> Průběžné zlepšování procesů > Řízení změn > Freshservice > Datová šablona

Datová šablona pro řízení změn

Freshservice

Atributy řízení změn(21) Aktivity v řízení změn(15) Návody k exportu dat(2)

Datová šablona pro řízení změn

Tato šablona vám pomůže shromáždit data potřebná k analýze procesu řízení změn. Obsahuje přehled důležitých atributů, které je třeba zaznamenat, a aktivit, které je vhodné sledovat. Najdete v ní také pokyny k získání těchto informací ze systému. Díky šabloně připravíte data pro analýzu a zlepšování procesů.

Doporučené atributy ke sběru
Aktivity, které je vhodné sledovat
Pokyny k exportu dat z Freshservice

Pracujete se záznamy událostí poprvé? Přečtěte si, jak vytvořit záznam událostí pro process mining.

Stáhnout šablonu

Atributy řízení změn

Tato datová pole jsou nezbytná pro sestavení úplného záznamu událostí a podrobnou analýzu procesu řízení změn.

5 Povinné 8 Doporučené 8 Volitelné

	Název	Popis
	Čas události EventTime	Přesné datum a čas, kdy došlo ke konkrétní aktivitě nebo události.
Popis Každá aktivita v procesu má časové razítko, které zaznamenává, kdy k ní došlo. Tyto časové údaje jsou nezbytné pro výpočet doby mezi aktivitami, určení čekání a analýzu celkové doby průchodu procesem. Umožňují analyzovat výkonnost, odhalovat úzká místa a sledovat plnění SLA. Proč je to důležité Toto časové razítko je základem všech časových analýz, včetně výpočtu doby průchodu procesem, trvání jednotlivých kroků a čekání mezi nimi. Kde data získat Časové razítko každé položky v auditních záznamech nebo přehledu aktivit záznamu Change ve Freshservice. Příklady 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:15:00Z
	ID požadavku na změnu ChangeRequestId	Jedinečný identifikátor každého požadavku na změnu zadaného v systému Freshservice.
Popis ID požadavku na změnu slouží jako hlavní identifikátor jednoho případu změny od zahájení až po uzavření. Propojuje všechny související aktivity, schválení a záznamy do jedné časové osy, kterou lze analyzovat od začátku do konce. V process miningu je toto ID nezbytné pro rekonstrukci životního cyklu každé změny a pochopení jejího průběhu, délky a výsledku. Proč je to důležité Jde o hlavní ID případu, které sdružuje všechny související události. Díky němu lze sledovat a analyzovat celý průběh jednotlivého požadavku na změnu. Kde data získat Jde o hlavní pole objektu Change ve Freshservice. Příklady CHG-10234CHG-10235CHG-10236
	Název aktivity ActivityName	Název konkrétní události nebo úkolu, ke kterému došlo v procesu řízení změny.
Popis Tento atribut popisuje jednotlivý krok nebo milník v životním cyklu změny, například „Požadavek na změnu vytvořen“, „Vyžádáno schválení“ nebo „Realizace dokončena“. Pořadí těchto aktivit pro dané ID požadavku na změnu tvoří základ procesní mapy. Jejich analýza pomáhá určit průběh procesu, odhalit odchylky a změřit dobu strávenou v jednotlivých fázích. Proč je to důležité Určuje kroky procesu, a umožňuje tak znázornit životní cyklus změny a analyzovat varianty procesu i úzká místa. Kde data získat Vytváří se z auditních záznamů, přehledu aktivit nebo historie změn stavu záznamu Change ve Freshservice. Příklady Změna schválenaPosouzení rizik dokončenoRealizace zahájenaZměna uzavřena
	Poslední aktualizace dat LastDataUpdate	Časové razítko označující, kdy byla data tohoto záznamu naposledy obnovena ze zdrojového systému.
Popis Tento atribut zaznamenává datum a čas poslední extrakce nebo aktualizace dat pro každou událost. Pomáhá určit aktuálnost analyzovaných dat a ověřit, že analýzy vycházejí z nejnovějších informací. Podporuje tak integritu dat a poskytuje kontext pro posouzení aktuálnosti získaných poznatků. Proč je to důležité Uživatelé díky němu vědí, jak aktuální jsou data, a mohou ověřit aktuálnost analýzy process miningu. Kde data získat Toto časové razítko se obvykle vytvoří a přidá při načítání dat nebo v procesu ETL. Příklady 2024-05-20T08:00:00Z2024-05-21T08:00:00Z
	Zdrojový systém SourceSystem	Určuje systém, ze kterého byla data získána.
Popis Tento atribut určuje původ procesních dat. V tomto přehledu bude jeho hodnota vždy „Freshservice“. Jeho uvedení je osvědčeným postupem, zejména pokud se data slučují z více systémů. Poskytuje důležitý kontext a usnadňuje správu dat i řešení problémů. Proč je to důležité Jasně dokládá původ dat, což je důležité při analýze dat z více podnikových systémů. Kde data získat Jde o statickou hodnotu, která se nastavuje při extrakci dat a označuje jejich původ. Příklady Freshservice
	Čas ukončení EndTime	Časové razítko poslední zaznamenané události případu požadavku na změnu.
Popis Čas ukončení označuje konec životního cyklu požadavku na změnu a obvykle odpovídá aktivitě „Změna uzavřena“ nebo „Změna zrušena“. Spolu s časem zahájení se používá k výpočtu celkové doby průchodu každého případu procesem. Analýza tohoto atributu pomáhá pochopit celkovou délku a průchodnost procesu řízení změn. Proč je to důležité Je nezbytný pro výpočet celkové doby průchodu požadavku na změnu procesem, což je hlavní KPI efektivity procesu. Kde data získat Jde o časové razítko poslední aktivity v záznamu událostí pro dané ID požadavku na změnu. Příklady 2023-11-05T18:00:00Z2023-11-06T09:45:00Z
