> Amélioration Continue des Processusus > Gestion des problèmes > Freshservice > Template de données

Votre modèle de données pour la gestion des problèmes

Freshservice

Attributs de gestion des problèmes (19) Activités de gestion des problèmes (15) Guides d'extraction (3)

Votre modèle de données pour la gestion des problèmes

Ce modèle fournit une structure détaillée pour cartographier le cycle de vie de vos problèmes dans Freshservice, vous permettant d'identifier les `points de blocage` dans l'analyse des causes profondes et la création de solutions de contournement. Il décrit les attributs et activités essentiels nécessaires pour générer un journal d'événements fiable pour le `Process Mining`. En suivant ce guide, vous pouvez optimiser votre processus d'extraction et vous concentrer sur l'amélioration de la stabilité des services IT.

Attributs critiques pour une analyse détaillée des causes profondes
Cartographie standardisée des activités pour le cycle de vie des problèmes
Guide technique pour l'extraction des données Freshservice

Vous découvrez les journaux d'événements ? Apprenez comment créer un journal d'événements Process Mining.

Télécharger le modèle

Attributs de gestion des problèmes

Ces champs de données recommandés fournissent le contexte nécessaire à votre `journal d'événements` pour permettre une analyse détaillée de la performance de votre gestion des problèmes.

