> Kontinuierliche Prozessverbesserung > Problemmanagement > Freshservice > Datenvorlage

Ihr Problemmanagement-Datentemplate

Freshservice

Problemmanagement-Attribute (20) Problemmanagement-Aktivitäten (15) Extraktionsleitfäden (3)

Ihr Problemmanagement-Datentemplate

Dieses Template bietet einen umfassenden Rahmen, um Ihren Problem-Lebenszyklus in Freshservice abzubilden und so Engpässe in der Ursachenanalyse und Workaround-Erstellung zu identifizieren. Es skizziert die wesentlichen Attribute und Aktivitäten, die für den Aufbau eines robusten Event Logs für Process Mining erforderlich sind. Indem Sie dieser Anleitung folgen, können Sie Ihren Extraktionsprozess optimieren und sich auf die Verbesserung der IT-Servicestabilität konzentrieren.

Kritische Attribute für eine tiefere Ursachenanalyse
Standardisierte Aktivitätszuordnung für den Problem-Lebenszyklus
Technische Anleitung zur Freshservice-Datenextraktion

Neu bei Event Logs? Erfahren Sie wie man ein Process Mining Event Log erstellt.

Vorlage herunterladen

Problemmanagement-Attribute

Diese empfohlenen Datenfelder liefern den notwendigen Kontext für Ihr Event Log, um eine detaillierte Analyse Ihrer Problemmanagement-Performance zu ermöglichen.

