> 持续流程改进 > 订单到收款：期间结账与对账 > Microsoft Dynamics 365 > 数据模板

您的记录到报告流程-期间结账与对账数据模板

Microsoft Dynamics 365

← 返回改进指南

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

您的记录到报告流程-期间结账与对账数据模板

此模板全面介绍如何收集优化记录到报告、期间结账与对账流程所需的数据，列出必要的数据属性和需要跟踪的关键活动，并提供从Microsoft Dynamics 365提取数据的实用指南。借助此资源，您可以简化数据准备工作，快速启动流程分析。

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

记录到报告流程-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，可用于全面分析记录到报告、期间结账与对账流程。

5 必填 4 建议填写 9 选填

	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，用于确定事件的先后顺序。构建流程顺序和开展任何基于时间的分析，都离不开此数据。在流程挖掘中，此时间戳用于计算周期时间、活动时长和活动间的等待时间，也是识别瓶颈、根据截止时间监控流程表现，以及了解期间结账流程时间变化规律的依据。重要性此属性对于所有基于时间的分析都至关重要，包括计算周期时间、识别瓶颈和了解事件顺序。获取途径通常对应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的名称，例如“试算平衡表已编制”或“账户对账开始”。
说明活动名称描述端到端期间结账工作流中的一个步骤。源数据中的每条事件记录都对应一项活动，共同构成每个财务期间的事件顺序。此属性是流程挖掘的基础，可用于生成流程图，展示实际工作方式。它还可用于分析流程顺序、识别偏离标准流程的情况，并衡量各关键里程碑之间的耗时。重要性此属性构成流程图的基础，可用于展示和分析期间结账周期中的步骤顺序、瓶颈和偏差。获取途径根据业务逻辑，从Dynamics 365总账或财务报告等模块中的交易类型、状态变更或特定事件日志推导得出。示例应计日记账过账银行对账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符，例如表示2023年12月的“2023-12”。它作为主要案例标识符，将所有相关的期末活动归为一组。
说明财务期间代表特定时间范围内结账的完整生命周期，通常为一个月或一个季度。从启动结账到批准该期间的最终财务报表，所有活动都通过此标识符关联。在流程挖掘分析中，此属性对于界定每个案例的范围至关重要。它可用于衡量期间结账的端到端周期时间、比较不同期间的表现，并识别每个结账周期中反复出现的系统性瓶颈。重要性这是界定分析范围的关键案例标识符，可用于评估每个报告周期从开始到结束的整个期间结账流程。获取途径这通常是一个组合键，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。示例 2023-122024-012024年第一季度2023财年-第12期
	最近数据更新时间 LastDataUpdate	指示数据最近一次从源系统刷新或提取的时间戳。
说明此属性标明所分析数据截至的日期。了解数据的时效性和相关性，对于解读流程挖掘分析和仪表板至关重要。用户可通过此时间戳确认当前查看的数据是否为最新数据。仪表板通常会醒目显示该时间戳，帮助用户了解数据的新鲜度。重要性提供数据时效性的重要背景信息，帮助用户了解流程分析数据的更新情况。获取途径此值在数据提取、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	标识提取数据所来自的信息系统。对于此流程，通常为“Microsoft Dynamics 365”。
说明此属性用于说明流程数据的来源。在使用多个ERP或财务系统的环境中，它有助于区分数据源，并确保数据沿袭清晰可查。在分析中，此属性有助于追溯数据，也便于创建跨多个系统的模型。借助它，您可以将分析发现追溯到正确的记录系统，以便进一步调查。重要性确保数据可追溯。在多系统环境中，它对于将流程事件准确归属到来源系统至关重要。获取途径通常在数据提取、转换和加载（ETL）过程中添加一个固定值，用于标记数据集的来源。示例 Microsoft Dynamics 365D365 F&OAX2012
