> 持续流程改进 > 服务请求管理 > Zendesk Support > 数据模板

您的服务请求管理数据模板

Zendesk Support

← 返回改进指南

服务请求管理属性 (21) 服务请求管理活动 (13) 提取指南 (3)

您的服务请求管理数据模板

此模板全面介绍如何提取必要数据，以分析Zendesk Support中的服务请求管理流程。模板列出了需要收集的关键数据属性、需要跟踪的核心活动，以及如何直接从系统中提取这些信息的实用指南。使用此资源为流程挖掘项目构建可靠的事件日志。

全面分析所需的推荐属性
需要跟踪的关键服务请求活动
Zendesk Support数据提取指南

刚接触事件日志？了解如何创建流程挖掘事件日志.

下载模板

服务请求管理属性

以下是建议纳入事件日志的数据字段，用于全面分析Zendesk Support中的服务请求管理。

5 必需 7 建议 9 可选

	名称	说明
	开始时间 EventTimestamp	活动发生的准确日期和时间。
说明 Event Timestamp或Start Time记录活动发生的准确时刻。例如，客服分配、发送公开回复或工单状态变更为“Resolved”的时间，均可通过该字段记录。这些时间数据来源于每个Zendesk工单的审计日志。该属性是所有基于时间的分析的关键。它用于按时间顺序排列事件、计算活动间隔、衡量等待时间，以及分析案件整体周期时间，也是识别瓶颈和评估SLA等时间目标达成情况的基础。为什么重要该时间戳按时间顺序排列事件，是所有时长、绩效和瓶颈分析的基础。获取位置 Zendesk Ticket Audits API中每个审计事件的“created_at”字段。示例 2023-10-26T10:00:00Z2023-10-26T10:15:30Z2023-10-27T14:20:10Z
	服务请求ID ServiceRequestId	Zendesk中每个服务请求工单的唯一标识符。
说明服务请求ID在Zendesk中通常称为工单ID，是每个案例的主键。它将从请求创建到关闭期间的所有相关活动、评论和状态变更关联起来，从而完整追踪单个请求的端到端生命周期。在流程挖掘分析中，该属性至关重要。它定义了案例，使系统能够重建流程、识别变体，并计算周期时间等案例级指标。数据集中的每个事件都必须关联一个服务请求ID，才能理解其在整体流程中的上下文。为什么重要这是连接服务请求整个处理过程所有事件的核心案件标识，使端到端流程分析成为可能。获取位置 Zendesk Tickets API中的“id”字段。示例 102451024610247
	活动 ActivityName	服务请求中发生的业务活动或事件名称。
说明 Activity表示服务请求生命周期中的一个独立步骤或事件，例如“Service Request Created”“Request Assigned to Agent”或“Service Request Resolved”。这些活动源自Zendesk工单审计日志中记录的变更，包括状态、负责人、优先级等字段的修改以及评论的添加。活动分析是流程挖掘的核心。它可以将流程图可视化，识别步骤之间的瓶颈，并分析返工循环。通过了解活动的顺序和频率，组织可以发现低效环节和流程改进机会。为什么重要此属性定义流程中的步骤，用于可视化流程图，并分析流程、变体和一致性检查。获取位置该属性在概念上源自Zendesk Ticket Audits API记录的事件。例如，可将“status”字段从“new”变更为“open”映射为“Request Triaged”等活动。示例服务请求已创建客服已重新分配服务请求已解决
	最后更新时间 LastDataUpdate	表示数据最近一次从源系统刷新时间的时间戳。
说明该属性记录最近一次从Zendesk Support提取数据的日期和时间，帮助您了解当前分析数据的新鲜度，明确流程视图反映的是最新数据还是之前某一时段的快照。对于持续监控和仪表板分析，这一信息十分重要。它可以帮助分析人员和业务用户判断当前查看的是近实时数据，还是此前时段的快照，从而评估分析结论的有效性。为什么重要提供数据新鲜度这一关键背景信息，让用户了解分析结果的时效性。获取位置这是在提取数据时生成并写入数据集的元数据字段。示例 2023-10-27T08:00:00Z
	源系统 SourceSystem	表示数据提取自哪个系统。
说明该属性指定服务请求数据的来源。在此流程视图中，其值始终为“Zendesk Support”，表示该系统是所有服务管理活动的记录系统。在包含多个集成系统的环境中，该字段对于数据血缘和问题排查至关重要。它可确保分析范围限定在目标系统内，并帮助您区分来自不同来源的数据。为什么重要标识数据的来源系统，确保数据血缘清晰，并避免合并多个系统数据时产生混淆。获取位置这是在数据提取和转换过程中添加的静态值（“Zendesk Support”）。示例 Zendesk Support
	分配团队 AssignedTeam	负责服务请求的支持团队或群组。
说明该属性表示支持组织内负责服务请求的团队或群组。在Zendesk中，这些对象称为“Groups”。工单通常会先分配给群组，再由具体客服接手。按Assigned Team分析对于了解团队级绩效和工作量至关重要。它有助于回答哪些团队处理哪些类型的请求、平均解决时间是多少，以及SLA遵循率如何等问题，也是Agent & Team Performance仪表板的主要分析维度。为什么重要支持分析团队绩效、工作负载平衡，以及不同支持组之间的路由效率。获取位置 Zendesk Groups API，通过关联Tickets API响应中的'group_id'。示例一级支持技术支持账单
	客服姓名 AgentName	事件发生时分配给服务请求的客服姓名。
说明该属性标识负责处理服务请求的支持客服。在工单生命周期内，负责人可能多次变更，该字段会记录每个步骤对应的负责人。 Agent Name对于绩效分析至关重要。它支持按客服筛选和细分数据，用于评估工作量分布、客服解决时间和重新分配频率。这有助于构建Agent & Team Performance仪表板，并了解个人对整体流程效率的贡献。为什么重要该属性对于分析客服绩效、工作量分布以及重新分配对解决时间的影响至关重要。获取位置通过Tickets API响应中的“assignee_id”字段关联Zendesk Users API。示例 Jane DoeJohn SmithEmily Jones
	工单标签 TicketTags	应用于服务请求的标签列表，用于分类和路由。
说明标签是灵活的标记，可由代理手动添加到工单，也可通过业务规则自动添加。它们用于补充Type或Priority等标准字段未涵盖的具体背景或类别。标签是流程挖掘分析中非常灵活的属性。您可以使用标签筛选特定场景、跟踪自定义工作流或识别根因。例如，可使用“VIP”标签分析重点客户的流程，或使用“product_bug”标签跟踪缺陷报告的生命周期。为什么重要提供灵活的数据切分方式，支持深入分析特定子流程或其他字段未记录的工单属性。获取位置 Zendesk Tickets API，字段'tags'。该字段为字符串数组。示例销售咨询账单问题功能请求VIP客户
	服务类型 ServiceType	服务请求的类别或类型，例如Incident、Question、Problem、Task。
说明服务类型用于对服务请求的性质进行分类。Zendesk使用'type'字段区分不同类型的支持互动。此初始分类有助于将工单路由至正确团队，并应用适当的流程。此属性对于筛选和比较至关重要。分析人员可以据此查看不同请求类型的流程路径，而不同类型通常具有截然不同的解决路径和SLA。它也是“代理与团队绩效”仪表板的重要维度，可用于了解谁最擅长处理特定类型的请求。为什么重要对请求进行分类，以便分别分析不同流程，例如Incident和Question，因为它们通常遵循不同的路径。获取位置 Zendesk Tickets API，字段'type'。示例问题事件问题任务
	请求优先级 RequestPriority	服务请求的优先级，例如Low、Normal、High或Urgent。
说明请求优先级用于标识服务请求的紧急程度。该级别通常决定工单的目标解决时间和适用的SLA策略。优先级可由系统或用户初始设置，也可由代理在工单生命周期内修改。此属性对于分段分析和根因分析至关重要。它有助于判断高优先级工单是否比低优先级工单解决得更快，也是“服务请求升级趋势”和“SLA遵从性”仪表板的重要分析维度。为什么重要支持按紧急程度对请求进行分段，这对于分析SLA合规性并确保关键问题得到及时处理至关重要。获取位置 Zendesk Tickets API，字段'priority'。示例低正常高紧急
