> Continue verbetering > Probleembeheer > Zendesk Support > datatemplate

Uw Probleembeheer datatemplate

Zendesk Support

Kenmerken van probleembeheer (19) Probleembeheer Activiteiten (12) Extractiegidsen (3)

Uw Probleembeheer datatemplate

Deze template provides een comprehensive framework for mapping uw problem management levenscyclus within Zendesk Support. It outlines de essential attributen, process mijlpalen, and extraction logic needed to identify knelpunten in oorzaakanalyse. By following this structure, you can build een high-quality event log for deeper process inzichten.

Aanbevolen attributen voor gedetailleerde analyse
Belangrijke procesactiviteiten en statusovergangen
Extractiehandleiding voor Zendesk Support `data`

Nieuw met event logs? Leer hoe je een process mining event log creëert.

Template downloaden

Kenmerken van probleembeheer

These recommended datavelden provide the necessary context to analyse ticket categories, priority levels, en ownership gedurende de entire problem resolution levenscyclus.

5 Verplicht 8 Aanbevolen 6 Optioneel

	Naam	Omschrijving
	Activiteit ActivityName	De name of the gebeurtenis or action performed on the probleemrecord.
Omschrijving Dit attribuut legt de specific step or action vast that is taken during de levenscyclus of the probleemrecord. Examples include status changes like 'Open' to 'Pending', assignment changes, or specific workflow steps like 'Workaround Published'. In analysis, this forms de stappen of the procesmap. De sequence of these activiteiten allows analisten to visualize the werkstroom, identify knelpunten, and measure the time taken between specific process steps. Het belang Dit definieert het 'wat' van het proces, wat visualisatie van de processtroom en variantanalyse mogelijk maakt. Vindplaats Afgeleid van Zendesk Ticket Audits of Ticket Kengetallen Voorbeelden Probleemdossier GeregistreerdOnderzoek gestartWorkaround Gepubliceerd
	Bronsysteem SourceSystem	De naam van het systeem waar de data vandaan komt.
Omschrijving Dit attribuut identificeert het software platform from which de procesdata were extracted. In this context, it will consistently populate with 'Zendesk Support'. In analysis, particularly when combining data from multiple systems (e.g., Zendesk and Jira), this veld allows analisten to filter or group data by its herkomst. It ensures data lineage and traceerbaarheid in multi-system procesweergaves. Het belang Dit waarborgt de herkomst van data en ondersteunt process mining in omgevingen met meerdere systemen. Vindplaats Hardgecodeerd tijdens extractie Voorbeelden Zendesk Support
	Probleemdossier ProblemRecordId	De unique numeric kenmerk assigned to the problem ticket in Zendesk.
Omschrijving Dit attribuut represents de unique key for the probleemrecord within de Zendesk Support system. It serves as de centrale Case-ID voor process mining, allowing all subsequent gebeurtenissen, updates, and interactions to be grouped into een single procesinstantie. In analysis, this ID is used to distinctively identify each problem investigation klantreis from creation to closure. It enables de correlation of related incidents and the tracking of the problem's levenscyclus through various support pakkets. Het belang Dit is de verplichte basisleutel die nodig is om gebeurtenissen te groeperen in cases voor elke process mining-analyse. Vindplaats Zendesk Ticket object, veld 'id' where type is 'problem' Voorbeelden 1045293849921
	Starttijd EventTimestamp	De specifieke datum en tijd waarop een activiteit plaatsvond.
Omschrijving Dit attribuut records the exact moment een activity took place within the Zendesk system. It provides de temporal dimension required to sequence gebeurtenissen correctly and calculate duurs between steps. In analysis, this is critical for calculating doorlooptijden, identifying delays, checking SLA-compliance, and visualizing the process over time. Without nauwkeurige tijdstempels, it is impossible to understand de velocity of the problem resolution proces. Het belang Hiermee kunnen activiteiten worden gesorteerd en alle tijdsgebaseerde KPI's worden berekend. Vindplaats Zendesk Ticket Audits, veld 'created_at' Voorbeelden 2023-10-12T08:30:00Z2023-10-12T09:15:22Z
	Tijdstip van extractie LastDataUpdate	De timestamp indicating when the probleemrecord was last modified.
Omschrijving Dit attribuut reflects de most recent time de probleemrecord data was updated in de bronsysteem. It is distinct from de gebeurtenis timestamp, as it refers to de record level rather than de activity level. In analysis, this helps determine de actualiteit of the data. It is used to identify if de dataset is current or if there are synchronization lags between de bronsysteem and the process mining omgeving. Het belang Het houdt bij hoe actueel de data is en ondersteunt bij incrementele data-import. Vindplaats Zendesk Ticket object, veld 'updated_at' Voorbeelden 2023-11-01T14:20:00Z
	Aantal Gerelateerde Incidenten RelatedIncidentCount	De number of incident tickets linked to this probleemrecord.
Omschrijving Dit attribuut counts how many individual incident tickets are associated with this probleemrecord. In Zendesk, this is managed via de 'problem_id'-veld on incident tickets linking back to this record. In analysis, this is de primary metriek for 'Incident Correlation and Impact'. It helps prioritize problems that are affecting the largest number of gebruikers, guiding strategic decisions on which fixes will yield the highest ROI in terms of ticket volume reduction. Het belang Het geeft de omvang en de impact op de gebruikers aan. Vindplaats Zendesk Tickets API, aantal tickets waar type='incident' en problem_id=ThisID Voorbeelden 015342
	Naam van toegewezen persoon AssigneeName	De specifieke agent die is toegewezen om aan het probleem te werken.
Omschrijving Dit attribuut bevat de name of the individual user who is currently responsible for the probleemrecord. It provides granular inzicht into who performed specific actions. In analysis, this helps in understanding individual workload and prestaties. While group-level analysis is common, assignee-level data can highlight trainingsbehoeften or individuen who are particularly effective at resolving complex grondoorzaken. Het belang Dit maakt bron-analyse op individueel niveau mogelijk. Vindplaats Zendesk Ticket object, veld 'assignee_id' (resolved to name) Voorbeelden John DoeJane SmithSysteem
	Oorzaakcategorie RootCauseCategory	De vastgestelde onderliggende oorzaak van het probleem (e.g., Code Defect, Config Error).
Omschrijving Dit attribuut legt de final diagnosis vast van what caused the problem. It is usually filled out during de 'Root Cause Identified' activity. In analysis, this is used to generate de 'Problem Categorization Accuracy' report and to analyze trends in system failures. It helps management understand if they should focus on code quality, infrastructure stability, or leverancier management. Het belang Hiermee kunnen patronen van fouten worden geanalyseerd en langetermijnverbeteringen worden gestuurd. Vindplaats Zendesk Ticket Custom Fields Voorbeelden Software BugConfiguratiefoutGebruikersfout
	Prioriteit Priority	De urgency level assigned to the probleemrecord.