3 Obligatoire 9 Recommandé 7 Facultatif

	Nom	Descriptionn
	Activité ActivityName	L'événement ou l'action spécifique effectuéee sur le dossier de problème.
Descriptionn Cet `attribut` décrit l'étape dans le cycle de vie du processus, telle que « Problème enregistré », « Cause profonde identifiée » ou « Groupe de support modifié ». C'est le composant principal des algorithmes de découverte de processus pour cartographier la séquence de travail. En analyse, ce champ détermine les nœuds dans la carte de processus et est indispensable pour identifier les boucles de reprise, les étapes ignorées et les variantes de processus. Pourquoi est-ce important ? : Il définit le 'quoi' de l'exécution du processus et est obligatoire pour la génération de la cartographie des processus. Source des données : Dérivé des points de terminaison 'Activités' ou 'Journal d'audit' de Freshservice. Exemples Problème enregistréPriorité Mise à JourStatut changé à Résolu
	Enregistrement de problème ProblemNumber	L'identifiant alphanumérique unique assigné au dossier de problème (ex. : PRB-10234).
Descriptionn Cet `attribut` sert d'`ID du cas` central pour l'analyse de `Process Mining`. Il identifie de manière unique une investigation de problème spécifique dans Freshservice, reliant toutes les activités, `events` et changements associés. Il est utilisé pour regrouper les entrées individuelles du `log` d'audit en une instance de processus cohérente. En analyse, cet identifiant permet aux utilisateurs de passer d'agrégations de haut niveau à des parcours de problèmes spécifiques pour comprendre la séquence exacte des `events` qui se sont produits. Pourquoi est-ce important ? : C'est l'élément clé pour reconstituer le flux de processus et est requise pour identifier de manière unique chaque cas. Source des données : Objet 'Problème' de l'API Freshservice, champ '`display_id`'. Exemples PRB-10023PRB-10045PRB-11201
	Horodatage EventTimestamp	La date et l'heure exactes de l'activité.
Descriptionn Cet `attribut` enregistre le moment où un `event` spécifique a eu lieu dans le système. Il permet au moteur de `Process Mining` de commander les `events` chronologiquement et de calculer les durées entre les étapes. En analyse, ces `data` constituent la base de tous les KPI temporels, tels que le temps de traitement, l'analyse des délais et l'identification des `points de blocage`. Pourquoi est-ce important ? : Il établit la chronologie des événements, permettant le calcul du temps de cycle et l'ordonnancement des processus. Source des données : Champs '`created_at`' ou '`updated_at`' de l'API Freshservice dans le flux d'activité. Exemples 2023-10-15T08:30:00Z2023-10-15T09:15:22Z2023-10-16T14:00:00Z
	Agent assigné AgentName	Le nom de l'agent du service d'assistance actuellement affecté au problème.
Descriptionn Cet `attribut` identifie la personne responsable de l'investigation ou de la résolution du problème. Il permet l'analyse des ressources et le suivi des performances. En analyse, il aide à identifier la répartition de la charge de travail et les individus spécifiques qui peuvent être surchargés ou particulièrement efficaces dans l'analyse des causes profondes (RCA). Pourquoi est-ce important ? : Clé pour l'analyse des ressources et le Process Mining organisationnel. Source des données : Objet 'Problème' de l'API Freshservice, champ '`responder_id`' (nécessite une recherche dans la table Agents). Exemples Alice SmithBob JonesAdministrateur Système
	Catégorie de cause profonde RootCauseCategory	La classification de la cause sous-jacente identifiée pour le problème.
Descriptionn Cet `attribut` catégorise la raison pour laquelle le problème est survenu, comme « Bug logiciel », « Erreur de configuration » ou « Erreur humaine ». Il est renseigné après la phase d'analyse des causes profondes (RCA). En analyse, il est utilisé pour le `tableau de bord` de « Qualité de catégorisation des causes profondes » afin d'identifier les faiblesses systémiques de l'infrastructure. Pourquoi est-ce important ? : Primordial pour l'analyse des tendances et l'identification des domaines d'amélioration proactive. Source des données : Objet 'Problème' de l'API Freshservice. Souvent un champ personnalisé ou le champ texte 'root_cause' selon la configuration. Exemples Défaillance logicielleErreur de configurationDysfonctionnement matériel
	Département DepartmentName	Le département de l'utilisateur qui a signalé le problème ou qui est principalement affecté.