	公司代码 CompanyCode	执行期间结账的法人实体或公司的标识。
说明公司代码代表组织内一个独立的法人实体。财务数据和结账活动按此代码区分。这是分析中的关键维度，可用于比较不同实体的绩效，识别哪些公司结账效率较高、哪些公司面临困难，从而有针对性地推动改进。大多数仪表板（例如“期间结账总体周期时间”）都需要按此属性细分数据。重要性这是筛选和比较的主要维度，可用于分析不同法人实体的期间结账绩效。获取途径在Dynamics 365中，此属性对应“DataAreaId”字段，几乎所有交易表中都有该字段。示例 USMFDEMFGBSI
	总账科目 GlAccount	活动涉及的具体总账科目编号，例如日记账过账或对账所涉及的科目。
说明总账科目标识会计科目表中受交易影响的具体科目，为财务活动提供更细致的信息。此属性对于分析对账绩效和识别问题科目至关重要。“结账后调整频率”和“总账科目对账绩效”等仪表板会使用此字段，找出频繁调整或对账耗时较长的科目。重要性支持细致的财务分析，帮助定位调整频繁或对账耗时较长的问题科目。获取途径可在Dynamics 365的总账交易表中找到，例如“GeneralJournalAccountEntry”或“LedgerJournalTrans”。示例 110110601500212100
	操作用户 ResponsibleUser	执行活动的人员的用户ID或姓名。
说明此属性用于标识在期间结账流程中负责执行特定任务的人员，例如过账日记账、批准对账或生成报告的人员。按用户分析有助于了解工作量分布、识别培训需求，并评估个人或团队绩效。它是用户生产力和资源管理相关仪表板的重要分析维度，也是计算“用户平均活动数差异”KPI所必需的数据。重要性支持分析工作量分布、用户绩效和资源分配，帮助识别负担过重的团队或个人。获取途径对应Dynamics 365交易记录中的“CreatedBy”或“ModifiedBy”等字段。用户信息通常在系统管理模块中维护。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“财务”“管理会计”或“应付账款”。
说明部门属性提供组织背景信息，将活动与具体业务职能关联起来。它可以表示过账日记账的用户所属部门，也可以表示负责一组总账科目的部门。分析时，可借此了解不同部门对期间结账流程的贡献，识别部门间交接、延误和资源瓶颈，并支持“用户工作量与绩效”等仪表板。重要性提供组织背景信息，支持按职能领域分析流程绩效和工作量分布。获取途径可从用户资料或Dynamics 365交易关联的财务维度中获取。示例公司会计应付账款财务规划与分析内部审计
	实际完成日期 ActualCompletionDate	某一财务期间的期间结账流程最后一步实际完成的日期。
说明此属性记录某一财务期间案例中最后一项活动的时间戳，例如“总账期间已关闭”或“财务报表已批准”。这是一个衍生属性，对于计算期间结账的总体周期时间至关重要。将其与“TargetCompletionDate”比较，可计算“期间结账按时完成率”KPI，清晰衡量结账是否及时。重要性标记每个期间的流程终点，可用于计算总体周期时间和按时完成率KPI。获取途径在事件日志中查找每个“FinancialPeriod”案例最后记录的活动时间戳，即可推导此属性。示例 2023-01-06T11:00:00Z2023-02-04T18:30:00Z2023-03-07T09:45:00Z
	对账类别 ReconciliationCategory	对账类型，例如“银行”“公司间”或“固定资产”。
说明对账类别根据性质将单个科目对账归入相应类别，提供比单独查看总账科目更高层次的视角。按类别分析有助于识别特定对账类型中的系统性问题。例如，“总账科目对账绩效”仪表板可用于比较公司间对账是否持续比银行对账耗时更长，从而指导有针对性的流程改进。重要性对对账活动进行分类，便于比较绩效并识别特定对账类型中的系统性问题。获取途径此信息可能存储在专用对账模块中，也可能根据待对账总账科目的属性推导得出。请参阅Microsoft Dynamics 365文档。示例银行对账公司间资产负债表-应计项目固定资产明细账
	日记账分录ID JournalEntryId	日记账分录凭证的唯一标识。