Omschrijving Dit attribuut indicates de relative importance of the problem, typically categorized as Low, Normaal, High, or Urgent. It drives de expected service level agreements (SLA's) and bron allocation. In analysis, this is used to segment the process and compare prestaties across different urgency levels. For example, it helps verify if 'Urgent' problems are indeed being resolved faster than 'Low' priority ones, as required by de 'Root Cause Investigation Velocity' dashboard. Het belang Dit is onmisbaar voor het segmenteren van cases om SLA-naleving en prioriteitsstelling te analyseren. Vindplaats Zendesk Ticket object, veld 'priority' Voorbeelden `Urgent`HoogNormaalLaag
	Probleemcategorie ProblemCategory	De classificatie van het probleem (e.g., Software, Hardware, Network).
Omschrijving Dit attribuut categoriseert het problem based on the affected service or technology stack. It is typically een custom dropdown veld in Zendesk forms. In analysis, this is used for de 'Problem Categorization Accuracy' dashboard. Comparing this initial category against the final root cause helps identify if initial triage is accurately routing problems to the correct teams. Het belang Dit maakt segmentatie op technologie of business service mogelijk. Vindplaats Zendesk Ticket Custom Fields Voorbeelden DatabaseUI/UXNetwerkinfrastructuur
	Probleemstatus ProblemStatus	De current state van het probleemrecord in its levenscyclus.
Omschrijving Dit attribuut shows de current status of the problem, such as New, Open, Pending, Solved, or Closed. It reflects de progress of the investigation. In analysis, this is used to filter for open versus closed cases. It is vital for de 'Stale Problem Record Monitoring' dashboard to identify which active cases are not progressing through the expected status levenscyclus. Het belang Hiermee kunnen cases worden gefilterd op hun voltooiingsstatus. Vindplaats Zendesk Ticket object, veld 'status' Voorbeelden newopenpendingsolvedclosed
	SLA Einddatum SlaDueDate	De streefdatum en -tijd waarop het probleem opgelost moet zijn.
Omschrijving Dit attribuut represents de deadline for resolution based on de Service Level Agreement configuration. It is usually calculated based on de priority and the time de ticket was created. In analysis, this is compared against de actual resolution time to calculate 'Problem SLA Adherence Rate'. It powers de 'SLA Performance and Risk' dashboard by highlighting cases that are approaching or have exceeded their allotted time. Het belang Dit is belangrijk voor het meten van compliance en contractuele prestaties. Vindplaats Zendesk Ticket Kengetallen- of SLA Policies-endpoint Voorbeelden 2023-12-01T17:00:00Z
	Supportgroep SupportGroup	Het team of de department currently assigned to the probleemrecord.
Omschrijving Dit attribuut identificeert de specific group of medewerkers responsible for the problem at een given point in time. It changes as de ticket is handed over from one team to another. In analysis, this is crucial for de 'Support Group Handover Analysis' dashboard. It allows for de measurement of prestaties per team, identification of knelpunten during handovers, and analysis of bron werkbelastingverdeling. Het belang Dit maakt organisatorische analyses mogelijk en helpt knelpunten tussen afdelingen te vinden. Vindplaats Zendesk Ticket object, veld 'group_id' (resolved to name) Voorbeelden L2 SupportDatabaseteam`Netwerkbeheer`
	Heeft PIR HasPostImplementationReview	Geeft aan of er een Post-Implementation Review is uitgevoerd.
Omschrijving Dit attribuut indicates if de problem resolution process included een review phase. It is derived by checking if de 'Post-Implementation Review Conducted' activity exists in de case history. In analysis, this supports de 'Post Implementation Review Coverage' dashboard. It is een naleving vanriek ensuring that de organization is learning from its major problems. Het belang Het valideert de naleving van processen voor continue verbetering. Vindplaats Afgeleid van de aanwezigheid van de activiteit 'Post-Implementation Review Conducted' Voorbeelden truefalse
	Is verouderd IsStale	Geeve aan of er langer dan 14 dagen geen activiteit is geweest op het probleem.
Omschrijving Dit calculated attribuut identifies records that have not been updated recently. It compares de current date (or analysis date) met de last activity timestamp. In analysis, this powers de 'Stale Problem Record Monitoring' dashboard. It helps managers quickly isolate neglected cases that clutter the backlog and may require administrative closure or re-assignment. Het belang Het helpt bij het opsporen van verspilling in het proces en vergeten taken. Vindplaats Berekend in process mining-tool: (Nu - LastDataUpdate) > 14 dagen Voorbeelden truefalse
	Kennisartikel-ID KnowledgeArticleId	De ID van het knowledge base article created or linked to the problem.
Omschrijving Dit attribuut stores de reference to een Zendesk Guide article or external knowledge item. It indicates that de knowledge gained from the problem has been captured. In analysis, de presence of this veld is used to calculate de 'Knowledge Base Integration Rate'. It verifies that de organization is closing the learning loop by documenting solutions for future reference. Het belang Het meet de effectiviteit van kennismanagementprocessen. Vindplaats Zendesk Ticket Custom Fields or Koppelinged Content Voorbeelden 360045889KB-2991
	Probleemonderwerp ProblemSubject	De short summary or title van het probleemrecord.
Omschrijving Dit attribuut bevat de text summary entered when the problem was created. It usually describes the symptom or the issue being investigated. In analysis, this provides context to the analyst when drilling down into specific cases. Text mining techniques can also be applied here to cluster similar problems or identify recurring topics that are not captured by structured category velden. Het belang Dit biedt begrijpelijke context voor individuele cases. Vindplaats Zendesk Ticket object, veld 'subject' Voorbeelden Betalingen processen in regio EU niet mogelijkLatentiepieken op de login-serverData-export mislukt voor beheerders
	Wijzigingsaanvraag ID ChangeRequestId	De kenmerk van het change request linked to implement the fix.
Omschrijving Dit attribuut links the probleemrecord to een Verandermanagement record (potentially in een other system or een different ticket type). It signifies that een formal change process has been initiated. In analysis, this supports de 'Change Request Initiation Rate' dashboard. It helps track de transition from diagnosis to implementation, ensuring that identified grondoorzaken result in formal change actions. Het belang Dit legt de link tussen het problem-proces en het changemanagement-proces. Vindplaats Zendesk Ticket Custom Fields or Koppelinged Tickets Voorbeelden CR-1002CHG00394
	Workaround Actief WorkaroundActive	Een indicator die aangeeft of er een workaround is verstrekt of gepubliceerd.
Omschrijving Dit boolean attribuut indicates whether een temporary fix was documented for the problem. It is often derived from de presence of een 'Workaround Published' activity or een specific checkbox on the form. In analysis, this is used for de 'Workaround Publication Compliance' dashboard. It measures how often de support team provides immediate relief to gebruikers while the long-term investigation continues. Het belang Het is van belangrijk belang om te meten in hoeverre de impact op gebruikers tijdens het onderzoek wordt beperkt. Vindplaats Afgeleid van de aanwezigheid van de activiteit 'Workaround Published' of een aangepast veld Voorbeelden truefalse

