> 持续流程改进 > 问题管理 > Zendesk Support > 数据模板

您的问题管理数据模板

Zendesk Support

← 返回改进指南

问题管理属性 (20) 问题管理活动 (12) 提取指南 (3)

您的问题管理数据模板

此模板提供了一个全面的框架，用于映射 Zendesk Support 中的问题管理生命周期。它概述了识别根本原因分析瓶颈所需的核心属性、流程里程碑和提取逻辑。遵循此结构，您可以构建高质量的事件日志，以获得更深入的流程洞察。

详细分析的推荐属性
关键流程活动和状态转换
Zendesk Support 数据提取指南

不熟悉事件日志？了解如何创建流程挖掘事件日志.

下载模板

问题管理属性

这些推荐的数据字段提供了必要的上下文，用于分析整个问题解决生命周期中的工单类别、优先级和归属。

5 必填 8 推荐 7 可选

	名称	描述
	最后数据更新 LastDataUpdate	指示问题记录最后修改时间的时间戳。
描述此属性反映源系统中问题记录数据最后更新的时间。它不同于事件时间戳，因为它指的是记录级别而非活动级别。在分析中，这有助于确定数据的时效性。它用于识别数据集是否为最新，或者源系统与流程挖掘环境之间是否存在同步延迟。为何重要追踪数据新鲜度并辅助增量数据加载策略。获取方式 Zendesk Ticket 对象，字段 'updated_at' 示例 2023-11-01T14:20:00Z
	开始时间 EventTimestamp	活动发生的特定日期和时间。
描述此属性记录活动在 Zendesk 系统中发生的准确时刻。它提供了对事件进行正确排序并计算步骤间持续时间所需的维度。在分析中，这对计算周期时间、识别延迟、检查 SLA 合规性以及随时间推移可视化流程至关重要。没有准确的时间戳，就无法了解问题解决流程的推进速度。为何重要支持活动排序及所有基于时间的 KPI 计算。获取方式 Zendesk Ticket Audits，字段 'created_at' 示例 2023-10-12T08:30:00Z2023-10-12T09:15:22Z
	活动 ActivityName	对问题记录执行的事件或操作的名称。
描述此属性捕获问题记录生命周期中采取的具体步骤或操作。例如，状态从“开启”变为“待处理”、分配更改，或特定的工作流步骤如“临时方案已发布”。在分析中，这些构成了流程图的节点。这些活动的顺序使分析人员能够可视化工作流、识别瓶颈并测量特定流程步骤之间花费的时间。为何重要定义流程中的“动作”，实现流程图可视化和变体分析。获取方式源自 Zendesk 工单审计或工单指标示例问题记录已记录调查已开始临时方案已发布
	源系统 SourceSystem	数据来源系统的名称。
描述此属性识别提取流程数据的软件平台。在此上下文中，它将始终填充为“Zendesk Support”。在分析中，特别是当组合来自多个系统（如 Zendesk 和 Jira）的数据时，此字段允许分析人员按来源过滤或分组数据。它确保了多系统流程视图中的数据血缘和可追溯性。为何重要确保数据血缘并支持多系统流程挖掘配置。获取方式数据提取期间硬编码示例 Zendesk Support
	问题记录 ProblemRecordId	分配给 Zendesk 问题工单的唯一数字标识符。
描述此属性代表 Zendesk Support 系统中问题记录的唯一键。它作为流程挖掘的核心案例 ID，允许将所有后续事件、更新和交互分组到单个流程实例中。在分析中，此 ID 用于唯一标识从创建到关闭的每个问题调查旅程。它实现了相关事件的关联，并能跨各个支持层级跟踪问题的生命周期。为何重要是将事件分组为“案例”的基础必填键，适用于任何流程挖掘分析。获取方式 Zendesk Ticket 对象，类型为 'problem' 的 'id' 字段示例 1045293849921
	SLA 到期日期 SlaDueDate	问题应得到解决的目标日期和时间。