Descriptionn Cet `attribut` identifie l'unité commerciale impactée par le problème. En analyse, il aide à segmenter la « Performance SLA des problèmes critiques » pour voir si certains départements reçoivent un service plus lent que d'autres. Pourquoi est-ce important ? : Fournit un contexte organisationnel sur l'impact des problèmes. Source des données : API Freshservice, via la recherche de demandeur dans la table Département. Exemples FinanceRHIT
	Groupe de support SupportGroup	L'équipe technique ou le groupe assigné pour gérer le problème.
Descriptionn Cet `attribut` représente la propriété d'équipe du dossier de problème. Les transferts entre groupes sont une source majeure de retard dans la gestion des problèmes. En analyse, ce champ est utilisé pour générer la « `Heatmap` des transferts de groupe de support » et identifier les comportements de type "ping-pong" entre les équipes. Pourquoi est-ce important ? : Critique pour analyser les transferts et identifier les points de blocage cloisonnés. Source des données : Objet 'Problème' de l'API Freshservice, champ '`group_id`' (nécessite une recherche dans la table Groupes). Exemples Équipe Base de donnéesOpérations RéseauSupport Applicatif
	Incident rouvert IsReopened	Un indicateur signalant si l'enregistrement du problème est passé d'un état fermé à un état ouvert.
Descriptionn Cet `attribut` booléen est calculé en vérifiant l'historique des activités pour les transitions d'un état terminal vers un état actif. En analyse, il supporte le `tableau de bord` des « Tendances de réouverture des dossiers de problèmes », servant d'indicateur clé de qualité pour le processus de résolution. Pourquoi est-ce important ? : Indicateur principal des résolutions faussement positives et du remaniement. Source des données : Calculé à partir du journal d'événements ((ActivityName)). Exemples truefaux
	Incidents liés RelatedIncidentCount	Le nombre d'enregistrements d'incidents liés à ce problème.
Descriptionn Cet `attribut` compte le nombre d'incidents individuels associés au dossier de problème. Il sert de proxy pour le volume de perturbations utilisateur. En analyse, il est utilisé pour le KPI « Densité de liaison des incidents » afin de vérifier si les problèmes réduisent réellement le volume d'incidents. Pourquoi est-ce important ? : Indique l'ampleur de l'effet du problème sur le service d'assistance. Source des données : API Freshservice, nombre d'éléments du tableau '`associated_incidents`'. Exemples 05120
	Priorité ProblemPriority	Le niveau de priorité assigné au problème (ex. : Faible, Moyen, Élevé, Urgent).
Descriptionn Cet `attribut` indique l'importance relative et l'urgence du dossier de problème. Il est généralement déterminé par une matrice d'impact et d'urgence. En analyse, ce champ est impératif pour la segmentation. Il permet aux analystes de comparer les temps de cycle et le respect des SLA entre les problèmes critiques et les défauts mineurs. Pourquoi est-ce important ? : Primordial pour filtrer et prioriser l'analyse des problèmes àà fort impact. Source des données : Objet 'Problème' de l'API Freshservice, champ 'priorité'. Exemples FaibleMoyenÉlevéUrgent
	SLA Non Respecté IsSlaBreached	Un indicateur signalant si l'enregistrement du problème n'a pas atteint son objectif de niveau de service (SLA).
Descriptionn Cet `attribut` booléen est vrai si le temps de résolution du problème a dépassé la politique définie. En analyse, il alimente le `tableau de bord` de « Performance SLA des problèmes critiques », aidant à identifier quelles équipes ou catégories rencontrent le plus de difficultés en matière de ponctualité. Pourquoi est-ce important ? : Mesure directe de la conformité et de la performance des processus. Source des données : API Freshservice, dérivé des indicateurs '`sla_policy`' ou '`sla_breached`'. Exemples truefaux
	Statut ProblemStatus	L'état actuel du cycle de vie du problème (ex. : Ouvert, Changement demandé, Résolu).
Descriptionn Cet `attribut` suit la progression du problème à travers son `workflow`. Les modifications de ce champ déclenchent des activités de processus standard. En analyse, il sert de filtre principal pour distinguer le travail actif du travail terminé et permet l'analyse du WIP (Work In Progress). Pourquoi est-ce important ? : Définit l'état du cas et est utilisé pour calculer les statistiques de flux. Source des données : Objet 'Problème' de l'API Freshservice, champ 'statut'. Exemples OuvertChangement en attenteRésoluClôturé