Verplicht Aanbevolen Optioneel

Probleembeheer Activiteiten

Leg deze essentiële processtappen en statuswijzigingen vast om de end-to-end flow te visualiseren, van de eerste probleemidentificatie tot de uiteindelijke implementatie van de fix.

8 Aanbevolen 4 Optioneel

	Activiteit	Omschrijving
	Hoofdoorzaak Geïdentificeerd	De point where the underlying cause van het problem is determined. This is typically captured when een custom 'Root Cause' text veld or dropdown category is populated by the agent.
Het belang Een belangrijke mijlpaal voor het dashboard Root Cause Investigation Velocity en voor het meten van de efficiëntie van diagnoses. Vindplaats Monitor wijzigingen in aangepast velden met het label 'Root Cause', 'RCA' of 'Problem Source' voor niet-nul waarden. Vastleggen Vergelijk waarden van aangepaste velden op invulling Gebeurtenistype inferred
	Onderzoek gestart	Markeert de overgang van een passieve 'New' status naar een actieve werkstatus. Dit geeft aan dat een agent het probleem heeft erkend en is begonnen met de diagnose.
Het belang Used to calculate Stale Problem Record meetwaarden and is the starting point for de Average oorzaakanalyse Duration KPI. Vindplaats Afgeleid wanneer de ticketstatus verandert van 'New' naar 'Open' of 'Pending'. Vastleggen Vergelijk het statusveld voor/na Gebeurtenistype inferred
	Oplossing Geverifieerd	De formal marking van het problem as Solved. In Zendesk, this occurs when de standard system status is set to 'Solved', indicating the fix is verified and the case is complete.
Het belang De primary endpoint for SLA Performance and Risk calculations en Problem SLA Adherence Rate. Vindplaats Afgeleid van de statuswijziging van het ticket naar 'Solved'. Vastleggen Geregistreerd wanneer de status verandert naar Solved Gebeurtenistype explicit
	Permanente Oplossing Toegepast	Signifies that de technical solution has been deployed naar de omgeving. This is usually tracked via een custom status transition of een specifieke tag before the ticket is fully solved.
Het belang Essentieel voor het dashboard Fix Implementation Efficiency om de tijd van diagnose tot implementatie te meten. Vindplaats Afgeleid van een specifieke tag (bijv. 'fix_deployed') of een aangepast statusveld indien aanwezig. Vastleggen Monitor tags of custom status dropdowns Gebeurtenistype inferred
	Probleemdossier Geregistreerd	De initial creation van het problem ticket within Zendesk Support. This gebeurtenis captures de timestamp when the problem was first recorded in the system, usually triggering de procesinstantie.
Het belang Bepaalt de starttijd voor de volledige oplossingscyclus en dient als referentiepunt voor alle volgende doorlooptijd-meetwaarden. Vindplaats Afgeleid van de 'created_at' timestamp in het ticket-object of de eerste invoer in de audit-log. Vastleggen Geregistreerd wanneer de transactie 'Ticket Created' is uitgevoerd Gebeurtenistype explicit
	Probleemdossier Gesloten	De final levenscyclus gebeurtenis where the ticket is locked and no further changes can be made. In Zendesk, this usually happens automatically 4 days after the Solved state.
Het belang Markeert het absolute einde van de levensduur van het record en wordt gebruikt voor dataretentie en historische rapportage. Vindplaats Afgeleid van de statuswijziging van het ticket naar 'Closed'. Vastleggen Geregistreerd wanneer status verandert naar Gesloten Gebeurtenistype explicit
	Toegewezen aan supportgroep	De routing van het probleemrecord to een specific technical team or department. This is tracked when de Group ID veld on the ticket is updated.
Het belang Essentieel voor het dashboard Support Group Handover Analysis om wachttijden tussen afdelingen te meten. Vindplaats Monitor het 'group_id'-veld in de ticket auditlog op wijzigingen. Vastleggen Geregistreerd wanneer de transactie 'Group Assignment Change' is uitgevoerd Gebeurtenistype explicit
	Workaround Gepubliceerd	De actie van documenting and sharing een temporary fix for the problem. In Zendesk, this is often captured via een specifieke tag of een custom checkbox veld indicating een workaround is available.
Het belang Supports de Workaround Publication Compliance dashboard, ensuring temporary relief is provided aan gebruikers tijdens long investigations. Vindplaats Monitor op de toevoeging van een 'workaround_published' tag of een wijziging in een custom boolean veld genaamd 'Workaround'. Vastleggen Vergelijk waarden van aangepaste velden of tags Gebeurtenistype inferred
	Post-implementatiebeoordeling Uitgevoerd	Bevestiging dat er na de fix een retrospectieve review is uitgevoerd. Dit is meestal een selectievakje of datumveld dat wordt bijgewerkt door de procescoördinator.
Het belang Required for de Post-Implementation Review Frequency KPI to ensure naleving van quality standards. Vindplaats Monitor op updates van een custom checkbox 'PIR Completed' of date veld 'PIR Date'. Vastleggen Monitor aangepast veld op voltooiing Gebeurtenistype inferred
	Problem Investigation Reopened	Treedt op wanneer een probleemrecord dat eerder als Solved was gemarkeerd, wordt teruggezet naar een Open of actieve status. Dit duidt op een mislukte oplossing of afgewezen resolutie.
Het belang Supports de Problem Re-opening Rate KPI en helps identify quality issues in the resolution proces. Vindplaats Afgeleid wanneer de status teruggaat van 'Solved' naar 'Open', 'New' of 'Pending'. Vastleggen Vergelijk het statusveld voor/na Gebeurtenistype inferred
	Voorgestelde Oplossing Opgesteld	De creation van een knowledge base article based on de problem investigation. This is inferred from the usage of the Zendesk Knowledge Capture app of linking a new article.
Het belang Supports de Knowledge Base Integration Rate KPI, ensuring organizational learning. Vindplaats Monitor op gebeurtenissen gerelateerd aan de 'Knowledge Capture' integration of tags zoals 'kcs_draft'. Vastleggen Afgeleid van specifieke systeemtags of koppelingsgebeurtenissen Gebeurtenistype inferred
	Wijzigingsverzoek geïnitieerd	Geeft aan dat er een formeel Verandermanagement-proces is gestart om het probleem op te lossen. Dit wordt vaak afgeleid wanneer het veld 'Change Request ID' is ingevuld of wanneer er een ticket van het type 'Change' is gekoppeld.
Het belang Tracks de Change Request Initiation Rate and links Probleembeheer to Verandermanagement workflows. Vindplaats Monitor op updates van een aangepast veld zoals 'change_reference' of de aanmaak van een 'problem_change' link type. Vastleggen Monitor aangepast veld op invoer van externe ID Gebeurtenistype inferred

Aanbevolen Optioneel

Extractiegidsen

Hoe u je data uit Zendesk Support haalt

Stappen

Log in op uw Zendesk-omgeving en navigeer via de product-tray naar de Explore-interface voor rapportages.
Klik op de map Queries (of Reports in nieuwere versies) en selecteer New query.
Kies bij de vraag om een dataset te selecteren voor Support, gevolgd door Updates History en daarna Support: Updates History [default]. Deze dataset bevat de event logs die nodig zijn voor process mining, in plaats van alleen de huidige status.
Voeg in het paneel Kengetallen Count (Tickets) of Count (Updates) toe om te controleren of er data wordt opgehaald.
Voeg in het paneel Filters een filter toe voor Ticket > Ticket type en selecteer Problem om de dataset te beperken tot het Probleembeheer-proces.
Voeg in het paneel Rows de volgende attributen toe in deze specifieke volgorde om de structuur van de event log te definiëren: Ticket > Ticket ID, Time - Timestamp > Update - Timestamp, Updater > Updater name en Changes > Changes - Field name.
Om de kolom activiteitsnaam te maken, moet u een Standard Calculated Attribute aanmaken. Klik op het icoon Calculation in de rechterzijbalk, selecteer Standard calculated attribuut, noem deze Activiteit Mapper en plak de code uit de sectie Query hieronder.
Voeg dit nieuwe Activiteit Mapper-attribuut toe aan het paneel Rows. Filter dit attribuut om NULL-waarden uit te sluiten en zo irrelevante systeemruis te verwijderen.
Voeg extra attributen toe aan het paneel Rows voor meer context: Ticket > Priority, Ticket > Group, Ticket > Status en eventuele aangepaste velden die nodig zijn voor de analyse van brnoorzaken of categorieën (bijv. Ticket > Ticket tags of specifieke Custom Fields).
Stel de periode in het paneel Filters in via Time - Timestamp > Update - Date om het gewenste tijdsbestek voor de analyse te dekken (bijv. de afgelopen 6 maanden).
Klik op het icoon Visualization type en selecteer Table. Zorg ervoor dat de tabel 'unpivoted' of plat is als die optie beschikbaar is, of zorg er simpelweg voor dat alle attributen in de sectie Rows staan.
Exporteer het resultaat door te klikken op Export > CSV. Zorg dat het vinkje bij Keep attribuut formatting aan staat om de timestamp-formaten voor ProcessMind te behouden.