3 Erforderlich 10 Empfohlen 7 Optional

	Name	Beschreibung
	Aktivität ActivityName	Das spezifische Event oder die Aktion, die am Problemfall durchgeführt wurde.
Beschreibung Dieses Attribut beschreibt den Schritt innerhalb des Prozesslebenszyklus, wie 'Problem protokolliert', 'Ursache identifiziert' oder 'Supportgruppe geändert'. Es ist die Kernkomponente für Prozessentdeckungsalgorithmen, um die Abfolge der Arbeit abzubilden. In der Analyse bestimmt dieses Feld die Knoten in der Prozesslandkarte und ist entscheidend für die Identifizierung von Nacharbeitschleifen, übersprungenen Schritten und Prozessvarianten. Warum es wichtig ist Es definiert das 'Was' der Prozessausführung und ist für die Generierung von Prozesskarten obligatorisch. Woher erhalten Abgeleitet von den Freshservice 'Activities'- oder 'Audit Log'-Endpunkten. Beispiele Problem protokolliertPriorität aktualisiertStatus auf 'Gelöst' geändert
	Problemfall ProblemNumber	Der eindeutige alphanumerische Bezeichner, der dem Problemfall zugewiesen ist (z.B. PRB-10234).
Beschreibung Dieses Attribut dient als zentrale Case ID für die Process Mining Analyse. Es identifiziert eindeutig eine spezifische Problemuntersuchung innerhalb von Freshservice und verknüpft alle zugehörigen Aktivitäten, Events und Änderungen. Es wird verwendet, um einzelne Audit Log Einträge zu einer kohärenten Prozessinstanz zusammenzufassen. In der Analyse ermöglicht dieser Identifier Benutzern, von hochrangigen Aggregationen zu spezifischen Problemwegen zu navigieren, um die genaue Abfolge der aufgetretenen Events zu verstehen. Warum es wichtig ist Es ist der fundamentale Schlüssel zur Rekonstruktion des Prozessflusses und erforderlich, um jeden Case eindeutig zu identifizieren. Woher erhalten Freshservice API 'Problem'-Objekt, Feld 'display_id'. Beispiele PRB-10023PRB-10045PRB-11201
	Timestamp EventTimestamp	Das genaue Datum und die Uhrzeit, zu der die Aktivität stattgefunden hat.
Beschreibung Dieses Attribut zeichnet auf, wann ein bestimmtes Event im System stattfand. Es ermöglicht der Process Mining Engine, Events chronologisch zu ordnen und Dauern zwischen Schritten zu berechnen. In der Analyse bildet diese Daten die Grundlage für alle zeitbasierten KPIs, wie Durchlaufzeit, Lead-Time-Analyse und Engpass-Identifikation. Warum es wichtig ist Es legt die Zeitachse der Ereignisse fest und ermöglicht die Berechnung der Zykluszeit sowie die Prozessreihenfolge. Woher erhalten Freshservice API 'created_at' oder 'updated_at' Felder innerhalb des Aktivitäts-Streams. Beispiele 2023-10-15T08:30:00Z2023-10-15T09:15:22Z2023-10-16T14:00:00Z
	Abteilung DepartmentName	Die Abteilung des Benutzers, der das Problem gemeldet hat oder hauptsächlich betroffen ist.
Beschreibung Dieses Attribut identifiziert die betroffene Geschäftseinheit. In der Analyse hilft es, die 'SLA-Performance kritischer Probleme' zu segmentieren, um festzustellen, ob bestimmte Abteilungen einen langsameren Service erhalten als andere. Warum es wichtig ist Bietet den organisatorischen Kontext für die Auswirkungen von Problemen. Woher erhalten Freshservice API, über Anfragesteller-Lookup zur Abteilungstabelle. Beispiele FinanzenHRIT
	Priorität ProblemPriority	Das dem Problem zugewiesene Prioritätslevel (z.B. Niedrig, Mittel, Hoch, Dringend).
Beschreibung Dieses Attribut gibt die relative Bedeutung und Dringlichkeit des Problemfalls an. Es wird normalerweise durch eine Matrix aus Auswirkung und Dringlichkeit bestimmt. In der Analyse ist dieses Feld entscheidend für die Segmentierung. Es ermöglicht Analysten, Zykluszeiten und SLA-Einhaltung zwischen kritischen Problemen und kleineren Mängeln zu vergleichen. Warum es wichtig ist Wesentliche Bedeutung für die Filterung und Priorisierung der Analyse von Problemen mit großer Auswirkung. Woher erhalten Freshservice API 'Problem'-Objekt, Feld 'priority'. Beispiele NiedrigMittelHochDringend
	SLA verletzt IsSlaBreached	Ein Flag, das anzeigt, ob der Problem-Datensatz sein Service-Level-Agreement-Ziel verfehlt hat.
Beschreibung Dieses boolesche Attribut ist 'wahr', wenn die Problemlösungszeit die definierte Richtlinie überschritten hat. In der Analyse treibt es das Dashboard 'SLA-Performance kritischer Probleme' an und hilft zu identifizieren, welche Teams oder Kategorien am meisten mit der Pünktlichkeit kämpfen. Warum es wichtig ist Direktes Maß für Prozess-Compliance und -Leistung. Woher erhalten Freshservice API, abgeleitet von 'sla_policy' oder 'sla_breached' Flags. Beispiele truefalsch
	Status ProblemStatus	Der aktuelle Lebenszyklusstatus des Problems (z.B. Offen, Änderung angefordert, Gelöst).
Beschreibung Dieses Attribut verfolgt den Fortschritt des Problems durch seinen Workflow. Änderungen in diesem Feld lösen Standard-Prozessaktivitäten aus. In der Analyse dient es als primärer Filter zur Unterscheidung zwischen aktiver und abgeschlossener Arbeit und ermöglicht die WIP (Work In Progress)-Analyse. Warum es wichtig ist Definiert den Status des Falls und wird zur Berechnung von Flussstatistiken verwendet. Woher erhalten Freshservice API 'Problem'-Objekt, Feld 'status'. Beispiele OffenAusstehende ÄnderungGelöstGeschlossen
	Support-Gruppe SupportGroup	Das technische Team oder die Gruppe, die für die Bearbeitung des Problems zuständig ist.
Beschreibung Dieses Attribut repräsentiert die Teamzugehörigkeit des Problemfalls. Übergaben zwischen Gruppen sind eine Hauptursache für Verzögerungen im Problemmanagement. In der Analyse wird dieses Feld verwendet, um die 'Supportgruppen-Transfer-Heatmap' zu generieren und das Ping-Pong-Verhalten zwischen Teams zu identifizieren. Warum es wichtig ist Entscheidend für die Analyse von Übergaben und die Identifizierung von Engpässen in Silos. Woher erhalten Freshservice API 'Problem'-Objekt, Feld 'group_id' (erfordert Lookup in Groups-Tabelle). Beispiele Datenbank-TeamNetzwerkbetriebAnwendungsunterstützung
	Ursachenkategorie RootCauseCategory	Die Klassifizierung der für das Problem identifizierten Grundursache.
Beschreibung Dieses Attribut kategorisiert, warum das Problem aufgetreten ist, z.B. als 'Softwarefehler', 'Konfigurationsfehler' oder 'menschlicher Fehler'. Es wird nach der RCA-Phase ausgefüllt. In der Analyse wird es für das Dashboard 'Qualität der Ursachenkategorisierung' verwendet, um systemische Schwachstellen in der Infrastruktur zu identifizieren. Warum es wichtig ist Wichtig für die Trendanalyse und die Identifizierung von Bereichen für proaktive Verbesserungen. Woher erhalten Freshservice API 'Problem'-Objekt. Oft ein benutzerdefiniertes Feld oder 'root_cause'-Textfeld, abhängig von der Konfiguration. Beispiele SoftwarefehlerKonfigurationsfehlerHardware-Fehlfunktion
	Verknüpfte Incidents RelatedIncidentCount	Die Anzahl der mit diesem Problem verknüpften Incident-Datensätze.