说明日记账分录ID是分配给每条总账日记账的唯一编号，可直接关联到Dynamics 365中的源交易。虽然它不一定用于高层次的流程分析，但在逐级下钻和根因分析中非常有用。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具体交易，以便详细调查。重要性直接关联到ERP中的源交易，便于快速逐级下钻，分析特定日记账分录的根因。获取途径对应“LedgerJournalTable”和“LedgerJournalTrans”等表中的“JournalNumber”字段。示例 JV-001234GENJ005678ACCR-000987
	是否为结账后调整 IsPostCloseAdjustment	计算得出的布尔标记。如果某期间的试算平衡表编制完成后才过账调整日记账分录，则值为true。
说明此属性专门用于识别结账周期后期发生的调整。它会标记同一财务期间内，在“试算平衡表已编制”或“财务报表已批准”里程碑之后发生的“调整日记账分录已过账”活动。这是数据质量和流程控制的重要指标，可用于计算“结账后调整分录率”KPI，并为“结账后调整频率”仪表板提供数据，帮助查明延迟变更的根本原因。重要性通过识别延迟调整，揭示数据质量和流程控制问题，因为此类调整可能影响财务报告的完整性。获取途径在数据转换期间，通过检查每个财务期间案例中的事件顺序计算得出。示例 truefalse
	是否自动化 IsAutomated	布尔标记，用于指示活动由系统或自动化机器人执行，而非人工用户执行。
说明此属性用于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的自动化程度，衡量自动化带来的效率提升、发现新的自动化机会，并确保自动化步骤按预期运行且没有错误或异常。重要性帮助衡量自动化对流程的影响，并发现进一步自动化的机会，以提升效率。获取途径通常通过检查“ResponsibleUser”是否对应已知的系统账户或服务账户来推导。示例 truefalse
	是否返工 IsRework	计算得出的布尔标记。如果同一案例中同一事项的某项活动或一系列活动重复发生，则值为true。
说明 “是否返工”标记用于识别需要重复处理的工作，例如已批准后重新打开的对账，或冲销后重新过账的日记账。此属性对于量化流程低效和浪费至关重要。它直接用于计算“对账返工率”KPI，并为“期间结账返工与偏差”仪表板提供数据，帮助发现导致重复工作的质量问题或流程说明不清等情况。重要性通过标记重复工作来量化流程低效，帮助识别质量问题和改进流程的机会。获取途径在数据转换期间，通过逻辑检测同一财务期间内同一实体（例如同一总账科目）的重复活动，计算此标记。示例 truefalse
	目标完成日期 TargetCompletionDate	计划或目标完成日期，即某一财务期间期间结账流程的预期完成日期。
说明目标完成日期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设定。此属性是评估结账是否按计划完成的基础，也是“期间结账按时完成率”KPI的计算依据，该指标将实际完成日期与目标日期进行比较。分析与目标日期的偏差，有助于了解结账流程的可预测性和可靠性。重要性此属性对于衡量是否按时完成至关重要，可用于计算期间结账的按时完成率。获取途径此日期可能存储在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	表示具有可测量时长的活动结束时间的时间戳。
说明对于对账任务等非瞬时活动，此时间戳标记该任务的完成时间。它与StartTime（EventTime）配合使用，可确定一段明确的持续时间。此属性主要用于计算单项活动的处理时间，是“调整分录平均处理时间”等KPI以及分析特定任务耗时构成的仪表板所必需的数据。重要性支持精确计算单项活动的处理时间，这是识别具体任务层面瓶颈的关键。获取途径此数据可能较难获取。来源可能是状态变更时间戳、“ModifiedDateTime”字段，或日志中单独记录的开始和结束事件。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金额，例如日记账分录金额。
说明此属性记录活动涉及的财务金额，尤其适用于日记账过账、调整和对账。在流程挖掘分析中，可按金额确定问题的优先级。例如，分析结账后调整金额有助于优先关注金额较大的更正事项。您还可以按金额筛选流程图，只查看高金额或低金额交易的顺序流。重要性为流程事件提供财务背景信息，支持按金额影响进行分析，例如优先调查金额较大的调整。获取途径可在Dynamics 365的“GeneralJournalAccountEntry”等表中找到“AmountCur”或“TransactionCurrencyAmount”等金额字段。示例 15000.50-250.00125000.00

