> Continu verbeteren van processen > Verandermanagement > Freshservice > Datatemplate

Datatemplate voor verandermanagement

Freshservice

Attributen voor verandermanagement (21) Activiteiten voor verandermanagement (15) Extractiegidsen (2)

Datatemplate voor verandermanagement

Met deze template verzamel je de juiste data om het verandermanagementproces te analyseren. Je ziet welke attributen je moet verzamelen en welke activiteiten je moet volgen. Ook lees je hoe je deze informatie uit je systeem haalt. Zo zorg je dat de data klaar is voor procesontdekking en -optimalisatie.

Aanbevolen attributen om te verzamelen
Belangrijke activiteiten om te volgen
Data-extractie uit Freshservice

Nieuw met event logs? Lees hoe je een event log voor process mining maakt.

Template downloaden

Attributen voor verandermanagement

Deze datavelden zijn nodig voor een volledig event log en een grondige analyse van het verandermanagementproces.

5 Verplicht 8 Aanbevolen 8 Optioneel

	Naam	Beschrijving
	Activiteitsnaam ActivityName	De naam van een specifieke gebeurtenis of taak in het wijzigingsproces.
Beschrijving Dit attribuut beschrijft één stap of mijlpaal in de levenscyclus van een wijziging, zoals ‘Wijzigingsverzoek aangemaakt’, ‘Goedkeuring aangevraagd’ of ‘Implementatie afgerond’. De volgorde van deze activiteiten voor een bepaald ID van een wijzigingsverzoek vormt de basis van de proceskaart. Door de activiteiten te analyseren, kun je de processtroom in kaart brengen, afwijkingen opsporen en meten hoeveel tijd de verschillende fasen kosten. Waarom dit belangrijk is Dit attribuut bepaalt de stappen in de processtroom. Zo kun je de levenscyclus van wijzigingen visualiseren en procesvarianten en bottlenecks analyseren. Waar vind je dit? Afgeleid uit auditlogboeken, de activiteitenstroom of de geschiedenis van statuswijzigingen van een wijzigingsrecord in Freshservice. Voorbeelden Wijziging goedgekeurdRisicobeoordeling afgerondImplementatie gestartWijziging gesloten
	ID wijzigingsverzoek ChangeRequestId	De unieke identificatiecode van elk wijzigingsverzoek dat in Freshservice is ingediend.
Beschrijving Het ID van het wijzigingsverzoek is de primaire identificatiecode van één wijzigingscase, van de start tot de afsluiting. Het koppelt alle bijbehorende activiteiten, goedkeuringen en logboeken tot één tijdlijn. Zo kun je het hele proces analyseren. Bij process mining is dit ID nodig om de levenscyclus van elke wijziging te reconstrueren en het verloop, de duur en de uitkomst te begrijpen. Waarom dit belangrijk is Dit is het unieke Case-ID waarmee alle bijbehorende gebeurtenissen worden gegroepeerd. Zo kun je het volledige verloop van één wijzigingsverzoek volgen en analyseren. Waar vind je dit? Dit is een primair veld van het Change-object in Freshservice. Voorbeelden CHG-10234CHG-10235CHG-10236
	Tijdstip gebeurtenis EventTime	De exacte datum en tijd waarop een specifieke activiteit of gebeurtenis plaatsvond.
Beschrijving Bij elke activiteit in het proces hoort een timestamp die aangeeft wanneer deze plaatsvond. Deze tijdgegevens zijn nodig om de duur tussen activiteiten te berekenen, wachttijden op te sporen en de totale doorlooptijd van het proces te analyseren. Ze maken prestatieanalyses, het opsporen van bottlenecks en het monitoren van SLA-naleving mogelijk. Waarom dit belangrijk is Deze timestamp is de basis voor alle tijdsanalyses, waaronder de berekening van doorlooptijden, tijdsduren en wachttijden tussen processtappen. Waar vind je dit? Timestamp bij elke vermelding in de auditlogboeken of activiteitenstroom van een wijzigingsrecord in Freshservice. Voorbeelden 2023-10-26T10:00:00Z2023-10-26T11:30:00Z2023-10-27T14:15:00Z
	Bronsysteem SourceSystem	Geeft aan uit welk systeem de data is gehaald.
Beschrijving Dit attribuut geeft aan waar de procesdata vandaan komt. In deze weergave is de waarde altijd ‘Freshservice’. Dit attribuut opnemen is een goede gewoonte, vooral wanneer data uit meerdere systemen wordt samengevoegd. Het geeft belangrijke context en helpt bij databeheer en het oplossen van problemen. Waarom dit belangrijk is Maakt duidelijk waar de data vandaan komt. Dat is belangrijk wanneer je data uit meerdere bedrijfssystemen analyseert. Waar vind je dit? Dit is een vaste waarde die tijdens de data-extractie wordt ingesteld om de herkomst van de data aan te geven. Voorbeelden Freshservice
	Laatste data-update LastDataUpdate	De timestamp die aangeeft wanneer de data voor dit record voor het laatst vanuit het bronsysteem is bijgewerkt.