Beschreibung Dieses Attribut zählt, wie viele einzelne Incidents mit dem Problemfall verknüpft sind. Es dient als Proxy für das Volumen der Benutzerunterbrechungen. In der Analyse wird dies für den KPI 'Incident-Verknüpfungsdichte' verwendet, um zu überprüfen, ob Probleme tatsächlich das Incident-Volumen reduzieren. Warum es wichtig ist Gibt das Ausmaß der Auswirkung des Problems auf den Helpdesk an. Woher erhalten Freshservice API, Anzahl des 'associated_incidents'-Arrays. Beispiele 05120
	Wiedereröffnet IsReopened	Ein Flag, das anzeigt, ob der Problem-Datensatz jemals von einem geschlossenen Zustand zurück in einen offenen Zustand verschoben wurde.
Beschreibung Dieses boolesche Attribut wird berechnet, indem die Aktivitätshistorie auf Übergänge von einem Endzustand zurück in einen aktiven Zustand überprüft wird. In der Analyse unterstützt es das Dashboard 'Problemfall Wiedereröffnungs-Trends' und dient als wichtiger Qualitätsindikator für den Lösungsprozess. Warum es wichtig ist Primärer Indikator für falsch-positive Lösungen und Nacharbeit. Woher erhalten Berechnet aus dem Ereignisprotokoll (ActivityName). Beispiele truefalsch
	Zeit bis zur RCA TimeToRootCause	Die Dauer von der Problemerstellung bis zur Identifizierung der Ursache.
Beschreibung Dieses Dauer-Attribut wird berechnet, indem die Zeitdifferenz zwischen dem Event 'Problem protokolliert' und dem Event 'Ursache identifiziert' gemessen wird. In der Analyse speist es den KPI 'Mittlere Zeit bis zur Ursachenidentifizierung' und hebt die Effizienz der Diagnosephase hervor. Warum es wichtig ist Misst speziell die Geschwindigkeit der Untersuchungsphase. Woher erhalten Berechnet aus Ereignis-Zeitstempeln. Beispiele 48 Stunden3 Tage45 Minuten
	Zugewiesener Agent AgentName	Der Name des Service Desk Agenten, der aktuell dem Problem zugewiesen ist.
Beschreibung Dieses Attribut identifiziert die für die Untersuchung oder Lösung des Problems verantwortliche Person. Es ermöglicht Ressourcenanalyse und Performance-Monitoring. In der Analyse hilft es, die Arbeitslastverteilung und spezifische Personen zu identifizieren, die überlastet oder besonders effizient bei der RCA sind. Warum es wichtig ist Schlüssel für Ressourcenanalyse und organisatorisches Mining. Woher erhalten Freshservice API 'Problem'-Objekt, Feld 'responder_id' (erfordert Lookup in Agent-Tabelle). Beispiele Alice SmithBob JonesSystemadministrator
	Auswirkung ImpactLevel	Das Maß der Auswirkungen des Problems auf Geschäftsprozesse.
Beschreibung Dieses Attribut quantifiziert den Umfang des Problems, oft in Verbindung mit der Dringlichkeit zur Bestimmung der Priorität verwendet. In der Analyse hilft es, Prozessengpässe zu priorisieren, die die kritischsten Geschäftsfunktionen beeinträchtigen. Warum es wichtig ist Wird zur Gewichtung der Analyseergebnisse nach geschäftlicher Kritikalität verwendet. Woher erhalten Freshservice API 'Problem'-Objekt, Feld 'impact'. Beispiele NiedrigMittelHoch
	Betroffenes Asset AssociatedAsset	Das primäre Configuration Item (CI) oder Asset, das mit dem Problem verknüpft ist.
Beschreibung Dieses Attribut identifiziert das spezifische Hardware- oder Software-Asset, das Gegenstand der Untersuchung ist. In der Analyse ermöglicht es eine 'Qualität der Ursachenkategorisierung' nach Asset-Typ, wodurch offengelegt wird, ob bestimmte Geräte oder Softwareversionen anfällig für Defekte sind. Warum es wichtig ist Verbindet Prozessleistung mit Infrastrukturkomponenten. Woher erhalten Freshservice API, Feld 'associated_assets'. Beispiele Server-01GehaltsabrechnungsanwendungCore Switch A
	Fälligkeitsdatum DueDate	Das Zieldatum, bis zu dem der Problemfall voraussichtlich gelöst sein wird.
Beschreibung Dieses Attribut enthält die Frist für das Problem, die oft durch SLA-Richtlinien oder manuell von einem Manager festgelegt wird. In der Analyse liefert der Vergleich dieses Datums mit dem tatsächlichen Lösungsdatum Einblicke in die Planungsgenauigkeit und die realistische Erwartungshaltung. Warum es wichtig ist Referenzpunkt für die Analyse der pünktlichen Lieferung. Woher erhalten Freshservice API 'Problem'-Objekt, Feld 'due_by'. Beispiele 2023-12-31T17:00:00Z
	Letzte Datenaktualisierung LastExtractionTime	Der Timestamp, der angibt, wann die Daten aus Freshservice extrahiert wurden.
Beschreibung Dieses Attribut kennzeichnet die Aktualität des für die Analyse verwendeten Datensatzes. Es hilft Benutzern zu verstehen, ob sie Echtzeitdaten oder eine Momentaufnahme aus der Vergangenheit betrachten. In der Analyse dient es als Referenzpunkt zur Berechnung der aktuellen offenen Dauern für aktive Fälle. Warum es wichtig ist Bietet Kontext zu Datenlatenz und -zuverlässigkeit. Woher erhalten Systemzeit zum Zeitpunkt der ETL-Ausführung. Beispiele 2023-11-01T12:00:00Z
	Quellsystem SourceSystem	Der Name des Systems, aus dem die `data` stammen.
Beschreibung Dieses statische Attribut identifiziert den Ursprung des Datensatzes, der 'Freshservice' ist. In Multi-System-Umgebungen hilft es, Datensätze zu unterscheiden, die aus verschiedenen ITSM-Tools oder -Instanzen stammen. In der Analyse wird dies hauptsächlich zum Filtern oder Gruppieren verwendet, wenn Daten aus mehreren Quellen kombiniert werden. Warum es wichtig ist Gewährleistet Datenherkunft und Nachvollziehbarkeit bei Multi-System-Process-Mining-Implementierungen. Woher erhalten Hartkodierter Wert während der Extraktion. Beispiele Freshservice
	Verknüpfte Änderungsanfrage ChangeRequestId	Der Bezeichner des Change Requests, der zur Behebung des Problems erstellt wurde.
Beschreibung Dieses Attribut enthält die ID eines Change Requests, der mit dem Problemfall zur Implementierung einer dauerhaften Lösung verknüpft ist. In der Analyse ist es wesentlich für den KPI 'Übergangszeit von RCA zu Change', der die Messung der verlorenen Zeit zwischen der Ursachenfindung und der Umsetzung ermöglicht. Warum es wichtig ist Verknüpft den Problem-Prozess mit dem Change Management-Prozess. Woher erhalten Freshservice API, Feld 'associated_change_request'. Beispiele CHG-2001CHG-2045
	Workaround-Beschreibung WorkaroundNotes	Der Text, der die temporäre Lösung oder den Workaround beschreibt.
Beschreibung Dieses Attribut enthält die Details der bereitgestellten temporären Lösung. Seine Anwesenheit zeigt an, dass ein Workaround erfolgreich veröffentlicht wurde. In der Analyse treibt der mit dem Ausfüllen dieses Feldes verbundene Timestamp den KPI 'Durchschnittliche Workaround-Durchlaufzeit' an. Warum es wichtig ist Entscheidend für die Messung der Entschärfungsgeschwindigkeit im Vergleich zur vollständigen Lösungsgeschwindigkeit. Woher erhalten Freshservice API 'Problem'-Objekt, Feld 'workaround'. Beispiele Service manuell neu startenBrowser-Cache leerenAlternativen VPN-Endpunkt verwenden

