> 持续流程改进 > 事件管理 > Zendesk Support > 数据模板

事件管理数据模板

Zendesk Support

事件管理数据模板

本模板为您有效分析事件管理流程所需的关键数据提供了结构化概览。它列出了要收集的核心属性、要追踪的关键活动，并包含了从 Zendesk Support 提取这些数据的实用指南。使用此模板，确保您的 Process Mining 项目从稳健且完整的数据集开始。

建议收集的属性
流程建模需跟踪的关键活动
实用的数据提取指南

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

事件管理属性

这些是建议包含在事件日志中的数据字段，用于对您的事件管理流程进行全面分析。

5 必填 7 推荐 12 可选

	名称	描述
	事件ID TicketId	系统为每张 incident 工单生成的唯一标识符。
描述 Incident ID 是唯一标识 Zendesk Support 中每个 incident case 的主键。它在 Process Mining 中充当 CaseId，将从 incident 创建到关闭期间的所有相关活动、状态变更和沟通信息关联起来。\n\n在分析中，此 ID 对于重建每个 incident 的端到端旅程至关重要。它允许聚合 event data 以追踪单个 case 的总解决时间、交接次数和 SLA 达成情况等指标。通过按此 ID 对 event 进行分组，分析师可以实现流程可视化，识别常见路径并检测偏离标准程序的异常情况。为何重要这是将所有 event 连接到单个 incident 的核心标识符，使追踪整个生命周期并准确分析流程绩效成为可能。获取方式 Zendesk Tickets API (/api/v2/tickets/{id})，字段为 id。示例 19428230113521941055
	事件timestamp EventTimestamp	活动发生的精确日期和时间。
描述此 timestamp 记录了 incident 生命周期中 event 发生的精确时刻，例如添加备注或更改状态的时间。它为 case 内的所有活动提供了时间顺序。\n\n此属性是任何基于时间的 Process Mining 分析的基础。它用于计算活动间的周期时间、识别等待时间、衡量整体 case 时长以及分析不同时间段的流程绩效。准确的 timestamp 对于创建展示 case 随时间流转的动态流程图，以及构建追踪平均解决时间等 KPI 的绩效仪表板至关重要。为何重要 Timestamp 为所有活动提供了时间线上下文，从而能够计算时长、识别瓶颈并分析流程绩效随时间的变化。获取方式 Zendesk Ticket Audits API (/api/v2/tickets/{ticket_id}/audits)，每个审计 event 的字段为 created_at。示例 2023-04-15T10:00:00Z2023-04-15T10:05:12Z2023-04-16T14:30:00Z
	最后数据更新 LastDataUpdate	指示该流程 data 上次刷新时间的 timestamp。
描述此属性记录从源系统进行的最新 data 提取或更新的日期和时间。它通常是应用于给定刷新周期内整个数据集的单个值。\n\n此信息对于 data 治理以及 Process Mining 分析的用户至关重要。它提供了关于 data 新鲜度的上下文，帮助分析师了解他们查看的是否是当前可用的最新信息。这对于监控运营绩效并根据分析做出及时决策尤为重要。为何重要提供有关 data 新鲜度的关键上下文，确保用户了解分析的时效性以及 data 的最后提取时间。获取方式由 ETL/数据流水线流程在完成 data 刷新后生成的 timestamp。示例 2023-10-27T08:00:00Z2023-10-28T08:00:00Z
	活动 ActivityName	在 incident 生命周期中特定时间点发生的业务活动或 event 名称。