描述此属性代表基于服务水平协议配置的解决截止期限。通常根据优先级和工单创建时间计算。在分析中，这会与实际解决时间进行对比，以计算“问题 SLA 达成率”。它通过突出显示即将到期或已超时的案例，为“SLA 绩效与风险”仪表板提供支持。为何重要对于衡量合规性和合同履行情况至关重要。获取方式 Zendesk Ticket Metrics 或 SLA Policies 端点示例 2023-12-01T17:00:00Z
	优先级 Priority	分配给问题记录的紧急程度。
描述此属性指示问题的相对重要性，通常分为“低”、“普通”、“高”或“紧急”。它决定了预期的服务水平协议（SLA）和资源分配。在分析中，这用于细分流程并比较不同紧急程度下的绩效。例如，它有助于验证“紧急”问题的解决速度是否确实快于“低”优先级问题，这是“根本原因调查速度”仪表板的要求。为何重要对于细分案例以分析 SLA 达成率和资源优先级至关重要。获取方式 Zendesk Ticket 对象，字段 'priority' 示例紧急高普通低
	关联事件计数 RelatedIncidentCount	与此问题记录关联的事件工单数量。
描述此属性统计与此问题记录关联的个人事件工单数量。在 Zendesk 中，这通过事件工单上的“problem_id”字段链接回此记录来管理。在分析中，这是“事件关联与影响”的核心指标。它有助于优先处理影响用户数量最多的问题，从而在减少工单量方面引导实现最高投资回报率（ROI）的战略决策。为何重要指示问题的严重程度和用户影响范围。获取方式 Zendesk Tickets API，类型为 'incident' 且 problem_id=ThisID 的工单计数示例 015342
	支持组 SupportGroup	当前分配处理该问题记录的团队或部门。
描述此属性识别在特定时间点负责该问题的特定客服小组。随着工单在团队间交接，该属性会发生变化。在分析中，这对“支持小组交接分析”仪表板至关重要。它允许衡量每个团队的绩效、识别交接期间的瓶颈并分析资源工作量分配。为何重要支持组织分析并识别部门间的瓶颈。获取方式 Zendesk Ticket 对象，字段 'group_id' (解析为名称) 示例二线支持数据库团队网络运维
	根因类别 RootCauseCategory	已识别的问题潜在原因（例如：代码缺陷、配置错误）。
描述此属性捕获导致问题的最终诊断结果，通常在“确定根本原因”活动期间填写。在分析中，它用于生成“问题分类准确性”报告并分析系统故障趋势。这有助于管理层了解应重点关注代码质量、基础设施稳定性还是供应商管理。为何重要支持故障模式分析并指导长期改进工作。获取方式 Zendesk 工单自定义字段示例软件缺陷配置错误用户错误
	负责人姓名 AssigneeName	分配处理该问题的特定客服。
描述此属性包含当前负责该问题记录的个人用户的姓名。它提供了关于谁执行了特定操作的细粒度可见性。在分析中，这有助于了解个人的工作量和绩效。虽然小组级分析很常见，但受理人级别的数据可以突出培训需求，或识别出在解决复杂根本原因方面特别高效的个人。为何重要支持个人层面的资源分析。获取方式 Zendesk Ticket 对象，字段 'assignee_id' (解析为姓名) 示例 John DoeJane Smith系统
	问题状态 ProblemStatus	问题记录在其生命周期中的当前状态。
描述此属性显示问题的当前状态，如“新建”、“开启”、“待处理”、“已解决”或“已关闭”。它反映了调查的进度。在分析中，这用于过滤开启与关闭的案例。对于“陈旧问题记录监控”仪表板来说，它至关重要，能识别出哪些活跃案例未按照预期的状态生命周期推进。为何重要允许按完成状态过滤案例。获取方式 Zendesk Ticket 对象，字段 'status' 示例新建开启待处理已解决已关闭
	问题类别 ProblemCategory	问题的分类（例如：软件、硬件、网络）。