Erforderlich Empfohlen Optional

Problemmanagement-Aktivitäten

Erfassen Sie diese wesentlichen Prozessmeilensteine und Statusänderungen, um den gesamten Lebenszyklus von Problem-Datensätzen in Ihrem Service Desk zu visualisieren.

7 Empfohlen 8 Optional

	Aktivität	Beschreibung
	`Root Cause` identifiziert	Der Zeitpunkt, zu dem das Textfeld für die Ursache oder der Analyseabschnitt ausgefüllt wird. Erfasst durch die Identifizierung der ersten Aktualisierung des Feldes 'Ursache' von einem Null-Zustand.
Warum es wichtig ist Der primäre Meilenstein für die RCA Lead Time Analysis. Er markiert den Übergang von der Untersuchung zum Lösungsdesign. Woher erhalten Aktivitäts-Stream: Aktualisierung der Felder 'root_cause' oder 'analysis'. Erfassen root_cause-Feld vor/nach der Aktualisierung vergleichen Ereignistyp inferred
	Änderungsanfrage verknüpft	Die Verknüpfung eines Change-Datensatzes mit dem Problemfall, die den Beginn der Behebungsphase signalisiert. Erfasst über das System-Event 'Verknüpfung mit Change'.
Warum es wichtig ist Entscheidend für den Change Request Engpass Monitor. Misst die Übergabe vom Problemmanagement zum Change Management. Woher erhalten Aktivitäts-Stream: Ereignis 'Verknüpfung mit Änderung'. Erfassen Protokolliert, wenn eine Änderungs-ID verknüpft wird Ereignistyp explicit
	Dauerhafte Lösung angewendet	Repräsentiert die Implementierung der endgültigen Lösung. In Freshservice wird dies typischerweise abgeleitet, wenn der Status auf 'Gelöst' oder 'Behoben' wechselt.
Warum es wichtig ist Berechnet die Verzögerung bei der Implementierung der dauerhaften Lösung. Markiert das Ende der technischen Korrekturarbeiten. Woher erhalten Aktivitäts-Stream: Statusänderung zu 'Gelöst' oder 'Behoben'. Erfassen Statusfeld vor/nachher vergleichen Ereignistyp inferred
	Problem geschlossen	Das letzte Lebenszyklus-Ereignis, bei dem der Datensatz gesperrt und als inaktiv betrachtet wird. Erfasst durch den Statusübergang zu 'Geschlossen'.
Warum es wichtig ist Definiert das absolute Ende der Prozessinstanz. Erforderlich für die Berechnung der Gesamtzykluszeit. Woher erhalten Aktivitäts-Stream: Statusänderung zu 'Geschlossen'. Erfassen Protokolliert, wenn sich der Status zu „Geschlossen“ ändert Ereignistyp explicit
	Problem protokolliert	Die erstmalige Erstellung des Problemfalls im System. Dieses Event wird explizit im Freshservice Audit Log erfasst, wenn ein neues Problem-Ticket gespeichert wird.
Warum es wichtig ist Markiert den Beginn der Prozessinstanz. Es ist der Ankerpunkt für die Berechnung aller Durchlauf- und Zykluszeiten. Woher erhalten Freshservice Aktivitäts-Stream oder Tickets API (created_at Zeitstempel). Erfassen Protokolliert, wenn die Transaktion 'Neues Problem' ausgeführt wird Ereignistyp explicit
	Supportgruppe zugewiesen	Weiterleitung des Problemfalls an ein spezifisches technisches Team oder eine Zuweisungsgruppe. Erfasst durch Überwachung von Änderungen im Feld 'Gruppe' in der Ticket-Historie.
Warum es wichtig ist Wichtig für die Support-Gruppen-Transfer-Heatmap. Die Verfolgung deckt Ping-Pong-Effekte und übermäßige Übergaben zwischen Teams auf. Woher erhalten Aktivitäts-Stream: Aktualisierungen des Feldes 'group_id' oder 'group_name'. Erfassen Protokolliert, wenn das Gruppenfeld aktualisiert wird Ereignistyp explicit
	Workaround veröffentlicht	Das Hinzufügen einer temporären Lösung zum Problemfall, oft als 'Workaround'-Notiz oder -Feld markiert. Wird zur Berechnung der Veröffentlichungsgeschwindigkeit von Workarounds verwendet.
Warum es wichtig ist Misst, wie schnell das Team Auswirkungen mindert. Entscheidend für den KPI der durchschnittlichen Workaround-Durchlaufzeit. Woher erhalten Aktivitäts-Stream: Aktualisierung des Feldes 'Workaround' oder Erstellung einer Notiz, die als Lösung/Workaround markiert ist. Erfassen Protokolliert, wenn das Workaround-Feld gefüllt wird Ereignistyp explicit
	Agent zugewiesen	Die Zuweisung eines bestimmten individuellen Bearbeiters zum Problemfall. Explizit erfasst, wenn das Feld 'Agent' ausgefüllt oder aktualisiert wird.
Warum es wichtig ist Zeigt an, wann eine Ressource die Arbeit offiziell aufgenommen hat. Hilft bei der Analyse der Ressourcenzuweisung nach Priorität. Woher erhalten Aktivitäts-Stream: Aktualisierungen des Feldes 'responder_id'. Erfassen Protokolliert, wenn das Agent-Feld aktualisiert wird Ereignistyp explicit
	Asset verknüpft	Die Zuordnung eines Configuration Items (CI) oder Assets zum Problemfall. Dies hilft, den 'Betroffenen Geschäftsservice' oder das 'Betroffene Configuration Item' zu identifizieren.
Warum es wichtig ist Verknüpft das abstrakte Problem mit physischer oder logischer Infrastruktur. Entscheidend für die Analyse der Qualität der Ursachenkategorisierung. Woher erhalten Aktivitäts-Stream: Ereignis 'Verknüpfung mit Asset'. Erfassen Protokolliert, wenn ein Asset mit dem Datensatz verknüpft wird Ereignistyp explicit
	Notiz hinzugefügt	Allgemeine Aktivität, die erfasst wird, wenn eine öffentliche oder private Notiz zum Datensatz hinzugefügt wird. Stellt die fortlaufende Zusammenarbeit oder Aktualisierungen dar.
Warum es wichtig ist Kann aktive Arbeit anzeigen, auch wenn sich der Status nicht geändert hat. Nützlich zur Identifizierung von 'aktiven Wartezeiten'. Woher erhalten Aktivitäts-Stream: Ereignis 'Notiz hinzugefügt'. Erfassen Protokolliert, wenn ein Kommentar gepostet wird Ereignistyp explicit
	Priorität aktualisiert	Eine Änderung der Dringlichkeit oder des Ausmaßes des Problem-Datensatzes. Erfasst über den Audit-Trail des Feldes 'Priorität'.
Warum es wichtig ist Entscheidend für die Analyse von SLA-Verstößen und das Filtern des Dashboards zur SLA-Leistung kritischer Probleme. Woher erhalten Aktivitäts-Stream: Aktualisierungen des Feldes 'Priorität'. Erfassen Protokolliert, wenn das Prioritätsfeld geändert wird Ereignistyp explicit
	Problem erneut geöffnet	Ein Übergang von einem 'Gelöst'- oder 'Geschlossen'-Zustand zurück in einen 'Offen'-Zustand. Zeigt an, dass die Fehlerbehebung fehlgeschlagen oder abgelehnt wurde.
Warum es wichtig ist Die Kernmetrik für das Dashboard 'Problemfall Wiedereröffnungs-Trends'. Hohe Raten deuten auf eine schlechte Qualität der RCA oder der Lösungen hin. Woher erhalten Aktivitäts-Stream: Statusänderung von [Geschlossen/Gelöst] zu [Offen/In Bearbeitung]. Erfassen Statusfeld vor/nachher vergleichen Ereignistyp inferred
	Problemaufgabe abgeschlossen	Der Abschluss einer Unteraufgabe, die dem Problemfall zugeordnet ist. Dies wird oft verwendet, um Post Implementation Reviews (PIR) oder spezifische Untersuchungsschritte zu verfolgen.
Warum es wichtig ist Unterstützt das Post Review Completion Audit Dashboard, indem es verfolgt, ob Überprüfungsaufgaben abgeschlossen werden. Woher erhalten Aktivitäts-Stream: 'Aufgaben'-Statusänderung zu Geschlossen/Erledigt. Erfassen Protokolliert, wenn eine verknüpfte Aufgabe als abgeschlossen markiert wird Ereignistyp explicit
	SLA verletzt	Ein systemgeneriertes Ereignis, das anzeigt, dass die 'Fälligkeitszeit' überschritten wurde. Freshservice protokolliert spezifische SLA-Verletzungsmarker.
Warum es wichtig ist Unterstützt direkt die SLA-Leistungsanalyse kritischer Probleme. Zeigt Compliance-Verstöße auf. Woher erhalten Aktivitäts-Stream: SLA-Verstoß-Systemprotokoll. Erfassen Protokolliert, wenn der System-SLA-Monitor auslöst Ereignistyp explicit
	Status: Änderung ausstehend	Ein Statusübergang, der anzeigt, dass das Problem auf die Implementierung einer Änderungsanfrage wartet. Abgeleitet aus der Statusfeldänderung zu 'Änderung angefragt' oder Ähnlichem.
Warum es wichtig ist Identifiziert Wartezeiten, in denen das Problem Management-Team von externen Änderungs-Prozessen abhängig ist. Woher erhalten Aktivitäts-Stream: Statusänderung zu ID, die 'Änderung angefragt' repräsentiert. Erfassen Statusfeld vor/nachher vergleichen Ereignistyp inferred

Extraktionsleitfäden

Wie Sie Ihre Daten aus Freshservice erhalten

Schritte

Melden Sie sich bei Freshservice an mit einem Konto, das über 'Admin'- oder 'Supervisor'-Rechte verfügt, um auf das Analytics-Modul zuzugreifen.
Navigieren Sie zum Analytics-Symbol in der linken Seitenleiste des Navigationsmenüs.
Klicken Sie auf Neuen Bericht (oben rechts) und geben Sie einen Namen ein, z.B. „Problem Management Process Mining“.
Klicken Sie im Bericht-Canvas auf Widget hinzufügen und wählen Sie den Visualisierungstyp Datentabelle aus.
Wählen Sie im Datensatz-Auswahlfenster auf der rechten Seite Probleme als primäres Modul aus.
Metriken konfigurieren: Stellen Sie im Abschnitt 'Metriken' sicher, dass die Zählung auf 'Probleme' eingestellt ist, um Daten auf Datensatzebene abzurufen.
Spalten (Attribute) konfigurieren: Ziehen Sie die folgenden Felder in den Bereich 'Spalten' oder 'Gruppieren nach', um sicherzustellen, dass sie in der Tabelle erscheinen:
- ID: Problem-ID
- Daten: Erstellungsdatum, Lösungsdatum, Abschlussdatum, Fälligkeitsdatum
- Attribute: Status, Priorität, Agentenname, Gruppenname, Abteilung, Auswirkung, Dringlichkeit, Grundursache, SLA verletzt
Filter anwenden: Legen Sie einen 'Datumsbereich'-Filter für Erstellungsdatum fest (z.B. 'Letzte 6 Monate' oder 'Letzte 365 Tage') um das Datenvolumen zu verwalten.
Klicken Sie auf Anwenden, um die Datenvorschau zu generieren.
Klicken Sie auf die Schaltfläche Exportieren (oben rechts im Widget oder Bericht), wählen Sie CSV der zugrundeliegenden Daten, und laden Sie die Datei herunter.
Datentransformation (kritisch): Da der Export eine Zeile pro Problem erzeugt, verwenden Sie die im Abschnitt 'Abfrage' bereitgestellte Konfiguration, um die Datumsspalten zu 'entpivotieren'. Jede gültige Datumszelle (z.B. Erstellungsdatum, Lösungsdatum) wird zu einer separaten Zeile im finalen Ereignisprotokoll mit dem entsprechenden Aktivitätsnamen.
Speichern Sie die transformierte Datei als Freshservice_Problem_EventLog.csv zum Hochladen in ProcessMind.