描述此属性描述了事件管理流程中采取的具体步骤或行动，例如“Incident Created”、“Ticket Assigned to Agent”或“Incident Resolved”。这些活动源自 Zendesk 的事件日志或审计追踪 data，其中记录了所有的系统变更。\n\n在 Process Mining 中，这些活动的序列构成了流程图，这是所有分析的基础。通过分析活动流，组织可以发现 incident 的实际流转路径、识别步骤间的瓶颈、衡量返工循环（例如重新开启已解决的工单），并检查其是否符合定义的标准流程。为何重要活动序列定义了流程流转，这是 Process Mining 分析的核心，用于识别低效环节、偏差和改进机会。获取方式源自 Zendesk Ticket Audits API 中的 `event`。例如，“状态”字段的 Change `event` 可以映射为“状态已更改”。示例事件已创建工单已分配给坐席状态变更为待处理事件已解决事件已关闭
	源系统 SourceSystem	提取该事件数据的来源系统。
描述此属性识别流程 data 的来源。在此视图中，该值是静态的（例如 'Zendesk Support'），表示所有 event 和属性均源自该系统。\n\n在整合了多个系统 data 的环境中，此字段对于区分不同 data 源至关重要。它有助于确保 data 完整性，并允许进行特定源的分析，例如将 Zendesk 中的事件管理流程与其他 ITSM 工具进行比较。为何重要识别 data 来源，这对于 data 治理以及合并来自多个源系统 data 的分析至关重要。获取方式在 data 转换过程中设置的静态值，用于识别 data 来源。示例 Zendesk SupportZendesk
	SLA 状态 SlaStatus	该 incident 的服务级别协议 (SLA) 当前状态。
描述此属性指示 incident 是否正按计划达成定义的 SLA 目标、是否已违规，或者 SLA 计时器是否已暂停。Zendesk 会根据配置的策略自动追踪 SLA 指标。\n\n这是“SLA 合规性监控”仪表板的关键属性。它提供了对服务承诺履行情况的直接衡量。通过分析 SLA 何时以及为何违规，组织可以发现流程弱点并提升服务可靠性。它直接支持“incident SLA 达成率”这一 KPI。为何重要直接衡量相对于服务承诺的绩效，支持 SLA 违规分析和主动监控，以提升合规性。获取方式 Zendesk Ticket Metrics API (/api/v2/ticket_metrics.json)，源自 sla_policy、breached_at 等字段。示例在职已挂起已超期已履约
	上报渠道 Channel	最初报告 incident 的渠道，例如“电子邮件”、“网页”或“API”。
描述此属性捕获最终用户或系统创建 incident 工单的方法。了解渠道对于分析 incident 来源并据此定制支持流程非常重要。\n\n按渠道分析 incident 可以揭示不同的模式。例如，通过电话报告的 incident 解决时间可能比电子邮件短。此信息支持“incident 吞吐量”仪表板，并有助于资源规划和渠道优化工作。为何重要有助于按来源分析事件量和流程绩效，从而实现针对特定渠道的流程改进和资源分配。获取方式 Zendesk Tickets API，字段为 via.channel。示例网页emailapi电话
	事件结束时间 EventEndTime	指示活动完成时的时间戳。
描述 Event End Time 标志着一个活动的结束。在事件日志 data 中，一个活动的结束时间通常被推断为该 case 序列中下一个活动的开始时间。对于 case 中的最后一个活动，结束时间可能与其开始时间相同。\n\n此属性对于计算单个活动的持续时间（处理时间）以及活动之间的等待时间至关重要。这些信息是瓶颈分析的基础，让分析师不仅能看到一个步骤耗时多久，还能看到 case 在该步骤开始前闲置了多久。为何重要支持计算活动持续时间和等待时间，这是进行详细瓶颈分析和识别流程延迟的基础。获取方式计算为同一个 `case` 内后续 `event` 的开始时间。最后一个 `event` 的结束时间可以与其开始时间相同，也可以是 `case` 关闭时间。示例 2023-04-15T10:05:12Z2023-04-16T14:30:00Z2023-04-16T18:00:00Z
	优先级 TicketPriority	分配给 incident 的优先级，例如“低”、“普通”、“高”或“紧急”。