描述此属性根据受影响的服务或技术栈对问题进行分类。它通常是 Zendesk 表单中的自定义下拉字段。在分析中，它用于“问题分类准确性”仪表板。将此初始类别与最终根本原因进行对比，有助于识别初始分流是否准确地将问题路由到了正确的团队。为何重要支持按技术或业务服务进行细分。获取方式 Zendesk 工单自定义字段示例数据库UI/UX网络基础设施
	临时方案已生效 WorkaroundActive	指示是否已提供或发布变通方案的标记。
描述此布尔属性指示是否为该问题记录了临时修复方案。它通常根据是否存在“临时方案已发布”活动或表单上的特定复选框来推导。在分析中，这用于“临时方案发布合规性”仪表板。它衡量在长期调查持续进行期间，支持团队为用户提供即时缓解措施的频率。为何重要是衡量调查期间用户影响缓解情况的关键。获取方式根据是否存在“已发布变通方案”活动或自定义字段得出示例 truefalse
	变更请求 ID ChangeRequestId	用于实施修复的关联变更请求标识符。
描述此属性将问题记录链接到变更管理记录（可能在另一个系统中或属于不同的工单类型）。它表示已启动正式的变更流程。在分析中，这支持“变更请求启动率”仪表板。它有助于跟踪从诊断到实施的过渡，确保识别出的根本原因能转化为正式的变更行动。为何重要将问题流程与变更管理流程关联起来。获取方式 Zendesk 工单自定义字段或关联工单示例 CR-1002CHG00394
	已陈旧 IsStale	标记该问题是否已超过 14 天无活动。
描述此计算属性识别最近未更新的记录。它将当前日期（或分析日期）与最后一次活动的时间戳进行比较。在分析中，这为“陈旧问题记录监控”仪表板提供支持。它有助于管理人员快速隔离堆积在积压工作中、可能需要行政关闭或重新分配的被忽视案例。为何重要帮助识别流程浪费和被忽视的工作项。获取方式流程挖掘工具计算得出：(当前时间 - 最后数据更新) > 14 天示例 truefalse
	有 PIR HasPostImplementationReview	标记是否执行了实施后评审。
描述此属性指示问题解决流程是否包含评审阶段。它通过检查案例历史记录中是否存在“已开展实施后评审”活动来推导。在分析中，这支持“实施后评审覆盖率”仪表板。这是一项合规指标，确保组织能够从重大问题中学习。为何重要验证对持续改进流程的合规性。获取方式根据是否存在“已执行实施后评审”活动得出示例 truefalse
	知识文章 ID KnowledgeArticleId	为该问题创建或关联的知识库文章 ID。
描述此属性存储对 Zendesk Guide 文章或外部知识项的引用。它表示从该问题中获得的知识已被捕获。在分析中，此字段的存在用于计算“知识库集成率”。它验证了组织是否通过记录解决方案供未来参考，从而完成了学习闭环。为何重要衡量知识管理流程的有效性。获取方式 Zendesk 工单自定义字段或关联内容示例 360045889KB-2991
	调查时长 InvestigationDuration	从调查开始到识别根本原因所花费的时间。
描述此计算属性衡量核心诊断阶段的时长。它计算“调查已开始”活动与“确定根本原因”活动之间的时间差。在分析中，这是“平均根本原因分析时长”的核心指标。它允许对不同支持小组和问题类别的诊断速度进行基准测试。为何重要衡量诊断流程的效率。获取方式流程挖掘工具计算得出：时间戳(根因确定) - 时间戳(调查开始) 示例 48 小时5天
	问题主题 ProblemSubject	问题记录的简短摘要或标题。
描述此属性包含创建问题时输入的文本摘要。它通常描述症状或正在调查的问题。在分析中，这在下钻到具体案例时为分析人员提供上下文。此处也可以应用文本挖掘技术来聚类相似问题，或识别结构化类别字段未捕获的重复话题。为何重要为单个案例提供易于理解的背景信息。获取方式 Zendesk Ticket 对象，字段 'subject' 示例无法处理欧盟地区的付款登录服务器延迟激增管理员用户数据导出失败