Konfiguration

Modulauswahl: Stellen Sie sicher, dass 'Probleme' ausgewählt ist. Mischen Sie nicht mit 'Vorfällen' oder 'Änderungen' im selben tabellarischen Widget, um Join-Fehler zu vermeiden.
Datumsbereich: 'Letzte 12 Monate' wird für eine ausreichende Process Discovery empfohlen. Größere Zeiträume erfordern möglicherweise mehrere gebündelte Exporte aufgrund von Zeilenbeschränkungen (typischerweise 20.000-50.000 Zeilen pro Export in Freshservice).
Feldsichtbarkeit: Stellen Sie sicher, dass benutzerdefinierte Felder wie 'Ursachenkategorie' oder 'Behoben durch' für die Berichterstattung in den Einstellungen der 'Formularfelder' aktiviert sind, falls sie in Analytics nicht angezeigt werden.
Granularität: Der Export erfolgt auf der Ebene des 'Problemfalls'. Die Historie der Feldänderungen (z.B. mehrere Agent-Neuzuweisungen) wird auf den aktuellen Wert reduziert, es sei denn, ein spezifischer 'Aktivitäten'-Datensatz ist in Ihrer Stufe verfügbar.
Datumsformat: Stellen Sie sicher, dass die Export-Einstellung ein Standardformat (ISO 8601 JJJJ-MM-TT HH:MM:SS) verwendet, um Parsing-Fehler zu vermeiden.

a Beispielabfrage config

{
  "extraction_config": {
    "source": "Freshservice Analytics CSV",
    "entity": "Problem Record",
    "transformation_type": "UNPIVOT",
    "primary_key": "Problem ID",
    "mapping_rules": [
      {
        "activity_name": "Problem Logged",
        "source_column": "Created Date",
        "condition": "IS NOT NULL"
      },
      {
        "activity_name": "Permanent Fix Applied",
        "source_column": "Resolved Date",
        "condition": "IS NOT NULL"
      },
      {
        "activity_name": "Problem Closed",
        "source_column": "Closed Date",
        "condition": "IS NOT NULL"
      },
      {
        "activity_name": "SLA Breached",
        "source_column": "Due By",
        "condition": "SLA Breached == 'true' AND Due By < NOW()"
      },
      {
        "activity_name": "Root Cause Identified",
        "source_column": "Resolved Date",
        "condition": "Root Cause IS NOT NULL"
      },
      {
        "activity_name": "Agent Assigned",
        "source_column": "Created Date",
        "condition": "Agent Name IS NOT NULL",
        "note": "Uses creation time as proxy for initial assignment in flat export"
      },
      {
        "activity_name": "Support Group Assigned",
        "source_column": "Created Date",
        "condition": "Group Name IS NOT NULL",
        "note": "Uses creation time as proxy for initial assignment in flat export"
      },
      {
        "activity_name": "Asset Linked",
        "source_column": "Created Date",
        "condition": "Associated Asset IS NOT NULL",
        "note": "Uses creation time as proxy"
      }
    ],
    "attribute_mapping": {
      "CaseId": "Problem ID",
      "AgentName": "Agent Name",
      "SupportGroup": "Group Name",
      "Priority": "Priority",
      "Status": "Status",
      "Department": "Department",
      "IsSlaBreached": "SLA Breached",
      "RootCause": "Root Cause"
    }
  }
}

Schritte

Voraussetzungen: Stellen Sie sicher, dass Python (Version 3.6 oder höher) sowie die Bibliotheken pandas und requests installiert sind. Diese können Sie über pip install pandas requests installieren.
API-Zugangsdaten: Melden Sie sich bei Ihrem Freshservice-Konto an. Klicken Sie oben rechts auf Ihr Profilsymbol und wählen Sie Profileinstellungen. Kopieren Sie den API-Schlüssel, der in der rechten Seitenleiste angezeigt wird. Sie benötigen auch die vollständige Freshservice-Domain-URL.
Skript-Konfiguration: Öffnen Sie das bereitgestellte Python-Skript. Ersetzen Sie die Platzhalterwerte für FRESHSERVICE_DOMAIN (z.B. yourcompany.freshservice.com) und API_KEY durch Ihre tatsächlichen Zugangsdaten. Passen Sie bei Bedarf den OUTPUT_FILENAME an.
Datumsfilterung: Das Skript enthält eine Filtervariable namens UPDATED_SINCE. Stellen Sie dieses Datum (JJJJ-MM-TT) ein, um die Extraktion auf Probleme zu beschränken, die nach einem bestimmten Zeitpunkt aktualisiert wurden, um die Leistung zu optimieren.
Ausführung: Führen Sie das Skript über Ihr Terminal oder Ihre IDE aus. Das Skript führt eine paginierte Anfrage an die Freshservice-API durch, um Problemdatensätze abzurufen. Anschließend iteriert es durch jede Problem-ID, um spezifische Aktivitätsprotokolle und Aufgaben abzurufen.
Ereignis-Transformation: Das Skript parst die rohe JSON-Antwort. Es wandelt die Erstellungszeit automatisch in die Aktivität „Problem Logged“ um. Anschließend scannt es den Aktivitätsverlauf nach Feldaktualisierungen (Status, Priorität, Agent, Gruppe) und Systemereignissen (SLA-Verstöße, Zuordnungen), um die spezifischen Aktivitätszeilen zu generieren.
Handhabung verknüpfter Objekte: Für Aktivitäten wie „Asset Linked“ oder „Change Request Associated“ sucht das Skript nach spezifischen, vom System generierten Aktivitätstypen oder Zuordnungsereignissen innerhalb der Zeitleiste des Problems.
Aufgabenextraktion: Das Skript führt für jedes Problem einen separaten Unteraufruf an den Problemaufgaben-Endpunkt durch, um „Problem Task Completed“-Ereignisse zu erfassen und sicherzustellen, dass Unteraufgaben visualisiert werden.
Datenaggregation: Alle extrahierten Ereignisse werden einer Hauptliste hinzugefügt. Das Skript berechnet spezifische Attribute wie IsSlaBreached und TimeToRootCause basierend auf den Zeitstempel-Differenzen und Datensatz-Flags.
CSV-Export: Schließlich verwendet das Skript die pandas-Bibliothek, um ein DataFrame aus der Liste der Ereignisse zu erstellen und es in eine CSV-Datei zu exportieren. Diese Datei ist mit den erforderlichen Spalten (ProblemNumber, ActivityName, EventTimestamp usw.) formatiert und bereit für die ProcessMind-Aufnahme.