	Actif impacté AssociatedAsset	L'élément de configuration (CI) ou l'actif principal lié au problème.
Descriptionn Cet `attribut` identifie l'actif matériel ou logiciel spécifique qui fait l'objet de l'investigation. En analyse, il permet une « Qualité de catégorisation des causes profondes » par type d'actif, révélant si certains appareils ou versions logicielles sont sujets aux défauts. Pourquoi est-ce important ? : Connecte la performance des processus aux composants d'infrastructure. Source des données : API Freshservice, champ '`associated_assets`'. Exemples Serveur-01Application de paieCommutateur de cœur A
	Date d'échéance DueDate	La date cible à laquelle le dossier de problème est censé être résolu.
Descriptionn Cet `attribut` contient la date limite du problème, souvent définie par les politiques SLA ou manuellement par un gestionnaire. En analyse, la comparaison de cette date avec la date de résolution réelle offre un aperçu de la précision de la planification et de la définition d'attentes réalistes. Pourquoi est-ce important ? : Point de référence pour l'analyse de la livraison dans les délais. Source des données : Objet 'Problème' de l'API Freshservice, champ '`due_by`'. Exemples 2023-12-31T17:00:00Z
	Demande de changement liée ChangeRequestId	L'identifiant de la demande de changement créée pour résoudre le problème.
Descriptionn Cet `attribut` contient l'ID d'une demande de changement associée au dossier de problème pour l'implémentation d'un correctif permanent. En analyse, il est indispensable pour le KPI « Temps de transition RCA vers Changement », permettant de mesurer le temps perdu entre la découverte d'une cause et l'action corrective. Pourquoi est-ce important ? : Relie le processus de gestion des problèmes au processus de gestion des changements. Source des données : API Freshservice, champ '`associated_change_request`'. Exemples CHG-2001CHG-2045
	Dernière mise à jour des données LastExtractionTime	Le `horodatage` indiquant quand les `data` ont été extraites de Freshservice.
Descriptionn Cet `attribut` indique la fraîcheur de l'ensemble de `data` utilisé pour l'analyse. Il aide les utilisateurs à comprendre s'ils consultent des `data` en temps réel ou un instantané du passé. En analyse, il est utilisé comme point de référence pour calculer les durées d'ouverture actuelles des cas actifs. Pourquoi est-ce important ? : Fournit un contexte sur la latence et la fiabilité des données. Source des données : Heure système au moment de l'exécution de l'ETL. Exemples 2023-11-01T12:00:00Z
	Descriptionn de la solution de contournement WorkaroundNotes	Le texte décrivant la solution temporaire ou solution de contournement.
Descriptionn Cet `attribut` contient les détails de la solution temporaire fournie. Sa présence indique qu'une solution de contournement a été publiée avec succès. En analyse, le `horodatage` associé au renseignement de ce champ alimente l'indicateur clé de performance (KPI) « Délai moyen de publication des solutions de contournement ». Pourquoi est-ce important ? : Critique pour mesurer la vitesse d'atténuation par rapport à la vitesse de résolution complète. Source des données : Objet 'Problème' de l'API Freshservice, champ 'solution de contournement'. Exemples Redémarrer le service manuellementVider le cache du navigateurUtiliser un `endpoint` VPN alternatif
	Impact ImpactLevel	La mesure de l'effet du problème sur les processus métier.
Descriptionn Cet `attribut` quantifie la portée du problème, souvent utilisé conjointement avec l'urgence pour déterminer la priorité. En analyse, il aide à prioriser les `points de blocage` de processus qui affectent les fonctions métier les plus critiques. Pourquoi est-ce important ? : Utilisé pour pondérer les résultats d'analyse par criticité métier. Source des données : Objet 'Problème' de l'API Freshservice, champ 'impact'. Exemples FaibleMoyenÉlevé
	Système source SourceSystem	Le nom du système d'où proviennent les données.
Descriptionn Cet `attribut` statique identifie l'origine de l'ensemble de `data`, qui est « Freshservice ». Dans les environnements multi-systèmes, il aide à distinguer les dossiers provenant de différents outils ou instances ITSM. En analyse, il est principalement utilisé pour filtrer ou regrouper lors de la combinaison de `data` provenant de plusieurs sources. Pourquoi est-ce important ? : Assure la traçabilité des données et la traçabilité dans les implémentations de Process Mining multi-systèmes. Source des données : Valeur codée en dur lors de l'extraction. Exemples Freshservice