描述 incident 的优先级决定了响应和解决所需的紧急程度。它是支持团队内部工作优先级划分和资源分配的关键因素。\n\n在流程分析中，优先级用于对 incident 进行细分，以便比较它们的流程流转和绩效。例如，分析师可以检查“紧急”incident 的解决速度是否真的比“低”优先级快。它还用于监控 SLA 合规性，因为 SLA 通常根据优先级定义。“优先级变更率”这一 KPI 就依赖于对此字段变更的追踪。为何重要此属性对于细分分析、评估优先级划分的有效性以及监控不同紧急程度下的 SLA 合规性至关重要。获取方式 Zendesk Tickets API，字段为 priority。变更记录在 Ticket Audits API 中。示例低正常高紧急
	工单状态 TicketStatus	event 发生时 incident 工单的状态，例如“开启”、“待处理”或“已解决”。
描述此属性反映了 incident 工单在生命周期不同阶段的状态。标准 Zendesk 状态包括：新建、开启、待处理、挂起、已解决和已关闭。追踪此字段的变更为 Process Mining 生成活动的主要方式。\n\n分析工单状态是理解流程的基础。它有助于识别 incident 在某些状态下停留的时间，例如“待处理”，这通常表示正在等待客户回复。它也是定义 case 完成和计算解决时间的关键。为何重要追踪状态变更是理解流程进度、识别等待时间以及定义 incident 生命周期起止点的关键。获取方式 Zendesk Tickets API，字段为 status。变更记录在 Ticket Audits API 中。示例新建开启待处理已解决已关闭
	指派处理人 Assignee	当前负责处理该 incident 的具体支持坐席。
描述此属性识别在特定时间负责该 incident 的具体坐席。受让人（Assignee）的变更属于关键 event，标志着工作从一个人交接给了另一个人。\n\n分析分配的坐席有助于了解工作量分布、个人绩效和协作模式。追踪此字段的变更对于计算“单次 incident 平均交接次数”这一 KPI 至关重要，并能识别 incident 被频繁转手的情况，这通常意味着存在知识盲区或路由效率低下。为何重要识别负责的代理，支持工作量分析和交接跟踪，这对于识别流程效率低下至关重要。获取方式 Zendesk Tickets API，字段为 assignee_id。变更记录在 Ticket Audits API 中。示例约翰·史密斯Jane Doe服务台自动化
	指派小组 AssignedGroup	当前分配给该 incident 的支持团队或小组。
描述此属性指示负责该 incident 的团队。incident 经常在不同的支持层级或专业小组之间流转，例如从“一级支持”转到“网络团队”。\n\n这是分析流程交接和识别瓶颈的关键维度。通过监控 incident 在小组间的流转方式，分析师可以衡量团队间的依赖关系、计算特定团队的排队时间并优化路由规则。它直接支持“交接与返工分析”仪表板。为何重要追踪团队归属，这对于分析团队间交接、识别特定团队瓶颈以及衡量排队时间至关重要。获取方式 Zendesk Tickets API，字段为 group_id。变更记录在 Ticket Audits API 中。示例一线支持L2 网络团队L3 基础设施团队账单
	严重性 Severity	该 incident 对业务的影响程度。
描述严重程度定义了 incident 对业务的影响，通常与优先级结合使用以确定整体紧急程度。这通常在 Zendesk 中配置为自定义字段。\n\n分析严重程度有助于了解正在处理的 incident 的关键性。它是“SLA 合规性监控”和“优先级划分有效性指标”等仪表板中进行数据切片的关键维度。比较不同严重程度的流程流转可以揭示高严重程度的 incident 是否得到了应有的处理速度和资源支持。为何重要指示事件的业务影响，支持针对最关键问题的集中分析，并确保其得到高效解决。获取方式这通常是一个自定义字段。请检查 Zendesk 管理中心（Admin Center）里的工单字段配置。示例 1 - 紧急2 - 高3 - 中4 - 低
	处理时间 ProcessingTime	单个活动的持续时间，代表在任务上投入的实际工作时间。