	Jméno žadatele RequesterName	Jméno osoby, která podala požadavek na změnu.
Popis Žadatel je osoba, která předložila změnu ke schválení. Analýza podle žadatele může odhalit například to, kteří lidé nebo role podávají požadavky nejčastěji a zda jsou požadavky od určitých uživatelů častěji zamítány nebo vyžadují přepracování. Ve spojení s údaji o oddělení lze takto analyzovat také pracovní zátěž. Proč je to důležité Ukazuje, odkud přicházejí požadavky na změnu, a může odhalit potřebu školení nebo skupiny uživatelů s vysokým počtem požadavků. Kde data získat Jde o pole „Requested by“ v objektu Change ve Freshservice, které odkazuje na záznam uživatele. Příklady Alice JohnsonRobert SmithMaria Garcia
	Plánované datum dokončení TargetCompletionDate	Plánované datum nebo termín podle SLA, do kterého má být změna dokončena.
Popis Toto datum označuje termín uzavření požadavku na změnu. Slouží jako hlavní měřítko plnění SLA. Porovnáním skutečného času ukončení s plánovaným datem dokončení zjistíte, zda byla změna dokončena včas, před termínem, nebo se zpožděním. Tento údaj se používá při výpočtu KPI míry plnění SLA u změn. Proč je to důležité Slouží jako měřítko včasného dokončení a plnění SLA, tedy ukazatelů výkonnosti procesu. Kde data získat Ve Freshservice může jít o samostatné pole „Due by“ nebo „SLA Target“ v objektu Change. Příklady 2023-11-10T17:00:00Z2023-11-15T17:00:00Z
	Priorita změny ChangePriority	Úroveň priority přiřazená požadavku na změnu, která vyjadřuje jeho důležitost pro podnik.
Popis Priorita se obvykle určuje podle dopadu a naléhavosti a slouží k plánování zdrojů a harmonogramu. Analýza vlivu priority na ukazatele procesu, například dobu průchodu nebo plnění SLA, ukáže, zda se změny s vysokou prioritou zpracovávají rychleji než změny s nízkou prioritou. Pomáhá také posoudit účinnost pravidel pro určování priorit. Proč je to důležité Pomáhá zjistit, zda proces správně upřednostňuje důležité změny a podle toho přiděluje zdroje. Kde data získat Jde o pole „Priority“ v objektu Change ve Freshservice. Příklady NízkáStředníVysokáNaléhavá
	Přiřazená skupina AssignedGroup	Tým nebo skupina odpovědná za provedení změny.
Popis Tento atribut určuje, který tým má změnu provést, například „Network Team“ nebo „Database Administrators“. Analýza výkonnosti procesu podle přiřazené skupiny pomáhá pochopit pracovní zátěž a efektivitu týmů a odhalit omezené kapacity. Ukáže také, které týmy mají delší dobu implementace nebo více problémů po nasazení. Proč je to důležité Umožňuje porovnat výkonnost a pracovní zátěž různých implementačních týmů a odhalit omezené zdroje nebo osvědčené postupy. Kde data získat Jde o pole „Group“ nebo „Assigned Group“ v objektu Change ve Freshservice. Příklady Tým infrastrukturyPodpora aplikacíBezpečnostní provoz
	Stav změny ChangeStatus	Aktuální nebo konečný stav požadavku na změnu.
Popis Tento atribut označuje stav požadavku na změnu v konkrétním okamžiku nebo jeho konečný výsledek, například „Uzavřeno“, „Zrušeno“ nebo „Zamítnuto“. Je důležitý pro analýzu výsledků, protože pomáhá rozlišit úspěšně dokončené změny od těch, které selhaly nebo byly opuštěny. Filtrováním podle stavu se můžete zaměřit na konkrétní skupiny změn. Proč je to důležité Umožňuje analyzovat výsledky změn a porozumět míře úspěšnosti, neúspěšnosti a zrušení. Kde data získat Jde o pole „Stav“ objektu Change ve Freshservice. Příklady UzavřenoZrušenoZamítnutoOtevřeno
	Typ změny ChangeType	Klasifikace změny, například standardní, běžná nebo urgentní.
Popis Typ změny rozděluje požadavky podle jejich povahy, rizika a požadavků na schválení. Standardní změny jsou předem schválené, běžné změny procházejí standardním procesem a urgentní změny vyžadují rychlejší vyřízení. Analýza procesu podle typu změny pomáhá zjistit, zda různé typy procházejí odlišnými postupy a liší se například dobou průchodu nebo mírou úspěšnosti. Proč je to důležité Rozdělení procesu podle typu změny odhalí rozdíly v průběhu a výkonnosti standardních, běžných a urgentních změn. Kde data získat Jde o pole „Typ změny“ objektu Change ve Freshservice. Příklady StandardníBěžnáNouzováZávažná
	Úroveň rizika RiskLevel	Odhadovaná míra rizika spojeného s provedením změny.
Popis Úroveň rizika vyjadřuje možný negativní dopad v případě, že změna selže. Obvykle se používají úrovně nízká, střední a vysoká. Tento atribut je důležitý pro analýzu shody a pro ověření, zda změny s vyšším rizikem procházejí přísnějším postupem, například vyžadují více schválení nebo důkladnější testování. Pomáhá zajistit správné uplatňování kontrol řízení rizik. Proč je to důležité Údaj je důležitý pro analýzu shody a rizik. Pomáhá ověřit, zda se změnám s vysokým rizikem věnuje náležitá pozornost a zda procházejí důkladnějším procesem. Kde data získat Odpovídá poli „Risk“ v objektu Change ve Freshservice. Příklady NízkáStředníVysokáVelmi vysoká
	Doba implementace ImplementationDuration	Doba potřebná k provedení implementační fáze změny.