Obligatoire Recommandé Facultatif

Activités de gestion des problèmes

Capturez ces jalons de processus essentiels et ces changements de statut pour visualiser le parcours complet des enregistrements de problèmes dans votre centre de services.

7 Recommandé 8 Facultatif

	Activité	Descriptionn
	Cause profonde identifiée	Le moment où le champ de texte de la cause profonde ou la section d'analyse est renseigné. Capturé en identifiant la première mise à jour du champ « Cause profonde » depuis un état nul.
Pourquoi est-ce important ? : Le jalon principal pour l'analyse du délai d'analyse des causes profondes (RCA). Il marque la transition de l'investigation à la conception de la solution. Source des données : Flux d'activité : mise à jour des champs 'root_cause' ou 'analysis'. Capture Comparer le champ 'root_cause' avant/après la mise à jour Type d'événement inferred
	Correction permanente appliquée	Représente la mise en œuvre de la solution finale. Dans Freshservice, cela est généralement déduit lorsque le statut passe à « Solved » ou « Resolved ».
Pourquoi est-ce important ? : Calcule le délai de mise en œuvre de la correction permanente. Marque la fin du travail de rectification technique. Source des données : Flux d'activité : changement de statut à 'Résolu'. Capture Comparer le champ de statut avant/après Type d'événement inferred
	Demande de changement associée	Le lien d'un dossier de changement au dossier de problème, signalant le début de la phase de remédiation. Capturé via l'« Association avec le changement » (`system event`).
Pourquoi est-ce important ? : Vital pour le moniteur de `bottleneck` des demandes de changement. Mesure le transfert de la gestion des problèmes à la gestion des changements. Source des données : Flux d'activité : événement 'Association avec un changement'. Capture Comptabilisé lorsqu'un ID de changement est lié Type d'événement explicit
	Groupe de support assigné	Acheminement du dossier de problème vers une équipe technique ou un groupe d'affectation spécifique. Capturé en surveillant les modifications du champ « Group » dans l'historique du ticket.
Pourquoi est-ce important ? : Primordial pour la carte thermique des transferts entre groupes de support. Le suivi de cela révèle les effets de ping-pong et les transferts excessifs entre les équipes. Source des données : Flux d'activité : mises à jour des champs 'group_id' ou 'group_name'. Capture Comptabilisé lorsque le champ Groupe est mis à jour Type d'événement explicit
	Problème clôturé	L'événement final du cycle de vie où le dossier est verrouillé et considéré comme inactif. Capturé par la transition de statut vers « Clôturé ».
Pourquoi est-ce important ? : Définit la fin absolue de l'instance de processus. Requis pour le calcul du temps de cycle total. Source des données : Flux d'activité : changement de statut à 'Fermé'. Capture Comptabilisé lorsque le statut passe à Clôturé Type d'événement explicit
	Problème enregistré	La création initiale du dossier de problème dans le système. Cet `event` est explicitement capturé dans le `log` d'audit de Freshservice lorsqu'un nouveau ticket de problème est enregistré.
Pourquoi est-ce important ? : Marque le début de l'instance de processus. C'est le point d'ancrage pour le calcul de tous les délais et temps de cycle. Source des données : Flux d'activité Freshservice ou API Tickets (horodatage `created_at`). Capture Comptabilisé lorsque la transaction Nouveau problème est exécutée Type d'événement explicit
	Solution de contournement publiée	L'ajout d'une solution temporaire au dossier de problème, souvent désignée comme une note ou un champ « Workaround ». Utilisé pour calculer la vitesse de publication des solutions de contournement.
Pourquoi est-ce important ? : Mesure la rapidité avec laquelle l'équipe atténue l'impact. Primordial pour l'indicateur clé de performance (KPI) 'Délai moyen de solution de contournement'. Source des données : Flux d'activité : mise à jour du champ 'solution de contournement' ou création d'une note marquée comme Solution/Solution de contournement. Capture Comptabilisé lorsque le champ Solution de contournement est renseigné Type d'événement explicit
	Actif lié	L'association d'un élément de configuration (CI) ou d'un actif au dossier de problème. Cela aide à identifier le « Service métier affecté » ou l'« Élément de configuration impacté ».
Pourquoi est-ce important ? : Relie le problème abstrait à l'infrastructure physique ou logique. Indispensable pour l'analyse de la qualité de la catégorisation des causes profondes. Source des données : Flux d'activité : événement 'Association avec un actif'. Capture Comptabilisé lorsqu'un actif est attaché à l'enregistrement Type d'événement explicit
	Agent assigné	L'affectation d'un intervenant individuel spécifique au dossier de problème. Capturé explicitement lorsque le champ « Agent » est renseigné ou mis à jour.
Pourquoi est-ce important ? : Indique quand une ressource a officiellement pris en charge le travail. Aide à analyser l'allocation des ressources par priorité. Source des données : Flux d'activité : mises à jour du champ 'responder_id'. Capture Comptabilisé lorsque le champ Agent est mis à jour Type d'événement explicit
	Note ajoutée	Activité générale capturant l'ajout d'une note publique ou privée à l'enregistrement. Représente la collaboration ou les mises à jour en cours.
Pourquoi est-ce important ? : Peut indiquer un travail actif même si le statut n'a pas changé. Utile pour identifier les périodes d'« attente active ». Source des données : Flux d'activité : événement 'Note ajoutée'. Capture Comptabilisé lorsqu'un commentaire est publié Type d'événement explicit
	Priorité Mise à Jour	Modification du niveau d'urgence ou d'impact de l'enregistrement du problème. Capturée via la piste d'audit du champ 'Priorité'.
Pourquoi est-ce important ? : Critique pour l'analyse des violations de SLA et le filtrage du tableau de bord de performance des SLA pour les problèmes critiques. Source des données : Flux d'activité : mises à jour du champ 'priorité'. Capture Comptabilisé lorsque le champ Priorité est modifié Type d'événement explicit
	Problème rouvert	Une transition d'un état 'Résolu' ou 'Fermé' vers un état 'Ouvert'. Indique que la correction a échoué ou a été rejetée.
Pourquoi est-ce important ? : La métrique clé pour le `tableau de bord` des tendances de réouverture des dossiers de problèmes. Des taux élevés indiquent une faible qualité de l'analyse des causes profondes (RCA) ou des correctifs. Source des données : Flux d'activité : changement de statut de [Fermé/Résolu] à [Ouvert/En cours]. Capture Comparer le champ de statut avant/après Type d'événement inferred
	SLA Non Respecté	Un événement généré par le système indiquant que l'heure 'Échéance' a été dépassée. Freshservice enregistre des marqueurs spécifiques de violation de SLA.
Pourquoi est-ce important ? : Facilite l'analyse des performances SLA des problèmes critiques. Met en évidence les échecs de conformité. Source des données : Flux d'activité : journal système de violation de SLA. Capture Comptabilisé lorsque le moniteur SLA du système se déclenche Type d'événement explicit
	Statut : Changement en attente	Une transition de statut indiquant que le problème est en attente de mise en œuvre d'une demande de changement. Déduite du changement du champ statut à 'Demande de changement' ou similaire.
Pourquoi est-ce important ? : Identifie les temps d'attente où l'équipe de gestion des problèmes dépend de processus de changement externes. Source des données : Flux d'activité : changement de statut vers l'ID représentant 'Demande de changement'. Capture Comparer le champ de statut avant/après Type d'événement inferred
	Tâche de problème terminée	L'achèvement d'une sous-tâche liée au dossier de problème. Ceci est souvent utilisé pour suivre les revues post-implémentation (PIR) ou des étapes d'investigation spécifiques.
Pourquoi est-ce important ? : Supporte le `tableau de bord` d'audit de fin de revue en suivant la clôture des tâches de revue. Source des données : Flux d'activité : changement de statut de 'Tâche' à Fermé/Terminé. Capture Comptabilisé lorsqu'une tâche liée est marquée comme terminée Type d'événement explicit