Configuratie

Dataset: Support: Updates History (Belangrijk: Gebruik niet de standaard Tickets dataset, aangezien deze alleen de huidige status toont).
Time Filter: Update - Date (Aanbevolen: Laatste 90 tot 180 dagen, afhankelijk van het volume).
Ticket Type: Strikt filteren op Problem om incidenten en serviceaanvragen niet te mengen.
Row Limit: Zendesk Explore exports zijn vaak beperkt tot 50.000 rijen. Als je dataset dit overschrijdt, gebruik dan het Update - Date filter om in kleinere maandelijkse delen te exporteren en deze extern samen te voegen.
Custom Fields: Identificeer de specifieke Field ID's voor Root Cause, Change Request en Workaround in uw specifieke Zendesk-instantie, aangezien dit geen standaard systeemvelden zijn.
System Permissions: Verplicht een Explore Viewer of Explore Professional licentie.

a Voorbeeldquery config

IF ([Changes - Field name] = "status" AND [Changes - New value] = "New") THEN "Problem Record Logged"
ELIF ([Changes - Field name] = "group_id") THEN "Assigned to Support Group"
ELIF ([Changes - Field name] = "status" AND [Changes - Previous value] = "New" AND [Changes - New value] = "Open") THEN "Investigation Commenced"
ELIF ([Changes - Field name] = "tags" AND CONTAINS([Changes - New value], "workaround_available")) THEN "Workaround Published"
ELIF ([Changes - Field name] = "[Your Root Cause Field Name]") THEN "Root Cause Identified"
ELIF ([Changes - Field name] = "[Your Change Request ID Field Name]") OR ([Changes - Field name] = "type" AND [Changes - New value] = "change") THEN "Change Request Initiated"
ELIF ([Changes - Field name] = "tags" AND CONTAINS([Changes - New value], "fix_deployed")) THEN "Permanent Fix Applied"
ELIF ([Changes - Field name] = "[Your Knowledge Article Linked Field]") THEN "Proposed Solution Drafted"
ELIF ([Changes - Field name] = "status" AND [Changes - New value] = "Solved") THEN "Resolution Verified"
ELIF ([Changes - Field name] = "status" AND [Changes - Previous value] = "Solved" AND [Changes - New value] = "Open") THEN "Problem Investigation Reopened"
ELIF ([Changes - Field name] = "[Your PIR Completed Checkbox Field]") THEN "Post-Implementation Review Conducted"
ELIF ([Changes - Field name] = "status" AND [Changes - New value] = "Closed") THEN "Problem Record Closed"
ELSE NULL
ENDIF

Stappen

Bevestiging van de voorwaarden: Controleer of de Zendesk Data Sharing add-on is ingeschakeld voor uw organisatie. Verifieer dat u beschikt over inloggegevens met leesrechten voor de gerepliceerde Zendesk-database, die doorgaans wordt gehost op Snowflake of Amazon Redshift.
Verbinding maken met de database: Gebruik de SQL-client van uw voorkeur (zoals DBeaver, DataGrip of de native webinterface van Snowflake/Redshift) om verbinding te maken met uw Zendesk-datawarehouse met de verstrekte inloggegevens.
Aangepaste velden vinden: Voordat u de query uitvoert, moet u de unieke ID's opzoeken van de aangepaste velden die in uw Probleembeheer-proces worden gebruikt. Ga naar het Admin Center in Zendesk, ga naar Objects and rules > Tickets > Fields. Zoek de velden voor 'Root Cause', 'Change Request ID', 'Workaround Published', 'Permanent Fix Applied' en 'Post-Implementation Review' om de specifieke veld ID's te achterhalen. Deze worden gebruikt om de tijdelijke aanduidingen (placeholders) in de query te vervangen.
De SQL-query controleren: De meegeleverde query gebruikt een Common Table Expression (CTE) genaamd ProblemTickets om eerst alle problem-records te selecteren en te filteren. Dit verbetert de prestaties en leesbaarheid. Het hoofdgedeelte van de query gebruikt vervolgens UNION ALL om de resultaten van 12 afzonderlijke SELECT-statements te combineren, één voor elke vereiste activiteit.
De query aanpassen: Open een nieuwe query-editor en plak het volledige SQL-script. Pas de tijdelijke aanduidingen in het script aan:
- Stel in de ProblemTickets CTE de gewenste periode in door '[YYYY-MM-DD]' te vervangen.
- Vervang voor elke activiteit die afhankelijk is van een aangepast veld de tijdelijke ID's (bijv. [Your 'Root Cause Category' veld_id], [Your 'Change Request ID' veld_id]) door de werkelijke ID's die u in stap 3 hebt gevonden.
De query uitvoeren: Voer het aangepaste SQL-script uit op de database. De uitvoeringstijd is afhankelijk van de gekozen periode en de hoeveelheid ticketdata.
Logica voor 'Proposed Solution Drafted' controleren: De query gaat ervan uit dat het opstellen van een oplossing wordt geregistreerd door het invullen van een aangepast veld genaamd [Your 'KB Article ID' veld_id]. Als uw proces hiervan afwijkt, bijvoorbeeld door gebruik te maken van een specifieke tag of opmerking, moet u dit deel van de query dienovereenkomstig aanpassen.
Datavalidatie: Controleer de resultaten zodra de query is voltooid. Kijk of het aantal rijen aannemelijk is, of alle kolommen aanwezig zijn en of er geen onverwachte NULL-waarden staan in belangrijke kolommen zoals ProblemRecordId en EventTimestamp.
De event log exporteren: Exporteer de volledige resultaatset vanuit uw SQL-client naar een CSV-bestand. Zorg ervoor dat het bestand de UTF-8-codering gebruikt en dat de kolomkoppen overeenkomen met de attributenamen die vereist zijn voor uw process mining-tool.
Voorbereiden voor upload: Controleer het CSV-bestand op formateringsfouten voordat u het uploadt. Zorg dat de datum- en tijdwaarden in de kolom EventTimestamp een consistent formaat hebben, zoals YYYY-MM-DD HH24:MI:SS.