Popis Tato metrika měří dobu vlastní implementační práce, obvykle od aktivity „Implementation Started“ do aktivity „Implementation Completed“. Slouží k analýze efektivity technického provedení a používá se v dashboardu „Efektivita implementační fáze změn“. Dlouhá doba může ukazovat na technickou složitost, nedostatek zdrojů nebo nepředvídané potíže. Proč je to důležité Měří efektivitu samotné technické práce odděleně od zpoždění při plánování a schvalování. Kde data získat Vypočítá se jako časový rozdíl mezi aktivitami „Implementation Started“ a „Implementation Completed“. Příklady 4 hodiny1 hodina 30 minut8 hodin
	Doba schvalování ApprovalDuration	Doba, kterou požadavek na změnu strávil ve fázi schvalování.
Popis Tato vypočítaná doba měří čas od vyžádání schválení do jeho udělení nebo zamítnutí. Používá se v dashboardu „Doba schvalování změn“ a pomáhá určit úzká místa ve workflow schvalování. Analýza může odhalit pomalé schvalovatele, neefektivní předávání mezi skupinami nebo systémová zpoždění při rozhodování. Proč je to důležité Přímo měří efektivitu schvalovací fáze a pomáhá odhalit a řešit úzká místa, která zdržují změny. Kde data získat Vypočítá se jako časový rozdíl mezi aktivitami „Approval Requested“ a „Change Approved“ nebo „Change Rejected“. Příklady 1 den 2 hodiny5 hodin 30 minut3 dny
	Došlo k porušení SLA IsSlaBreached	Logická hodnota, která určuje, zda byl požadavek na změnu dokončen po stanoveném termínu.
Popis Tento atribut vyjadřuje plnění SLA jako hodnotu true nebo false. Hodnota true znamená, že čas ukončení změny nastal později než plánované datum dokončení, hodnota false znamená opak. Usnadňuje tvorbu dashboardů a KPI pro sledování plnění SLA a umožňuje rychle filtrovat a agregovat opožděné změny. Přímo se používá při výpočtu KPI míry plnění SLA u změn. Proč je to důležité Jasně vyjadřuje, zda změna splnila SLA, a usnadňuje filtrování a vykazování včas dokončených a opožděných změn. Kde data získat Vypočítá se porovnáním EndTime a TargetCompletionDate. Pokud EndTime > TargetCompletionDate, výsledkem je true. Příklady truefalse
	Kód uzavření CloseCode	Kód nebo důvod, který uvádí, proč byl požadavek na změnu uzavřen.
Popis Kód uzavření upřesňuje výsledek dokončené změny. Může jít například o hodnoty „Úspěšně implementováno“, „Vráceno zpět“ nebo „Zamítnuto“. Oproti samotnému konečnému stavu poskytuje podrobnější kontext a umožňuje přesněji analyzovat úspěchy a selhání v procesu řízení změn. Proč je to důležité Poskytuje podrobnější informace o výsledcích změn a umožňuje zjistit, proč byly úspěšné, selhaly nebo byly vráceny zpět. Kde data získat Podívejte se do dokumentace Freshservice nebo do formuláře Change, zda obsahuje pole „Closure Code“ či podobné pole. Příklady ÚspěšnáÚspěšná s problémyNeúspěšnáVrácená zpět
	Naléhavost Urgency	Vyjadřuje, jak rychle je z pohledu podniku potřeba změnu provést.
Popis Naléhavost vyjadřuje, jak rychle je nutné změnu provést. Vysokou naléhavost může mít například bezpečnostní oprava. Tento atribut se často kombinuje s dopadem při určování priority a pomáhá ověřit, zda proces správně reaguje na časově kritické potřeby podniku. Může ukázat, zda naléhavé změny skutečně procházejí procesem rychleji. Proč je to důležité Udává časovou naléhavost změny. Ve spojení s dobou průchodu pomáhá posoudit, jak rychle proces reaguje. Kde data získat Jde o pole „Urgency“ v objektu Change ve Freshservice. Příklady NízkáStředníVysoká
	Název oddělení DepartmentName	Oddělení uživatele, který požádal o změnu.
Popis Tento atribut doplňuje organizační kontext o obchodní jednotku, která požadavek na změnu podala. Analýza podle oddělení může odhalit, která část organizace vytváří nejvíce požadavků na změnu, má nejvyšší míru zamítnutí nebo nejdelší dobu průchodu. Tyto informace pomáhají cíleně zlepšovat procesy a plánovat zdroje. Proč je to důležité Umožňuje porovnat výkonnost procesu a objem požadavků v různých obchodních jednotkách a zaměřit zlepšování tam, kde je potřeba. Kde data získat Tyto informace se obvykle získávají z uživatelského profilu žadatele ve Freshservice. Příklady FinanceLidské zdrojeInformační technologieMarketing
	Počet souvisejících incidentů AssociatedIncidentsCount	Počet incidentů propojených s požadavkem na změnu po jejím nasazení.
Popis Tato metrika vyjadřuje následný dopad změny podle počtu incidentů, které vznikly po jejím nasazení. Vysoký počet může ukazovat na nedostatky v plánování, testování nebo kvalitě implementace. Metrika se přímo používá při výpočtu KPI míry problémů po implementaci a je důležitá pro měření stability a úspěšnosti změn. Proč je to důležité Přímo měří kvalitu a stabilitu provedených změn a pomáhá odhalit změny, které způsobují výpadky služeb. Kde data získat Vypočítá se jako počet incidentů propojených s požadavkem na změnu ve Freshservice. Příklady 015
	Úroveň dopadu ImpactLevel	Odhadovaný dopad na podnik v případě, že změna selže nebo způsobí výpadek služby.
Popis Úroveň dopadu vyjadřuje možný vliv na provoz podniku, od nízkého (dopad na jednoho uživatele) po vysoký (dopad na celou organizaci). Spolu s naléhavostí často určuje celkovou prioritu. Analýza podle dopadu pomáhá ověřit, zda proces správně řeší změny, které mohou významně ohrozit kontinuitu provozu. Proč je to důležité Pomáhá při analýze rizik a ověřuje, zda se změny s možným vysokým dopadem na podnik řídí s náležitou péčí. Kde data získat Odpovídá poli „Impact“ v objektu Change ve Freshservice. Příklady NízkáStředníVysoká