Recommandé Facultatif

Guides d'extraction

Comment obtenir vos `données` de `Freshservice`

Étapes

Connectez-vous à Freshservice avec un compte disposant des privilèges 'Admin' ou 'Superviseur' pour accéder au module Analytics.
Accédez à l'icône Analytics dans le menu de navigation latéral gauche.
Cliquez sur Nouveau rapport (en haut à droite) et donnez un nom, par exemple, "Process Mining de la Gestion des problèmes".
Dans le canevas du rapport, cliquez sur Ajouter un widget et sélectionnez le type de visualisation Tableau de données.
Dans le panneau de sélection des jeux de données à droite, choisissez Problèmes comme module principal.
Configurer les métriques : Dans la section 'Métriques', assurez-vous que le compte est défini sur 'Problèmes' pour récupérer les données au niveau des enregistrements.
Configurer les colonnes (Attributs) : Faites glisser et déposez les champs suivants dans la section 'Colonnes' ou 'Regrouper par' pour vous assurer qu'ils apparaissent dans le tableau :
- ID : ID de problème
- Dates : Date de création, Date de résolution, Date de clôture, Échéance
- Attributs : Statut, Priorité, Nom de l'agent, Nom du groupe, Département, Impact, Urgence, Cause première, Violation SLA
Appliquer les filtres : Définissez un filtre 'Plage de dates' sur Date de création (par exemple, '6 derniers mois' ou '365 derniers jours') pour gérer le volume de données.
Cliquez sur Appliquer pour générer l'aperçu des données.
Cliquez sur le bouton Exporter (en haut à droite du widget ou du rapport), sélectionnez CSV des données sous-jacentes, et téléchargez le fichier.
Transformation des données (Critique) : Étant donné que l'exportation produit une ligne par problème, utilisez la configuration fournie dans la section 'Requête' pour « dé-pivoter » les colonnes de date. Chaque cellule de date valide (par exemple, Date de création, Date de résolution) devient une ligne distincte dans le journal d'événements final avec le nom d'activité correspondant.
Enregistrez le fichier transformé sous le nom Freshservice_Problem_EventLog.csv pour le téléchargement vers ProcessMind.

Configuration

Sélection du module : Assurez-vous que 'Problèmes' est sélectionné. Ne le mélangez pas avec 'Incidents' ou 'Changements' dans le même widget tabulaire pour éviter les erreurs de jointure.
Plage de dates : Il est recommandé de choisir '12 derniers mois' pour une découverte de processus adéquate. Des plages plus grandes peuvent nécessiter plusieurs exportations par lots en raison des limites de lignes (généralement 20 000 à 50 000 lignes par exportation dans Freshservice).
Visibilité des champs : Assurez-vous que les champs personnalisés comme 'Catégorie de cause première' ou 'Corrigé par' sont activés pour le reporting dans les paramètres 'Champs de formulaire' s'ils n'apparaissent pas dans Analytics.
Granularité : L'exportation se fait au niveau du 'Cas de problème'. L'historique des modifications de champs (ex. : réaffectations multiples d'agents) est aplati à la valeur actuelle, sauf si un ensemble de données 'Activités' spécifique est disponibleble dans votre niveau de service.
Format de date (DateFormat) : Assurez-vous que le paramètre d'exportation utilise un format standard (ISO 8601 YYYY-MM-DD HH:MM:SS) pour éviter les erreurs d'analyse.