	请求渠道 RequestChannel	提交服务请求所使用的渠道，例如Email、Web Form、Phone。
说明此属性用于标识服务请求的提交来源。Zendesk会记录工单的创建方式，包括电子邮件、Web门户、API集成、聊天或其他渠道，从而提供客户互动方式的背景信息。请求渠道是一个重要的分析维度。它支持“请求渠道效率”仪表板，可比较不同渠道的解决时间、满意度评分和返工率。这有助于企业优化支持渠道，并引导用户使用效率更高的渠道。为什么重要帮助分析不同客户支持渠道的效率和结果，从而支持有针对性的改进。获取位置 Zendesk Tickets API，对象'via'及其'channel'属性。示例网页电子邮件API聊天
	请求状态 RequestStatus	事件发生时服务请求的状态，例如New、Open、Pending。
说明请求状态表示工单在特定时间点所处的状态。Zendesk提供New、Open、Pending、On-hold、Solved和Closed等标准状态，用于标记请求在生命周期中的进展。该字段的变化是事件日志中创建活动的主要触发条件。分析工单在不同状态下耗费的时间，是瓶颈分析的核心内容。它有助于识别工单卡在哪个环节，例如在“Pending”或“On-hold”状态下停留过久。了解状态转换也是发现返工循环的关键。为什么重要跟踪状态是了解请求进展、识别等待状态和活动状态耗时的基础。获取位置 Zendesk Tickets API，字段'status'。示例新建已打开待处理已解决已关闭
	SLA策略名称 SlaPolicyName	应用于请求的服务级别协议（SLA）策略名称。
说明此属性用于标识管理服务请求目标响应时间和解决时间的具体SLA策略。策略通常根据请求的优先级、类型或客户订阅级别等因素确定。了解所应用的SLA策略，是“SLA遵从性与违约分析”仪表板的基础。它为绩效评估提供必要背景，因为不同策略的目标不同。这样可以准确、公平地判断工单是否达到其对应的服务级别目标。为什么重要通过标识请求所依据的目标集合，为SLA分析提供背景，从而支持准确的合规报告。获取位置 Zendesk Ticket Metrics API。SLA数据通常与工单指标相关联。示例紧急－1小时响应标准－24小时解决高级客户SLA
	代理重新分配次数 AgentReassignmentCount	请求从一名代理重新分配给另一名代理的总次数。
说明此属性用于统计工单'assignee_id'字段每次发生变化的次数。单个工单的重新分配次数较高，可能表明存在多种流程问题，例如初始路由错误、代理知识不足，或请求过于复杂，单名代理难以处理。这是衡量流程效率的关键指标，直接支持“代理重新分配率”KPI。分析重新分配次数较高的案例，可以发现改进路由规则、代理培训或知识库资源的机会，确保工单更快交给合适的人员。为什么重要帮助量化内部交接并识别流程摩擦，因为较高的重新分配率通常会导致延迟和效率下降。获取位置通过统计Zendesk Ticket Audits API中每个工单'assignee_id'的变更次数计算。示例 013
	是否返工 IsRework	如果服务请求在解决后重新打开，则该标记为true。
说明此布尔标记用于识别发生返工的案例。如果服务请求的状态从“Solved”重新变为开放状态，通常就会被视为返工，这表明初次解决不充分，客户必须针对同一问题再次跟进。此属性对于计算“服务请求返工率”KPI以及“返工与重新打开活动分析”仪表板至关重要。标记返工案例后，分析人员可以单独研究这些低效流程，发现重新打开的根因，并改进首次联系解决率。为什么重要识别未能一次性解决的问题流程，突出显示直接影响客户满意度的质量和效率问题。获取位置通过分析Zendesk Ticket Audits API中工单的状态序列计算。从'solved'转换为'open'表示发生返工。示例 truefalse
	是否违反SLA IsSlaBreached	用于标识服务请求是否违反任一SLA目标的标记。
说明此属性是用于显示工单SLA结果的布尔或分类标记，可表示“Met”“Breached”或“Active”等状态。该结果通过比较实际响应时间或解决时间与所应用SLA策略中定义的目标得出。这是“SLA遵从性与违约分析”仪表板的关键属性。它支持快速统计和可视化合规与不合规工单。随后可进一步分析违反SLA的工单特征，识别等待时间过长或重新分配过多等根因。为什么重要直接衡量绩效是否达到服务级别承诺，是服务质量和客户满意度的重要指标。获取位置源自Zendesk Ticket Metrics API，该API提供每个工单的SLA状态信息。示例已达标已违约活动
	是否首次联系解决 IsFirstContactResolution	用于标识请求是否由首次分配的代理解决，且期间没有重新分配，也没有请求人回复。
说明首次联系解决（FCR）是衡量客户问题是否通过一次互动解决的关键指标。此计算属性为布尔标记：如果工单由首次分配的代理解决，没有发生重新分配，且代理仅回复一次，则值为true。此属性直接支持“首次联系解决率”KPI。分析FCR案例的特征，可以为流程卓越提供参考。反过来，分析未达到FCR的案例，则有助于发现改进代理培训、知识库文章或初始分诊的机会。为什么重要衡量一次处理即可高效解决问题的能力，这是提升客户满意度和运营效率的重要因素。获取位置这是一个复杂的计算属性，需要分析工单的事件日志，以检查代理重新分配情况和代理公开回复次数。示例 truefalse
	满意度评分 SatisfactionRating	请求人在工单解决后提供的满意度评分。
说明此属性记录客户对支持体验的反馈，通常通过工单标记为Solved后的调查收集。常见评分包括“Good”或“Bad”，有时还会附带评论。满意度评分是关键结果指标。将流程模式与满意度评分关联起来，可以揭示哪些流程行为会带来满意或不满意的客户体验。例如，分析可能显示，较高的重新分配率或较长的解决时间与负面满意度评分高度相关。为什么重要建立流程执行与客户结果之间的直接联系，帮助识别影响客户满意度的流程行为。获取位置 Zendesk Tickets API，字段'satisfaction_rating.score'或'satisfaction_rating.reason'。示例良好不佳已提供
	结束时间 EndTime	活动完成的准确日期和时间。
说明 End Time表示活动完成的时间。Zendesk中的许多事件都是瞬时发生的，因此End Time与Start Time相同。但对于“Request Placed On-Hold”等基于状态的活动，End Time应为工单解除暂停的时间。该属性对于计算具体活动的持续时间至关重要，也是瓶颈分析的基础。比较活动的Start Time和End Time，可以直接衡量处理时间，定位最耗时的步骤。为什么重要支持计算单个活动的持续时间，对于识别流程瓶颈和衡量步骤级效率至关重要。获取位置对于离散事件，该值通常与StartTime相同。对于状态持续时间，该值是下一个改变状态的事件时间戳。示例 2023-10-26T10:00:00Z2023-10-26T10:15:30Z2023-10-27T14:20:10Z
	请求人姓名 RequestorName	提交服务请求的最终用户或客户姓名。
说明此属性用于标识发起服务请求的个人。将请求关联到具体客户，可以从用户视角了解支持流程。在流程分析中，可利用请求人分析特定客户或客户群体的行为模式。例如，您可以调查某些客户是否经历了更长的解决时间或更高的返工率，这可能表明其所使用的产品或服务存在问题。为什么重要将流程与客户关联起来，支持分析客户特定问题、重复请求和满意度。获取位置 Zendesk Users API，通过关联Tickets API响应中的'requester_id'。示例 Alice JohnsonBob WilliamsCharlie Brown
	请求人所属组织 RequestorOrganization	请求人所属的组织或公司。
说明此属性将服务请求关联到具体客户组织。在B2B支持场景中，这一点尤其重要，因为服务级别协议和支持合同通常以组织为单位制定。按组织分析数据，可以从公司层面了解支持绩效，帮助识别工单量较大、问题反复出现或满意度评分较低的组织。这对于客户管理和识别更广泛的客户健康趋势很有价值。为什么重要通过按公司对请求分组，支持B2B服务分析，对于在组织层面管理客户关系和SLA至关重要。获取位置 Zendesk Organizations API，通过关联Tickets API响应中的'organization_id'。示例 Acme CorporationGlobal Tech Inc.Innovate Solutions