Beschrijving Dit attribuut registreert de datum en tijd van de meest recente data-extractie of update voor elke gebeurtenis. Zo zie je hoe actueel de data is en kun je controleren of analyses op recente informatie zijn gebaseerd. Dit helpt de data-integriteit te bewaken en geeft context bij de actualiteit van de inzichten. Waarom dit belangrijk is Laat gebruikers zien hoe actueel de data is en helpt controleren of de process mining-analyse op recente data is gebaseerd. Waar vind je dit? Deze timestamp wordt doorgaans aangemaakt en toegevoegd tijdens het inlezen van de data of het ETL-proces. Voorbeelden 2024-05-20T08:00:00Z2024-05-21T08:00:00Z
	Beoogde einddatum TargetCompletionDate	De geplande datum of SLA-datum waarop de wijziging afgerond moet zijn.
Beschrijving Deze datum is de deadline voor het sluiten van een wijzigingsaanvraag en vormt de belangrijkste maatstaf voor het halen van de SLA. Vergelijk de werkelijke eindtijd met de beoogde einddatum om te bepalen of een wijziging op tijd, eerder of te laat is afgerond. Deze datum is een belangrijke invoer voor de KPI ‘Percentage wijzigingen binnen de SLA’. Waarom dit belangrijk is Dient als maatstaf voor tijdige oplevering en het naleven van de SLA, belangrijke indicatoren voor de procesprestaties. Waar vind je dit? Dit kan een apart datumveld zijn, zoals ‘Due by’ of ‘SLA Target’, op het Change-object in Freshservice. Voorbeelden 2023-11-10T17:00:00Z2023-11-15T17:00:00Z
	Eindtijd EndTime	De timestamp van de laatste vastgelegde gebeurtenis voor de case van het wijzigingsverzoek.
Beschrijving De eindtijd markeert het einde van de levenscyclus van een wijzigingsverzoek en komt doorgaans overeen met de activiteit ‘Wijziging gesloten’ of ‘Wijziging geannuleerd’. Samen met de starttijd wordt deze gebruikt om de totale doorlooptijd van begin tot eind per case te berekenen. Door dit attribuut te analyseren, krijg je inzicht in de totale duur en doorvoer van het wijzigingsproces. Waarom dit belangrijk is Dit attribuut is nodig om de totale doorlooptijd van een wijzigingsverzoek te berekenen, een belangrijke KPI voor procesefficiëntie. Waar vind je dit? Dit is de timestamp van de laatste activiteit in het event log voor een bepaald ID van een wijzigingsverzoek. Voorbeelden 2023-11-05T18:00:00Z2023-11-06T09:45:00Z
	Naam aanvrager RequesterName	De naam van de persoon die de wijzigingsaanvraag heeft ingediend.
Beschrijving De aanvrager is de persoon die de wijziging ter beoordeling heeft ingediend. Door data per aanvrager te analyseren, kun je patronen herkennen. Denk aan personen of rollen die vaak wijzigingen aanvragen, of aan aanvragen van bepaalde gebruikers die vaker worden afgewezen of herstelwerk vereisen. In combinatie met informatie over afdelingen kun je de werkdruk analyseren. Waarom dit belangrijk is Maakt zichtbaar waar de vraag naar wijzigingen vandaan komt en kan wijzen op opleidingsbehoeften of gebruikersgroepen met veel aanvragen. Waar vind je dit? Dit is het veld ‘Requested by’ op het Change-object in Freshservice, dat verwijst naar een gebruikersrecord. Voorbeelden Alice JohnsonRobert SmithMaria Garcia
	Risiconiveau RiskLevel	Het ingeschatte risico van de uitvoering van de wijziging.
Beschrijving Het risiconiveau geeft aan welke negatieve gevolgen een mislukte wijziging kan hebben. Veelgebruikte niveaus zijn laag, gemiddeld en hoog. Dit attribuut is belangrijk voor complianceanalyse en om te zien of wijzigingen met een hoger risico een grondiger proces volgen, bijvoorbeeld met extra goedkeuringen of uitgebreidere tests. Zo kun je controleren of de risicobeheersmaatregelen goed worden toegepast. Waarom dit belangrijk is Dit is belangrijk voor compliance en risicoanalyse. Zo krijgen wijzigingen met een hoog risico de juiste aandacht en volgen ze een grondiger proces. Waar vind je dit? Dit komt overeen met het veld ‘Risk’ op het Change-object in Freshservice. Voorbeelden LaagGemiddeldHoogZeer hoog
	Status wijziging ChangeStatus	De huidige of definitieve status van het wijzigingsverzoek.
Beschrijving Dit attribuut geeft de status van een wijzigingsverzoek op een bepaald moment of de uiteindelijke uitkomst aan, zoals ‘Gesloten’, ‘Geannuleerd’ of ‘Afgewezen’. Het is belangrijk voor de uitkomstanalyse: je kunt er succesvol afgeronde wijzigingen mee onderscheiden van wijzigingen die zijn mislukt of stopgezet. Door op status te filteren, kun je specifieke groepen wijzigingen gericht analyseren. Waarom dit belangrijk is Hiermee kun je de uitkomsten van wijzigingen analyseren en inzicht krijgen in het percentage geslaagde, mislukte en geannuleerde wijzigingen. Waar vind je dit? Dit is het veld ‘Status’ van het Change-object in Freshservice. Voorbeelden GeslotenGeannuleerdAfgewezenOpen