Configuratie

Verplichten: Deze extractie vereist de Zendesk Data Sharing add-on en directe SQL access tot de gerepliceerde data in een Snowflake of Amazon Redshift instantie.
Filter op Tickettype: De query is vooraf geconfigureerd om alleen tickets te analyseren waarbij het type 'problem' is. Dit is belangrijk om het Probleembeheerproces te isoleren van incidenten en andere tickettypes.
Filteren op Datumbereik: Het wordt sterk aanbevolen de data voor een specifieke periode te filteren om de prestaties te beheren. De query bevat een placeholder created_at >= '[YYYY-MM-DD]' in de initiële CTE. Voor een eerste analyse is een bereik van 3 tot 6 maanden gebruikelijk.
Configuratie van Custom Fields: Deze extractie is sterk afhankelijk van uw specifieke Zendesk-configuratie. U moet de correcte veld_id vinden en invoeren voor aangepast velden die activiteiten bijhouden zoals 'Root Cause Identified', 'Change Request Initiated' en 'Workaround Published'. De query zal mislukken of geen data retourneren voor deze activiteiten als de placeholder ID's niet worden vervangen.
Data Latentie: De data in de gerepliceerde database is niet real-time. Er is doorgaans een vertraging van enkele uren tussen een gebeurtenis in Zendesk en het verschijnen ervan in het data warehouse. Houd hier rekening mee bij het analyseren van zeer recente activiteit.

a Voorbeeldquery sql

WITH ProblemTickets AS (
  SELECT
    t.id,
    t.created_at,
    t.updated_at,
    t.priority,
    g.name AS group_name,
    u.name AS assignee_name,
    t.status,
    (SELECT COUNT(*) FROM problem_incident_links pil WHERE pil.problem_id = t.id) AS related_incident_count,
    t.due_at AS sla_due_date,
    cf_cat.value AS problem_category,
    cf_root.value AS root_cause_category
  FROM tickets t
  LEFT JOIN users u ON t.assignee_id = u.id
  LEFT JOIN groups g ON t.group_id = g.id
  LEFT JOIN custom_field_values cf_cat ON t.id = cf_cat.ticket_id AND cf_cat.custom_field_id = [Your 'Problem Category' field_id]
  LEFT JOIN custom_field_values cf_root ON t.id = cf_root.ticket_id AND cf_root.custom_field_id = [Your 'Root Cause Category' field_id]
  WHERE t.type = 'problem'
  AND t.created_at >= '[YYYY-MM-DD]' -- Set start date for the extraction
)
-- 1. Problem Record Logged
SELECT
  pt.id AS "ProblemRecordId",
  'Problem Record Logged' AS "ActivityName",
  pt.created_at AS "EventTimestamp",
  'Zendesk' AS "SourceSystem",
  pt.updated_at AS "LastDataUpdate",
  pt.priority AS "Priority",
  pt.group_name AS "SupportGroup",
  pt.assignee_name AS "AssigneeName",
  'new' AS "ProblemStatus",
  pt.related_incident_count AS "RelatedIncidentCount",
  pt.sla_due_date AS "SlaDueDate",
  pt.problem_category AS "ProblemCategory",
  pt.root_cause_category AS "RootCauseCategory"
FROM ProblemTickets pt

UNION ALL

-- 2. Assigned to Support Group
SELECT
  pt.id AS "ProblemRecordId",
  'Assigned to Support Group' AS "ActivityName",
  tme.created_at AS "EventTimestamp",
  'Zendesk' AS "SourceSystem",
  pt.updated_at AS "LastDataUpdate",
  pt.priority AS "Priority",
  pt.group_name AS "SupportGroup",
  pt.assignee_name AS "AssigneeName",
  pt.status AS "ProblemStatus",
  pt.related_incident_count AS "RelatedIncidentCount",
  pt.sla_due_date AS "SlaDueDate",
  pt.problem_category AS "ProblemCategory",
  pt.root_cause_category AS "RootCauseCategory"
FROM ticket_metric_events tme
JOIN ProblemTickets pt ON tme.ticket_id = pt.id
WHERE tme.type = 'group'

UNION ALL

-- 3. Investigation Commenced
SELECT
  pt.id AS "ProblemRecordId",
  'Investigation Commenced' AS "ActivityName",
  tme.created_at AS "EventTimestamp",
  'Zendesk' AS "SourceSystem",
  pt.updated_at AS "LastDataUpdate",
  pt.priority AS "Priority",
  pt.group_name AS "SupportGroup",
  pt.assignee_name AS "AssigneeName",
  'open' AS "ProblemStatus",
  pt.related_incident_count AS "RelatedIncidentCount",
  pt.sla_due_date AS "SlaDueDate",
  pt.problem_category AS "ProblemCategory",
  pt.root_cause_category AS "RootCauseCategory"
FROM ticket_metric_events tme
JOIN ProblemTickets pt ON tme.ticket_id = pt.id
WHERE tme.type = 'status' AND tme.value = 'open' AND tme.previous_value = 'new'

UNION ALL

-- 4. Workaround Published
SELECT
  pt.id AS "ProblemRecordId",
  'Workaround Published' AS "ActivityName",
  tme.created_at AS "EventTimestamp",
  'Zendesk' AS "SourceSystem",
  pt.updated_at AS "LastDataUpdate",
  pt.priority AS "Priority",
  pt.group_name AS "SupportGroup",
  pt.assignee_name AS "AssigneeName",
  pt.status AS "ProblemStatus",
  pt.related_incident_count AS "RelatedIncidentCount",
  pt.sla_due_date AS "SlaDueDate",
  pt.problem_category AS "ProblemCategory",
  pt.root_cause_category AS "RootCauseCategory"
FROM ticket_metric_events tme
JOIN ProblemTickets pt ON tme.ticket_id = pt.id
WHERE tme.type = 'custom_field' AND tme.field_name = '[Your ''Workaround Published'' custom field name]' AND tme.value IS NOT NULL -- Example: checkbox being checked or field being filled

UNION ALL

-- 5. Root Cause Identified
SELECT
  pt.id AS "ProblemRecordId",
  'Root Cause Identified' AS "ActivityName",
  tme.created_at AS "EventTimestamp",
  'Zendesk' AS "SourceSystem",
  pt.updated_at AS "LastDataUpdate",
  pt.priority AS "Priority",
  pt.group_name AS "SupportGroup",
  pt.assignee_name AS "AssigneeName",
  pt.status AS "ProblemStatus",
  pt.related_incident_count AS "RelatedIncidentCount",
  pt.sla_due_date AS "SlaDueDate",
  pt.problem_category AS "ProblemCategory",
  pt.root_cause_category AS "RootCauseCategory"
FROM ticket_metric_events tme
JOIN ProblemTickets pt ON tme.ticket_id = pt.id
WHERE tme.type = 'custom_field' AND tme.field_name = '[Your ''Root Cause Category'' custom field name]' AND tme.value IS NOT NULL

UNION ALL

-- 6. Change Request Initiated
SELECT
  pt.id AS "ProblemRecordId",
  'Change Request Initiated' AS "ActivityName",
  tme.created_at AS "EventTimestamp",
  'Zendesk' AS "SourceSystem",
  pt.updated_at AS "LastDataUpdate",
  pt.priority AS "Priority",
  pt.group_name AS "SupportGroup",
  pt.assignee_name AS "AssigneeName",
  pt.status AS "ProblemStatus",
  pt.related_incident_count AS "RelatedIncidentCount",
  pt.sla_due_date AS "SlaDueDate",
  pt.problem_category AS "ProblemCategory",
  pt.root_cause_category AS "RootCauseCategory"
FROM ticket_metric_events tme
JOIN ProblemTickets pt ON tme.ticket_id = pt.id
WHERE tme.type = 'custom_field' AND tme.field_name = '[Your ''Change Request ID'' custom field name]' AND tme.value IS NOT NULL

UNION ALL

-- 7. Permanent Fix Applied
SELECT
  pt.id AS "ProblemRecordId",
  'Permanent Fix Applied' AS "ActivityName",
  tme.created_at AS "EventTimestamp",
  'Zendesk' AS "SourceSystem",
  pt.updated_at AS "LastDataUpdate",
  pt.priority AS "Priority",
  pt.group_name AS "SupportGroup",
  pt.assignee_name AS "AssigneeName",
  pt.status AS "ProblemStatus",
  pt.related_incident_count AS "RelatedIncidentCount",
  pt.sla_due_date AS "SlaDueDate",
  pt.problem_category AS "ProblemCategory",
  pt.root_cause_category AS "RootCauseCategory"
FROM ticket_metric_events tme
JOIN ProblemTickets pt ON tme.ticket_id = pt.id
WHERE tme.type = 'custom_field' AND tme.field_name = '[Your ''Permanent Fix Applied'' custom field name]' AND tme.value IS NOT NULL -- Assumes a custom field indicates this status