必填推荐可选

问题管理活动

捕获这些关键流程步骤和状态变更，以可视化从最初问题识别到最终永久修复实施的端到端流程。

8 推荐 4 可选

	活动	描述
	临时方案已发布	记录并共享该问题临时修复方案的操作。在 Zendesk 中，这通常通过特定标签或指示“有可用变通方法”的自定义复选框字段来捕捉。
为何重要支持“临时方案发布合规性”仪表板，确保在漫长的调查期间为用户提供临时缓解措施。获取方式监控“workaround_published”标签的添加，或名为“Workaround”的自定义布尔字段的更改。捕获对比自定义字段或标签值事件类型 inferred
	已识别根因	确定问题潜在原因的时间点。通常在支持人员填充自定义“根本原因”文本字段或下拉类别时捕获。
为何重要用于衡量诊断效率及“根因调查速度”仪表板的关键里程碑。获取方式监控标记为“根本原因”、“RCA”或“问题来源”的自定义字段中非空值的更改。捕获对比自定义字段的填充值事件类型 inferred
	指派给支持小组	将问题记录路由到特定技术团队或部门。这在工单上的“小组 ID”字段更新时进行跟踪。
为何重要对于“支持小组交接分析”仪表板衡量部门间等待时间至关重要。获取方式监控工单审计日志中“group_id”字段的更改。捕获执行“小组分配变更”事务时记录事件类型 explicit
	永久修复已应用	表示技术解决方案已部署到环境中。这通常在工单完全解决之前，通过自定义状态转换或特定标签进行跟踪。
为何重要对于“修复实施效率”仪表板衡量从诊断到部署的时间至关重要。获取方式根据特定标签（如 'fix_deployed'）或自定义状态字段（如有）推断。捕获监控标签或自定义状态下拉菜单事件类型 inferred
	解决方案已验证	正式将问题标记为“已解决”。在 Zendesk 中，当标准系统状态设为“已解决”时发生，表示修复已验证且案例已完成。
为何重要 SLA 绩效与风险计算以及问题 SLA 达成率的主要终点。获取方式源自工单状态变更为“已解决”。捕获状态变更为“已解决”时记录事件类型 explicit
	调查已开始	标记从被动的“新建”状态到主动工作状态的转换。这表示技术支持人员已确认问题并开始诊断。
为何重要用于计算“陈旧问题记录”指标，也是“平均根本原因分析时长”KPI 的起点。获取方式当工单状态从“新建”变为“开启”或“待处理”时推断得出。捕获比较状态字段的前后变化事件类型 inferred
	问题记录已关闭	生命周期的最终事件，此时工单被锁定，无法再进行更改。在 Zendesk 中，这通常在处于“已解决”状态 4 天后自动发生。
为何重要标记记录生命周期的绝对终点，用于数据保留和历史报告。获取方式源自工单状态变更为“已关闭”。捕获状态变为“已关闭”时记录事件类型 explicit
	问题记录已记录	在 Zendesk Support 中初始创建问题工单。此事件捕获问题首次记录在系统中的时间戳，通常会触发流程实例。
为何重要确立“端到端解决周期”的开始时间，并作为所有后续前置时间指标的基准。获取方式源自工单对象中的 'created_at' 时间戳或工单审计日志中的第一条记录。捕获执行“工单创建”事务时记录事件类型 explicit
	已发起变更请求	表示已触发正式的变更管理流程来修复问题。通常根据“变更请求 ID”自定义字段被填充或关联了“变更”类型工单来判定。
为何重要跟踪“变更请求启动率”，并将问题管理与变更管理工作流相链接。获取方式监控“change_reference”等自定义字段的更新，或“problem_change”链接类型的创建。捕获监控自定义字段中的外部 ID 输入事件类型 inferred
	已执行实施后评审	确认修复后已完成回溯评审。这通常是由流程协调员更新的复选框或日期字段。
为何重要 “实施后评审频率”KPI 所必需，用于确保符合质量标准。获取方式监控自定义复选框“PIR 已完成”或日期字段“PIR 日期”的更新。捕获监控自定义字段的完成情况事件类型 inferred
	拟定解决方案草案	基于问题调查创建知识库文章。这通过 Zendesk 知识捕获应用的使用情况或关联新文章来推断。
为何重要支持“知识库集成率”KPI，确保组织学习。获取方式监控与“知识捕获”集成相关的事件或类似“kcs_draft”的标签。捕获源自特定的系统标签或链接事件事件类型 inferred
	问题调查已重新开启	当先前标记为“已解决”的问题记录返回到“开启”或活跃状态时发生。这通常表示修复失败或解决方案被拒绝。
为何重要支持“问题重新开启率”KPI，有助于识别解决流程中的质量问题。获取方式当状态从“已解决”跳回“开启”、“新建”或“待处理”时推断得出。捕获比较状态字段的前后变化事件类型 inferred