	Toegewezen groep AssignedGroup	Het team of de groep die verantwoordelijk is voor de uitvoering van de wijziging.
Beschrijving Dit attribuut geeft aan welk team de wijziging uitvoert, bijvoorbeeld het ‘Network Team’ of ‘Database Administrators’. Door de procesprestaties per toegewezen groep te analyseren, krijg je inzicht in de werkdruk en efficiëntie van teams en kun je knelpunten in de inzet van middelen opsporen. Ook zie je welke teams meer tijd nodig hebben voor de uitvoering of vaker problemen na implementatie hebben. Waarom dit belangrijk is Maakt het mogelijk om de prestaties en werkdruk van verschillende uitvoeringsteams te vergelijken en beperkingen in de beschikbare middelen of goede werkwijzen te herkennen. Waar vind je dit? Dit is het veld ‘Group’ of ‘Assigned Group’ op het Change-object in Freshservice. Voorbeelden InfrastructuurteamApplicatieondersteuningBeveiligingsbeheer
	Wijzigingsprioriteit ChangePriority	Het prioriteitsniveau van de wijzigingsaanvraag, dat het belang ervan voor de bedrijfsvoering aangeeft.
Beschrijving De prioriteit wordt meestal bepaald op basis van de impact en urgentie. Zo kun je bepalen hoe middelen worden ingezet en wanneer wijzigingen worden ingepland. Door te analyseren hoe prioriteit samenhangt met procesmaatstaven zoals doorlooptijd en het halen van SLA’s, zie je of wijzigingen met hoge prioriteit sneller worden afgehandeld dan wijzigingen met lage prioriteit. Zo kun je beoordelen of het prioriteringsbeleid werkt. Waarom dit belangrijk is Helpt vaststellen of het proces wijzigingen met een groot belang voor de bedrijfsvoering goed prioriteert en de middelen daarop afstemt. Waar vind je dit? Dit is het veld ‘Priority’ op het Change-object in Freshservice. Voorbeelden LaagGemiddeldHoogUrgent
	Wijzigingstype ChangeType	De classificatie van de wijziging, zoals standaard, normaal of spoed.
Beschrijving Het wijzigingstype deelt wijzigingsverzoeken in op basis van hun aard, risico en goedkeuringsvereisten. Standaardwijzigingen zijn vooraf goedgekeurd, normale wijzigingen volgen het standaardproces en spoedwijzigingen moeten versneld worden afgehandeld. Door het proces per wijzigingstype te analyseren, zie je of de verschillende typen een eigen route volgen en anders presteren, bijvoorbeeld qua doorlooptijd of slagingspercentage. Waarom dit belangrijk is Door het proces op wijzigingstype in te delen, zie je hoe standaard-, normale en spoedwijzigingen van elkaar verschillen in procesverloop en prestaties. Waar vind je dit? Dit is het veld ‘Wijzigingstype’ van het Change-object in Freshservice. Voorbeelden StandaardNormaalNoodgevalGroot
	Aantal gekoppelde incidenten AssociatedIncidentsCount	Het aantal incidenten dat na de implementatie aan deze wijzigingsaanvraag is gekoppeld.
Beschrijving Deze metriek telt hoeveel incidenten zijn ontstaan door de implementatie van een wijziging en maakt zo de gevolgen ervan zichtbaar. Een hoog aantal kan wijzen op problemen met de planning, tests of kwaliteit van de implementatie. De metriek is een directe invoer voor de KPI ‘Percentage problemen na implementatie’ en is belangrijk om de stabiliteit en het succes van wijzigingen te meten. Waarom dit belangrijk is Meet rechtstreeks de kwaliteit en stabiliteit van geïmplementeerde wijzigingen en helpt wijzigingen te herkennen die dienstverstoringen veroorzaken. Waar vind je dit? Berekend door het aantal Incident-tickets te tellen dat in Freshservice aan een Change-ticket is gekoppeld. Voorbeelden 015
	Afdelingsnaam DepartmentName	De afdeling van de gebruiker die de wijziging heeft aangevraagd.
Beschrijving Dit attribuut geeft organisatorische context en laat zien vanuit welke bedrijfseenheid de wijzigingsaanvraag komt. Door data per afdeling te analyseren, zie je welke onderdelen van de organisatie de meeste wijzigingen aanvragen, de meeste afwijzingen hebben of de langste doorlooptijden ervaren. Deze informatie helpt bij gerichte procesverbetering en het plannen van middelen. Waarom dit belangrijk is Maakt het mogelijk om de procesprestaties en vraag vanuit verschillende bedrijfseenheden te analyseren en verbeteringen daarop af te stemmen. Waar vind je dit? Deze informatie komt meestal uit het gebruikersprofiel van de aanvrager in Freshservice. Voorbeelden FinanciënPersoneelszakenInformatietechnologieMarketing
	Afsluitcode CloseCode	Een code of reden die aangeeft waarom de wijzigingsaanvraag is gesloten.