必填建议填写选填

记录到报告流程-期间结账与对账活动

以下是建议记录在事件日志中的关键流程步骤和里程碑，可用于准确发现并分析财务结账周期。

5 建议填写 9 选填

	活动	说明
	总账期间已关闭	这是流程的最后一项活动，表示总账期间已正式关闭，无法再进行过账。这是Dynamics 365中明确且可审计的状态变更。
重要性作为明确的结束事件，此活动对于计算平均期间结账周期时间至关重要，代表该财务期间最终且不可逆的完成。获取途径数据来自总账日历（LedgerPeriod实体）。期间状态变为“Closed”时的时间戳即为事件时间。采集在审计轨迹中查找LedgerPeriod状态字段设为“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。通常可根据Financial close工作空间中结账计划的创建，或总账期间的首次状态变更推断得出。
重要性作为开始事件，此活动对于衡量期间结账总周期时间至关重要。分析从该事件开始的耗时，有助于了解整体流程时长以及是否按计划执行。获取途径可根据“Financial close”配置的创建日期，或该财务期间首个记录的结账任务时间戳推断得出。相关数据位于Financial close工作空间实体中。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的最早时间戳。事件类型 inferred
	试算平衡表已编制	此重要里程碑表示所有已知调整均已过账，初步试算平衡表已可供审核。这是一个推断事件，标志着数据录入阶段完成。
重要性此活动是生成财务报表前的关键检查点，标志着数据更正阶段转入报告和审核阶段。获取途径这是一个概念性里程碑，可根据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推断得出。采集使用该期间最后一笔GeneralJournalEntry的时间戳，且该分录应早于报表生成任务的开始时间。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。通常可通过Financial close工作空间中的任务记录。
重要性这是结束审核阶段的重要业务里程碑，对于衡量财务报表审核时间和整体流程治理至关重要。获取途径数据来自Financial close工作空间。该期间结账清单中最终审批任务的完成时间戳即为此事件的记录时间。采集使用Financial close工作空间中指定的“Final Approval”任务的完成时间戳。事件类型 explicit
	账户对账已批准	此活动表示已编制的账户对账经经理或审核人审核并批准。通常通过Financial close工作空间中任务的最终状态更新记录。
重要性这是账户对账结束的重要里程碑，对于计算“平均对账审批时间”KPI和识别审批瓶颈至关重要。获取途径数据来自Financial close工作空间的任务管理实体。对账任务状态变为“Completed”或“Approved”时的时间戳即为事件时间。采集记录结账任务状态更新为“Completed”或同等最终状态时的时间戳。事件类型 explicit
	公司间日记账过账	此活动表示通过过账日记账分录，对组织内不同法人实体之间的余额进行对账。这是从总账交易日志中记录的明确事件。
重要性公司间对账往往复杂且容易延误。监控此活动有助于衡量公司间对账时间这一KPI，并找出低效环节。获取途径数据来自GeneralJournalEntry表，其中“Intercompany”标记已启用，或交易涉及公司间账户。采集筛选GeneralJournalEntry记录，查找交易类型表明为公司间过账的记录。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停止在该期间过账新交易。可通过观察各模块的总账期间状态变更来记录此活动。
重要性这是总账工作开始前确保数据完整性的关键控制点。此处的延误可能连带影响整个结账进度。获取途径根据各子分类账模块的总账日历期间状态推断得出。应付账款、应收账款等模块的状态变为“On hold”，即表示此活动已发生。采集在LedgerPeriod实体的审计轨迹中查找“On hold”状态变更，并按模块筛选。事件类型 inferred