描述此指标衡量从活动开始到结束所经过的时间。它的计算方式是事件日志中每一行 EventEndTime 与 EventTimestamp 的差值。\n\n处理时间（也称为活动时长）有助于区分实际工作时间与闲置或等待时间。在“瓶颈活动概览”仪表板中，某些活动的平均处理时间过高可能意味着任务复杂且耗时。这与代表任务间延迟的等待时间不同。为何重要衡量特定活动的实际工作时间，有助于识别那些天生耗时、可作为简化或自动化备选对象的任务。获取方式计算为每个活动中 EventEndTime 与 EventTimestamp 之间的差值。示例 30018003600
	客户组织 Organization	incident 请求者所属的组织或公司。
描述此属性将 incident 与客户的组织关联起来。这对于 B2B 支持环境至关重要，因为服务级别和支持流程可能会因客户而异。\n\n按组织分析 incident 允许支持团队监控客户健康状况、识别影响特定客户的重复性问题，并确保履行合同义务。它是过滤仪表板和报告的关键维度，旨在提供以客户为中心的绩效视图。为何重要支持针对特定客户的分析，有助于监控服务水平、识别大客户趋势并有效管理客户关系。获取方式 Zendesk Tickets API，字段为 organization_id。示例 Global Tech Inc.创新解决方案Data Corp
	工单类型 TicketType	工单的分类，例如“Incident”、“问题”、“提问”或“任务”。
描述此字段根据请求的性质对工单进行分类。事件管理流程专门针对类型为“Incident”的工单，代表 IT 服务出现了非计划的中断或质量下降。\n\n在分析中，此属性主要用作过滤器，以确保流程视图中仅包含 incident。它也可用于更广泛的 ITSM 分析，以比较处理 incident 与问题或服务请求的流程差异。为何重要允许过滤 data 以专门关注事件，确保流程分析与事件管理生命周期相关。获取方式 Zendesk Tickets API，字段为 type。示例事件问题询问任务
	提交人 Submitter	最初报告 incident 的最终用户或系统。
描述此属性识别创建工单的人员或实体。这与请求者不同，因为坐席可能会代表他人创建工单。\n\n在分析中，提交者可用于了解谁在报告问题。结合组织 data，它可以帮助识别特定客户或用户群组是否遇到了大量的 incident。这可以指导主动支持计划或培训工作。为何重要识别事件报告的来源，通过分析可以发现与特定用户、部门或自动化系统相关的模式。获取方式 Zendesk Tickets API，字段为 submitter_id。示例 alice.jones@example.combob.williams@example.com系统监控
	是否为首次联系解决 IsFirstContactResolution	一个布尔值标签，如果事件由第一位分配的代理或小组解决且没有任何交接，则为 true。
描述首次联系解决 (FCR) 是衡量支持中心效率和客户满意度的关键指标。此计算属性会标记那些在未重新分配给其他代理或团队的情况下即获解决的事件。其逻辑通常是检查工单在仍分配给初始代理和小组的情况下，是否达到了“已解决”状态。在 Process Mining 中，这可以直接计算 FCR 率，并对比 FCR 事件与需要升级的事件的流程路径，从而帮助识别赋能一线支持的机会。为何重要直接衡量初始支持接触点的效率，并有助于识别在流程早期解决问题的机会。获取方式计算出的布尔值标签。如果工单状态为“已解决”或“已关闭”，且在事件的整个生命周期中只有一个唯一的受派人或受派小组，则为 True。示例 truefalse
	是否已自动化 IsAutomated	一个布尔值标签，用于指示活动是由自动化系统还是人工代理执行。
描述此派生属性有助于区分由人工执行的 event 与由系统自动化、触发器或 API 集成执行的 event。通常通过检查 event 的发起者是否为已知的系统用户来确定。\n\n了解自动化程度对于现代流程分析至关重要。它有助于评估自动化规则的有效性、识别可以自动化的手动任务，并衡量自动化对效率和解决时间的影响。此属性可用于比较自动化活动与手动活动的流程流转。为何重要区分人工操作与系统操作，这对于分析自动化对流程效率的影响以及识别新的自动化机会至关重要。获取方式通过检查 `event` 作者（Ticket Audits API 中的 `author_id`）是否对应已知的系统或自动化用户得出。示例 truefalse