Beschrijving De afsluitcode geeft specifieke informatie over de uitkomst van een gesloten wijziging. Voorbeelden zijn ‘Succesvol geïmplementeerd’, ‘Teruggedraaid’ en ‘Afgewezen’. Deze data geeft meer context dan alleen de eindstatus en maakt een gedetailleerdere analyse mogelijk van successen en mislukkingen binnen het wijzigingsbeheer. Waarom dit belangrijk is Geeft gedetailleerd inzicht in de uitkomsten van wijzigingen en maakt het mogelijk te analyseren waarom wijzigingen slaagden, mislukten of werden teruggedraaid. Waar vind je dit? Raadpleeg de documentatie van Freshservice of controleer of het Change-formulier een veld ‘Closure Code’ of een vergelijkbaar veld bevat. Voorbeelden SuccesvolSuccesvol met problemenMisluktTeruggedraaid
	Goedkeuringsduur ApprovalDuration	De tijd die een wijzigingsaanvraag in de goedkeuringsfase doorbrengt.
Beschrijving Deze berekende duur meet de tijd tussen het aanvragen van goedkeuring en het verlenen of afwijzen ervan. De metriek is essentieel voor het dashboard ‘Duur van de goedkeuringsfase van wijzigingen’ en helpt bottlenecks in de goedkeuringsworkflow op te sporen. Analyse kan trage goedkeurders, inefficiënte overdrachten tussen groepen of structurele vertragingen in de besluitvorming aan het licht brengen. Waarom dit belangrijk is Meet rechtstreeks hoe efficiënt de goedkeuringsfase verloopt en helpt bottlenecks op te sporen en aan te pakken die wijzigingen vertragen. Waar vind je dit? Berekend als het tijdsverschil tussen de activiteit ‘Approval Requested’ en de activiteit ‘Change Approved’ of ‘Change Rejected’. Voorbeelden 1 dag 2 uur5 uur 30 minuten3 dagen
	Impactniveau ImpactLevel	De ingeschatte impact op de bedrijfsvoering als de wijziging mislukt of een dienst verstoort.
Beschrijving Het impactniveau geeft aan wat de mogelijke gevolgen voor de bedrijfsvoering zijn, van laag (één gebruiker wordt geraakt) tot hoog (de hele organisatie wordt geraakt). Samen met de urgentie bepaalt dit vaak de totale prioriteit. Door data op impact te analyseren, zie je of het proces wijzigingen goed afhandelt die de continuïteit van de bedrijfsvoering ernstig kunnen bedreigen. Waarom dit belangrijk is Helpt bij risicoanalyse en bevestigt dat wijzigingen met een grote mogelijke impact op de bedrijfsvoering zorgvuldiger worden beheerd. Waar vind je dit? Dit komt overeen met het veld ‘Impact’ op het Change-object in Freshservice. Voorbeelden LaagGemiddeldHoog
	Implementatieduur ImplementationDuration	De tijd die nodig is voor de implementatiefase van de wijziging.
Beschrijving Deze metriek berekent de duur van het uitvoerende implementatiewerk, meestal vanaf de activiteit ‘Implementation Started’ tot en met ‘Implementation Completed’. Je gebruikt de metriek om de efficiëntie van de technische uitvoering te analyseren. Ook vormt deze een basis voor het dashboard ‘Efficiëntie van de implementatiefase van wijzigingen’. Een lange duur kan wijzen op technische complexiteit, een tekort aan middelen of onverwachte problemen. Waarom dit belangrijk is Meet de efficiëntie van het technische uitvoerende werk, los van vertragingen bij de planning en goedkeuring. Waar vind je dit? Berekend als het tijdsverschil tussen de activiteiten ‘Implementation Started’ en ‘Implementation Completed’. Voorbeelden 4 uur1 uur 30 minuten8 uur
	SLA overschreden IsSlaBreached	Een booleaanse waarde die aangeeft of de wijzigingsaanvraag na de beoogde datum is afgerond.
Beschrijving Dit attribuut geeft met een binaire waarde aan of de SLA is nageleefd. De waarde is ‘true’ als de eindtijd van de wijziging na de beoogde einddatum valt, en anders ‘false’. Zo kun je eenvoudig dashboards en KPI’s over het halen van SLA’s maken en te late wijzigingen filteren en optellen. Het attribuut ondersteunt rechtstreeks de KPI ‘Percentage wijzigingen binnen de SLA’. Waarom dit belangrijk is Geeft een duidelijke binaire uitkomst voor de SLA-prestaties en maakt rapportages en filters voor tijdige en te late wijzigingen eenvoudiger. Waar vind je dit? Berekend door EndTime te vergelijken met TargetCompletionDate. Als EndTime > TargetCompletionDate, dan is de waarde true. Voorbeelden truefalse
	Urgentie Urgency	Geeft aan hoe snel de wijziging vanuit het oogpunt van de bedrijfsvoering moet worden uitgevoerd.
Beschrijving Urgentie geeft aan hoe tijdgevoelig een wijziging is. Een beveiligingspatch kan bijvoorbeeld zeer urgent zijn. Dit attribuut wordt vaak samen met de impact gebruikt om de prioriteit te bepalen. Zo kun je nagaan of het proces goed reageert op tijdkritische behoeften van de bedrijfsvoering en of urgente wijzigingen daadwerkelijk sneller worden afgehandeld. Waarom dit belangrijk is Geeft aan hoe tijdgevoelig een wijziging is. In combinatie met de doorlooptijd laat dit zien hoe snel het proces reageert. Waar vind je dit? Dit is het veld ‘Urgency’ op het Change-object in Freshservice. Voorbeelden LaagGemiddeldHoog