必需建议可选

服务请求管理活动

以下是需要记录在事件日志中的关键流程步骤和里程碑，用于准确发现服务请求流程。

7 建议 6 可选

	活动	说明
	SLA目标已违约	该活动标志着服务请求未达到既定SLA目标的时刻，例如首次回复时间或解决时间目标。未达到目标时，Zendesk会将其记录为明确事件。
为什么重要这是监控合规情况的关键事件，也是SLA遵循率KPI的重要输入，用于定位未履行服务承诺的情况。获取位置从Zendesk工单事件或审计日志中的“SLABreach”事件获取。该事件会说明发生违约的SLA指标。采集通过工单数据中的明确“SLABreach”事件识别。事件类型 explicit
	已发送公开回复	该活动表示客服向请求者发送的任何沟通内容。在Zendesk工单数据中，它会记录为明确的“Comment”事件，且“public”属性为true。
为什么重要这些事件对于分析沟通频率、衡量客服响应时间以及识别解决请求所需的互动次数至关重要。获取位置这是工单数据中的明确“Comment”事件。事件详情包含“public: true”属性，用于区别于内部备注。采集从工单“Comment”事件中获取，其中“public”标志设置为true。事件类型 explicit
	服务请求已关闭	表示服务请求最终且永久关闭。工单在处于“solved”状态一段时间后会自动转为“closed”，之后无法重新打开。
为什么重要该活动标志着服务请求流程的确定性终点，为计算完整案件时长提供最终结束点。获取位置根据工单审计日志中“status”字段的新值为“closed”的“Change”事件推断。采集根据审计日志中状态变为“closed”的“Change”事件推断。事件类型 inferred
	服务请求已创建	当请求者通过任意渠道提交新工单时，标志着服务请求生命周期的开始。在Zendesk工单审计日志中，该操作会记录为“Create”事件，为流程提供明确的开始时间。
为什么重要该活动是每个服务请求的主要开始事件，对于计算端到端周期时间和分析请求受理量至关重要。获取位置该操作在Zendesk工单审计日志中记录为“Create”事件类型。此事件的时间戳即服务请求工单的创建时间。采集直接从工单审计日志中的“Create”事件获取。事件类型 explicit
	服务请求已解决	当客服提供解决方案并将工单状态改为“solved”时，会发生此活动。从客服角度看，请求已完成，但请求者仍可将其重新打开。
为什么重要这是一个重要里程碑，标志着客服主动处理工作的结束。达到该状态所需的时间是衡量解决效率的主要指标。获取位置根据工单审计日志中“status”字段的新值为“solved”的“Change”事件推断。采集根据审计日志中状态变为“solved”的“Change”事件推断。事件类型 inferred
	服务请求已重新打开	当请求者回复处于“solved”状态的请求时，会自动将其状态改回“open”。这表示原有解决方案并不充分。
为什么重要该活动是返工的主要指标。分析其发生频率有助于衡量解决质量，并识别客户不满意的原因。获取位置根据工单审计日志中“status”字段的“Change”事件推断，其中原值为“solved”，新值为“open”。采集根据状态从“solved”变更为“open”推断。事件类型 inferred
	请求已分配给客服	当服务请求首次分配给特定客服时，会发生此活动。它根据工单审计日志中的“Change”事件推断得出，该事件中“assignee_id”字段从null或群组ID变为具体值。
为什么重要这标志着客服开始主动处理请求，对于衡量初次响应时间、首次分配延迟和客服工作量分布至关重要。获取位置根据工单审计日志中“assignee_id”字段的第一个“Change”事件推断，该事件会设置具体用户ID。采集根据将“assignee_id”字段设置为客服ID的第一个变更事件推断。事件类型 inferred
	优先级已变更	表示服务请求的优先级已更新，例如从“Low”“Normal”“High”或“Urgent”中进行变更。该操作会作为工单审计日志中“priority”字段的“Change”事件记录。
为什么重要分析优先级变更有助于识别紧急程度随时间上升的请求，并评估优先级管理是否有效。获取位置记录为Zendesk工单审计日志中“priority”字段的“Change”事件，并显示变更前后的值。采集根据审计日志中“priority”字段的“Change”事件推断。事件类型 inferred
	客服已重新分配	表示服务请求的负责人从一名客服转交给另一名客服。该活动根据首次分配之后“assignee_id”字段的后续“Change”事件推断。
为什么重要跟踪重新分配是计算客服重新分配率KPI的关键，有助于识别流程低效、路由错误或知识缺口。获取位置根据工单审计日志中“assignee_id”字段的“Change”事件推断，但不包括工单的首次分配事件。采集根据“assignee_id”字段的第二次及后续“Change”事件推断。事件类型 inferred
	已应用SLA目标	表示服务级别协议（SLA）策略应用于服务请求工单的时刻。当工单属性符合有效SLA策略的条件时，系统会明确记录此事件。
为什么重要跟踪SLA的应用时间对于监控合规情况、分析潜在违约以及了解不同请求类型的预期服务时限至关重要。获取位置从Zendesk工单事件或审计日志中的“SLAPolicyApplied”事件获取。该事件会说明匹配的策略。采集通过工单数据中的明确“SLAPolicyApplied”事件识别。事件类型 explicit
	已添加内部备注	客服向服务请求中添加了仅其他客服可见的内部备注或评论。该操作会记录为“Comment”事件，且“public”属性为false。
为什么重要跟踪内部备注有助于了解客服或团队之间的协作情况，这些协作可能造成延迟，也可能是高效解决问题的关键。获取位置这是工单数据中的明确“Comment”事件。事件详情包含“public: false”属性，表示该内容为内部备注。采集从工单“Comment”事件中获取，其中“public”标志设置为false。事件类型 explicit
	请求已升级	表示将服务请求正式升级至更高支持级别、其他团队或管理层。通常根据工单所属群组变更，或用于跟踪升级的自定义字段变更推断。
为什么重要监控升级情况有助于识别复杂请求、一线客服的培训需求，以及需要更高层级介入的系统性问题。获取位置这不是标准事件。必须根据“group_id”字段变更为升级群组的“Change”事件，或用于跟踪升级的自定义工单字段变更进行推断。采集根据“group_id”或自定义“escalation”字段的变更推断。事件类型 inferred
	请求已暂停	当服务请求状态变更为“on-hold”时，会发生此活动，通常表示客服正在等待请求者或第三方提供信息。该活动根据状态变更事件推断。
为什么重要这有助于单独识别和衡量支持团队无法直接控制的等待时间，更准确地反映客服处理时间。获取位置根据工单审计日志中“status”字段的“Change”事件推断，其中新值为“on-hold”。采集根据审计日志中状态变为“on-hold”的“Change”事件推断。事件类型 inferred