推荐可选

提取指南

如何从 Zendesk Support 获取数据

步骤

登录 Zendesk，通过产品托盘进入 Explore 报告界面。
点击“查询”文件夹（新版本中为“报告”），选择“新建查询”。
选择数据集时，依次选择 Support > Updates History > Support: Updates History [default]。该数据集包含流程挖掘所需的事件日志，而非仅有当前状态。
在“指标”面板中，添加 Count (Tickets) 或 Count (Updates) 以确保数据正常拉取。
在“过滤器”面板中，添加“工单 > 工单类型”过滤器，选择 Problem 以锁定“问题管理”流程。
在“行”面板中，按顺序添加以下属性以定义事件日志结构：工单 > 工单 ID、时间 - 时间戳 > 更新 - 时间戳、更新人 > 更新人姓名、变更 > 变更 - 字段名称。
创建“活动名称”列：点击右侧栏的“计算”图标，选择“标准计算属性”，命名为 Activity Mapper，并粘贴下方查询部分提供的代码。
将新创建的 Activity Mapper 属性添加到“行”面板。过滤掉该属性中的 NULL 值，以剔除无关的系统噪音。
在“行”面板中添加补充属性：工单 > 优先级、工单 > 组、工单 > 状态，以及用于根因分析的自定义字段（如工单标签等）。
在“过滤器”面板中使用“时间 - 时间戳 > 更新 - 日期”设置分析的时间窗口（如过去 6 个月）。
点击“可视化类型”图标并选择“表格”。确保所有属性都位于“行”部分，呈现为扁平化表格。
点击“导出 > CSV”。务必勾选“保留属性格式”，以确保 ProcessMind 能够正确识别时间戳格式。

配置

数据集：Support: Updates History（关键：请勿使用标准 Tickets 数据集，因为它仅显示当前状态）。
时间筛选：Update - Date（建议：根据数据量选择过去 90 到 180 天）。
工单类型：严格筛选为 Problem，以避免混入 Incident 或 Service Request。
行数限制：Zendesk Explore 导出通常限制为 50,000 行。如果您的数据集超过此限制，请使用 Update - Date 过滤器分月导出，然后在外部进行合并。
自定义字段：确认您 Zendesk 实例中 Root Cause、Change Request 和 Workaround 的具体字段 ID，因为这些不是标准系统字段。
系统权限：需要 Explore Viewer 或 Explore Professional 许可。

