作区：提取对账任务（“Account Reconciliation Started”“Account Reconciliation Approved”）时，默认使用与财务结账工作区相关的特定实体，例如ClosingSheet。实体名称可能需要根据具体实施进行调整。

a 示例查询 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.")

准备开始了吗？

立即使用此数据模板优化Record to Report流程。开启更快速、更准确的财务报告和更高水平合规性的优化之旅。

返回改进指南下载模板

加快Record to Report期末结账与对账

将周期时间缩短30%，提升准确性，加快财务结账。

开始免费试用

无需信用卡，立即开始优化。

您的Record to Report：期末结账与对账数据模板

您的Record to Report：期末结账与对账数据模板

记录到报告－期间结账与对账属性

记录到报告－期间结账与对账活动

提取指南

通过Azure Data Lake集成直接执行SQL查询

步骤

配置

a 示例查询 sql

通过D365 OData API使用Python脚本提取数据

步骤

配置

a 示例查询 python

准备开始了吗？

加快Record to Report期末结账与对账

您的Record to Report：期末结账与对账数据模板

您的Record to Report：期末结账与对账数据模板

记录到报告－期间结账与对账属性

记录到报告－期间结账与对账活动

提取指南

通过Azure Data Lake集成直接执行SQL查询

步骤

配置

a 示例查询 sql

通过D365 OData API使用Python脚本提取数据

步骤

配置

a 示例查询 python

准备开始了吗？

加快Record to Report期末结账与对账

我们重视您的隐私