Verplicht Aanbevolen Optioneel

Activiteiten voor verandermanagement

Dit zijn de belangrijke processtappen en mijlpalen die je in het event log moet volgen om het verandermanagementproces goed in kaart te brengen.

5 Aanbevolen 10 Optioneel

	Activiteit	Beschrijving
	Implementatie afgerond	Dit geeft aan dat het technische werk voor de implementatie van de wijziging is afgerond. Dit wordt doorgaans afgeleid uit een statuswijziging naar een status na de implementatie, zoals ‘Wacht op beoordeling’.
Waarom dit belangrijk is Deze mijlpaal markeert het einde van het belangrijkste implementatiewerk. Dit is het eindpunt voor de berekening van de ‘gemiddelde implementatietijd’ en het begin van test- of beoordelingsactiviteiten. Waar vind je dit? Af te leiden uit een statuswijziging naar bijvoorbeeld ‘Wacht op beoordeling’, ‘Wacht op test’ of ‘Afgerond’. Vastleggen Af te leiden uit een statuswijziging naar ‘Wacht op beoordeling’ of een vergelijkbare status. Gebeurtenistype inferred
	Wijziging gesloten	Dit markeert de officiële afronding van het wijzigingsproces. De gebeurtenis wordt vastgelegd wanneer de status van het wijzigingsticket verandert in de definitieve status ‘Gesloten’.
Waarom dit belangrijk is Dit is de primaire eindgebeurtenis van het proces. Het is het laatste datapunt voor de berekening van de totale ‘gemiddelde doorlooptijd van wijzigingen’ en het ‘nalevingspercentage van de wijzigings-SLA’. Waar vind je dit? Deze gebeurtenis wordt vastgelegd met de timestamp van de laatste statuswijziging naar ‘Gesloten’ in de geschiedenis van het wijzigingsticket. Vastleggen De timestamp van de laatste statuswijziging naar ‘Gesloten’. Gebeurtenistype explicit
	Wijziging goedgekeurd	Een belangrijke mijlpaal: een bevoegde partij, zoals de Change Advisory Board (CAB), keurt het wijzigingsverzoek formeel goed. Dit is doorgaans een expliciete actie die in het systeem wordt vastgelegd.
Waarom dit belangrijk is Dit markeert het einde van de goedkeuringsfase en het begin van de implementatieplanning. Deze activiteit is belangrijk voor het meten van de ‘gemiddelde goedkeuringstijd van wijzigingen’ en het ‘goedkeuringspercentage in één keer’. Waar vind je dit? Freshservice registreert dit als een expliciete gebeurtenis wanneer een goedkeurder op de knop ‘Goedkeuren’ klikt. De gebeurtenis wordt met een timestamp vastgelegd in het activiteitenlogboek van het ticket. Vastleggen De timestamp van de actie ‘Goedgekeurd’ op het tabblad met goedkeuringen of in het activiteitenlogboek. Gebeurtenistype explicit
	Wijziging ingepland	Het toewijzen van een specifieke begin- en eindtijd aan de implementatie van de goedgekeurde wijziging. Dit wordt doorgaans afgeleid wanneer de velden ‘Geplande starttijd’ en ‘Geplande eindtijd’ zijn ingevuld.
Waarom dit belangrijk is Dit is een belangrijke mijlpaal die het begin van de implementatiefase markeert. De activiteit is nodig om de ‘gemiddelde implementatietijd’ te berekenen en de efficiëntie van de planning te analyseren. Waar vind je dit? Af te leiden uit de timestamp waarop de datumvelden voor de planning worden ingevuld en de status verandert in ‘Gepland’ of een vergelijkbare status. Vastleggen Af te leiden uit het invullen van ‘Geplande startdatum’ en een bijbehorende statuswijziging. Gebeurtenistype inferred
	Wijzigingsverzoek aangemaakt	Dit is het officiële begin van het wijzigingsproces: een nieuw wijzigingsverzoek wordt vastgelegd in Freshservice. Deze gebeurtenis wordt expliciet geregistreerd wanneer een gebruiker een nieuw wijzigingsticket opslaat. Daarbij worden een uniek ID voor het wijzigingsverzoek en een aanmaaktimestamp vastgelegd.
Waarom dit belangrijk is Dit is de primaire startgebeurtenis van het proces. De tijd tussen deze activiteit en ‘Wijziging gesloten’ geeft de totale doorlooptijd weer, een belangrijke KPI voor de procesefficiëntie. Waar vind je dit? Deze gebeurtenis wordt expliciet vastgelegd in de auditgeschiedenis van het wijzigingsrecord. De timestamp komt overeen met het moment waarop het wijzigingsticket is aangemaakt. Vastleggen De timestamp waarop het wijzigingsverzoek is aangemaakt. Gebeurtenistype explicit
	Evaluatie na implementatie afgerond	Dit geeft aan dat de evaluatie na implementatie (PIR) is afgerond. Daarbij wordt het resultaat van de wijziging beoordeeld en worden lessen vastgelegd. Dit wordt vaak afgeleid wanneer na de implementatie evaluatienotities worden toegevoegd of een status wordt bijgewerkt.
Waarom dit belangrijk is Zo kun je controleren of de formele evaluatie is uitgevoerd. Door deze activiteit te analyseren, krijg je inzicht in de effectiviteit van wijzigingen en kun je processen blijven verbeteren. Waar vind je dit? Af te leiden uit het invullen van PIR-gerelateerde velden in het wijzigingsformulier na de implementatiedatum, of uit een statuswijziging naar bijvoorbeeld ‘Evaluatie afgerond’. Vastleggen Af te leiden uit het invullen van PIR-notitievelden of een specifieke statuswijziging. Gebeurtenistype inferred
	Goedkeuring aangevraagd	Dit is het moment waarop het wijzigingsverzoek formeel ter beoordeling en goedkeuring wordt ingediend. Dit wordt doorgaans afgeleid uit een statuswijziging naar bijvoorbeeld ‘Wacht op goedkeuring’ of uit de toewijzing aan een goedkeurder.
Waarom dit belangrijk is Deze activiteit markeert het begin van de goedkeuringsfase. De tijd tussen dit moment en ‘Wijziging goedgekeurd’ meten is belangrijk om bottlenecks in de goedkeuringsronde op te sporen. Waar vind je dit? Af te leiden uit het activiteitenlogboek of door statuswijzigingen naar ‘Wacht op goedkeuring’ bij te houden. De timestamp van deze statuswijziging geldt als het tijdstip van de gebeurtenis. Vastleggen Af te leiden uit een statuswijziging naar ‘Wacht op goedkeuring’. Gebeurtenistype inferred
	Implementatie gestart	Dit markeert het begin van de daadwerkelijke uitrol of uitvoering van de wijziging. Dit wordt afgeleid wanneer de status van het wijzigingsverzoek verandert in ‘In uitvoering’ of een vergelijkbare actieve status.