建议可选

提取指南

如何从Zendesk Support获取数据

步骤

访问Zendesk Explore并创建主报表：点击右上角栏中的Zendesk产品图标，选择Explore。进入Explore后，点击左侧的Queries图标，再点击New query。选择Support: Ticket updates数据集作为数据源。
配置工单事件的指标和属性：在查询构建器中添加COUNT(Tickets)等指标以可视化数据。然后进入Rows部分，添加以下属性：Ticket ID、Update - Timestamp、Updater name、Update - Field name、Update - Previous value、Update - New value、Assignee name、Group名称、Ticket priority、Ticket status、Submission channel、Ticket type和Ticket tags。
创建ActivityName计算属性：要将原始更新转换为有意义的活动，请创建标准计算属性。进入Calculations菜单（计算器图标），选择Standard calculated attribute，并将其命名为ActivityName。将Query部分提供的逻辑粘贴到公式框中。该公式会将不同的工单更新事件映射为所需的活动名称。
优化并筛选主报表：将新的ActivityName属性添加到Rows部分。针对该属性创建筛选条件，排除任何(null)或不需要的系统生成值，以清理数据集。此外，添加Ticket created - Date筛选条件，将查询限制在可管理的时间范围内，例如最近6个月。
创建SLA事件的第二份报表：创建另一个查询，这次选择Support: SLAs数据集。这是必要的，因为Ticket updates数据集中不包含SLA事件。
配置SLA报表：在SLA查询中，将COUNT(SLA tickets)添加到Metrics。在Rows部分添加Ticket ID、SLA policy、SLA target、SLA updated - Timestamp、SLA status和Updater name。我们将在转换步骤中根据SLA status推断活动。
导出两个数据集：在Explore界面中运行两个查询。生成表格后，点击Export按钮并选择CSV格式。此时会得到两个独立的CSV文件。
合并和转换数据：使用Microsoft Excel等电子表格工具或Python等脚本语言合并两个CSV文件，创建单一事件日志。对于SLA文件，您需要创建ActivityName列。如果SLA status为“活跃”，活动为SLA Target Applied；如果SLA status为“Breached”，活动为SLA Target Breached。使用SLA updated - Timestamp作为EventTimestamp。
统一列标题：在最终合并文件中，将列名重命名为符合流程挖掘要求的格式。例如，将Ticket ID重命名为ServiceRequestId，将Update - Timestamp重命名为EventTimestamp，将Updater name重命名为AgentName。
添加静态列并完成处理：在最终CSV文件中添加两列。将SourceSystem填为“Zendesk”，将LastDataUpdate填为执行导出时的时间戳。文件现在可以上传。

配置

Zendesk计划：需要包含Zendesk Explore Professional或Enterprise的Zendesk Support计划，才能创建自定义查询和属性。
权限：您需要拥有可在Explore中创建和编辑查询的Agent权限。通常，这意味着您是管理员，或拥有自定义角色的Agent。
数据集选择：此方法需要基于两个不同数据集创建两份独立报告：用于一般事件的Support: Ticket updates，以及用于SLA相关事件的Support: SLAs。
日期范围筛选器：必须应用日期范围筛选器，例如筛选Ticket created - Date，以控制数据量。建议初次分析使用3至6个月的数据。
计算属性：活动名称的推导逻辑由Explore中的复杂自定义计算属性处理。请确保公式创建正确，以免输出错误。
数据量：处理超大数据集时，Zendesk Explore界面和导出功能可能运行缓慢或超时。如果提取范围超过一年或包含数百万张工单，建议按较小的时间段分批导出。

a 示例查询 config

This method uses the Zendesk Explore UI, where queries are built visually. The following describes the configuration for the two required reports.

**Report 1: Ticket Events Configuration**
* **Dataset**: `Support: Ticket updates`
* **Metrics**: `COUNT(Tickets)`
* **Rows**:
  * `Ticket ID`
  * `ActivityName` (This is the custom calculated attribute defined below)
  * `Update - Timestamp`
  * `Updater name`
  * `Assignee name`
  * `Group name`
  * `Ticket priority`
  * `Ticket status`
  * `Submission channel`
  * `Ticket type`
  * `Ticket tags`
* **Standard Calculated Attribute (`ActivityName`) Formula**:
```
IF [Update - Field name] = "assignee_id" AND ([Update - Previous value] = "" OR [Update - Previous value] = NULL) THEN
    "Request Assigned to Agent"
ELIF [Update - Field name] = "assignee_id" AND [Update - Previous value] != "" AND [Update - Previous value] != NULL THEN
    "Agent Reassigned"
ELIF [Update - Field name] = "group_id" THEN
    "Request Escalated"
ELIF [Update - Field name] = "priority" AND [Update - New value] != [Update - Previous value] THEN
    "Priority Changed"
ELIF [Update - Field name] = "status" AND [Update - New value] = "hold" THEN
    "Request Placed On-Hold"
ELIF [Update - Field name] = "status" AND [Update - New value] = "solved" THEN
    "Service Request Resolved"
ELIF [Update - Field name] = "status" AND [Update - New value] = "closed" THEN
    "Service Request Closed"
ELIF [Update - Field name] = "status" AND [Update - New value] = "open" AND [Update - Previous value] = "solved" THEN
    "Service Request Reopened"
ELIF [Update - Field name] = "requester_id" AND [Update - Previous value] = NULL THEN
    "Service Request Created"
ELSE
    NULL
ENDIF
```
* **Note on Comment Activities**: Capturing `Public Reply Sent` and `Internal Note Added` from the `Ticket updates` dataset is not reliably possible as the public vs. internal distinction is often missing. For these events, creating a third report on the `Support: Comments` dataset and merging it is the recommended, though more complex, approach.

**Report 2: SLA Events Configuration**
* **Dataset**: `Support: SLAs`
* **Metrics**: `COUNT(SLA tickets)`
* **Rows**:
  * `Ticket ID`
  * `SLA updated - Timestamp`
  * `SLA status`
  * `Updater name`
  * `Assignee name`
  * `Group name`
  * `Ticket priority`
* **Note**: The `ActivityName` for this report (`SLA Target Applied`, `SLA Target Breached`) must be generated after export based on the value in the `SLA status` column.

步骤

前提条件：确保系统已安装Python 3.6或更高版本。您还需要拥有Zendesk Support实例的管理员权限，以生成API令牌。
安装Python库：打开终端或命令提示符，使用pip安装所需的Python库。requests用于发起API调用，pandas用于处理数据并导出CSV文件。
```
pip install requests pandas
```
生成Zendesk API令牌：以管理员身份登录Zendesk。依次进入Admin Center > Apps and integrations > APIs > Zendesk API。在Token Access部分启用令牌访问（如尚未启用），然后点击“Add API token”。填写描述，例如“ProcessMind Extraction”，并复制生成的令牌。该令牌之后不会再次显示。
配置Python脚本：在文本编辑器中打开提供的Python脚本。填写文件顶部的配置变量：ZENDESK_SUBDOMAIN（您公司的Zendesk域名）、ZENDESK_EMAIL（与令牌关联的管理员用户邮箱）和ZENDESK_API_TOKEN。同时设置START_TIME_STR，定义数据提取的起始时间，通常为3至6个月前。
了解脚本逻辑：脚本首先使用高效的Incremental Tickets API，获取指定日期范围内更新过的工单列表。随后逐一获取每张工单的完整审计轨迹、评论和SLA指标，并按时间顺序处理这些事件，构建详细历史记录。
将Zendesk事件映射为活动：脚本包含将原始Zendesk事件转换为所需业务活动的逻辑。例如，status字段上的“Change”事件会映射为“Service Request Resolved”或“Request Placed On-Hold”等活动。脚本还会检查评论事件，以判断其属于“Public Reply Sent”还是“Internal Note Added”。
运行提取脚本：在终端中运行python your_script_name.py执行脚本。脚本从Zendesk API获取数据时会输出进度。根据数据量和API速率限制，处理可能需要一定时间。
检查输出文件：脚本完成后，会在同一目录生成名为zendesk_event_log.csv的CSV文件。该文件包含提取的事件日志，以及所有指定的活动和属性。
准备上传：打开CSV文件，确认格式正确。列标题应包含所需属性：ServiceRequestId、ActivityName、EventTimestamp、SourceSystem、LastDataUpdate等。文件现已准备好上传至ProcessMind。