UNION ALL

-- 8. Proposed Solution Drafted
SELECT
  pt.id AS "ProblemRecordId",
  'Proposed Solution Drafted' AS "ActivityName",
  tme.created_at AS "EventTimestamp",
  'Zendesk' AS "SourceSystem",
  pt.updated_at AS "LastDataUpdate",
  pt.priority AS "Priority",
  pt.group_name AS "SupportGroup",
  pt.assignee_name AS "AssigneeName",
  pt.status AS "ProblemStatus",
  pt.related_incident_count AS "RelatedIncidentCount",
  pt.sla_due_date AS "SlaDueDate",
  pt.problem_category AS "ProblemCategory",
  pt.root_cause_category AS "RootCauseCategory"
FROM ticket_metric_events tme
JOIN ProblemTickets pt ON tme.ticket_id = pt.id
WHERE tme.type = 'custom_field' AND tme.field_name = '[Your ''KB Article ID'' custom field name]' AND tme.value IS NOT NULL

UNION ALL

-- 9. Resolution Verified
SELECT
  pt.id AS "ProblemRecordId",
  'Resolution Verified' AS "ActivityName",
  tme.created_at AS "EventTimestamp",
  'Zendesk' AS "SourceSystem",
  pt.updated_at AS "LastDataUpdate",
  pt.priority AS "Priority",
  pt.group_name AS "SupportGroup",
  pt.assignee_name AS "AssigneeName",
  'solved' AS "ProblemStatus",
  pt.related_incident_count AS "RelatedIncidentCount",
  pt.sla_due_date AS "SlaDueDate",
  pt.problem_category AS "ProblemCategory",
  pt.root_cause_category AS "RootCauseCategory"
FROM ticket_metric_events tme
JOIN ProblemTickets pt ON tme.ticket_id = pt.id
WHERE tme.type = 'status' AND tme.value = 'solved'

UNION ALL

-- 10. Problem Investigation Reopened
SELECT
  pt.id AS "ProblemRecordId",
  'Problem Investigation Reopened' AS "ActivityName",
  tme.created_at AS "EventTimestamp",
  'Zendesk' AS "SourceSystem",
  pt.updated_at AS "LastDataUpdate",
  pt.priority AS "Priority",
  pt.group_name AS "SupportGroup",
  pt.assignee_name AS "AssigneeName",
  'open' AS "ProblemStatus",
  pt.related_incident_count AS "RelatedIncidentCount",
  pt.sla_due_date AS "SlaDueDate",
  pt.problem_category AS "ProblemCategory",
  pt.root_cause_category AS "RootCauseCategory"
FROM ticket_metric_events tme
JOIN ProblemTickets pt ON tme.ticket_id = pt.id
WHERE tme.type = 'status' AND tme.value = 'open' AND tme.previous_value IN ('pending', 'solved')

UNION ALL

-- 11. Post-Implementation Review Conducted
SELECT
  pt.id AS "ProblemRecordId",
  'Post-Implementation Review Conducted' AS "ActivityName",
  tme.created_at AS "EventTimestamp",
  'Zendesk' AS "SourceSystem",
  pt.updated_at AS "LastDataUpdate",
  pt.priority AS "Priority",
  pt.group_name AS "SupportGroup",
  pt.assignee_name AS "AssigneeName",
  pt.status AS "ProblemStatus",
  pt.related_incident_count AS "RelatedIncidentCount",
  pt.sla_due_date AS "SlaDueDate",
  pt.problem_category AS "ProblemCategory",
  pt.root_cause_category AS "RootCauseCategory"
FROM ticket_metric_events tme
JOIN ProblemTickets pt ON tme.ticket_id = pt.id
WHERE tme.type = 'custom_field' AND tme.field_name = '[Your ''Post-Implementation Review'' custom field name]' AND tme.value IS NOT NULL -- Assumes a checkbox or date field

UNION ALL

-- 12. Problem Record Closed
SELECT
  pt.id AS "ProblemRecordId",
  'Problem Record Closed' AS "ActivityName",
  tme.created_at AS "EventTimestamp",
  'Zendesk' AS "SourceSystem",
  pt.updated_at AS "LastDataUpdate",
  pt.priority AS "Priority",
  pt.group_name AS "SupportGroup",
  pt.assignee_name AS "AssigneeName",
  'closed' AS "ProblemStatus",
  pt.related_incident_count AS "RelatedIncidentCount",
  pt.sla_due_date AS "SlaDueDate",
  pt.problem_category AS "ProblemCategory",
  pt.root_cause_category AS "RootCauseCategory"
FROM ticket_metric_events tme
JOIN ProblemTickets pt ON tme.ticket_id = pt.id
WHERE tme.type = 'status' AND tme.value = 'closed' AND tme.previous_value = 'solved';

Stappen

Voorwaarden: Zorg dat Python 3.6 of hoger op je systeem is geïnstalleerd. Installeer de benodigde requests- en pandas-bibliotheken door pip install requests pandas uit te voeren in uw terminal of opdrachtprompt.
Zendesk API-token genereren: Log in op Zendesk Support als beheerder. Ga naar Admin Center > Apps and integrations > API's > Zendesk API. Klik onder de sectie Token Access op 'Add API token' om een nieuw token aan te maken. Kopieer dit token onmiddellijk en bewaar het veilig, aangezien het niet meer opnieuw getoond wordt.
Het Python-script configureren: Maak een nieuw Python-bestand aan (bijv. extract_zendesk_problems.py) en kopieer het volledige script uit de sectie Query naar dit bestand. Werk de placeholder-variabelen bovenaan het script bij: ZENDESK_SUBDOMAIN, ZENDESK_EMAIL, ZENDESK_API_TOKEN en START_TIME. Stel voor de eerste run START_TIME in op de Unix-timestamp van de gewenste startdatum voor uw extractie.
Custom Field ID's koppelen: Zoek de numerieke ID's op van de aangepaste velden die in uw Probleembeheer-proces worden gebruikt. U vindt deze door naar Admin Center > Objects and rules > Tickets > Fields te gaan en de URL of de veldeigenschappen te bekijken. Werk de dictionary CUSTOM_FIELD_MAPPING in het script bij met uw specifieke ID's.
Het script uitvoeren: Start het script vanuit uw terminal met het commando python extract_zendesk_problems.py. Het script begint nu data op te halen via de Zendesk Incremental Export API.
De voortgang bewaken: Het script toont de voortgang, inclusief het aantal verwerkte tickets en de huidige timestamp die wordt opgehaald. API-limieten worden automatisch afgehandeld door indien nodig te pauzeren.
Data ophalen en transformeren: Het script haalt eerst alle problem-tickets op die zijn aangemaakt of bijgewerkt sinds de START_TIME. Voor elk ticket wordt vervolgens de volledige audit-trail opgehaald met alle historische wijzigingen.
Event log genereren: Het script verwerkt elk audit-gebeurtenis en koppelt veldwijzigingen (zoals status, groep of updates van aangepaste velden) aan de gedefinieerde bedrijfsactiviteiten. Ook worden gebruikers- en groepsnamen opgehaald en in de cache geplaatst om de data te verrijken.
Incrementele loads afhandelen: Gebruik voor volgende runs, na de eerste volledige load, de end_time die aan het einde van de vorige succesvolle run werd geprint als nieuwe waarde voor START_TIME. Zo haalt u alleen nieuwe en gewijzigde data op zonder duplicaten.
De output controleren: Zodra het script klaar is, wordt er een bestand genaamd zendesk_problem_gebeurtenis_log.csv gegenereerd in dezelfde map. Dit CSV-bestand bevat de gestructureerde event log, klaar voor analyse.
Voorbereiden voor upload: Open het CSV-bestand in een spreadsheetprogramma om de inhoud te verifiëren. Controleer of alle vereiste kolommen (ProblemRecordId, ActiviteitNaam, EventTimestamp, Bronsysteem, LastDataUpdate) aanwezig en correct gevuld zijn voordat u ze uploadt naar ProcessMind.

