Automação de exportação de relatório

@joaosenna

Não existe uma função nativa do Pipefy para extrair, mas existem algumas formas de conectar o Pipefy ao Power BI. Vou listar algumas delas:

1. Você pode instalar o conector do Pipefy ao Power BI na sua máquina. Ele permite baixar todas as tabelas do Pipefy para o Power BI Desktop. É importante ressaltar que não é possível programar a atualização automática com este conector, pois ele não é homologado pela Microsoft.  Sendo assim, você precisaria ainda fazer o refresh manual dentro do Power BI. Se esta opção lhe atender, você pode baixar o conector neste link (peça autorização de acesso).

Depois de baixar o conecto, você precisa salvá-lo na pasta: Este Computador > Documentos > Power BI Desktop

Depois de salvar esta pasta o Pipefy estará disponível em outras conexões no Power BI.

2. Extração via Python (ou outra linguagem de programação) e armazenamento em alguma plataforma de dados. Eu tenho projetos em AWS Lambda e GCP Cloud Functions + Big Query. Neste cenário, você pode extrair todas as tabelas do Pipefy com uma frequência pré-definida e consultar pelo Power BI Desktop ou Online. Eu normalmente baixo uma vez por dia, pois quanto maior o volume de informações transacionadas, maior o volume de gastos.

Algum destes cenários te atende?

Oi @joaosenna a extração é feita via Pyhton.

Abaixo o código para extração de todos os cards de um Pipe:

    import requests
    import pandas as pd
    import json

    token = 'X'

    url = "https://api.pipefy.com/graphql"

    nome_arquivo = 'pipefy'

    payload = "{\"query\":\"{ allCards (pipeId:X) { edges { node { id title fields { name report_value updated_at value } } } }} \"}"

    headers = {
        "authorization": f"Bearer {token}",
        "content-type": "application/json"
    }
    has_next_page = True
    first_query = True
    pipe_id = "X"
    json_data = {}
    records_df = pd.DataFrame()
    while(has_next_page):
      if first_query:
        payload = {"query": "{ allCards (pipeId:\""+pipe_id+"\") { edges { node { id title fields { name report_value updated_at value } } } pageInfo {endCursor hasNextPage}}}"}
        first_query = False
      else:
        payload = {"query": "{ allCards (pipeId:\""+pipe_id+"\",after:\""+end_cursor+"\") { edges { node { id title fields { name report_value updated_at value } } } pageInfo {endCursor hasNextPage}}}"}


      response = requests.request("POST", url, json=payload, headers=headers)
      json_data = json.loads(response.text)
      end_cursor =json_data['data']['allCards']["pageInfo"]["endCursor"] #record é edges
      has_next_page = json_data["data"]["allCards"]["pageInfo"]["hasNextPage"]
      total_records_pg = len(json_data["data"]["allCards"]["edges"])
      for i in range(total_records_pg):
            card_title = json_data["data"]["allCards"]["edges"][i]["node"]["title"]
            card_data_d = json_data["data"]["allCards"]["edges"][i]["node"]["fields"]
            card_data = {x['name']:x['value'] for x in card_data_d}
            records_df = records_df.append(card_data, ignore_index=True)

    records_df.info()

    df = records_df

    df.columns = df.columns.str.replace(' ', '_')
    df.columns = df.columns.str.replace('ã', 'a')
    df.columns = df.columns.str.replace('Á', 'A')
    df.columns = df.columns.str.replace('é', 'e')
    df.columns  = df.columns.str.replace('ê', 'e')
    df.columns  = df.columns.str.replace('á', 'a')
    df.columns  = df.columns.str.replace('ç', 'c')   
    df.columns  = df.columns.str.replace('í', 'i')
    df.columns  = df.columns.str.replace('ú', 'u') 
    df.columns  = df.columns.str.replace('õ', 'o') 
    df.columns  = df.columns.str.replace('ó', 'o')
    df.columns  = df.columns.str.replace('õ', 'o')
    df.columns  = df.columns.str.replace('.', '')

    df = df.reset_index(drop=True)

Abaixo o código para extração de todos os registros de uma tabela (Link do Colab):

https://colab.research.google.com/drive/1iscCAFMzHw7B9uM4yuslIkealqlvaINI?usp=sharing

Oi @bruno.grego,

Infelizmente não tem como automatizar esta extração. Não de uma forma fácil.

As opções que vejo são:

• Fazer a extração via banco (API) de dados e aplicar os mesmos filtros. Assim você teria os dados estruturados e disponíveis para análise e/ou construção de relatórios.
• Criar um Crawler para fazer a extração na frequência desejada.

Oi @joaosenna a extração é feita via Pyhton.