Konfiguration

API-Ratenbegrenzung: Freshservice setzt Ratenbegrenzungen durch (typischerweise 1000 Aufrufe pro Stunde, abhängig vom Plan). Das Skript enthält einen einfachen Schlafmechanismus, um diese Grenzen nicht schnell zu erreichen, aber bei sehr großen Datensätzen müssen Sie möglicherweise die Verzögerung erhöhen.
Paginierung: Das Skript verwendet den Seitenparameter, um durch die Ergebnisse zu blättern. Standardmäßig fordert es 100 Datensätze pro Seite an, um den API-Overhead zu minimieren.
Datumsfilterung: Verwenden Sie den updated_since-Parameter im API-Aufruf, um Delta-Loads durchzuführen. Dies verhindert, dass bei jedem Durchlauf die gesamte Historie heruntergeladen wird, und konzentriert sich auf kürzlich aktive Probleme.
Feldzuordnung: Freshservice gibt Status und Priorität in einigen API-Versionen als numerische IDs zurück. Das Skript geht von einer Standard-ID-Zuordnung aus, aber Sie müssen möglicherweise das status_map-Wörterbuch anpassen, wenn Ihre Organisation benutzerdefinierte Status-Lebenszyklen verwendet.
Berechtigungen: Der verwendete API-Schlüssel muss einem Benutzer gehören, der über Berechtigungen zum Anzeigen von Problemen, deren Audit-Logs und deren Aufgaben verfügt. Eine Admin- oder Supervisor-Rolle wird empfohlen.

a Beispielabfrage python

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

class=class="hl-string">"hl-comment"># === CONFIGURATION ===
FRESHSERVICE_DOMAIN = class="hl-string">"yourcompany.freshservice.com" class=class="hl-string">"hl-comment"># Replace with your domain
API_KEY = class="hl-string">"YOUR_API_KEY_HERE" class=class="hl-string">"hl-comment"># Replace with your API Key
UPDATED_SINCE = class="hl-string">"2023-01-01T00:00:00Z" class=class="hl-string">"hl-comment"># ISO 8601 format
OUTPUT_FILENAME = class="hl-string">"freshservice_problem_event_log.csv"

class=class="hl-string">"hl-comment"># Auth tuple
AUTH = (API_KEY, class="hl-string">"X")
HEADERS = {class="hl-string">"Content-Type": class="hl-string">"application/json"}

class=class="hl-string">"hl-comment"># Helper to handle rate limits and requests
def fetch_url(url, params=None):
    response = requests.get(url, auth=AUTH, headers=HEADERS, params=params)
    if response.status_code == 429:
        print(class="hl-string">"Rate limit reached. Sleeping for 60 seconds...")
        time.sleep(60)
        return fetch_url(url, params)
    elif response.status_code != 200:
        print(fclass="hl-string">"Error fetching {url}: {response.text}")
        return None
    return response.json()

class=class="hl-string">"hl-comment"># Helper to map Status IDs to Names (Customize based on your instance configuration)
STATUS_MAP = {
    1: class="hl-string">"Open",
    2: class="hl-string">"On Hold",
    3: class="hl-string">"Resolved",
    4: class="hl-string">"Closed",
    5: class="hl-string">"Change Requested" 
}

PRIORITY_MAP = {
    1: class="hl-string">"Low",
    2: class="hl-string">"Medium",
    3: class="hl-string">"High",
    4: class="hl-string">"Urgent"
}

def extract_data():
    all_events = []
    page = 1
    has_more = True
    
    base_url = fclass="hl-string">"https://{FRESHSERVICE_DOMAIN}/api/v2/problems"
    
    print(class="hl-string">"Starting extraction...")
    
    while has_more:
        print(fclass="hl-string">"Fetching Problem page {page}...")
        params = {
            class="hl-string">"updated_since": UPDATED_SINCE,
            class="hl-string">"per_page": 100,
            class="hl-string">"page": page,
            class="hl-string">"include": class="hl-string">"requester"
        }
        
        data = fetch_url(base_url, params)
        
        if not data or class="hl-string">"problems" not in data or len(data[class="hl-string">"problems"]) == 0:
            has_more = False
            break
            
        problems = data[class="hl-string">"problems"]
        
        for problem in problems:
            p_id = problem.get(class="hl-string">"id")
            p_display_id = fclass="hl-string">"PRB-{p_id}"
            created_at = problem.get(class="hl-string">"created_at")
            
            class=class="hl-string">"hl-comment"># Common Attributes
            curr_status = STATUS_MAP.get(problem.get(class="hl-string">"status"), str(problem.get(class="hl-string">"status")))
            curr_priority = PRIORITY_MAP.get(problem.get(class="hl-string">"priority"), str(problem.get(class="hl-string">"priority")))
            agent_id = problem.get(class="hl-string">"responder_id")
            group_id = problem.get(class="hl-string">"group_id")
            dept_id = problem.get(class="hl-string">"department_id")
            
            class=class="hl-string">"hl-comment"># ACTIVITY 1: Problem Logged
            all_events.append({
                class="hl-string">"ProblemNumber": p_display_id,
                class="hl-string">"ActivityName": class="hl-string">"Problem Logged",
                class="hl-string">"EventTimestamp": created_at,
                class="hl-string">"ProblemPriority": curr_priority,
                class="hl-string">"ProblemStatus": class="hl-string">"Open",
                class="hl-string">"AgentName": str(agent_id) if agent_id else None,
                class="hl-string">"SupportGroup": str(group_id) if group_id else None,
                class="hl-string">"IsSlaBreached": False
            })
            
            class=class="hl-string">"hl-comment"># --- Fetch Activities (Audit Log) ---
            activities_url = fclass="hl-string">"{base_url}/{p_id}/activities"
            activity_data = fetch_url(activities_url)
            
            if activity_data and class="hl-string">"activities" in activity_data:
                for act in activity_data[class="hl-string">"activities"]:
                    act_time = act.get(class="hl-string">"created_at")
                    act_type = act.get(class="hl-string">"activity_type")
                    
                    class=class="hl-string">"hl-comment"># ACTIVITY: Note Added
                    if act_type == class="hl-string">"note_added":
                        all_events.append({
                            class="hl-string">"ProblemNumber": p_display_id,
                            class="hl-string">"ActivityName": class="hl-string">"Note Added",
                            class="hl-string">"EventTimestamp": act_time,
                            class="hl-string">"ProblemStatus": curr_status
                        })
                        class=class="hl-string">"hl-comment"># Check if note implies Workaround
                        if class="hl-string">"workaround" in str(act.get(class="hl-string">"content", class="hl-string">"")).lower():
                             all_events.append({
                                class="hl-string">"ProblemNumber": p_display_id,
                                class="hl-string">"ActivityName": class="hl-string">"Workaround Published",
                                class="hl-string">"EventTimestamp": act_time,
                                class="hl-string">"ProblemStatus": curr_status
                            })
                            
                    class=class="hl-string">"hl-comment"># SYSTEM UPDATES & FIELD CHANGES
                    elif act_type == class="hl-string">"system":
                        content = str(act.get(class="hl-string">"content", class="hl-string">""))
                        
                        class=class="hl-string">"hl-comment"># ACTIVITY: SLA Breached
                        if class="hl-string">"sla" in content.lower() and class="hl-string">"breached" in content.lower():
                            all_events.append({
                                class="hl-string">"ProblemNumber": p_display_id,
                                class="hl-string">"ActivityName": class="hl-string">"SLA Breached",
                                class="hl-string">"EventTimestamp": act_time,
                                class="hl-string">"IsSlaBreached": True
                            })
                            
                        class=class="hl-string">"hl-comment"># ACTIVITY: Asset Linked
                        if class="hl-string">"associated" in content.lower() and class="hl-string">"asset" in content.lower():
                            all_events.append({
                                class="hl-string">"ProblemNumber": p_display_id,
                                class="hl-string">"ActivityName": class="hl-string">"Asset Linked",
                                class="hl-string">"EventTimestamp": act_time
                            })
                        