Configuratie

Zendesk API referenties: Het script vereist uw Zendesk subdomain, het e-mailadres van de gebruiker die gekoppeld is aan de API token, en de API token zelf voor het inloggen.
Starttijd: De START_TIME variabele is een Unix epoch timestamp die het startpunt voor de data-extractie definieert. Voor de eerste run stelt u dit in op een datum in het verleden (bijv. 6 maanden geleden) om historische data te verkrijgen. Voor volgende runs gebruikt u de eindtijd van de vorige run om data incrementeel op te halen.
Mapping van Custom Fields: Het CUSTOM_FIELD_MAPPING dictionary is belangrijk. U moet de placeholder ID's bijwerken met de daadwerkelijke aangepast veld ID's van uw Zendesk-instantie om activiteiten zoals 'Workaround Published' en 'Root Cause Identified' correct vast te leggen.
Filter op Tickettype: Het script is hardcoded om alleen tickets te processen waarbij het type 'problem' is. Dit zorgt ervoor dat incidenten, taken en vragen worden uitgesloten van het event log voor probleembeheer.
API Rate Limiting: Het script bevat een basis time.sleep(60) functie om 429 'Too Many Requests' fouten af te handelen. Deze pauzeduur moet mogelijk worden aangepast afhankelijk van uw Zendesk-abonnement en het volume van de opgehaalde data.
Verplichten: Een Python 3-omgeving met de requests en pandas libraries is noodzakelijk om het script uit te voeren. De API token moet gekoppeld zijn aan een account met permissie om ticketdata te lezen.

a Voorbeeldquery python

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

class=class="hl-string">"hl-comment"># --- CONFIGURATION --- 
class=class="hl-string">"hl-comment"># Replace with your Zendesk subdomain, email, and API token
ZENDESK_SUBDOMAIN = class="hl-string">'[your_subdomain]'
ZENDESK_EMAIL = class="hl-string">'[your_email@example.com]'
ZENDESK_API_TOKEN = class="hl-string">'[your_zendesk_api_token]'

class=class="hl-string">"hl-comment"># Start time for the incremental export (Unix epoch timestamp)
class=class="hl-string">"hl-comment"># Example: 1641013200 is for Jan 1, 2022 00:00:00 GMT
START_TIME = 1641013200

class=class="hl-string">"hl-comment"># Map your custom field IDs to the corresponding activity names
class=class="hl-string">"hl-comment"># Find IDs in Admin Center > Objects and rules > Tickets > Fields
CUSTOM_FIELD_MAPPING = {
    class="hl-string">'[Your Workaround Published Field ID]': class="hl-string">'Workaround Published',
    class="hl-string">'[Your Root Cause Identified Field ID]': class="hl-string">'Root Cause Identified',
    class="hl-string">'[Your Change Request Initiated Field ID]': class="hl-string">'Change Request Initiated',
    class="hl-string">'[Your Permanent Fix Applied Field ID]': class="hl-string">'Permanent Fix Applied',
    class="hl-string">'[Your Proposed Solution Drafted Field ID]': class="hl-string">'Proposed Solution Drafted',
    class="hl-string">'[Your Post-Implementation Review Field ID]': class="hl-string">'Post-Implementation Review Conducted'
}

class=class="hl-string">"hl-comment"># --- SCRIPT --- 
BASE_URL = fclass="hl-string">'https://{ZENDESK_SUBDOMAIN}.zendesk.com/api/v2'
API_USER = fclass="hl-string">'{ZENDESK_EMAIL}/token'

class=class="hl-string">"hl-comment"># Caching for user and group lookups to reduce API calls
user_cache = {}
group_cache = {}

session = requests.Session()
session.auth = (API_USER, ZENDESK_API_TOKEN)

def get_user_name(user_id):
    if not user_id: return None
    if user_id in user_cache:
        return user_cache[user_id]
    try:
        response = session.get(fclass="hl-string">'{BASE_URL}/users/{user_id}.json')
        response.raise_for_status()
        user_cache[user_id] = response.json()[class="hl-string">'user'][class="hl-string">'name']
        return user_cache[user_id]
    except requests.exceptions.RequestException:
        return str(user_id) class=class="hl-string">"hl-comment"># Return ID if lookup fails

def get_group_name(group_id):
    if not group_id: return None
    if group_id in group_cache:
        return group_cache[group_id]
    try:
        response = session.get(fclass="hl-string">'{BASE_URL}/groups/{group_id}.json')
        response.raise_for_status()
        group_cache[group_id] = response.json()[class="hl-string">'group'][class="hl-string">'name']
        return group_cache[group_id]
    except requests.exceptions.RequestException:
        return str(group_id) class=class="hl-string">"hl-comment"># Return ID if lookup fails

def fetch_tickets(start_time):
    tickets_url = fclass="hl-string">'{BASE_URL}/incremental/tickets.json'
    params = {class="hl-string">'start_time': start_time, class="hl-string">'include': class="hl-string">'metric_sets'}
    all_tickets = []
    while tickets_url:
        try:
            print(fclass="hl-string">"Fetching from: {tickets_url}")
            response = session.get(tickets_url, params=params)
            class=class="hl-string">"hl-comment"># params are only needed for the first request
            params = {}
            if response.status_code == 429:
                print(class="hl-string">"Rate limit reached. Waiting for 60 seconds.")
                time.sleep(60)
                continue
            response.raise_for_status()
            data = response.json()
            all_tickets.extend(data.get(class="hl-string">'tickets', []))
            tickets_url = data.get(class="hl-string">'next_page')
            if not data.get(class="hl-string">'end_of_stream', True):
                 class=class="hl-string">"hl-comment"># Wait a moment before the next page request to be safe
                 time.sleep(1)
            else:
                print(fclass="hl-string">"End of stream reached. Final timestamp: {data.get('end_time')}")
                tickets_url = None
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">"Error fetching tickets: {e}")
            break
    return all_tickets

def process_ticket_audits(ticket, event_log):
    ticket_id = ticket[class="hl-string">'id']
    audits_url = fclass="hl-string">'{BASE_URL}/tickets/{ticket_id}/audits.json'
    try:
        response = session.get(audits_url)
        response.raise_for_status()
        audits = response.json().get(class="hl-string">'audits', [])
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Error fetching audits for ticket {ticket_id}: {e}")
        return

    base_attributes = {
        class="hl-string">'ProblemRecordId': ticket_id,
        class="hl-string">'SourceSystem': class="hl-string">'Zendesk Support',
        class="hl-string">'LastDataUpdate': ticket[class="hl-string">'updated_at'],
        class="hl-string">'Priority': ticket.get(class="hl-string">'priority'),
        class="hl-string">'RelatedIncidentCount': ticket.get(class="hl-string">'metric_set', {}).get(class="hl-string">'replies', 0), class=class="hl-string">"hl-comment"># Using replies as a proxy if incident_count is not available
        class="hl-string">'SlaDueDate': ticket.get(class="hl-string">'due_at'),
        class="hl-string">'ProblemCategory': next((f[class="hl-string">'value'] for f in ticket.get(class="hl-string">'custom_fields', []) if f.get(class="hl-string">'id') == class="hl-string">'[Your Problem Category Field ID]'), None)
    }