配置

Zendesk API访问权限：脚本需要使用与管理员或具备足够权限的Agent关联的有效API令牌。脚本配置中的用户邮箱必须与创建API令牌的邮箱一致。
脚本参数：运行前，必须在脚本中配置以下关键变量：ZENDESK_SUBDOMAIN、ZENDESK_EMAIL、ZENDESK_API_TOKEN和START_TIME_STR。START_TIME_STR应采用“YYYY-MM-DD”格式。
日期范围：建议先提取最近3至6个月的数据（通过START_TIME_STR设置）。这样既能提供具有代表性的分析数据，又能避免运行时间过长或频繁触发API限制。日期范围越大，提取时间越长。
Incremental Exports API：脚本使用Incremental Exports端点（/api/v2/incremental/tickets/cursor.json），高效获取自上次运行或指定起始时间以来更新过的工单。与扫描全部工单相比，这种方式性能更高。
速率限制：Zendesk实施API速率限制。脚本包含触发限制后的基本暂停处理，但对于超大规模实例，提取可能需要较长时间。建议在业务低峰期运行。
升级逻辑：活动“Request Escalated”根据group_id字段的变化推断。如果您的组织使用其他机制，例如自定义工单字段，则需要修改脚本逻辑，以便正确识别升级事件。

a 示例查询 python

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

class=class="hl-string">"hl-comment"># --- Configuration ---
class=class="hl-string">"hl-comment"># Replace with your Zendesk subdomain, admin email, and API token
ZENDESK_SUBDOMAIN = class="hl-string">'[Your Subdomain]'
ZENDESK_EMAIL = class="hl-string">'[Your Zendesk Admin Email]'
ZENDESK_API_TOKEN = class="hl-string">'[Your Zendesk API Token]'

class=class="hl-string">"hl-comment"># Set the start date for the data extraction (YYYY-MM-DD)
START_TIME_STR = class="hl-string">'2023-01-01'

class=class="hl-string">"hl-comment"># --- End of Configuration ---

class=class="hl-string">"hl-comment"># Set up constants and session
BASE_URL = fclass="hl-string">'https://{ZENDESK_SUBDOMAIN}.zendesk.com/api/v2'
AUTH = (fclass="hl-string">'{ZENDESK_EMAIL}/token', ZENDESK_API_TOKEN)
SOURCE_SYSTEM = class="hl-string">'Zendesk Support'
LAST_DATA_UPDATE = datetime.now(timezone.utc).isoformat()

session = requests.Session()
session.auth = AUTH

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

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 fclass="hl-string">'User ID {user_id}'

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 fclass="hl-string">'Group ID {group_id}'

def handle_rate_limit(response):
    if response.status_code == 429:
        retry_after = int(response.headers.get(class="hl-string">'Retry-After', 60))
        print(fclass="hl-string">'Rate limit reached. Waiting for {retry_after} seconds...')
        time.sleep(retry_after)
        return True
    response.raise_for_status()
    return False

def fetch_paginated_data(url):
    while url:
        try:
            response = session.get(url)
            if handle_rate_limit(response):
                continue
            data = response.json()
            yield data
            url = data.get(class="hl-string">'next_page')
        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">'Error fetching data from {url}: {e}')
            break

def process_ticket(ticket, event_log):
    ticket_id = ticket[class="hl-string">'id']
    print(fclass="hl-string">'Processing Ticket ID: {ticket_id}')

    class=class="hl-string">"hl-comment"># --- 1. Fetch Ticket Audits ---
    audits_url = fclass="hl-string">'{BASE_URL}/tickets/{ticket_id}/audits.json'
    all_events = [] class=class="hl-string">"hl-comment"># A temporary list to hold all events for sorting

    for audit_page in fetch_paginated_data(audits_url):
        for audit in audit_page.get(class="hl-string">'audits', []):
            author_id = audit.get(class="hl-string">'author_id')
            timestamp = audit[class="hl-string">'created_at']

            class=class="hl-string">"hl-comment"># Store ticket state at the time of the audit
            ticket_state = {}
            for event in audit.get(class="hl-string">'events', []):
                if event.get(class="hl-string">'field_name') in [class="hl-string">'assignee_id', class="hl-string">'group_id', class="hl-string">'priority', class="hl-string">'status', class="hl-string">'channel', class="hl-string">'type', class="hl-string">'tags']:
                    ticket_state[event[class="hl-string">'field_name']] = event.get(class="hl-string">'value')

            for event in audit.get(class="hl-string">'events', []):
                event[class="hl-string">'timestamp'] = timestamp
                event[class="hl-string">'author_id'] = author_id
                event[class="hl-string">'ticket_state'] = ticket_state
                all_events.append(event)

    class=class="hl-string">"hl-comment"># --- 2. Fetch Comments (which are not fully detailed in audits) ---
    comments_url = fclass="hl-string">'{BASE_URL}/tickets/{ticket_id}/comments.json'
    for comment_page in fetch_paginated_data(comments_url):
        for comment in comment_page.get(class="hl-string">'comments', []):
            comment[class="hl-string">'type'] = class="hl-string">'Comment'
            comment[class="hl-string">'timestamp'] = comment[class="hl-string">'created_at']
            class=class="hl-string">"hl-comment"># Add ticket_state placeholder, though it's less relevant for comments
            comment[class="hl-string">'ticket_state'] = {}
            all_events.append(comment)

    class=class="hl-string">"hl-comment"># --- 3. Fetch SLA Metrics ---
    metrics_url = fclass="hl-string">'{BASE_URL}/tickets/{ticket_id}/metrics.json'
    try:
        response = session.get(metrics_url)
        if not handle_rate_limit(response):
            metrics_data = response.json().get(class="hl-string">'ticket_metric', {})
            if metrics_data.get(class="hl-string">'sla_policy'):
                for sla in metrics_data[class="hl-string">'sla_policy'][class="hl-string">'policy_metrics']:
                    all_events.append({
                        class="hl-string">'type': class="hl-string">'SlaApply',
                        class="hl-string">'timestamp': metrics_data[class="hl-string">'created_at'],
                        class="hl-string">'policy_name': sla[class="hl-string">'policy'][class="hl-string">'title'],
                        class="hl-string">'ticket_state': {}
                    })
                    if sla.get(class="hl-string">'breach_at') and datetime.fromisoformat(sla[class="hl-string">'breach_at'].replace(class="hl-string">'Z', class="hl-string">'+00:00')) < datetime.now(timezone.utc):
                        all_events.append({
                            class="hl-string">'type': class="hl-string">'SlaBreach',
                            class="hl-string">'timestamp': sla[class="hl-string">'breach_at'],
                            class="hl-string">'policy_name': sla[class="hl-string">'policy'][class="hl-string">'title'],
                            class="hl-string">'metric': sla[class="hl-string">'metric'],
                            class="hl-string">'ticket_state': {}
                        })
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">'Could not fetch SLA metrics for ticket {ticket_id}: {e}')


    class=class="hl-string">"hl-comment"># --- 4. Sort all collected events by timestamp ---
    all_events.sort(key=lambda x: x[class="hl-string">'timestamp'])

    class=class="hl-string">"hl-comment"># --- 5. Process sorted events to create event log rows ---
    last_assignee = None

    for event in all_events:
        activity_name = None
        timestamp = event[class="hl-string">'timestamp']

        event_type = event.get(class="hl-string">'type')
        field_name = event.get(class="hl-string">'field_name')

        if event_type == class="hl-string">'Create':
            activity_name = class="hl-string">'Service Request Created'
            last_assignee = event.get(class="hl-string">'value') if field_name == class="hl-string">'assignee_id' else None