a Exemple de requête 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"
    }
  }
}

Étapes

Prérequis : Assurez-vous d'avoir Python installé (version 3.6 ou supérieure) ainsi que les bibliothèques pandas et requests. Vous pouvez les installer via pip install pandas requests.
Identifiants API : Connectez-vous à votre compte Freshservice. Cliquez sur l'icône de votre profil dans le coin supérieur droit et sélectionnez Paramètres du profil. Copiez la clé API affichée dans la barre latérale droite. Vous aurez également besoin de l'URL complète de votre domaine Freshservice.
Configuration du script : Ouvrez le script Python fourni. Remplacez les valeurs de substitution pour FRESHSERVICE_DOMAIN (par exemple, votreentreprise.freshservice.com) et API_KEY par vos identifiants réels. Ajustez le OUTPUT_FILENAME si vous le souhaitez.
Filtrage par date : Le script inclut une variable de filtre appelée UPDATED_SINCE. Définissez cette date (AAAA-MM-JJ) pour restreindre l'extraction aux problèmes mis à jour après une heure spécifique afin d'optimiser les performances.
Exécution : Exécutez le script à l'aide de votre terminal ou IDE. Le script effectue une requête paginée à l'API Freshservice pour récupérer les enregistrements de problèmes. Il parcourt ensuite chaque ID de problème pour récupérer les journaux d'activités et les tâches spécifiques.
Transformation des événements : Le script analyse la réponse JSON brute. Il convertit automatiquement l'heure de création en activité « Problème enregistré ». Il scanne ensuite l'historique des activités pour les mises à jour de champs (Statut, Priorité, Agent, Groupe) et les événements système (violations de SLA, associations) afin de générer les lignes d'activité spécifiques.
Gestion des objets liés : Pour des activités comme « Actif lié » ou « Demande de changement associée », le script recherche des types d'activités générés par le système ou des événements d'association spécifiques dans la chronologie du problème.
Extraction des tâches : Le script effectue un sous-appel séparé au point de terminaison des tâches de problème pour chaque problème afin de capturer les événements « Tâche de problème terminée », garantissant la visualisation du sous-travail.
Agrégation des données : Tous les événements extraits sont ajoutés à une liste principale. Le script calcule des attributs spécifiques comme IsSlaBreached et TimeToRootCause en fonction des différences d'horodatage et des indicateurs d'enregistrement.
Exportation CSV : Enfin, le script utilise la bibliothèque pandas pour créer un DataFrame à partir de la liste d'événements et l'exporte vers un fichier CSV. Ce fichier est formaté avec les colonnes requises (ProblemNumber, (ActivityName), EventHorodatage, etc.) et est prêt pour l'ingestion dans ProcessMind.

Configuration

Limitation du taux d'API (API Rate Limiting) : Freshservice applique des limites de taux (généralement 1000 appels par heure selon le plan). Le script inclut un mécanisme de pause simple pour éviter d'atteindre rapidement ces limites, mais pour de très grands ensembles de données, vous devrez peut-être augmenter le délai.
Pagination : Le script utilise le paramètre de page pour parcourir les résultats. Par défaut, il demande 100 enregistrements par page pour minimiser la surcharge de l'API.
Filtrage par date (Date Filtering) : Utilisez le paramètre updated_since dans l'appel API pour effectuer des chargements différentiels. Cela évite de télécharger l'historique complet à chaque fois et se concentre sur les problèmes récemment actifs.
Mappage des champs (Field Mapping) : Freshservice renvoie le Statut et la Priorité sous forme d'ID numériques dans certaines versions de l'API. Le script suppose un mappage d'ID standard, mais vous devrez peut-être ajuster le dictionnaire status_map si votre organisation utilise des cycles de vie de statut personnalisés.
Permissions : La clé API utilisée doit appartenir à un utilisateur ayant les permissions de consulter les Problèmes, leurs Journaux d'audit et leurs Tâches. Un rôle d'Administrateur ou de Superviseur est recommandé.

a Exemple de requête 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()