	标签 Tags	应用于事件的标签列表，用于分类和提供背景信息。
描述标签是灵活的标识，可以添加到工单中以提供额外的上下文或辅助分类与路由。它们可以由坐席手动添加，也可以通过触发器和自动化功能自动添加。\n\n标签是 Process Mining 分析的丰富 data 来源。它们可用于创建精细化的分析分段，例如过滤与特定产品发布（如 'launch_q4'）或已知停机事件（如 'outage_20231027'）相关的 incident。这种灵活性使得调查能够深入到标准工单字段之外。为何重要提供灵活的方式对 incident 进行分类和过滤，实现更深入、基于特定场景的分析，弥补仅使用标准字段的局限性。获取方式 Zendesk Tickets API，字段为 tags。示例 vip_user网络问题outage_20231027账单相关
	根因类别 RootCauseCategory	incident 潜在根因的高级分类。
描述此属性用于对 incident 发生的根本原因进行分类。它通常在 incident 生命周期的末尾捕获（通常作为事后分析或问题管理流程的一部分），并存储在自定义字段中。\n\n此 data 对于“根因识别准确度”仪表板和“RCA 覆盖率”KPI 至关重要。按根因分析 incident 有助于发现经常性问题，指导实施永久性修复措施并减少未来的 incident 数量。它将工作重点从被动救火转变为主动预防问题。为何重要通过对事件原因进行分类，支持主动的问题管理，有助于识别趋势并防止未来再次发生。获取方式这通常是一个自定义工单字段。请检查 Zendesk 管理中心（Admin Center）里的工单字段配置。示例软件缺陷硬件故障用户错误网络中断
	案例持续时间 CaseDuration	从 incident 创建到最终关闭所经过的总时长。
描述此计算指标代表单次 incident 的端到端周期时间。计算方式是取第一个 event（如 'Incident Created'）与最后一个 event（如 'Incident Closed'）的 timestamp 差值。\n\nCase Duration 是衡量整体流程效率的首要关键绩效指标 (KPI)。它被广泛用于仪表板中，以展示平均周期时间、识别长期未结的 case 并分析随时间变化的趋势。它提供了一个宏观的衡量标准，反映了流程处理和解决 incident 的速度。为何重要这是衡量整体流程速度并识别导致解决时间过长因素的关键 KPI。获取方式通过计算每个 Incident ID 最后一个 `event` 与第一个 `event` 之间的 `timestamp` 差值得出。示例 25920060480086400
	满意度评分 SatisfactionRating	incident 解决后，由最终用户提供的满意度评分。
描述此属性捕获客户对支持体验的反馈，通常在工单解决后通过调查收集。Zendesk 中的常用评分为“好”或“差”。\n\n虽然满意度评分不是流程效率的直接衡量标准，但它提供了一个关键的结果指标。在 Process Mining 中，这可以与流程变体关联，以了解哪些解决路径会带来更高的客户满意度。例如，交接次数较多的 incident 是否得分较低？为何重要提供关键的结果指标，可与流程特征关联，以了解流程绩效如何影响用户满意度。获取方式 Zendesk Ticket Metrics API (/api/v2/ticket_metrics.json)，字段为 satisfaction_rating.score。示例 goodbadoffered未提供
	转派次数 HandoffCount	该 incident 被重新分配给不同坐席或小组的总次数。
描述此计算指标量化了 incident 职责转手的次数。受让人或分配组字段的每次更改都会增加该 case 的计数。\n\n交接是事件管理中低效和延迟的常见来源。过高的交接计数可能意味着路由规则不明、支持团队存在知识盲区或流程过于复杂。此指标是“单次 incident 平均交接次数”这一 KPI 的基础，对于“交接与返工分析”仪表板至关重要。为何重要量化由交接引起的流程摩擦，帮助锁定延长解决时间的路由低效环节和知识孤岛。获取方式通过计算事件的 AssignedGroup 或 Assignee 字段更改的次数得出。示例 0135