Waarom dit belangrijk is Dit geeft een duidelijk startpunt om de actieve implementatieduur bij te houden. Zo kun je wachttijd onderscheiden van de tijd waarin daadwerkelijk wordt gewerkt. Waar vind je dit? Af te leiden uit een statuswijziging naar bijvoorbeeld ‘In uitvoering’ of ‘Implementatie in uitvoering’ op de geplande starttijd. Vastleggen Af te leiden uit een statuswijziging naar ‘In uitvoering’. Gebeurtenistype inferred
	Notitie toegevoegd aan wijziging	Dit is het toevoegen van een opmerking of notitie aan het wijzigingsverzoek en wijst op communicatie of documentatie. Freshservice registreert deze gebeurtenissen expliciet in de activiteitenfeed van elk ticket.
Waarom dit belangrijk is Notities zijn geen kernstap in het proces, maar kunnen wel context geven bij vertragingen, vooral tijdens de goedkeurings- of planningsfase. Veel notities kunnen wijzen op onduidelijke vereisten of communicatieproblemen. Waar vind je dit? Expliciet vastgelegd in het gedeelte ‘Activiteit’ of ‘Audit’ van een wijzigingsticket, met een timestamp en de gebruiker die de notitie heeft toegevoegd. Vastleggen Vastgelegd als gebeurtenis ‘Notitie toegevoegd’ in het activiteitenlogboek van het ticket. Gebeurtenistype explicit
	Planning afgerond	Dit betekent dat alle benodigde planning voor de wijziging is afgerond, inclusief het opstellen van de implementatie- en terugdraaiplannen. Dit wordt meestal afgeleid uit een statuswijziging na de goedkeuring.
Waarom dit belangrijk is Dit markeert de overgang van planning naar uitvoering. Door de duur van de planningsfase te analyseren, ontdek je waar je de activiteiten vóór de implementatie kunt verbeteren. Waar vind je dit? Af te leiden uit een statuswijziging van een planningsstatus, zoals ‘Wacht op release’, naar een implementatiestatus, zoals ‘Gepland’. Vastleggen Af te leiden uit een statuswijziging vanuit ‘Planning in uitvoering’ of een vergelijkbare status. Gebeurtenistype inferred
	Risicobeoordeling afgerond	Dit geeft aan dat de formele beoordeling van mogelijke risico’s van de wijziging is afgerond. Dit wordt vaak afgeleid wanneer het risiconiveau wordt ingevuld of bijgewerkt, of wanneer een bijbehorende taak is afgerond.
Waarom dit belangrijk is Door deze activiteit bij te houden, kun je controleren of het risicobeleid wordt nageleefd wanneer een risicobeoordeling verplicht is. Ook kun je de ‘dekking van risicobeoordelingen’ analyseren en meten hoeveel tijd deze belangrijke stap kost. Waar vind je dit? Dit wordt waarschijnlijk afgeleid uit een update met timestamp van het veld ‘Risico’ in het wijzigingsformulier, of uit de afronding van een specifieke taak voor risicoanalyse. Vastleggen Af te leiden uit de timestamp waarop het veld ‘Risico’ wordt ingevuld of een bijbehorend checklistitem als afgerond wordt gemarkeerd. Gebeurtenistype inferred
	Testen afgerond	Dit staat voor de afronding van alle vereiste tests en controles om vast te stellen dat de wijziging is geslaagd en geen nadelige gevolgen heeft gehad. Dit kan worden afgeleid uit het sluiten van een taak of een statuswijziging.
Waarom dit belangrijk is Door deze activiteit bij te houden, kun je de KPI ‘percentage afgeronde tests’ meten en controleren of wijzigingen goed zijn getest voordat ze definitief worden afgesloten. Zo beperk je problemen na de implementatie. Waar vind je dit? Deze activiteit is soms lastig vast te leggen. Mogelijk moet je haar afleiden uit de afronding van een gekoppelde taak ‘Testen’ of een statuswijziging naar ‘Testen afgerond’. Vastleggen Af te leiden uit de afsluiting van een testtaak die aan de wijziging is gekoppeld. Gebeurtenistype inferred
	Wijziging afgewezen	Dit geeft aan dat een goedkeurder het wijzigingsverzoek formeel heeft afgewezen, waardoor het niet verder kan. Deze actie wordt expliciet vastgelegd en leidt vaak tot een herstelronde.
Waarom dit belangrijk is Deze activiteit is belangrijk om herstelwerk te analyseren en oorzaken van mislukte processen op te sporen. Veel afwijzingen wijzen op problemen met de kwaliteit van verzoeken of de risicobeoordeling. Waar vind je dit? Freshservice registreert dit als een expliciete gebeurtenis wanneer een goedkeurder op de knop ‘Afwijzen’ klikt. De gebeurtenis wordt vastgelegd in het activiteitenlogboek van het ticket. Vastleggen De timestamp van de actie ‘Afgewezen’ op het tabblad met goedkeuringen of in het activiteitenlogboek. Gebeurtenistype explicit
	Wijziging geannuleerd	Dit staat voor het beëindigen van een wijzigingsverzoek voordat het is afgerond. Dit is een alternatieve eindstatus, die wordt vastgelegd wanneer de ticketstatus wordt ingesteld op ‘Geannuleerd’ of ‘Ingetrokken’.
Waarom dit belangrijk is Door geannuleerde wijzigingen te analyseren, ontdek je mogelijk problemen in de eerste plannings- of goedkeuringsfase. Denk aan verzoeken die niet meer nodig zijn of geen geldige zakelijke onderbouwing hebben. Waar vind je dit? Vastgelegd met de timestamp van de statuswijziging naar ‘Geannuleerd’ of een vergelijkbare eindstatus die niet ‘Gesloten’ is. Vastleggen De timestamp van de statuswijziging naar ‘Geannuleerd’. Gebeurtenistype explicit
	Wijziging heropend	Dit gebeurt wanneer een eerder gesloten of opgelost wijzigingsverzoek weer een open status krijgt, meestal door problemen die na de implementatie zijn ontdekt. Dit wordt afgeleid uit een statuswijziging van gesloten naar open.
Waarom dit belangrijk is Deze activiteit wijst vaak op herstelwerk of een mislukte wijziging. Door de frequentie bij te houden, krijg je inzicht in de kwaliteit van wijzigingen en de effectiviteit van tests. Waar vind je dit? Af te leiden door in het activiteitenlogboek van het ticket een statuswijziging van ‘Gesloten’ of ‘Opgelost’ naar ‘Open’ of ‘In uitvoering’ te herkennen. Vastleggen Herken een statuswijziging van een eindstatus, bijvoorbeeld ‘Gesloten’, naar een niet-definitieve status, bijvoorbeeld ‘Open’. Gebeurtenistype inferred