Povinné Doporučené Volitelné

Aktivity v řízení změn

V záznamu událostí je třeba přesně zachytit tyto důležité kroky a milníky. Umožní vám důkladně analyzovat proces řízení změn.

5 Doporučené 10 Volitelné

	Aktivita	Popis
	Požadavek na změnu vytvořen	Tímto začíná proces řízení změny. Nový požadavek na změnu se formálně zaznamená ve Freshservice. Událost se zaznamená ve chvíli, kdy uživatel uloží nový požadavek na změnu. Systém mu přiřadí jedinečné ID a zaznamená čas vytvoření.
Proč je to důležité Jde o hlavní počáteční událost procesu. Doba od této aktivity do uzavření změny udává celkovou dobu průchodu procesem, což je důležitý KPI pro měření jeho efektivity. Kde data získat Tato událost se zaznamenává přímo v historii auditu záznamu změny. Odpovídá časovému razítku vytvoření požadavku na změnu. Zachycení Časové razítko vytvoření záznamu požadavku na změnu. Typ události explicit
	Realizace dokončena	Označuje dokončení technické práce na realizaci změny. Obvykle se odvozuje od změny stavu na stav po realizaci, například „Čeká na kontrolu“.
Proč je to důležité Tento milník označuje konec hlavní práce na realizaci. Slouží jako koncový bod pro výpočet průměrné doby realizace a označuje začátek testování nebo kontroly. Kde data získat Odvozuje se od změny stavu na „Čeká na kontrolu“, „Čeká na testování“, „Dokončeno“ nebo podobný stav. Zachycení Odvozuje se od změny pole stavu na „Čeká na kontrolu“ nebo podobný stav. Typ události inferred
	Změna naplánována	Aktivita, při které se pro realizaci schválené změny určí konkrétní čas začátku a konce. Obvykle se odvozuje od vyplnění polí „Plánovaný začátek“ a „Plánovaný konec“.
Proč je to důležité Jde o důležitý milník, který spouští fázi realizace. Je nezbytný pro výpočet průměrné doby realizace a analýzu efektivity plánování. Kde data získat Odvozuje se od časového razítka vyplnění polí s datem plánování a změny stavu na „Naplánováno“ nebo podobný stav. Zachycení Odvozuje se od vyplnění pole „Plánované datum zahájení“ a odpovídající aktualizace stavu. Typ události inferred
	Změna schválena	Důležitý milník, kdy pověřený orgán, například poradní výbor pro změny (CAB), formálně schválí pokračování požadavku na změnu. Systém tuto akci obvykle zaznamenává přímo.
Proč je to důležité Označuje konec schvalování a začátek plánování realizace. Tato aktivita je důležitá pro měření průměrné doby schválení změny a míry schválení na první pokus. Kde data získat Freshservice tuto událost zaznamená, když schvalovatel klikne na tlačítko „Schválit“. Událost se uloží do záznamu aktivit požadavku s časovým razítkem. Zachycení Časové razítko akce „Schváleno“ na kartě schválení nebo v záznamu aktivit. Typ události explicit
	Změna uzavřena	Označuje formální dokončení procesu řízení změny. Událost se zaznamená, když se stav požadavku na změnu změní na konečný stav „Uzavřeno“.
Proč je to důležité Jde o hlavní koncovou událost procesu. Je posledním datovým bodem pro výpočet celkové průměrné doby cyklu změny a míry plnění SLA pro změny. Kde data získat Událost se zaznamená podle časového razítka konečné změny stavu požadavku na změnu na „Uzavřeno“. Zachycení Časové razítko konečné změny stavu na „Uzavřeno“. Typ události explicit
	Kontrola po nasazení dokončena	Označuje dokončení kontroly po nasazení (PIR), která hodnotí úspěšnost změny a zaznamenává získané poznatky. Obvykle se odvozuje od přidání poznámek ke kontrole po nasazení nebo od aktualizace stavu.
Proč je to důležité Ověřuje, že proběhl formální proces kontroly. Analýza této aktivity pomáhá posoudit účinnost změn a podporuje průběžné zlepšování procesů. Kde data získat Odvozuje se od vyplnění polí souvisejících s PIR ve formuláři změny po datu realizace nebo od změny stavu na „Kontrola dokončena“ či podobný stav. Zachycení Odvozuje se od vyplnění polí s poznámkami k PIR nebo od konkrétní aktualizace stavu. Typ události inferred
	Plánování dokončeno	Označuje dokončení veškerého potřebného plánování změny, včetně přípravy plánu realizace a návratu k předchozímu stavu. Obvykle se odvozuje od změny stavu po schválení.
Proč je to důležité Označuje přechod od plánování k realizaci. Analýza délky plánovací fáze pomáhá najít možnosti, jak zjednodušit přípravu před nasazením. Kde data získat Odvozuje se od změny stavu souvisejícího s plánováním, například z „Čeká na vydání“, na stav realizace, například „Naplánováno“. Zachycení Odvozuje se od změny stavu z „Probíhá plánování“ nebo podobného stavu. Typ události inferred
	Posouzení rizik dokončeno	Označuje dokončení formálního vyhodnocení možných rizik spojených se změnou. Tato aktivita se často odvozuje od vyplnění nebo aktualizace pole úrovně rizika nebo od dokončení souvisejícího úkolu.
Proč je to důležité Sledování této aktivity pomáhá ověřit dodržování zásad řízení změn, které vyžadují posouzení rizik. Umožňuje analyzovat pokrytí posouzením rizik i dobu věnovanou tomuto důležitému kroku. Kde data získat Pravděpodobně se odvozuje od časově označené aktualizace pole „Riziko“ ve formuláři změny nebo od dokončení konkrétního úkolu souvisejícího s analýzou rizik. Zachycení Odvozuje se od časového razítka vyplnění pole „Riziko“ nebo označení související položky kontrolního seznamu jako dokončené. Typ události inferred
	Poznámka přidána ke změně	Označuje přidání komentáře nebo poznámky k požadavku na změnu, tedy zaznamenání komunikace nebo dokumentace. Freshservice tyto události výslovně zaznamenává v přehledu aktivit každého požadavku.
Proč je to důležité Sledování poznámek není hlavním krokem procesu, může ale objasnit příčiny zpoždění, zejména při schvalování nebo plánování. Časté poznámky mohou ukazovat na nejasné požadavky nebo problémy v komunikaci. Kde data získat Událost se výslovně zaznamenává v části „Aktivity“ nebo „Audit“ požadavku na změnu, včetně časového razítka a uživatele, který poznámku přidal. Zachycení V záznamu aktivit požadavku se zaznamenává jako událost „Poznámka přidána“. Typ události explicit
	Realizace zahájena	Označuje začátek skutečného nasazení nebo provádění změny. Odvozuje se od změny stavu požadavku na „Probíhá“ nebo podobný aktivní stav.
Proč je to důležité Poskytuje jasný začátek pro měření doby aktivní realizace. Pomáhá odlišit čekání od skutečně odvedené práce. Kde data získat Odvozuje se od změny stavu na „Probíhá“ nebo „Probíhá realizace“ v plánovaném čase zahájení. Zachycení Odvozuje se od změny pole stavu na „Probíhá“. Typ události inferred
	Testování dokončeno	Označuje dokončení všech požadovaných testů a ověřovacích činností, které potvrzují, že změna proběhla úspěšně a neměla nežádoucí dopady. Událost lze odvodit z uzavření úkolu nebo změny stavu.
Proč je to důležité Sledování této aktivity pomáhá měřit KPI míry dokončení testování a ověřit, že změny byly před konečným uzavřením řádně prověřeny. Tím se omezují problémy po nasazení. Kde data získat Tuto událost může být obtížné zachytit. Možná ji bude nutné odvodit z dokončení propojeného úkolu „Testování“ nebo ze změny stavu na „Testování dokončeno“. Zachycení Odvozuje se od uzavření úkolu souvisejícího s testováním, který je propojený se změnou. Typ události inferred
	Vyžádáno schválení	Označuje okamžik, kdy je požadavek na změnu formálně předán ke kontrole a schválení. Obvykle se odvozuje od změny stavu požadavku na „Čeká na schválení“ nebo od jeho přiřazení schvalovateli.
Proč je to důležité Tato aktivita označuje začátek schvalování. Doba od tohoto okamžiku do schválení změny je důležitá pro odhalení úzkých míst ve schvalovacím cyklu. Kde data získat Odvozuje se ze záznamu aktivit nebo sledováním změn pole stavu na „Čeká na schválení“. Čas události odpovídá časovému razítku změny stavu. Zachycení Odvozuje se od změny stavu na „Čeká na schválení“. Typ události inferred
	Změna zamítnuta	Označuje, že schvalovatel formálně zamítl požadavek na změnu, takže nemůže pokračovat. Systém tuto akci zaznamená přímo a proces se často vrací k přepracování.
Proč je to důležité Tato aktivita je důležitá pro analýzu opakované práce a odhalení příčin neúspěchu procesu. Častá zamítnutí mohou ukazovat na nízkou kvalitu požadavků nebo nedostatky v posouzení rizik. Kde data získat Freshservice tuto událost zaznamená, když schvalovatel klikne na tlačítko „Zamítnout“. Událost se uloží do záznamu aktivit požadavku. Zachycení Časové razítko akce „Zamítnuto“ na kartě schválení nebo v záznamu aktivit. Typ události explicit
	Změna znovu otevřena	Nastane, když se dříve uzavřená nebo vyřešená změna vrátí do otevřeného stavu, obvykle kvůli problémům zjištěným po nasazení. Událost se odvozuje od změny stavu z uzavřeného na otevřený.
Proč je to důležité Tato aktivita často ukazuje na opakovanou práci nebo neúspěšnou změnu. Její četnost je důležitá pro pochopení kvality změn a účinnosti testování. Kde data získat Odvozuje se ze záznamu aktivit požadavku, kde se sleduje změna stavu z „Uzavřeno“ nebo „Vyřešeno“ zpět na „Otevřeno“ nebo „Probíhá“. Zachycení Zaznamenejte změnu stavu z konečného stavu, například „Uzavřeno“, na stav, který není konečný, například „Otevřeno“. Typ události inferred
	Změna zrušena	Označuje ukončení požadavku na změnu před jeho dokončením. Jde o alternativní konečný stav, který se zaznamená, když se stav požadavku změní na „Zrušeno“ nebo „Staženo“.
Proč je to důležité Analýza zrušených změn může odhalit problémy v počáteční fázi plánování nebo schvalování, například požadavky, které už nejsou potřeba nebo nemají opodstatnění pro podnikání. Kde data získat Zaznamená se podle časového razítka změny stavu na „Zrušeno“ nebo na odpovídající konečný stav jiný než „Uzavřeno“. Zachycení Časové razítko změny stavu na „Zrušeno“. Typ události explicit