	应计日记账过账	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记录的明确操作，可通过特定日记账名称或类型识别。
重要性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，并识别这些分录所需信息收集过程中的依赖关系和潜在瓶颈。获取途径数据来自GeneralJournalEntry和GeneralJournalAccountEntry表。筛选结账期间过账且日记账名称标记为应计项目的交易，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
	总账期间重新打开	此异常活动发生在已关闭期间重新打开并过账逾期调整时，表现为状态从“Closed”变为“On hold”或“Open”。
重要性重新打开期间是对标准流程的重大偏离，可能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管理至关重要。获取途径数据来自总账日历（LedgerPeriod实体）。期间状态从“Closed”变为其他未关闭状态时的时间戳即为事件时间。采集在审计轨迹中查找LedgerPeriod状态从“Closed”变更时的时间戳。事件类型 explicit
	调整日记账分录过账	此事件记录初步对账完成后、最终结账前过账的调整日记账分录。这些明确的交易可通过特定日记账名称或过账日期识别。
重要性频繁调整可能表明数据质量或上游流程存在问题。监控此活动有助于衡量结账后调整分录率，并找出存在问题的账户。获取途径数据来自GeneralJournalEntry表。可筛选日记账名称标记为“Adjustment”的记录，或试算平衡表编制日期之后过账的记录。采集使用特定JournalName筛选GeneralJournalEntry记录，或根据其他里程碑的时间筛选过账日期。事件类型 explicit
	财务报表已生成	此活动表示已生成损益表和资产负债表等正式财务报告。由于需要运行报告，通常较难记录此事件。
重要性这标志着最终审核周期的开始。从此活动到最终批准的时长，是衡量管理层审核效率的重要KPI。获取途径 Financial Reporter（原Management Reporter）工具的系统日志可能包含此信息。不过，这类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采集事件。标准实施中可能无法获取此数据。事件类型 inferred
	账户对账开始	表示用户开始对特定总账账户（例如资产负债表账户）执行对账任务。此活动通过Financial close工作空间中任务的状态变更记录。
重要性此活动是衡量各账户对账周期时间的起点，有助于找出开始对账耗时最长的账户。获取途径数据来自Financial close工作空间的任务管理实体。对账任务状态变为“In progress”时的时间戳即为事件时间。采集记录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
	银行对账完成	此活动表示银行对账已完成并过账。银行对账记录的状态变更会记录此明确事件。
重要性这是结账流程中的重要里程碑。跟踪其完成情况有助于衡量银行对账周期的处理量和时长。获取途径可根据BankStatement实体的状态变为“Reconciled”，或相关对账日记账的过账时间戳推断得出。采集查找BankStatement状态字段更新为“Reconciled”时的时间戳。事件类型 inferred
	银行对账开始	标志着特定银行账户和期间的银行对账流程开始。用户创建新的银行对账工作表时会记录此明确事件。
重要性此活动的时间对于了解银行对账子流程至关重要，也是衡量现金对账活动效率的起点。获取途径数据来自BankStatement和BankStatementLine表。新银行对账记录的创建时间戳即为事件时间。采集针对相关财务期间，使用BankStatement表中的“CreatedDateTime”字段。事件类型 explicit