Aanbevolen Optioneel

Extractiegidsen

Zo haal je data uit Freshservice

Stappen

Open Freshservice Analytics: Log in op je Freshservice-omgeving met een account dat rapporten mag maken en bekijken in de Analytics-module.
Maak een rapport: Ga naar Analytics. Maak een rapport en geef het een duidelijke naam, bijvoorbeeld "Process Mining - Change Management Event Log".
Voeg de eerste widget toe (Change Request Created): Voeg een widget toe aan het rapport. Selecteer de module 'Changes'. Gebruik 'Count of Changes' als metriek. Voeg in het gedeelte 'Group by' de velden 'Change ID' en 'Created at' toe. Deze widget levert de data voor de activiteit 'Change Request Created'.
Stel rapportfilters in: Pas een algemeen filter toe op basis van de datum 'Created at' om de analyseperiode te bepalen, bijvoorbeeld de afgelopen 6 maanden. Pas dit filter ook toe op alle volgende widgets, zodat de data consistent is.
Maak voor elke activiteit een widget: Voeg voor elk van de 15 vereiste activiteiten een widget toe en stel deze in. Gebruik verschillende velden, statussen en modules om elke gebeurtenis afzonderlijk te selecteren. Voor 'Change Approved' kun je bijvoorbeeld groeperen op de datum 'Approved on'. Voor statusgebeurtenissen zoals 'Implementation Started' gebruik je een metriek met het filter Status is In Progress en groepeer je op de timestamp Last Updated at voor de betreffende changes. Raadpleeg het gedeelte 'query' voor de instellingen van elke widget.
Exporteer de onderliggende data: Zodra alle 15 widgets zijn ingesteld en het rapport is geladen, open je elke widget afzonderlijk. Klik op het optiesymbool (drie puntjes), kies 'Export' en daarna 'Export underlying data'. Selecteer CSV als bestandsformaat.
Voeg de geëxporteerde bestanden samen: Je hebt nu 15 afzonderlijke CSV-bestanden. Open elk bestand en voeg een kolom met de naam ActivityName toe. Vul deze kolom met de naam van de bijbehorende activiteit, bijvoorbeeld 'Change Request Created' voor het eerste bestand en 'Change Approved' voor het tweede.
Voeg de data samen in één event log: Combineer de data uit de 15 aangepaste CSV-bestanden in één hoofd-CSV-bestand. Controleer vóór het samenvoegen of de kolomkoppen in alle bestanden hetzelfde zijn.
Maak kolomnamen consistent: Hernoem in het hoofdbestand de kolommen zodat ze overeenkomen met het vereiste schema. Hernoem bijvoorbeeld 'Change ID' naar ChangeRequestId en de datumkolommen in de afzonderlijke bestanden, zoals 'Created at' en 'Approved on', naar EventTime.
Voeg vaste en aanbevolen attributen toe: Voeg de volgende kolommen toe aan je spreadsheet: SourceSystem (vul voor alle rijen 'Freshservice' in) en LastDataUpdate (vul de datum en tijd van de export in). Voeg ook kolommen toe voor aanbevolen attributen, zoals ChangeStatus en ChangeType. Je kunt deze vullen met een apart 'enrichment'-rapport in Freshservice met de gegevens per Change ID. Koppel de data met een spreadsheetfunctie zoals VLOOKUP.
Controleer de opmaak: Controleer of de timestamps in het uiteindelijke CSV-bestand hetzelfde formaat hebben, er geen lege rijen zijn en de kolomkoppen exact overeenkomen met het vereiste schema voor upload naar ProcessMind.

Configuratie

Vereisten: Je hebt toegang nodig tot de Freshservice Analytics-module. Deze is doorgaans beschikbaar in de Pro- en Enterprise-abonnementen. Je account moet rapporten mogen maken en verandermanagementdata mogen bekijken.
Filter voor datumbereik: Pas op het hele rapport hetzelfde datumbereikfilter toe, bijvoorbeeld 'Created at is in the last 180 days'. Zo halen alle widgets data op uit dezelfde verzameling change requests.
Widgetinstellingen: Stel elke widget zo in dat deze één bedrijfsactiviteit afzonderlijk weergeeft. Dit doe je vaak door op een specifieke status te filteren, een apart datumveld te gebruiken, zoals 'Approved on', of het veld 'Last Updated at' te combineren met een statusfilter.
Export van onderliggende data: Gebruik altijd de optie 'Export underlying data'. Gebruik niet de optie 'Export' voor een afbeelding van de widget of samengevatte data. Alleen met de onderliggende data krijg je de ruwe gegevens per rij die nodig zijn voor een event log.
Prestaties: Rapporten met meer dan twaalf widgets en een groot datumbereik (langer dan een jaar) kunnen langzaam laden. Voer het rapport uit en exporteer de data bij voorkeur buiten piekuren om de impact op de prestaties te beperken.