Doporučené Volitelné

Návody k exportu dat

Jak získat data z Freshservice

Kroky

Přihlaste se do Freshservice Analytics: Přihlaste se ke své instanci Freshservice pomocí účtu, který má oprávnění vytvářet a zobrazovat sestavy v modulu Analytics.
Vytvořte novou sestavu: Přejděte do části Analytics. Vytvořte novou sestavu a pojmenujte ji výstižně, například „Process Mining - záznam událostí správy změn“.
Přidejte první widget (vytvoření požadavku na změnu): Do sestavy přidejte nový widget. Jako modul vyberte „Changes“. U metriky zvolte „Count of Changes“. V části „Group by“ přidejte „Change ID“ a „Created at“. Tento widget bude zdrojem aktivity „Vytvoření požadavku na změnu“.
Nastavte filtry sestavy: Na základě data „Created at“ nastavte globální filtr, který určí období analýzy, například posledních 6 měsíců. Kvůli konzistenci dat ověřte, že se filtr použije na všechny následující widgety.
Vytvořte widget pro každou aktivitu: Opakujte postup a přidejte a nastavte nový widget pro každou z 15 požadovaných aktivit. K oddělení jednotlivých událostí budete potřebovat různá pole, stavy a moduly. Například u aktivity „Schválení změny“ můžete seskupovat podle data „Approved on“. U událostí založených na stavu, jako je „Zahájení implementace“, použijte metriku filtrovanou podmínkou Status is In Progress a seskupte záznamy podle časového razítka Last Updated at pro příslušné změny. Podrobnosti o nastavení jednotlivých widgetů najdete v části „query“.
Exportujte podkladová data: Až nastavíte všech 15 widgetů a sestava se načte, přejděte postupně ke každému widgetu. Klikněte na ikonu možností (tři tečky), vyberte „Export“ a poté „Export underlying data“. Zvolte formát CSV.
Sloučte exportované soubory: Budete mít 15 samostatných souborů CSV. Otevřete každý z nich a přidejte nový sloupec s názvem ActivityName. Do sloupce zapište název příslušné aktivity, například „Vytvoření požadavku na změnu“ u prvního souboru a „Schválení změny“ u druhého.
Sloučte data do jednoho záznamu událostí: Spojte data ze všech 15 upravených souborů CSV do jednoho hlavního souboru CSV. Před sloučením ověřte, že mají všechny soubory stejné názvy sloupců.
Sjednoťte názvy sloupců: V hlavním souboru přejmenujte sloupce podle požadovaného schématu. Například „Change ID“ přejmenujte na ChangeRequestId a příslušné sloupce s datem v jednotlivých souborech, například „Created at“ a „Approved on“, na EventTime.
Přidejte statické a doporučené atributy: Do výsledné tabulky přidejte sloupce SourceSystem (ve všech řádcích vyplňte „Freshservice“) a LastDataUpdate (vyplňte aktuálním datem a časem exportu). Přidejte také sloupce pro doporučené atributy, například ChangeStatus a ChangeType. Jejich hodnoty můžete doplnit vytvořením samostatné sestavy „enrichment“ ve Freshservice, která obsahuje tyto údaje pro každé Change ID, a následným propojením dat pomocí tabulkové funkce, například VLOOKUP.
Závěrečná kontrola formátu: Zkontrolujte výsledný soubor CSV. Ověřte, že mají časová razítka jednotný formát, soubor neobsahuje prázdné řádky a názvy sloupců přesně odpovídají požadovanému schématu pro nahrání do ProcessMind.

Konfigurace

Předpoklady: Potřebujete přístup k modulu Freshservice Analytics. Ten je obvykle dostupný v tarifech Pro a Enterprise. Uživatelé musí mít roli s oprávněním vytvářet sestavy a zobrazovat data o řízení změn.
Filtr období: V celé sestavě je nutné použít jednotný filtr období, například „Created at is in the last 180 days“. Zajistíte tak, že všechny widgety budou pracovat se stejnou sadou požadavků na změnu.
Nastavení widgetů: Každý widget musí zachycovat jednu konkrétní aktivitu. Obvykle je třeba filtrovat podle určitého stavu, použít samostatné datové pole, například „Approved on“, nebo kombinovat pole „Last Updated at“ s filtrem stavu.
Export zdrojových dat: Vždy použijte možnost „Export underlying data“, nikoli „Export“ obrázku widgetu nebo souhrnných dat. Získáte tak nezpracovaná data po jednotlivých řádcích, která jsou potřebná pro záznam událostí.
Výkon: Sestavy s více než tuctem widgetů a dlouhým obdobím, přesahujícím rok, se mohou načítat pomalu. Doporučujeme sestavu spustit a data exportovat mimo špičku, abyste omezili dopad na výkon.