        elif event_type == class="hl-string">'Change':
            prev_value = event.get(class="hl-string">'previous_value')
            new_value = event.get(class="hl-string">'value')

            if field_name == class="hl-string">'status':
                if new_value == class="hl-string">'solved': activity_name = class="hl-string">'Service Request Resolved'
                elif new_value == class="hl-string">'closed': activity_name = class="hl-string">'Service Request Closed'
                elif new_value == class="hl-string">'hold': activity_name = class="hl-string">'Request Placed On-Hold'
                elif new_value == class="hl-string">'open' and prev_value == class="hl-string">'solved': activity_name = class="hl-string">'Service Request Reopened'
            elif field_name == class="hl-string">'priority': activity_name = class="hl-string">'Priority Changed'
            elif field_name == class="hl-string">'assignee_id':
                if prev_value is None and new_value is not None:
                    activity_name = class="hl-string">'Request Assigned to Agent'
                elif prev_value is not None and new_value is not None:
                    activity_name = class="hl-string">'Agent Reassigned'
                last_assignee = new_value
            elif field_name == class="hl-string">'group_id':
                if prev_value is not None and new_value is not None:
                    activity_name = class="hl-string">'Request Escalated'

        elif event_type == class="hl-string">'Comment':
            if event.get(class="hl-string">'public', False):
                activity_name = class="hl-string">'Public Reply Sent'
            else:
                activity_name = class="hl-string">'Internal Note Added'

        elif event_type == class="hl-string">'SlaApply':
            activity_name = class="hl-string">'SLA Target Applied'
        elif event_type == class="hl-string">'SlaBreach':
            activity_name = class="hl-string">'SLA Target Breached'

        if activity_name:
            class=class="hl-string">"hl-comment"># Get attribute values from the ticket object itself as a baseline
            agent_id = ticket.get(class="hl-string">'assignee_id')
            group_id = ticket.get(class="hl-string">'group_id')
            priority = ticket.get(class="hl-string">'priority')
            status = ticket.get(class="hl-string">'status')
            
            class=class="hl-string">"hl-comment"># Override with values at the time of the event if available
            state = event.get(class="hl-string">'ticket_state', {})
            agent_id = state.get(class="hl-string">'assignee_id', agent_id)
            group_id = state.get(class="hl-string">'group_id', group_id)
            priority = state.get(class="hl-string">'priority', priority)
            status = state.get(class="hl-string">'status', status)
            
            event_log.append({
                class="hl-string">'ServiceRequestId': ticket_id,
                class="hl-string">'ActivityName': activity_name,
                class="hl-string">'EventTimestamp': timestamp,
                class="hl-string">'SourceSystem': SOURCE_SYSTEM,
                class="hl-string">'LastDataUpdate': LAST_DATA_UPDATE,
                class="hl-string">'AgentName': get_user_name(agent_id),
                class="hl-string">'AssignedTeam': get_group_name(group_id),
                class="hl-string">'RequestPriority': priority,
                class="hl-string">'RequestStatus': status,
                class="hl-string">'RequestChannel': ticket.get(class="hl-string">'via', {}).get(class="hl-string">'channel'),
                class="hl-string">'ServiceType': ticket.get(class="hl-string">'type'),
                class="hl-string">'TicketTags': class="hl-string">', '.join(ticket.get(class="hl-string">'tags', [])),
            })


def main():
    print(class="hl-string">'Starting Zendesk data extraction...')
    event_log = []
    start_unix_time = int(datetime.strptime(START_TIME_STR, class="hl-string">'%Y-%m-%d').timestamp())
    
    class=class="hl-string">"hl-comment"># Use the incremental export endpoint for efficiency
    url = fclass="hl-string">'{BASE_URL}/incremental/tickets/cursor.json?start_time={start_unix_time}'

    while url:
        try:
            response = session.get(url)
            if handle_rate_limit(response):
                continue
            data = response.json()
            tickets = data.get(class="hl-string">'tickets', [])
            print(fclass="hl-string">'Fetched {len(tickets)} tickets...')
            for ticket in tickets:
                process_ticket(ticket, event_log)
            
            if not data.get(class="hl-string">'after_cursor'):
                break
            url = data[class="hl-string">'next_page']

        except requests.exceptions.RequestException as e:
            print(fclass="hl-string">'A critical error occurred: {e}')
            break

    print(fclass="hl-string">'Extraction complete. Total events found: {len(event_log)}')
    
    if not event_log:
        print(class="hl-string">'No events were extracted. Please check your configuration and date range.')
        return

    df = pd.DataFrame(event_log)

    class=class="hl-string">"hl-comment"># Reorder columns to match requirements
    columns = [
        class="hl-string">'ServiceRequestId', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'AgentName', class="hl-string">'AssignedTeam', class="hl-string">'RequestPriority', class="hl-string">'RequestStatus',
        class="hl-string">'RequestChannel', class="hl-string">'ServiceType', class="hl-string">'TicketTags'
    ]
    df = df[columns]
    df = df.sort_values(by=[class="hl-string">'ServiceRequestId', class="hl-string">'EventTimestamp']).reset_index(drop=True)

    class=class="hl-string">"hl-comment"># Save to CSV
    output_filename = class="hl-string">'zendesk_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">'Event log saved to {output_filename}')

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

步骤

在Zendesk Admin Center中，使用Zendesk订阅和账户提供的导出功能，申请或启动Native Full Account JSON Export。具体菜单路径和授权要求因账户配置而异，请使用Admin Center中的导出选项，并遵循组织的审批流程。
选择覆盖所需分析期间的日期范围，建议选择3至6个月。如果原生导出不提供日期筛选，请下载完整账户导出文件，并在转换过程中应用日期筛选。
下载并保留导出生成的所有JSON文件。保留原始文件、导出时间戳、账户标识符以及任何清单或元数据文件。处理过程中不要覆盖源文件。
解析导出中包含的工单记录、工单审计记录、审计事件、评论、用户、组织、群组、SLA相关记录和自定义字段。由于文件名和JSON结构可能因Zendesk导出版本而异，请在执行前，在脚本占位符中配置源路径和JSON属性映射。
将每个工单审计事件规范化为统一结构，包含ServiceRequestId、审计时间戳、事件类型、字段名、旧值、新值、执行者标识符、公开指示器、工单状态、受理人、群组、优先级、渠道、服务类型、标签、源系统和LastDataUpdate。
为每个符合条件的活动生成一行事件日志。提取过程必须明确创建以下活动对应的行：Service Request Created、SLA Target Applied、Request Assigned to Agent、Priority Changed、Agent Reassigned、Public Reply Sent、Internal Note Added、Request Placed On-Hold、Request Escalated、SLA Target Breached、Service Request Reopened、Service Request Resolved和Service Request Closed。ProcessMind会直接读取这些行，不会推断其他事件。
在可用的情况下，根据导出的用户、群组和组织记录解析Agent、群组、组织和请求者标识符。根据事件发生时的分配状态填充AgentName和AssignedTeam。如果无法解析显示名称，则保留标识符或留空。
应用确定性的事件规则：使用工单审计中的Create事件表示Service Request Created；使用明确的SLA审计事件表示SLA Target Applied和SLA Target Breached；使用首次符合条件的受理人变更表示Request Assigned to Agent；后续受理人变更表示Agent Reassigned；使用公开和私密评论指示器表示回复和备注事件；使用状态转换表示暂停、重新打开、已解决和已关闭事件；使用群组变更或已配置的升级字段变更表示Request Escalated。
按ServiceRequestId和EventTimestamp对结果行排序，并保留稳定的源事件序列作为并列时的次级排序依据。不要仅因时间戳相同就去重，因为多个评论或审计事件可能同时发生。
验证所有必需列均已存在，并确认当源数据包含相应事件时，每项活动至少有一行符合条件的记录。将最终结果导出为UTF-8 CSV或其他ProcessMind支持的事件日志格式，每个事件一行，并包含必需列名ServiceRequestId、ActivityName、EventTimestamp、SourceSystem和LastDataUpdate。