a 查询示例 config

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

步骤

前提条件确认：确保您的组织已启用 Zendesk Data Sharing 插件。确认您拥有副本数据库（通常托管在 Snowflake 或 Amazon Redshift 上）的只读访问凭证。
连接数据库：使用您常用的 SQL 客户端（如 DBeaver、DataGrip 或 Snowflake/Redshift 原生 Web 界面），利用提供的凭证连接到 Zendesk 数据仓库。
识别自定义字段：在运行查询前，需获取“问题管理”流程中自定义字段的唯一 ID。在 Zendesk 管理中心，前往“对象和规则”>“工单”>“字段”。找到“根因”、“变更请求 ID”、“已发布变通方案”、“已应用永久修复”和“实施后评审”等字段，记录其 ID。这些 ID 将用于替换查询脚本中的占位符。
查看 SQL 查询：提供的查询脚本使用名为 ProblemTickets 的公用表表达式 (CTE) 来筛选问题记录，以提高性能和可读性。查询主体通过 UNION ALL 合并了 12 个独立的 SELECT 语句，对应每项所需的活动。
定制化查询：在 SQL 编辑器中粘贴脚本，并修改以下占位符：
- 在 ProblemTickets CTE 中，替换 '[YYYY-MM-DD]' 以设定所需的日期范围。
- 针对依赖自定义字段的活动，将占位符（如 [Your 'Root Cause Category' field_id]）替换为步骤 3 中获取的实际 ID。
执行查询：在数据库中运行修改后的 SQL 脚本。执行时间取决于日期范围和工单数据量。
核对“拟定解决方案”逻辑：查询脚本默认通过填充 [Your 'KB Article ID' field_id] 字段来判定方案拟定。如果您的流程使用特定标签或评论，请相应调整此处的查询逻辑。
数据验证：查询完成后，简要检查结果。核对行数是否合理，确保所有列均已生成，并检查 ProblemRecordId 和 EventTimestamp 等关键列是否存在异常的 NULL 值。
导出事件日志：将结果集从 SQL 客户端导出为 CSV 文件。确保使用 UTF-8 编码，且列标题与流程挖掘工具要求的属性名称一致。
上传准备：上传前检查 CSV 文件格式。确保 EventTimestamp 列中的日期时间格式统一（如 YYYY-MM-DD HH24:MI:SS）。

配置

前提条件：此提取需要 Zendesk Data Sharing 插件，并拥有对 Snowflake 或 Amazon Redshift 实例中副本数据的直接 SQL 访问权限。
工单类型筛选：查询已预先配置为仅分析 type 为 'problem' 的工单。这对于将“问题管理”流程与事件或其他工单类型隔离开来至关重要。
日期范围过滤：强烈建议过滤特定时间段的数据以优化性能。查询在初始 CTE 中包含占位符 created_at >= '[YYYY-MM-DD]'。初步分析通常建议选择 3 到 6 个月的数据。
自定义字段配置：此提取高度依赖于您的 Zendesk 配置。您必须识别并填入正确的 field_id，以追踪“确定根因”、“发起变更请求”和“发布变通方案”等活动。如果未替换占位符 ID，查询将失败或无法返回这些活动的数据。
数据延迟：副本数据库中的数据并非实时的。从 Zendesk 事件发生到出现在数据仓库中通常有几小时的延迟。在分析近期活动时请留意这一点。