Ukázkový dotaz sql

/* This is a configuration guide for creating widgets in Freshservice Analytics. 
Create one widget for each of the following 15 configurations. */

// Widget 1: Change Request Created
Widget.Module = "Changes"
Widget.Metric = "Count of Changes"
Widget.GroupBy = ["Change ID", "Created at"]
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "Created at": "EventTime"}

// Widget 2: Approval Requested
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Status history contains 'Awaiting Approval')"
Widget.GroupBy = ["Change ID", "First moved to awaiting approval at"]
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "First moved to awaiting approval at": "EventTime"}

// Widget 3: Risk Assessment Completed
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Risk is not empty)"
Widget.GroupBy = ["Change ID", "[Timestamp of first Risk update]"] // Note: This may require using 'Last Updated at' with a specific condition or a custom field.
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "[Timestamp of first Risk update]": "EventTime"}

// Widget 4: Note Added to Change
Widget.Module = "Ticket Activities"
Widget.Metric = "Count of Activities (Filtered: Activity Type is 'Note added' AND Parent Type is 'Change')"
Widget.GroupBy = ["Parent ID", "Performed at"]
Widget.ColumnsToExport = {"Parent ID": "ChangeRequestId", "Performed at": "EventTime"}

// Widget 5: Change Approved
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Status is 'Approved')"
Widget.GroupBy = ["Change ID", "Approved on"]
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "Approved on": "EventTime"}

// Widget 6: Change Rejected
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Status is 'Rejected')"
Widget.GroupBy = ["Change ID", "Last Updated at"]
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "Last Updated at": "EventTime"}

// Widget 7: Planning Completed
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Status history contains 'Pending Release')"
Widget.GroupBy = ["Change ID", "Last Updated at"]
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "Last Updated at": "EventTime"}

// Widget 8: Change Scheduled
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Scheduled Start Time is not empty)"
Widget.GroupBy = ["Change ID", "[Timestamp of first Schedule update]"] // Note: This often corresponds to the 'Last Updated at' when the schedule fields were populated.
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "[Timestamp of first Schedule update]": "EventTime"}

// Widget 9: Implementation Started
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Status is 'In Progress')"
Widget.GroupBy = ["Change ID", "Last Updated at"]
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "Last Updated at": "EventTime"}

// Widget 10: Implementation Completed
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Status history contains 'Pending Review')"
Widget.GroupBy = ["Change ID", "Last Updated at"]
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "Last Updated at": "EventTime"}

// Widget 11: Testing Completed
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Status history contains 'Pending Review' OR custom testing status)"
Widget.GroupBy = ["Change ID", "[Timestamp for status change to review]"] // Use 'Last Updated at' corresponding to the status change.
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "[Timestamp for status change to review]": "EventTime"}

// Widget 12: Post-Implementation Review Done
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Status is 'Closed' AND [PIR field is populated])"
Widget.GroupBy = ["Change ID", "Last Updated at"]
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "Last Updated at": "EventTime"}

// Widget 13: Change Re-Opened
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Status history contains 'Re-opened')"
Widget.GroupBy = ["Change ID", "Last Updated at"]
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "Last Updated at": "EventTime"}

// Widget 14: Change Closed
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Status is 'Closed')"
Widget.GroupBy = ["Change ID", "Closed at"]
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "Closed at": "EventTime"}

// Widget 15: Change Cancelled
Widget.Module = "Changes"
Widget.Metric = "Count of Changes (Filtered: Status is 'Cancelled' OR Status is 'Withdrawn')"
Widget.GroupBy = ["Change ID", "Last Updated at"]
Widget.ColumnsToExport = {"Change ID": "ChangeRequestId", "Last Updated at": "EventTime"}

Kroky

Předpoklady: Ověřte, že máte v systému nainstalovaný Python 3. Nainstalujte potřebné knihovny requests pro volání API a pandas pro práci s daty. V terminálu spusťte příkaz pip install requests pandas.
Získejte API klíč: Přihlaste se do instance Freshservice jako správce. Otevřete nastavení profilu, přejděte do části API a vygenerujte nový API klíč. Bezpečně si ho uložte, protože ho budete potřebovat ve skriptu.
Nastavte skript: Vytvořte nový soubor Python, například extract_freshservice_changes.py. Zkopírujte do něj celý skript Python z části query. Upravte zástupné proměnné na začátku skriptu: FRESHSERVICE_DOMAIN (například your-company.freshservice.com) a API_KEY nahraďte svými přihlašovacími údaji.
Nastavte období exportu: Upravte proměnnou UPDATED_SINCE_FILTER ve skriptu a určete počáteční datum exportu dat. Používá se formát ISO 8601, například YYYY-MM-DDTHH:MM:SSZ. Doporučujeme začít nedávným obdobím v délce 3 až 6 měsíců.
Spusťte skript: V terminálu spusťte příkaz python extract_freshservice_changes.py. Skript začne načítat data o změnách a aktivitách z Freshservice API. Průběh zobrazuje při zpracování jednotlivých stránek výsledků.
Načtěte data z API: Skript projde všechny požadavky na změnu aktualizované ve zvoleném období. U každé změny načte úplnou historii aktivit. U rozsáhlých datových sad může načítání kvůli limitům API trvat dlouho.
Převeďte data na záznam událostí: Skript zpracuje nezpracovanou odpověď JSON. Podle typů aktivit a změn stavu rozpozná konkrétní události, například „Požadavek na změnu vytvořen“, „Stav změněn na uzavřeno“ nebo „Přidána poznámka“. Poté je převede do požadované struktury záznamu událostí a vytvoří jeden řádek pro každou rozpoznanou aktivitu.
Vypočítejte další atributy: Po vytvoření základního záznamu událostí skript data dále zpracuje. Přidá statické sloupce, například SourceSystem a LastDataUpdate. Pro každý případ také vypočítá EndTime podle nejnovější hodnoty EventTime pro dané ChangeRequestId.
Exportujte do CSV: Po dokončení skript uloží výsledný záznam událostí do souboru CSV freshservice_change_management_event_log.csv ve stejné složce, ze které jste skript spustili. Soubor je připravený k nahrání do nástroje process mining.