Abaixo o código para extração de todos os cards de um Pipe:

    import requests
    import pandas as pd
    import json

    token = 'X'

    url = "https://api.pipefy.com/graphql"

    nome_arquivo = 'pipefy'

    payload = "{\"query\":\"{ allCards (pipeId:X) { edges { node { id title fields { name report_value updated_at value } } } }} \"}"

    headers = {
        "authorization": f"Bearer {token}",
        "content-type": "application/json"
    }
    has_next_page = True
    first_query = True
    pipe_id = "X"
    json_data = {}
    records_df = pd.DataFrame()
    while(has_next_page):
      if first_query:
        payload = {"query": "{ allCards (pipeId:\""+pipe_id+"\") { edges { node { id title fields { name report_value updated_at value } } } pageInfo {endCursor hasNextPage}}}"}
        first_query = False
      else:
        payload = {"query": "{ allCards (pipeId:\""+pipe_id+"\",after:\""+end_cursor+"\") { edges { node { id title fields { name report_value updated_at value } } } pageInfo {endCursor hasNextPage}}}"}


      response = requests.request("POST", url, json=payload, headers=headers)
      json_data = json.loads(response.text)
      end_cursor =json_data['data']['allCards']["pageInfo"]["endCursor"] #record é edges
      has_next_page = json_data["data"]["allCards"]["pageInfo"]["hasNextPage"]
      total_records_pg = len(json_data["data"]["allCards"]["edges"])
      for i in range(total_records_pg):
            card_title = json_data["data"]["allCards"]["edges"][i]["node"]["title"]
            card_data_d = json_data["data"]["allCards"]["edges"][i]["node"]["fields"]
            card_data = {x['name']:x['value'] for x in card_data_d}
            records_df = records_df.append(card_data, ignore_index=True)

    records_df.info()

    df = records_df

    df.columns = df.columns.str.replace(' ', '_')
    df.columns = df.columns.str.replace('ã', 'a')
    df.columns = df.columns.str.replace('Á', 'A')
    df.columns = df.columns.str.replace('é', 'e')
    df.columns  = df.columns.str.replace('ê', 'e')
    df.columns  = df.columns.str.replace('á', 'a')
    df.columns  = df.columns.str.replace('ç', 'c')   
    df.columns  = df.columns.str.replace('í', 'i')
    df.columns  = df.columns.str.replace('ú', 'u') 
    df.columns  = df.columns.str.replace('õ', 'o') 
    df.columns  = df.columns.str.replace('ó', 'o')
    df.columns  = df.columns.str.replace('õ', 'o')
    df.columns  = df.columns.str.replace('.', '')

    df = df.reset_index(drop=True)

Abaixo o código para extração de todos os registros de uma tabela (Link do Colab):

https://colab.research.google.com/drive/1iscCAFMzHw7B9uM4yuslIkealqlvaINI?usp=sharing

@clarice_silva é o mesmo código.

Oi @joaosenna a extração é feita via Pyhton.

Abaixo o código para extração de todos os cards de um Pipe:

    import requests
    import pandas as pd
    import json

    token = 'X'

    url = "https://api.pipefy.com/graphql"

    nome_arquivo = 'pipefy'

    payload = "{\"query\":\"{ allCards (pipeId:X) { edges { node { id title fields { name report_value updated_at value } } } }} \"}"

    headers = {
        "authorization": f"Bearer {token}",
        "content-type": "application/json"
    }
    has_next_page = True
    first_query = True
    pipe_id = "X"
    json_data = {}
    records_df = pd.DataFrame()
    while(has_next_page):
      if first_query:
        payload = {"query": "{ allCards (pipeId:\""+pipe_id+"\") { edges { node { id title fields { name report_value updated_at value } } } pageInfo {endCursor hasNextPage}}}"}
        first_query = False
      else:
        payload = {"query": "{ allCards (pipeId:\""+pipe_id+"\",after:\""+end_cursor+"\") { edges { node { id title fields { name report_value updated_at value } } } pageInfo {endCursor hasNextPage}}}"}


      response = requests.request("POST", url, json=payload, headers=headers)
      json_data = json.loads(response.text)
      end_cursor =json_data['data']['allCards']["pageInfo"]["endCursor"] #record é edges
      has_next_page = json_data["data"]["allCards"]["pageInfo"]["hasNextPage"]
      total_records_pg = len(json_data["data"]["allCards"]["edges"])
      for i in range(total_records_pg):
            card_title = json_data["data"]["allCards"]["edges"][i]["node"]["title"]
            card_data_d = json_data["data"]["allCards"]["edges"][i]["node"]["fields"]
            card_data = {x['name']:x['value'] for x in card_data_d}
            records_df = records_df.append(card_data, ignore_index=True)

    records_df.info()

    df = records_df

    df.columns = df.columns.str.replace(' ', '_')
    df.columns = df.columns.str.replace('ã', 'a')
    df.columns = df.columns.str.replace('Á', 'A')
    df.columns = df.columns.str.replace('é', 'e')
    df.columns  = df.columns.str.replace('ê', 'e')
    df.columns  = df.columns.str.replace('á', 'a')
    df.columns  = df.columns.str.replace('ç', 'c')   
    df.columns  = df.columns.str.replace('í', 'i')
    df.columns  = df.columns.str.replace('ú', 'u') 
    df.columns  = df.columns.str.replace('õ', 'o') 
    df.columns  = df.columns.str.replace('ó', 'o')
    df.columns  = df.columns.str.replace('õ', 'o')
    df.columns  = df.columns.str.replace('.', '')

    df = df.reset_index(drop=True)

Abaixo o código para extração de todos os registros de uma tabela (Link do Colab):

https://colab.research.google.com/drive/1iscCAFMzHw7B9uM4yuslIkealqlvaINI?usp=sharing