                        class=class="hl-string">"hl-comment"># ACTIVITY: Change Request Associated
                        if class="hl-string">"associated" in content.lower() and class="hl-string">"change" in content.lower():
                            all_events.append({
                                class="hl-string">"ProblemNumber": p_display_id,
                                class="hl-string">"ActivityName": class="hl-string">"Change Request Associated",
                                class="hl-string">"EventTimestamp": act_time
                            })

                    class=class="hl-string">"hl-comment"># FIELD UPDATES (extracted from changes object if present)
                    class=class="hl-string">"hl-comment"># Freshservice API structure varies; looking for generic class="hl-string">'changes' object
                    class=class="hl-string">"hl-comment"># Note: You may need to inspect the class="hl-string">'changes' dict structure for your version
                    if class="hl-string">"changes" in act:
                        changes = act[class="hl-string">"changes"]
                        
                        class=class="hl-string">"hl-comment"># ACTIVITY: Priority Updated
                        if class="hl-string">"priority" in changes:
                            all_events.append({
                                class="hl-string">"ProblemNumber": p_display_id,
                                class="hl-string">"ActivityName": class="hl-string">"Priority Updated",
                                class="hl-string">"EventTimestamp": act_time,
                                class="hl-string">"ProblemPriority": PRIORITY_MAP.get(changes[class="hl-string">"priority"][1], str(changes[class="hl-string">"priority"][1]))
                            })
                            
                        class=class="hl-string">"hl-comment"># ACTIVITY: Status Changes
                        if class="hl-string">"status" in changes:
                            new_status_id = changes[class="hl-string">"status"][1]
                            new_status_name = STATUS_MAP.get(new_status_id, class="hl-string">"Unknown")
                            
                            class=class="hl-string">"hl-comment"># Generic Status Update (could be mapped if needed, but we look for specific lifecycle events)
                            
                            class=class="hl-string">"hl-comment"># ACTIVITY: Status Pending Change
                            if new_status_name == class="hl-string">"Change Requested":
                                all_events.append({
                                    class="hl-string">"ProblemNumber": p_display_id,
                                    class="hl-string">"ActivityName": class="hl-string">"Status Pending Change",
                                    class="hl-string">"EventTimestamp": act_time,
                                    class="hl-string">"ProblemStatus": new_status_name
                                })
                            
                            class=class="hl-string">"hl-comment"># ACTIVITY: Permanent Fix Applied (Inferred from Resolved)
                            if new_status_name == class="hl-string">"Resolved":
                                all_events.append({
                                    class="hl-string">"ProblemNumber": p_display_id,
                                    class="hl-string">"ActivityName": class="hl-string">"Permanent Fix Applied",
                                    class="hl-string">"EventTimestamp": act_time,
                                    class="hl-string">"ProblemStatus": new_status_name
                                })

                            class=class="hl-string">"hl-comment"># ACTIVITY: Problem Closed
                            if new_status_name == class="hl-string">"Closed":
                                all_events.append({
                                    class="hl-string">"ProblemNumber": p_display_id,
                                    class="hl-string">"ActivityName": class="hl-string">"Problem Closed",
                                    class="hl-string">"EventTimestamp": act_time,
                                    class="hl-string">"ProblemStatus": new_status_name
                                })
                                
                            class=class="hl-string">"hl-comment"># ACTIVITY: Problem Reopened
                            class=class="hl-string">"hl-comment"># Logic: If old status was Resolved/Closed and new is Open
                            old_status_id = changes[class="hl-string">"status"][0]
                            if old_status_id in [3, 4] and new_status_id in [1, 2]:
                                all_events.append({
                                    class="hl-string">"ProblemNumber": p_display_id,
                                    class="hl-string">"ActivityName": class="hl-string">"Problem Reopened",
                                    class="hl-string">"EventTimestamp": act_time,
                                    class="hl-string">"IsReopened": True
                                })

                        class=class="hl-string">"hl-comment"># ACTIVITY: Support Group Assigned
                        if class="hl-string">"group_id" in changes:
                             all_events.append({
                                class="hl-string">"ProblemNumber": p_display_id,
                                class="hl-string">"ActivityName": class="hl-string">"Support Group Assigned",
                                class="hl-string">"EventTimestamp": act_time,
                                class="hl-string">"SupportGroup": str(changes[class="hl-string">"group_id"][1])
                            })

                        class=class="hl-string">"hl-comment"># ACTIVITY: Agent Assigned
                        if class="hl-string">"responder_id" in changes:
                             all_events.append({
                                class="hl-string">"ProblemNumber": p_display_id,
                                class="hl-string">"ActivityName": class="hl-string">"Agent Assigned",
                                class="hl-string">"EventTimestamp": act_time,
                                class="hl-string">"AgentName": str(changes[class="hl-string">"responder_id"][1])
                            })
                            
                        class=class="hl-string">"hl-comment"># ACTIVITY: Root Cause Identified
                        class=class="hl-string">"hl-comment"># Captured when root_cause or root_cause_analysis field is populated from null/empty
                        if class="hl-string">"root_cause" in changes or class="hl-string">"root_cause_analysis" in changes:
                            val = changes.get(class="hl-string">"root_cause") or changes.get(class="hl-string">"root_cause_analysis")
                            if val[0] is None or val[0] == class="hl-string">"":
                                all_events.append({
                                    class="hl-string">"ProblemNumber": p_display_id,
                                    class="hl-string">"ActivityName": class="hl-string">"Root Cause Identified",
                                    class="hl-string">"EventTimestamp": act_time
                                })

            class=class="hl-string">"hl-comment"># --- Fetch Tasks ---
            tasks_url = fclass="hl-string">"{base_url}/{p_id}/tasks"
            task_data = fetch_url(tasks_url)
            
            if task_data and class="hl-string">"tasks" in task_data:
                for task in task_data[class="hl-string">"tasks"]:
                    if task.get(class="hl-string">"status") == 3: class=class="hl-string">"hl-comment"># Assuming 3 is Closed/Completed for Tasks
                        all_events.append({
                            class="hl-string">"ProblemNumber": p_display_id,
                            class="hl-string">"ActivityName": class="hl-string">"Problem Task Completed",
                            class="hl-string">"EventTimestamp": task.get(class="hl-string">"updated_at"), class=class="hl-string">"hl-comment"># Or closed_at if available
                            class="hl-string">"ProblemStatus": curr_status
                        })

        page += 1
        class=class="hl-string">"hl-comment"># Safety break for testing
        class=class="hl-string">"hl-comment"># if page > 5: break

    class=class="hl-string">"hl-comment"># Create DataFrame
    df = pd.DataFrame(all_events)
    
    class=class="hl-string">"hl-comment"># Sort by ProblemNumber and Timestamp
    if not df.empty:
        df[class="hl-string">'EventTimestamp'] = pd.to_datetime(df[class="hl-string">'EventTimestamp'])
        df = df.sort_values(by=[class="hl-string">'ProblemNumber', class="hl-string">'EventTimestamp'])
        
        class=class="hl-string">"hl-comment"># Fill forward static attributes for cleaner logs if desired
        class=class="hl-string">"hl-comment"># df[class="hl-string">'ProblemPriority'] = df.groupby(class="hl-string">'ProblemNumber')[class="hl-string">'ProblemPriority'].ffill().bfill()

        print(fclass="hl-string">"Extraction complete. Found {len(df)} events. Saving to {OUTPUT_FILENAME}...")
        df.to_csv(OUTPUT_FILENAME, index=False)
    else:
        print(class="hl-string">"No events extracted.")