Konfigurace

API klíč: Potřebujete API klíč Freshservice. Musí být přiřazen správci nebo uživatelskému profilu s rozsáhlým přístupem pro čtení v modulu Change Management.
Doména Freshservice: Zadejte doménu Freshservice své organizace, například your-company.freshservice.com.
Období (UPDATED_SINCE_FILTER): Toto nastavení filtruje změny podle času poslední aktualizace. Pokud chcete exportovat úplnou historii, může být nutné spustit skript s velmi starým počátečním datem. Pro první analýzu doporučujeme období 3 až 6 měsíců, aby se omezila zátěž. Export celé historie může trvat dlouho a může narazit na limity API.
Mapování stavů: Skript odvozuje řadu aktivit ze změn stavu, například „Implementace zahájena“ ze stavu „In Progress“. Názvy stavů jsou ve skriptu pevně zadané. Možná je budete muset upravit podle vlastních stavů nastavených ve vaší instanci Freshservice.
Výkon: Skript načítá aktivity každého požadavku na změnu samostatně. V instanci s desítkami tisíc změn může export kvůli počtu volání API a případným limitům trvat několik hodin.

Ukázkový dotaz python

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

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your Freshservice domain (e.g., class="hl-string">'your-company.freshservice.com')
FRESHSERVICE_DOMAIN = class="hl-string">"[YOUR_DOMAIN]"
class=class="hl-string">"hl-comment"># Replace with your Freshservice API Key
API_KEY = class="hl-string">"[YOUR_API_KEY]"

class=class="hl-string">"hl-comment"># Filter for changes updated since a specific date (ISO 8601 format)
class=class="hl-string">"hl-comment"># Example: class="hl-string">'2023-01-01T00:00:00Z'
UPDATED_SINCE_FILTER = class="hl-string">"2023-01-01T00:00:00Z"

class=class="hl-string">"hl-comment"># --- Script --- 
BASE_URL = fclass="hl-string">"https://{FRESHSERVICE_DOMAIN}/api/v2"

def get_all_changes(updated_since):
    changes = []
    url = fclass="hl-string">"{BASE_URL}/changes?updated_since={updated_since}"
    page = 1
    while url:
        print(fclass="hl-string">"Fetching changes page {page}...")
        try:
            response = requests.get(url, auth=(API_KEY, class="hl-string">'X'))
            response.raise_for_status()  class=class="hl-string">"hl-comment"># Raise an exception for bad status codes
            data = response.json()
            changes.extend(data[class="hl-string">'changes'])
            class=class="hl-string">"hl-comment"># Freshservice uses the class="hl-string">'Link' header for pagination
            if class="hl-string">'Link' in response.headers:
                url = response.headers[class="hl-string">'Link'].split(class="hl-string">';')[0].strip(class="hl-string">'<>')
            else:
                url = None
            page += 1
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching changes: {e}")
            if response.status_code == 429: class=class="hl-string">"hl-comment"># Rate limit exceeded
                print(class="hl-string">"Rate limit exceeded. Waiting for 60 seconds...")
                time.sleep(60)
                continue class=class="hl-string">"hl-comment"># Retry the same URL
            else:
                url = None class=class="hl-string">"hl-comment"># Stop on other errors
    return changes

def get_change_activities(change_id):
    activities = []
    url = fclass="hl-string">"{BASE_URL}/changes/{change_id}/activities"
    while url:
        try:
            response = requests.get(url, auth=(API_KEY, class="hl-string">'X'))
            response.raise_for_status()
            data = response.json()
            activities.extend(data[class="hl-string">'activities'])
            if class="hl-string">'Link' in response.headers:
                url = response.headers[class="hl-string">'Link'].split(class="hl-string">';')[0].strip(class="hl-string">'<>')
            else:
                url = None
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching activities for change {change_id}: {e}")
            if response.status_code == 429: class=class="hl-string">"hl-comment"># Rate limit exceeded
                print(class="hl-string">"Rate limit exceeded. Waiting for 60 seconds...")
                time.sleep(60)
                continue class=class="hl-string">"hl-comment"># Retry the same URL
            else:
                url = None class=class="hl-string">"hl-comment"># Stop on other errors
    return activities

def main():
    print(class="hl-string">"Starting Freshservice data extraction...")
    all_changes = get_all_changes(UPDATED_SINCE_FILTER)
    event_log = []
    total_changes = len(all_changes)
    
    print(fclass="hl-string">"Found {total_changes} changes to process.")

    for index, change in enumerate(all_changes):
        print(fclass="hl-string">"Processing change {index + 1}/{total_changes}: ID {change['id']}")
        change_id = change[class="hl-string">'id']
        requester_name = change[class="hl-string">'requester'][class="hl-string">'first_name'] + class="hl-string">' ' + change[class="hl-string">'requester'][class="hl-string">'last_name'] if change.get(class="hl-string">'requester') else None
        assigned_group = change[class="hl-string">'group'][class="hl-string">'name'] if change.get(class="hl-string">'group') else None

        class=class="hl-string">"hl-comment"># Base attributes for all events of this case
        base_event = {
            class="hl-string">'ChangeRequestId': change_id,
            class="hl-string">'ChangeStatus': change.get(class="hl-string">'status_name'),
            class="hl-string">'ChangeType': change.get(class="hl-string">'change_type_name'),
            class="hl-string">'ChangePriority': change.get(class="hl-string">'priority_name'),
            class="hl-string">'RequesterName': requester_name,
            class="hl-string">'AssignedGroup': assigned_group,
            class="hl-string">'RiskLevel': change.get(class="hl-string">'risk_name'),
            class="hl-string">'TargetCompletionDate': change.get(class="hl-string">'planned_end_date'),
            class="hl-string">'SourceSystem': class="hl-string">'Freshservice',
            class="hl-string">'LastDataUpdate': datetime.now(timezone.utc).isoformat()
        }

        class=class="hl-string">"hl-comment"># 1. Change Request Created
        event_log.append({
            **base_event,
            class="hl-string">'ActivityName': class="hl-string">'Change Request Created',
            class="hl-string">'EventTime': change[class="hl-string">'created_at']
        })

        class=class="hl-string">"hl-comment"># Fetch and process activities
        activities = get_change_activities(change_id)
        for activity in activities:
            activity_event_time = activity[class="hl-string">'performed_at']

            class=class="hl-string">"hl-comment"># 4. Note Added to Change
            if activity[class="hl-string">'activity_type'] == class="hl-string">'Note Added':
                event_log.append({
                    **base_event,
                    class="hl-string">'ActivityName': class="hl-string">'Note Added to Change',
                    class="hl-string">'EventTime': activity_event_time
                })
            
            class=class="hl-string">"hl-comment"># 5. Change Approved & 6. Change Rejected
            if activity[class="hl-string">'activity_type'] == class="hl-string">'Approval' and class="hl-string">'status_name' in activity[class="hl-string">'activity_data']:
                if activity[class="hl-string">'activity_data'][class="hl-string">'status_name'] == class="hl-string">'Approved':
                    event_log.append({
                        **base_event,
                        class="hl-string">'ActivityName': class="hl-string">'Change Approved',
                        class="hl-string">'EventTime': activity_event_time
                    })
                elif activity[class="hl-string">'activity_data'][class="hl-string">'status_name'] == class="hl-string">'Rejected':
                    event_log.append({
                        **base_event,
                        class="hl-string">'ActivityName': class="hl-string">'Change Rejected',
                        class="hl-string">'EventTime': activity_event_time
                    })
            