Étapes

Connectez-vous à Freshservice avec un compte disposant des privilèges 'Admin' ou 'Superviseur' pour accéder au module Analytics.
Accédez à l'icône Analytics dans le menu de navigation latéral gauche.
Cliquez sur Nouveau rapport (en haut à droite) et donnez un nom, par exemple, "Process Mining de la Gestion des problèmes".
Dans le canevas du rapport, cliquez sur Ajouter un widget et sélectionnez le type de visualisation Tableau de données.
Dans le panneau de sélection des jeux de données à droite, choisissez Problèmes comme module principal.
Configurer les métriques : Dans la section 'Métriques', assurez-vous que le compte est défini sur 'Problèmes' pour récupérer les données au niveau des enregistrements.
Configurer les colonnes (Attributs) : Faites glisser et déposez les champs suivants dans la section 'Colonnes' ou 'Regrouper par' pour vous assurer qu'ils apparaissent dans le tableau :
- ID : ID de problème
- Dates : Date de création, Date de résolution, Date de clôture, Échéance
- Attributs : Statut, Priorité, Nom de l'agent, Nom du groupe, Département, Impact, Urgence, Cause première, Violation SLA
Appliquer les filtres : Définissez un filtre 'Plage de dates' sur Date de création (par exemple, '6 derniers mois' ou '365 derniers jours') pour gérer le volume de données.
Cliquez sur Appliquer pour générer l'aperçu des données.
Cliquez sur le bouton Exporter (en haut à droite du widget ou du rapport), sélectionnez CSV des données sous-jacentes, et téléchargez le fichier.
Transformation des données (Critique) : Étant donné que l'exportation produit une ligne par problème, utilisez la configuration fournie dans la section 'Requête' pour « dé-pivoter » les colonnes de date. Chaque cellule de date valide (par exemple, Date de création, Date de résolution) devient une ligne distincte dans le journal d'événements final avec le nom d'activité correspondant.
Enregistrez le fichier transformé sous le nom Freshservice_Problem_EventLog.csv pour le téléchargement vers ProcessMind.

Configuration

Sélection du module : Assurez-vous que 'Problèmes' est sélectionné. Ne le mélangez pas avec 'Incidents' ou 'Changements' dans le même widget tabulaire pour éviter les erreurs de jointure.
Plage de dates : Il est recommandé de choisir '12 derniers mois' pour une découverte de processus adéquate. Des plages plus grandes peuvent nécessiter plusieurs exportations par lots en raison des limites de lignes (généralement 20 000 à 50 000 lignes par exportation dans Freshservice).
Visibilité des champs : Assurez-vous que les champs personnalisés comme 'Catégorie de cause première' ou 'Corrigé par' sont activés pour le reporting dans les paramètres 'Champs de formulaire' s'ils n'apparaissent pas dans Analytics.
Granularité : L'exportation se fait au niveau du 'Cas de problème'. L'historique des modifications de champs (ex. : réaffectations multiples d'agents) est aplati à la valeur actuelle, sauf si un ensemble de données 'Activités' spécifique est disponibleble dans votre niveau de service.
Format de date (DateFormat) : Assurez-vous que le paramètre d'exportation utilise un format standard (ISO 8601 YYYY-MM-DD HH:MM:SS) pour éviter les erreurs d'analyse.

a Exemple de requête 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"
    }
  }
}

Votre modèle de données pour la gestion des problèmes

Votre modèle de données pour la gestion des problèmes

Attributs de gestion des problèmes

Activités de gestion des problèmes

Guides d'extraction

Exportation CSV du module Freshservice Analytics

Étapes

Configuration

a Exemple de requête config

Extraction Python via l'API REST Freshservice v2

Étapes

Configuration

a Exemple de requête python

Fonctionnalité d'exportation des données du système d'administration

Étapes

Configuration

a Exemple de requête config

Prêt(e) à démarrer ?

Éliminez les points de blocage de la gestion des problèmes dès aujourd'hui

Votre modèle de données pour la gestion des problèmes

Votre modèle de données pour la gestion des problèmes

Attributs de gestion des problèmes

Activités de gestion des problèmes

Guides d'extraction

Exportation CSV du module Freshservice Analytics

Étapes

Configuration

a Exemple de requête config

Extraction Python via l'API REST Freshservice v2

Étapes

Configuration

a Exemple de requête python

Fonctionnalité d'exportation des données du système d'administration

Étapes

Configuration

a Exemple de requête config

Nous respectons votre vie privée

Prêt(e) à démarrer ?

Éliminez les points de blocage de la gestion des problèmes dès aujourd'hui