建议填写选填

数据提取指南

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，所需F&O数据库表的副本便可在您组织的Azure订阅中供查询使用。
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 Serverless SQL pools或Azure Databricks。
定位目标表：使用您选择的查询工具连接数据湖，找到所需Dynamics 365表的路径。此次提取涉及的主要表包括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，以确定提取范围。还需将占位日记账名称（例如[Your Accrual Journal Name]）替换为符合您组织配置的名称。
运行提取脚本：运行配置好的SQL查询。脚本会将多个源表中的事件汇总为统一的事件日志格式，并收集指定的全部14项活动数据。
检查初步结果：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，并且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文件，并使用UTF-8编码，以避免字符显示问题。
准备上传：上传到流程挖掘工具前，请确认导出的CSV文件列标题与所需属性名称完全一致：FinancialPeriod、ActivityName、EventTime、SourceSystem、LastDataUpdate、ResponsibleUser、CompanyCode、部门和GlAccount。

配置

日期范围：建议至少提取6至12个已结账财务期间的数据，以识别趋势和反复出现的模式。请在查询中使用StartDate和EndDate变量定义范围。
公司代码筛选：使用对应DataAreaId字段的CompanyFilter变量，将提取范围限定到指定法人实体。一次查询所有公司可能会占用较多资源。
日记账名称配置：识别“应计日记账已过账”“公司间日记账已过账”和“调整分录已过账”等活动，取决于Dynamics 365配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名称。
财务结账工作空间：若要提取“账户对账已开始”和“财务报表已批准”等活动，需要使用Dynamics 365中的财务结账工作空间。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Dynamics 365的Azure Data Lake Link，且数据已完成同步。执行查询的用户或服务主体必须具有数据湖存储的读取权限。

查询示例 sql

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

    UNION ALL

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

    UNION ALL

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

    UNION ALL

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

    UNION ALL

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

    UNION ALL

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

    UNION ALL

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

    UNION ALL

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

    UNION ALL

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

    UNION ALL

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

    UNION ALL

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

    UNION ALL

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

步骤

前提条件与环境设置：确保已安装Python 3.6或更高席位等级为流程架构或以上，并安装pandas和requests库。可使用pip安装：pip install pandas requests。在Azure Active Directory（Azure AD）中为Dynamics 365实例注册应用，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。设置START_DATE、END_DATE和COMPANY_CODE（D365中的DataAreaId），以限定数据提取范围。
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。后续所有D365 OData端点的API请求都将使用此令牌进行身份验证。
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，包括自动跟进API响应中的@odata.nextLink进行分页，确保获取指定查询的全部记录。
执行特定活动查询：脚本为所需的14项活动分别定义了专用函数，例如extract_gl_period_events和extract_journal_postings。每个函数都会构建针对性的OData查询，使用$select指定列，并通过$filter筛选状态变更或特定日记账名称等相关事件。
获取并合并数据：脚本依次调用各个提取函数。每个函数都会返回一个符合事件日志结构的pandas DataFrame，并将这些DataFrame收集到列表中。
将数据统一为事件日志：获取所有数据后，脚本会将DataFrame列表合并为统一的事件日志，并添加SourceSystem和LastDataUpdate等静态列（后者设为脚本运行时间）。
处理推断事件：对于“试算平衡表已编制”等推断活动，脚本会根据相应财务期间最后一条“调整分录已过账”记录的时间戳创建事件。即使系统中没有直接记录，也能据此捕捉该里程碑。
转换和清理数据类型：脚本会确保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。还会从EventTime列生成FinancialPeriod，格式为“YYYY-MM”。
导出为CSV：最后，脚本会将完整的事件日志DataFrame保存为d365_period_close_event_log.csv。该文件可直接上传到流程挖掘工具。

配置

身份验证：需要注册Azure AD应用并生成Client ID和Client Secret。应用需要获得“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变量以定义提取时间范围。建议从较短的范围开始，例如3至6个月，以控制数据量并保障API性能。
公司代码筛选：COMPANY_CODE变量必须设为您要分析其期末结账流程的法人实体标识符（D365中称为DataAreaId）。脚本一次仅处理一个公司代码。
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。请将其更新为D365配置中使用的准确名称。
财务结账工作空间：提取对账任务（“账户对账已开始”“账户对账已批准”）时，假设使用了与财务结账工作空间相关的特定实体，例如ClosingSheet。请根据实际部署情况调整实体名称。

查询示例 python

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

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

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

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

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

    return pd.DataFrame(all_records)

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

准备好开始了吗？

使用此数据模板，立即开始优化您的记录到报告流程。开启更快、更准确的财务报告之旅，同时提升合规水平。

返回改进指南

下载模板

加快记录到报告的期末结账与对账

将周期时间缩短30%，提高准确性，加快财务结账。

开始免费试用

无需信用卡，立即开始优化。

您的记录到报告流程-期间结账与对账数据模板

您的记录到报告流程-期间结账与对账数据模板

记录到报告流程-期间结账与对账属性

记录到报告流程-期间结账与对账活动

数据提取指南

通过Azure Data Lake集成直接运行SQL查询

步骤

配置

查询示例 sql

通过D365 OData API使用Python脚本提取数据

步骤

配置

查询示例 python

准备好开始了吗？

加快记录到报告的期末结账与对账