            class=class="hl-string">"hl-comment"># Process status changes and field updates
            if class="hl-string">'changes' in activity[class="hl-string">'activity_data']:
                previous_status_id = activity[class="hl-string">'activity_data'][class="hl-string">'changes'].get(class="hl-string">'status', [None, None])[0]
                new_status_name = activity[class="hl-string">'activity_data'][class="hl-string">'changes'].get(class="hl-string">'status', [None, class="hl-string">''])[1]
                previous_status_name = change[class="hl-string">'status_name_label_mapping'].get(str(previous_status_id))

                class=class="hl-string">"hl-comment"># 2. Approval Requested
                if new_status_name == class="hl-string">'Awaiting Approval':
                    event_log.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Approval Requested', class="hl-string">'EventTime': activity_event_time})
                
                class=class="hl-string">"hl-comment"># 3. Risk Assessment Completed
                if class="hl-string">'risk' in activity[class="hl-string">'activity_data'][class="hl-string">'changes']:
                    event_log.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Risk Assessment Completed', class="hl-string">'EventTime': activity_event_time})

                class=class="hl-string">"hl-comment"># 7. Planning Completed (Inferred)
                if new_status_name == class="hl-string">'Open' and previous_status_name == class="hl-string">'Awaiting Approval':
                     event_log.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Planning Completed', class="hl-string">'EventTime': activity_event_time})

                class=class="hl-string">"hl-comment"># 8. Change Scheduled (Inferred)
                if class="hl-string">'planned_start_date' in activity[class="hl-string">'activity_data'][class="hl-string">'changes'] or class="hl-string">'planned_end_date' in activity[class="hl-string">'activity_data'][class="hl-string">'changes']:
                     event_log.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Change Scheduled', class="hl-string">'EventTime': activity_event_time})

                class=class="hl-string">"hl-comment"># 9. Implementation Started (Inferred)
                if new_status_name == class="hl-string">'In Progress':
                     event_log.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Implementation Started', class="hl-string">'EventTime': activity_event_time})

                class=class="hl-string">"hl-comment"># 10. Implementation Completed (Inferred)
                if new_status_name == class="hl-string">'Pending Review':
                     event_log.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Implementation Completed', class="hl-string">'EventTime': activity_event_time})

                class=class="hl-string">"hl-comment"># 11. Testing Completed (Inferred)
                if new_status_name == class="hl-string">'Testing Complete': class=class="hl-string">"hl-comment"># This status name may need customization
                     event_log.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Testing Completed', class="hl-string">'EventTime': activity_event_time})
                
                class=class="hl-string">"hl-comment"># 12. Post-Implementation Review Done (Inferred)
                if new_status_name == class="hl-string">'Pending PIR' and previous_status_name != class="hl-string">'Closed': class=class="hl-string">"hl-comment"># Example status, might need adjustment
                     event_log.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Post-Implementation Review Done', class="hl-string">'EventTime': activity_event_time})
                
                class=class="hl-string">"hl-comment"># 13. Change Re-Opened
                is_reopened = (previous_status_name in [class="hl-string">'Closed', class="hl-string">'Cancelled']) and (new_status_name not in [class="hl-string">'Closed', class="hl-string">'Cancelled'])
                if is_reopened:
                     event_log.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Change Re-Opened', class="hl-string">'EventTime': activity_event_time})

                class=class="hl-string">"hl-comment"># 14. Change Closed
                if new_status_name == class="hl-string">'Closed':
                     event_log.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Change Closed', class="hl-string">'EventTime': activity_event_time})

                class=class="hl-string">"hl-comment"># 15. Change Cancelled
                if new_status_name == class="hl-string">'Cancelled':
                     event_log.append({**base_event, class="hl-string">'ActivityName': class="hl-string">'Change Cancelled', class="hl-string">'EventTime': activity_event_time})

    if not event_log:
        print(class="hl-string">"No events were generated. Check your filters and API permissions.")
        return

    df = pd.DataFrame(event_log)

    class=class="hl-string">"hl-comment"># Post-processing
    df[class="hl-string">'EventTime'] = pd.to_datetime(df[class="hl-string">'EventTime'])
    df = df.sort_values(by=[class="hl-string">'ChangeRequestId', class="hl-string">'EventTime']).drop_duplicates()

    class=class="hl-string">"hl-comment"># Calculate EndTime
    end_times = df.groupby(class="hl-string">'ChangeRequestId')[class="hl-string">'EventTime'].max().to_dict()
    df[class="hl-string">'EndTime'] = df[class="hl-string">'ChangeRequestId'].map(end_times)

    class=class="hl-string">"hl-comment"># Reorder columns
    column_order = [
        class="hl-string">'ChangeRequestId', class="hl-string">'ActivityName', class="hl-string">'EventTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate', class="hl-string">'EndTime',
        class="hl-string">'ChangeStatus', class="hl-string">'ChangeType', class="hl-string">'ChangePriority', class="hl-string">'RequesterName', class="hl-string">'AssignedGroup', class="hl-string">'RiskLevel',
        class="hl-string">'TargetCompletionDate'
    ]
    df = df[column_order]
    
    class=class="hl-string">"hl-comment"># Save to CSV
    output_file = class="hl-string">'freshservice_change_management_event_log.csv'
    df.to_csv(output_file, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%S.%f%z')
    print(fclass="hl-string">"Extraction complete. Event log saved to {output_file}")

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

Chcete začít?

Připravte si data pomocí této podrobné šablony a začněte zlepšovat řízení změn. Odhalte dosud skryté poznatky a zefektivněte nasazování změn.

Zpět na průvodce zlepšováním

Stáhnout šablonu

Předcházejte neúspěšným změnám: zlepšete řízení ve Freshservice

Dosáhněte 95% úspěšnosti změn a omezte výpadky i prodlevy ve Freshservice.

Spustit zkušební verzi zdarma

Bez platební karty. Začít můžete během několika minut.

Datová šablona pro řízení změn

Datová šablona pro řízení změn

Atributy řízení změn

Aktivity v řízení změn

Návody k exportu dat

Export nezpracovaných dat z Freshservice Analytics

Kroky

Konfigurace

Ukázkový dotaz sql

Export dat pomocí Python skriptu přes Freshservice REST API

Kroky

Konfigurace

Ukázkový dotaz python

Chcete začít?

Předcházejte neúspěšným změnám: zlepšete řízení ve Freshservice