配置

导出范围：使用Zendesk Support Native Full Account JSON Export，并保留导出生成的每个JSON文件。导出内容应包括工单数据及工单审计或事件数据。如果SLA、评论、用户、组织、群组或自定义字段数据单独提供，请将这些文件一并纳入转换输入。
日期范围：初次提取和验证建议使用3至6个月的数据。如果原生导出覆盖整个账户且无法按日期限制，请在解析后筛选EventTimestamp，同时保留完整源文件归档。
活动规则：为全部13项活动配置明确映射。不要依赖ProcessMind从其他行推导分配、升级、SLA、状态或评论事件。
SLA配置：将实际导出中用于表示SLA目标应用和违约事件的事件名称或属性进行映射。如果导出不包含明确的SLA事件，请勿虚构。请在占位符中配置相应源路径，并记录不可用的活动。
升级配置：确定账户中代表升级的群组字段或自定义字段。在执行前，将ESCALATION_FIELD_ID或等效配置设置为实际导出的字段标识符。
源路径：在脚本中设置JSON文件路径和JSON属性映射。Zendesk导出文件名及嵌套结构可能因导出版本和账户配置而异。
必需输出：每个事件行都必须填充ServiceRequestId、ActivityName、EventTimestamp、SourceSystem和LastDataUpdate。建议列包括AgentName、AssignedTeam、RequestPriority、RequestStatus、RequestChannel、ServiceType和TicketTags。
筛选器：仅在确认对应导出属性后，应用所需分析日期范围、账户或品牌范围以及公司特定筛选条件。不要依据不受支持或未经验证的字段名进行筛选。
性能：尽可能增量处理JSON，避免将整个账户导出加载到内存中；为工单标识符和审计标识符建立索引，并在生成最终事件日志前写入规范化中间文件。大型导出可能需要按日期或工单标识符分区。
前提条件：拥有申请或下载原生账户导出的管理员权限，获授权访问工单审计及用户或群组参考数据，Zendesk订阅支持相应导出功能，具备存储完整导出的本地空间，以及能够解析JSON并写入UTF-8 CSV的运行环境。
数据保护：请求者、Agent、组织、评论和工单数据可能包含敏感信息。请按照组织的数据保留、访问控制和隐私要求存储源文件及转换后的文件。

a 示例查询 config

import csv
import json
import os
from datetime import datetime, timezone
from pathlib import Path

SOURCE_DIRECTORY = "[Path to extracted Zendesk JSON directory]"
OUTPUT_FILE = "[Path to ProcessMind event log CSV]"
START_DATE = "[YYYY-MM-DD or blank]"
END_DATE = "[YYYY-MM-DD or blank]"
SOURCE_SYSTEM = "Zendesk Support"
LAST_DATA_UPDATE = "[ISO-8601 timestamp of source refresh]"
ESCALATION_FIELD_ID = "[Zendesk custom field identifier used for escalation, or blank]"


def load_json_files(directory):
    documents = []
    for path in Path(directory).rglob("*.json"):
        with path.open("r", encoding="utf-8") as handle:
            documents.append((path.name, json.load(handle)))
    return documents


def as_list(value):
    if isinstance(value, list):
        return value
    if isinstance(value, dict):
        for key in ("tickets", "ticket", "audits", "events", "comments", "users", "groups", "organizations", "data", "results"):
            if isinstance(value.get(key), list):
                return value[key]
    return []


def parse_timestamp(value):
    if not value:
        return None
    text = str(value).replace("Z", "+00:00")
    try:
        parsed = datetime.fromisoformat(text)
        if parsed.tzinfo is None:
            parsed = parsed.replace(tzinfo=timezone.utc)
        return parsed.astimezone(timezone.utc)
    except ValueError:
        return None


def in_range(timestamp):
    if timestamp is None:
        return False
    if START_DATE and timestamp.date().isoformat() < START_DATE:
        return False
    if END_DATE and timestamp.date().isoformat() > END_DATE:
        return False
    return True


def value(record, *keys):
    for key in keys:
        if isinstance(record, dict) and record.get(key) is not None:
            return record.get(key)
    return None


def identifier(record):
    return value(record, "id", "user_id", "group_id", "organization_id", "ticket_id")


def normalize_id(value_to_normalize):
    if value_to_normalize is None or value_to_normalize == "":
        return None
    return str(value_to_normalize)


def audit_events(audit):
    events = value(audit, "events", "audit_events")
    return events if isinstance(events, list) else []


def event_type(event):
    return str(value(event, "type", "event_type", "action") or "").lower()


def event_field(event):
    return str(value(event, "field_name", "field", "property") or "").lower()


def event_value(event, key):
    return value(event, key, key.replace("_", ""))


def status_value(ticket, event, new=True):
    if new:
        return value(event, "value", "new_value", "to") or value(ticket, "status")
    return value(event, "previous_value", "old_value", "from")


def comment_public(event):
    public_value = value(event, "public", "is_public")
    return public_value is True or str(public_value).lower() == "true"


def add_row(rows, ticket, activity, timestamp, agent_name=None, assigned_team=None, priority=None, status=None, channel=None, service_type=None, tags=None, sequence=0):
    parsed = parse_timestamp(timestamp)
    if not in_range(parsed):
        return
    rows.append({
        "ServiceRequestId": str(value(ticket, "id", "ticket_id")),
        "ActivityName": activity,
        "EventTimestamp": parsed.isoformat(),
        "SourceSystem": SOURCE_SYSTEM,
        "LastDataUpdate": LAST_DATA_UPDATE,
        "AgentName": agent_name or "",
        "AssignedTeam": assigned_team or "",
        "RequestPriority": priority or "",
        "RequestStatus": status or "",
        "RequestChannel": channel or "",
        "ServiceType": service_type or "",
        "TicketTags": ",".join(tags) if isinstance(tags, list) else (tags or ""),
        "SourceSequence": sequence
    })


def main():
    documents = load_json_files(SOURCE_DIRECTORY)
    tickets = {}
    audits_by_ticket = {}
    users = {}
    groups = {}
    organizations = {}
    standalone_comments = []
    standalone_sla_events = []

    for filename, document in documents:
        records = as_list(document)
        lower_name = filename.lower()
        for record in records:
            if not isinstance(record, dict):
                continue
            record_id = normalize_id(identifier(record))
            if any(token in lower_name for token in ("user", "agent")) and record_id:
                users[record_id] = record
            elif "group" in lower_name and record_id:
                groups[record_id] = record
            elif "organization" in lower_name and record_id:
                organizations[record_id] = record
            elif "audit" in lower_name and value(record, "ticket_id") is not None:
                audits_by_ticket.setdefault(normalize_id(value(record, "ticket_id")), []).append(record)
            elif "comment" in lower_name:
                standalone_comments.append(record)
            elif "sla" in lower_name:
                standalone_sla_events.append(record)
            elif value(record, "ticket_id") is not None and value(record, "type", "event_type") is not None:
                standalone_sla_events.append(record)
            elif value(record, "id") is not None and any(key in record for key in ("status", "priority", "assignee_id", "group_id", "tags")):
                tickets[record_id] = record

    rows = []
    for ticket_id, ticket in tickets.items():
        if not ticket_id:
            continue
        ticket_audits = audits_by_ticket.get(ticket_id, [])
        ticket_audits.sort(key=lambda item: (parse_timestamp(value(item, "created_at", "timestamp", "time")) or datetime.min.replace(tzinfo=timezone.utc), str(value(item, "id") or "")))
        current_assignee = normalize_id(value(ticket, "assignee_id"))
        current_group = normalize_id(value(ticket, "group_id"))
        assignment_seen = False
        sequence = 0
        base_priority = value(ticket, "priority")
        base_status = value(ticket, "status")
        base_channel = value(ticket, "via", "channel")
        base_service_type = value(ticket, "type", "service_type")
        base_tags = value(ticket, "tags") or []