a Voorbeeldquery sql

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Stappen

Vereisten: Zorg dat Python 3 op je systeem is geïnstalleerd. Installeer de benodigde bibliotheken, requests voor API-aanroepen en pandas voor dataverwerking, met deze opdracht in je terminal: pip install requests pandas.
Vraag een API-sleutel aan: Log als beheerder in op je Freshservice-omgeving. Ga naar je profielinstellingen, open het API-gedeelte en genereer een nieuwe API-sleutel. Bewaar deze sleutel veilig, want je hebt hem nodig voor het script.
Stel het script in: Maak een Python-bestand, bijvoorbeeld extract_freshservice_changes.py. Kopieer het volledige Python-script uit het gedeelte query naar dit bestand. Vul bovenaan de variabelen FRESHSERVICE_DOMAIN (bijvoorbeeld your-company.freshservice.com) en API_KEY in met je gegevens.
Stel de extractieperiode in: Pas de variabele UPDATED_SINCE_FILTER in het script aan om de begindatum voor de data-extractie in te stellen. Gebruik hiervoor ISO 8601-notatie, bijvoorbeeld YYYY-MM-DDTHH:MM:SSZ. Begin bij voorkeur met een recente periode van 3 tot 6 maanden.
Voer het script uit: Start het script vanuit je terminal met de opdracht python extract_freshservice_changes.py. Het script haalt change- en activiteitsdata op via de Freshservice API en toont de voortgang terwijl het de resultatenpagina’s verwerkt.
Haal de API-data op: Het script doorloopt alle change requests die binnen de opgegeven periode zijn bijgewerkt. Voor elke change haalt het de volledige activiteitengeschiedenis op. Bij grote datasets kan dit lang duren door de limieten op het aantal API-aanroepen.
Zet de data om in een event log: Het script verwerkt het ruwe JSON-resultaat. Op basis van activiteitstypen en statuswijzigingen herkent het specifieke gebeurtenissen, zoals 'Change Request Created', 'Status changed to Closed' en 'Note added'. Vervolgens zet het deze gegevens om naar de vereiste structuur voor het event log, met één rij per herkende activiteit.
Bereken extra attributen: Na het maken van het eerste event log voert het script verdere bewerkingen uit. Het voegt vaste kolommen toe, zoals SourceSystem en LastDataUpdate. Ook berekent het voor elke case de EndTime door voor elke unieke ChangeRequestId de laatste EventTime te bepalen.
Exporteer naar CSV: Na afloop slaat het script het uiteindelijke event log op als freshservice_change_management_event_log.csv in de map waarin je het script hebt uitgevoerd. Dit bestand is opgemaakt om rechtstreeks naar een process mining-tool te uploaden.

Configuratie

API-sleutel: Je hebt een Freshservice API-sleutel nodig. Deze moet gekoppeld zijn aan een beheerder of een gebruikersprofiel met volledige leestoegang tot de module Change Management.
Freshservice-domein: Vul het specifieke Freshservice-domein van je organisatie in, bijvoorbeeld your-company.freshservice.com.
Datumbereik (UPDATED_SINCE_FILTER): Deze instelling filtert changes op basis van het tijdstip waarop ze voor het laatst zijn bijgewerkt. Voor een volledige geschiedenis moet je het script mogelijk uitvoeren met een zeer vroege begindatum. Voor een eerste analyse is een periode van 3 tot 6 maanden aan te raden om de prestaties beheersbaar te houden. Een volledige historische extractie kan lang duren en tegen API-limieten aanlopen.
Statuskoppelingen: Het script leidt veel activiteiten af uit statuswijzigingen, bijvoorbeeld 'Implementation Started' uit de status 'In Progress'. De statusnamen staan vast in het script. Mogelijk moet je deze aanpassen aan de aangepaste statussen in je Freshservice-omgeving.
Prestaties: Het script haalt de activiteiten van elke change request afzonderlijk op. Bij tienduizenden changes kan de extractie enkele uren duren door het aantal API-aanroepen en mogelijke beperkingen daarop.

a Voorbeeldquery python

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

    df = pd.DataFrame(event_log)

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

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

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

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

Klaar om aan de slag te gaan?

Begin vandaag met het verbeteren van verandermanagement. Bereid je data voor met deze complete template. Breng verborgen inzichten aan het licht en zorg voor efficiëntere implementaties.

Terug naar de verbetergids Template downloaden

Voorkom mislukte changes: verbeter Freshservice-beheer vandaag nog

Behaal 95% succesvolle changes en voorkom verstoringen en vertragingen in Freshservice.

Start je gratis proefperiode

Geen creditcard nodig. Je kunt binnen enkele minuten aan de slag.

Datatemplate voor verandermanagement

Datatemplate voor verandermanagement

Attributen voor verandermanagement

Activiteiten voor verandermanagement

Extractiegidsen

Export van ruwe data uit Freshservice Analytics

Stappen

Configuratie

a Voorbeeldquery sql

Data-extractie met een Python-script via de Freshservice REST API

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Voorkom mislukte changes: verbeter Freshservice-beheer vandaag nog

Datatemplate voor verandermanagement

Datatemplate voor verandermanagement

Attributen voor verandermanagement

Activiteiten voor verandermanagement

Extractiegidsen

Export van ruwe data uit Freshservice Analytics

Stappen

Configuratie

a Voorbeeldquery sql

Data-extractie met een Python-script via de Freshservice REST API

Stappen

Configuratie

a Voorbeeldquery python

Klaar om aan de slag te gaan?

Voorkom mislukte changes: verbeter Freshservice-beheer vandaag nog

We gaan zorgvuldig om met je privacy