    class=class="hl-string">"hl-comment"># 1. Problem Record Logged
    event_log.append({
        **base_attributes,
        class="hl-string">'ActivityName': class="hl-string">'Problem Record Logged',
        class="hl-string">'EventTimestamp': ticket[class="hl-string">'created_at'],
        class="hl-string">'SupportGroup': get_group_name(ticket.get(class="hl-string">'group_id')),
        class="hl-string">'AssigneeName': get_user_name(ticket.get(class="hl-string">'assignee_id')),
        class="hl-string">'ProblemStatus': class="hl-string">'new',
        class="hl-string">'RootCauseCategory': None
    })

    class=class="hl-string">"hl-comment"># Process audit trail for other activities
    for audit in audits:
        audit_ts = audit[class="hl-string">'created_at']
        for event in audit.get(class="hl-string">'events', []):
            activity_name = None
            field_name = event.get(class="hl-string">'field_name')
            value = event.get(class="hl-string">'value')
            previous_value = event.get(class="hl-string">'previous_value')

            class=class="hl-string">"hl-comment"># 2. Assigned to Support Group
            if field_name == class="hl-string">'group_id' and value is not None:
                activity_name = class="hl-string">'Assigned to Support Group'
            
            class=class="hl-string">"hl-comment"># 3. Investigation Commenced (New -> Open)
            elif field_name == class="hl-string">'status' and value == class="hl-string">'open' and previous_value == class="hl-string">'new':
                activity_name = class="hl-string">'Investigation Commenced'

            class=class="hl-string">"hl-comment"># 4-9. Activities from Custom Fields
            elif str(field_name) in CUSTOM_FIELD_MAPPING and value is not None and value not in [False, class="hl-string">'0', class="hl-string">'']:
                activity_name = CUSTOM_FIELD_MAPPING[str(field_name)]

            class=class="hl-string">"hl-comment"># 10. Resolution Verified (Any -> Solved)
            elif field_name == class="hl-string">'status' and value == class="hl-string">'solved':
                activity_name = class="hl-string">'Resolution Verified'
            
            class=class="hl-string">"hl-comment"># 11. Problem Investigation Reopened (Solved/Closed -> Open)
            elif field_name == class="hl-string">'status' and value == class="hl-string">'open' and previous_value in [class="hl-string">'solved', class="hl-string">'closed']:
                activity_name = class="hl-string">'Problem Investigation Reopened'

            class=class="hl-string">"hl-comment"># 12. Problem Record Closed (Any -> Closed)
            elif field_name == class="hl-string">'status' and value == class="hl-string">'closed':
                activity_name = class="hl-string">'Problem Record Closed'

            if activity_name:
                class=class="hl-string">"hl-comment"># Find the state of attributes at the time of the event
                temp_status = value if field_name == class="hl-string">'status' else None
                temp_group = get_group_name(value) if field_name == class="hl-string">'group_id' else None
                temp_assignee = get_user_name(value) if field_name == class="hl-string">'assignee_id' else None
                temp_root_cause = value if str(field_name) == class="hl-string">'[Your Root Cause Category Field ID]' else None

                event_log.append({
                    **base_attributes,
                    class="hl-string">'ActivityName': activity_name,
                    class="hl-string">'EventTimestamp': audit_ts,
                    class="hl-string">'SupportGroup': temp_group,
                    class="hl-string">'AssigneeName': temp_assignee,
                    class="hl-string">'ProblemStatus': temp_status,
                    class="hl-string">'RootCauseCategory': temp_root_cause
                })

def main():
    print(class="hl-string">"Starting Zendesk Problem ticket extraction...")
    tickets = fetch_tickets(START_TIME)
    problem_tickets = [t for t in tickets if t.get(class="hl-string">'type') == class="hl-string">'problem']
    print(fclass="hl-string">"Found {len(problem_tickets)} problem tickets to process.")

    event_log_data = []
    for i, ticket in enumerate(problem_tickets):
        print(fclass="hl-string">"Processing ticket {i+1}/{len(problem_tickets)}: ID {ticket['id']}")
        process_ticket_audits(ticket, event_log_data)

    if not event_log_data:
        print(class="hl-string">"No events were generated. Exiting.")
        return

    df = pd.DataFrame(event_log_data)

    class=class="hl-string">"hl-comment"># Post-processing to fill forward null values for state attributes
    df = df.sort_values(by=[class="hl-string">'ProblemRecordId', class="hl-string">'EventTimestamp']).reset_index(drop=True)
    df[class="hl-string">'SupportGroup'] = df.groupby(class="hl-string">'ProblemRecordId')[class="hl-string">'SupportGroup'].fillna(method=class="hl-string">'ffill')
    df[class="hl-string">'AssigneeName'] = df.groupby(class="hl-string">'ProblemRecordId')[class="hl-string">'AssigneeName'].fillna(method=class="hl-string">'ffill')
    df[class="hl-string">'ProblemStatus'] = df.groupby(class="hl-string">'ProblemRecordId')[class="hl-string">'ProblemStatus'].fillna(method=class="hl-string">'ffill')
    df[class="hl-string">'RootCauseCategory'] = df.groupby(class="hl-string">'ProblemRecordId')[class="hl-string">'RootCauseCategory'].fillna(method=class="hl-string">'ffill')

    class=class="hl-string">"hl-comment"># Define column order
    column_order = [
        class="hl-string">'ProblemRecordId', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'Priority', class="hl-string">'SupportGroup', class="hl-string">'AssigneeName', class="hl-string">'ProblemStatus', class="hl-string">'RelatedIncidentCount',
        class="hl-string">'SlaDueDate', class="hl-string">'ProblemCategory', class="hl-string">'RootCauseCategory'
    ]
    df = df[column_order]

    output_filename = class="hl-string">'zendesk_problem_event_log.csv'
    df.to_csv(output_filename, index=False, date_format=class="hl-string">'%Y-%m-%dT%H:%M:%SZ')
    print(fclass="hl-string">"Extraction complete. Event log saved to {output_filename}")

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

Uw Probleembeheer datatemplate

Uw Probleembeheer datatemplate

Kenmerken van probleembeheer

Probleembeheer Activiteiten

Extractiegidsen

Zendesk Explore Updates History Export

Stappen

Configuratie

a Voorbeeldquery config

SQL Query via Zendesk Data Sharing

Stappen

Configuratie

a Voorbeeldquery sql

Python Extraction using Incremental Export API

Stappen

Configuratie

a Voorbeeldquery python

Klaar om te starten?

Optimaliseer uw Probleembeheer voor Snellere IT-oplossingen

Uw Probleembeheer datatemplate

Uw Probleembeheer datatemplate

Kenmerken van probleembeheer

Probleembeheer Activiteiten

Extractiegidsen

Zendesk Explore Updates History Export

Stappen

Configuratie

a Voorbeeldquery config

SQL Query via Zendesk Data Sharing

Stappen

Configuratie

a Voorbeeldquery sql

Python Extraction using Incremental Export API

Stappen

Configuratie

a Voorbeeldquery python

Wij hechten veel waarde aan je privacy

Klaar om te starten?

Optimaliseer uw Probleembeheer voor Snellere IT-oplossingen