        for audit in ticket_audits:
            audit_time = value(audit, "created_at", "timestamp", "time")
            actor_id = normalize_id(value(audit, "author_id", "actor_id", "user_id"))
            actor = users.get(actor_id, {})
            agent_name = value(actor, "name", "display_name", "email") or ""
            audit_group = groups.get(current_group, {})
            assigned_team = value(audit_group, "name", "display_name") or ""
            for event in audit_events(audit):
                sequence += 1
                kind = event_type(event)
                field = event_field(event)
                timestamp = value(event, "created_at", "timestamp", "time") or audit_time
                new_value = event_value(event, "value") or event_value(event, "new_value") or event_value(event, "to")
                old_value = event_value(event, "previous_value") or event_value(event, "old_value") or event_value(event, "from")
                event_agent = agent_name
                event_team = assigned_team
                if field in ("assignee_id", "assignee"):
                    new_assignee = normalize_id(new_value)
                    old_assignee = normalize_id(old_value)
                    if new_assignee and not assignment_seen and new_assignee != current_group:
                        assigned_agent = users.get(new_assignee, {})
                        add_row(rows, ticket, "Request Assigned to Agent", timestamp, value(assigned_agent, "name", "display_name", "email") or event_agent, event_team, base_priority, base_status, base_channel, base_service_type, base_tags, sequence)
                        assignment_seen = True
                    elif new_assignee and assignment_seen and new_assignee != old_assignee:
                        assigned_agent = users.get(new_assignee, {})
                        add_row(rows, ticket, "Agent Reassigned", timestamp, value(assigned_agent, "name", "display_name", "email") or event_agent, event_team, base_priority, base_status, base_channel, base_service_type, base_tags, sequence)
                    current_assignee = new_assignee or current_assignee
                elif field in ("priority",):
                    add_row(rows, ticket, "Priority Changed", timestamp, event_agent, event_team, new_value, base_status, base_channel, base_service_type, base_tags, sequence)
                    base_priority = new_value or base_priority
                elif field in ("group_id", "group"):
                    new_group = normalize_id(new_value)
                    new_group_record = groups.get(new_group, {})
                    new_team = value(new_group_record, "name", "display_name") or event_team
                    if new_group and new_group != current_group:
                        add_row(rows, ticket, "Request Escalated", timestamp, event_agent, new_team, base_priority, base_status, base_channel, base_service_type, base_tags, sequence)
                    current_group = new_group or current_group
                elif field in ("status", "status_category"):
                    status_text = str(new_value or "").lower()
                    old_status_text = str(old_value or "").lower()
                    if status_text == "on-hold":
                        add_row(rows, ticket, "Request Placed On-Hold", timestamp, event_agent, event_team, base_priority, status_text, base_channel, base_service_type, base_tags, sequence)
                    if status_text == "solved":
                        add_row(rows, ticket, "Service Request Resolved", timestamp, event_agent, event_team, base_priority, status_text, base_channel, base_service_type, base_tags, sequence)
                    if status_text == "closed":
                        add_row(rows, ticket, "Service Request Closed", timestamp, event_agent, event_team, base_priority, status_text, base_channel, base_service_type, base_tags, sequence)
                    if old_status_text == "solved" and status_text in ("open", "pending", "on-hold"):
                        add_row(rows, ticket, "Service Request Reopened", timestamp, event_agent, event_team, base_priority, status_text, base_channel, base_service_type, base_tags, sequence)
                    base_status = new_value or base_status
                elif kind in ("comment", "comment_created", "comment_added") or field in ("comment", "comment_body"):
                    if comment_public(event):
                        add_row(rows, ticket, "Public Reply Sent", timestamp, event_agent, event_team, base_priority, base_status, base_channel, base_service_type, base_tags, sequence)
                    else:
                        add_row(rows, ticket, "Internal Note Added", timestamp, event_agent, event_team, base_priority, base_status, base_channel, base_service_type, base_tags, sequence)
                elif "sla" in kind or "sla" in field:
                    sla_text = str(value(event, "target_status", "status", "action", "event_type", "type") or "").lower()
                    if any(token in sla_text for token in ("breach", "breached", "missed", "failed")):
                        add_row(rows, ticket, "SLA Target Breached", timestamp, event_agent, event_team, base_priority, base_status, base_channel, base_service_type, base_tags, sequence)
                    elif any(token in sla_text for token in ("applied", "active", "started", "target")):
                        add_row(rows, ticket, "SLA Target Applied", timestamp, event_agent, event_team, base_priority, base_status, base_channel, base_service_type, base_tags, sequence)
                elif ESCALATION_FIELD_ID and field == ESCALATION_FIELD_ID.lower():
                    add_row(rows, ticket, "Request Escalated", timestamp, event_agent, event_team, base_priority, base_status, base_channel, base_service_type, base_tags, sequence)

            if str(value(audit, "action", "type", "event_type") or "").lower() == "create":
                add_row(rows, ticket, "Service Request Created", audit_time, agent_name, assigned_team, base_priority, base_status, base_channel, base_service_type, base_tags, sequence)

        for record in standalone_sla_events:
            if normalize_id(value(record, "ticket_id")) != ticket_id:
                continue
            timestamp = value(record, "created_at", "timestamp", "time")
            text = str(value(record, "event_type", "type", "status", "action") or "").lower()
            if "breach" in text or "missed" in text or "failed" in text:
                add_row(rows, ticket, "SLA Target Breached", timestamp, "", "", base_priority, base_status, base_channel, base_service_type, base_tags, sequence)
            elif "sla" in text or "applied" in text or "active" in text:
                add_row(rows, ticket, "SLA Target Applied", timestamp, "", "", base_priority, base_status, base_channel, base_service_type, base_tags, sequence)

    rows.sort(key=lambda row: (row["ServiceRequestId"], row["EventTimestamp"], int(row["SourceSequence"])))
    output_columns = ["ServiceRequestId", "ActivityName", "EventTimestamp", "SourceSystem", "LastDataUpdate", "AgentName", "AssignedTeam", "RequestPriority", "RequestStatus", "RequestChannel", "ServiceType", "TicketTags"]
    with open(OUTPUT_FILE, "w", encoding="utf-8", newline="") as handle:
        writer = csv.DictWriter(handle, fieldnames=output_columns)
        writer.writeheader()
        for row in rows:
            writer.writerow({column: row.get(column, "") for column in output_columns})


if __name__ == "__main__":
    main()

准备好开始了吗？

立即开始优化服务请求流程。利用此数据模板发现瓶颈，提升Zendesk Support的运营效率。

返回改进指南下载模板

优化服务请求管理，立即减少延误

告别缓慢的履行流程和用户困扰，实现70%的自动化率。

开始免费试用

无需信用卡，快速完成设置。

您的服务请求管理数据模板

您的服务请求管理数据模板

服务请求管理属性

服务请求管理活动

提取指南

用于报告和数据导出的Zendesk Explore界面

步骤

配置

a 示例查询 config

通过Python脚本提取Zendesk REST API数据

步骤

配置

a 示例查询 python

Zendesk Support原生完整账户JSON导出

步骤

配置

a 示例查询 config

准备好开始了吗？

优化服务请求管理，立即减少延误

您的服务请求管理数据模板

您的服务请求管理数据模板

服务请求管理属性

服务请求管理活动

提取指南

用于报告和数据导出的Zendesk Explore界面

步骤

配置

a 示例查询 config

通过Python脚本提取Zendesk REST API数据

步骤

配置

a 示例查询 python

Zendesk Support原生完整账户JSON导出

步骤

配置

a 示例查询 config

准备好开始了吗？

优化服务请求管理，立即减少延误

我们重视您的隐私