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

Schritte

Melden Sie sich bei Freshservice an mit einem Konto, das über 'Admin'- oder 'Supervisor'-Rechte verfügt, um auf das Analytics-Modul zuzugreifen.
Navigieren Sie zum Analytics-Symbol in der linken Seitenleiste des Navigationsmenüs.
Klicken Sie auf Neuen Bericht (oben rechts) und geben Sie einen Namen ein, z.B. „Problem Management Process Mining“.
Klicken Sie im Bericht-Canvas auf Widget hinzufügen und wählen Sie den Visualisierungstyp Datentabelle aus.
Wählen Sie im Datensatz-Auswahlfenster auf der rechten Seite Probleme als primäres Modul aus.
Metriken konfigurieren: Stellen Sie im Abschnitt 'Metriken' sicher, dass die Zählung auf 'Probleme' eingestellt ist, um Daten auf Datensatzebene abzurufen.
Spalten (Attribute) konfigurieren: Ziehen Sie die folgenden Felder in den Bereich 'Spalten' oder 'Gruppieren nach', um sicherzustellen, dass sie in der Tabelle erscheinen:
- ID: Problem-ID
- Daten: Erstellungsdatum, Lösungsdatum, Abschlussdatum, Fälligkeitsdatum
- Attribute: Status, Priorität, Agentenname, Gruppenname, Abteilung, Auswirkung, Dringlichkeit, Grundursache, SLA verletzt
Filter anwenden: Legen Sie einen 'Datumsbereich'-Filter für Erstellungsdatum fest (z.B. 'Letzte 6 Monate' oder 'Letzte 365 Tage') um das Datenvolumen zu verwalten.
Klicken Sie auf Anwenden, um die Datenvorschau zu generieren.
Klicken Sie auf die Schaltfläche Exportieren (oben rechts im Widget oder Bericht), wählen Sie CSV der zugrundeliegenden Daten, und laden Sie die Datei herunter.
Datentransformation (kritisch): Da der Export eine Zeile pro Problem erzeugt, verwenden Sie die im Abschnitt 'Abfrage' bereitgestellte Konfiguration, um die Datumsspalten zu 'entpivotieren'. Jede gültige Datumszelle (z.B. Erstellungsdatum, Lösungsdatum) wird zu einer separaten Zeile im finalen Ereignisprotokoll mit dem entsprechenden Aktivitätsnamen.
Speichern Sie die transformierte Datei als Freshservice_Problem_EventLog.csv zum Hochladen in ProcessMind.

Konfiguration

Modulauswahl: Stellen Sie sicher, dass 'Probleme' ausgewählt ist. Mischen Sie nicht mit 'Vorfällen' oder 'Änderungen' im selben tabellarischen Widget, um Join-Fehler zu vermeiden.
Datumsbereich: 'Letzte 12 Monate' wird für eine ausreichende Process Discovery empfohlen. Größere Zeiträume erfordern möglicherweise mehrere gebündelte Exporte aufgrund von Zeilenbeschränkungen (typischerweise 20.000-50.000 Zeilen pro Export in Freshservice).
Feldsichtbarkeit: Stellen Sie sicher, dass benutzerdefinierte Felder wie 'Ursachenkategorie' oder 'Behoben durch' für die Berichterstattung in den Einstellungen der 'Formularfelder' aktiviert sind, falls sie in Analytics nicht angezeigt werden.
Granularität: Der Export erfolgt auf der Ebene des 'Problemfalls'. Die Historie der Feldänderungen (z.B. mehrere Agent-Neuzuweisungen) wird auf den aktuellen Wert reduziert, es sei denn, ein spezifischer 'Aktivitäten'-Datensatz ist in Ihrer Stufe verfügbar.
Datumsformat: Stellen Sie sicher, dass die Export-Einstellung ein Standardformat (ISO 8601 JJJJ-MM-TT HH:MM:SS) verwendet, um Parsing-Fehler zu vermeiden.

a Beispielabfrage config

{
  "extraction_config": {
    "source": "Freshservice Analytics CSV",
    "entity": "Problem Record",
    "transformation_type": "UNPIVOT",
    "primary_key": "Problem ID",
    "mapping_rules": [
      {
        "activity_name": "Problem Logged",
        "source_column": "Created Date",
        "condition": "IS NOT NULL"
      },
      {
        "activity_name": "Permanent Fix Applied",
        "source_column": "Resolved Date",
        "condition": "IS NOT NULL"
      },
      {
        "activity_name": "Problem Closed",
        "source_column": "Closed Date",
        "condition": "IS NOT NULL"
      },
      {
        "activity_name": "SLA Breached",
        "source_column": "Due By",
        "condition": "SLA Breached == 'true' AND Due By < NOW()"
      },
      {
        "activity_name": "Root Cause Identified",
        "source_column": "Resolved Date",
        "condition": "Root Cause IS NOT NULL"
      },
      {
        "activity_name": "Agent Assigned",
        "source_column": "Created Date",
        "condition": "Agent Name IS NOT NULL",
        "note": "Uses creation time as proxy for initial assignment in flat export"
      },
      {
        "activity_name": "Support Group Assigned",
        "source_column": "Created Date",
        "condition": "Group Name IS NOT NULL",
        "note": "Uses creation time as proxy for initial assignment in flat export"
      },
      {
        "activity_name": "Asset Linked",
        "source_column": "Created Date",
        "condition": "Associated Asset IS NOT NULL",
        "note": "Uses creation time as proxy"
      }
    ],
    "attribute_mapping": {
      "CaseId": "Problem ID",
      "AgentName": "Agent Name",
      "SupportGroup": "Group Name",
      "Priority": "Priority",
      "Status": "Status",
      "Department": "Department",
      "IsSlaBreached": "SLA Breached",
      "RootCause": "Root Cause"
    }
  }
}

Ihr Problemmanagement-Datentemplate

Ihr Problemmanagement-Datentemplate

Problemmanagement-Attribute

Problemmanagement-Aktivitäten

Extraktionsleitfäden

Freshservice Analytics Modul CSV-Export

Schritte

Konfiguration

a Beispielabfrage config

Freshservice REST API v2 Python-Extraktion

Schritte

Konfiguration

a Beispielabfrage python

Datenexportfunktion des Administrationssystems

Schritte

Konfiguration

a Beispielabfrage config

Bereit, um loszulegen?

Problem Management-Engpässe heute beseitigen

Ihr Problemmanagement-Datentemplate

Ihr Problemmanagement-Datentemplate

Problemmanagement-Attribute

Problemmanagement-Aktivitäten

Extraktionsleitfäden

Freshservice Analytics Modul CSV-Export

Schritte

Konfiguration

a Beispielabfrage config

Freshservice REST API v2 Python-Extraktion

Schritte

Konfiguration

a Beispielabfrage python

Datenexportfunktion des Administrationssystems

Schritte

Konfiguration

a Beispielabfrage config

Ihre Privatsphäre ist uns wichtig

Bereit, um loszulegen?

Problem Management-Engpässe heute beseitigen