a 查询示例 sql

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

UNION ALL

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

UNION ALL

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

UNION ALL

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

UNION ALL

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

UNION ALL

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

UNION ALL

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

UNION ALL

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

UNION ALL

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

UNION ALL

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

UNION ALL

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

UNION ALL

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

步骤

前提条件：确保系统已安装 Python 3.6+。在终端或命令行运行 pip install requests pandas 安装必要的库。
生成 Zendesk API 令牌：以管理员身份登录 Zendesk Support。前往管理中心 > 应用和集成 > API > Zendesk API。在“令牌访问”部分点击“添加 API 令牌”。立即复制并妥善保管该令牌，它不会再次显示。
配置 Python 脚本：新建 Python 文件（如 extract_zendesk_problems.py），粘贴查询部分的完整脚本。更新脚本顶部的占位符变量：ZENDESK_SUBDOMAIN、ZENDESK_EMAIL、ZENDESK_API_TOKEN 和 START_TIME。首次运行时，将 START_TIME 设置为提取起始日期的 Unix 时间戳。
映射自定义字段 ID：获取“问题管理”流程中自定义字段的数字 ID。在管理中心 > 对象和规则 > 工单 > 字段中查看属性或 URL 即可找到。更新脚本中的 CUSTOM_FIELD_MAPPING 字典。
执行脚本：在终端运行 python extract_zendesk_problems.py。脚本将通过 Zendesk 增量导出 API 开始抓取数据。
监控运行状态：脚本会实时打印进度，包括已处理工单数和当前抓取的时间点，并能自动处理 API 速率限制（如遇 429 错误会自动暂停）。
数据检索与转换：脚本首先检索自 START_TIME 以来所有新建或更新的问题工单，随后抓取每个工单包含所有历史变更的完整审计轨迹。
生成事件日志：脚本处理每条审计事件，将字段变更（如状态、组或自定义字段更新）映射为定义的业务活动，并缓存用户和组名以丰富数据维度。
处理增量加载：首次全量加载后，后续运行只需将 START_TIME 更新为上次成功运行结束时打印的 end_time，以确保只拉取增量数据。
检查输出文件：脚本运行结束后，将在同级目录下生成 zendesk_problem_event_log.csv 结构化事件日志文件。
上传准备：在电子表格工具中打开 CSV 文件，核对 ProblemRecordId、ActivityName、EventTimestamp 等关键列是否准确完整，确认无误后即可上传至 ProcessMind。

配置

Zendesk API 凭证：脚本需要您的 Zendesk 子域名、与 API 令牌关联的用户邮箱以及 API 令牌本身进行身份验证。
开始时间：START_TIME 变量是一个 Unix 时间戳，定义了数据提取的起点。首次运行时，请设置为过去的一个日期（例如 6 个月前）以获取历史数据。后续运行可使用上次运行的结束时间来增量抓取数据。
自定义字段映射：CUSTOM_FIELD_MAPPING 字典至关重要。您必须将占位符 ID 替换为 Zendesk 实例中的实际字段 ID，以便准确捕获“发布变通方案”和“确定根因”等活动。
工单类型筛选：脚本硬编码为仅处理 type 为 'problem' 的工单，以确保“问题管理”事件日志中不包含事件、任务或咨询信息。
API 速率限制：脚本包含基础的 time.sleep(60) 函数来处理 429“请求过多”错误。根据您的 Zendesk 套餐和数据量，可能需要调整暂停时长。
前提条件：运行脚本需要安装了 requests 和 pandas 库的 Python 3 环境。API 令牌必须关联拥有读取工单数据权限的账户。

a 查询示例 python

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

    df = pd.DataFrame(event_log_data)

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

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

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

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

您的问题管理数据模板

您的问题管理数据模板

问题管理属性

问题管理活动

提取指南

Zendesk Explore 更新历史导出

步骤

配置

a 查询示例 config

通过 Zendesk 数据共享进行 SQL 查询

步骤

配置

a 查询示例 sql

使用增量导出 API 进行 Python 提取

步骤

配置

a 查询示例 python

准备好开始了吗？

优化问题管理，加速 IT 修复

您的问题管理数据模板

您的问题管理数据模板

问题管理属性

问题管理活动

提取指南

Zendesk Explore 更新历史导出

步骤

配置

a 查询示例 config

通过 Zendesk 数据共享进行 SQL 查询

步骤

配置

a 查询示例 sql

使用增量导出 API 进行 Python 提取

步骤

配置

a 查询示例 python

我们重视您的隐私

准备好开始了吗？

优化问题管理，加速 IT 修复