必填推荐可选

事件管理活动

这些是需要在事件日志中捕获的关键流程步骤和里程碑，以实现精准的流程发现和分析。

6 推荐 7 可选

	活动	描述
	事件已关闭	标志着工单永久关闭时事件生命周期的最终结束。在 Zendesk 中，这通常在解决后的设定时间段后自动发生，并被捕获为最终的状态更改。
为何重要这是流程的最终结束活动。整个流程时长从“Incident Created”计算到此 event 为止，从而提供周期时间的端到端视图。获取方式通过工单审计日志中的 Change `event` 捕获，其中“状态”字段的新值为“已关闭”。捕获通过“状态”字段变为“已关闭”的 Change `event` 识别。事件类型 explicit
	事件已创建	标志着在 Zendesk 中创建新工单时事件生命周期的开始。此 `event` 通过 Zendesk 的工单创建审计日志明确捕获，作为每个 `case` 的起点。
为何重要这是流程的起始活动。分析从该 event 到后续各个环节的时间，对于衡量工单整体生命周期时长和初始响应时间至关重要。获取方式这是 Zendesk 工单审计日志中捕获的显式 event。每张新工单都会生成一个带相应 timestamp 的“创建”event。捕获直接源自审计日志中的工单创建 `event`。事件类型 explicit
	事件已解决	这一关键里程碑发生在坐席实施解决方案并将工单标记为“已解决”时。这是一个显式操作，在工单审计日志中记录为状态变更。
为何重要这是核心的解决活动，也是衡量解决时间的关键节点。此 event 与“Incident Closed”之间的时间代表用户确认或系统自动关闭的期限。获取方式通过工单审计日志中的 Change `event` 捕获，其中“状态”字段的新值为“已解决”。捕获通过“状态”字段变为“已解决”的 Change `event` 识别。事件类型 explicit
	工单已分配给坐席	当工单分配给特定坐席处理时，就会发生此活动。这是记录在工单审计历史中的显式 event，标志着个人已接手处理。
为何重要这一里程碑对于衡量首次分配时间至关重要，是分析交接、返工和首次联系解决率的基础。获取方式在工单审计日志中 `assignee_id` 字段被填充或更改时捕获。首次分配是 KPI 计算的关键里程碑。捕获通过工单审计日志中 `assignee_id` 字段的 Change `event` 识别。事件类型 explicit
	工单已重新分配	发生在初始分配后，工单所有权从一位代理或小组转移给另一位时。这是在工单审计历史中跟踪的一个明确 `event`。
为何重要重新分配对于分析交接和返工至关重要。频繁的重新分配通常意味着初始路由错误、问题过于复杂或存在流程瓶颈。获取方式通过识别工单审计日志中 `assignee_id` 或 `group_id` 字段在首次填充后的 Change `event` 来捕获。捕获通过随后的 `assignee_id` 或 `group_id` 字段的 Change `event` 识别。事件类型 explicit
	状态变更为“开放”	指示代理已开始主动处理该事件。此活动通常由工单“状态”字段从“新建”变为“开启”推断得出，标志着调查和诊断阶段的开始。
为何重要此 event 标志着从排队到开始工作的过渡。工单在进入“开启”状态前处于“新建”状态的时长，是衡量初始响应时间的关键指标。获取方式通过工单审计日志中的 Change `event` 推断得出，其中“状态”字段的新值为“开启”，旧值为“新建”。捕获由状态字段从“新建”变为“开启”推断得出。事件类型 inferred
	SLA目标超时	标志着工单未能达成定义的服务水平协议 (SLA) 的时刻，例如首次回复时间或解决时间。此 `event` 根据 SLA 策略定义和工单更新 `timestamp` 计算得出。
为何重要此 event 直接支持 SLA 合规性监控。识别违规发生的时间和原因，是提升服务可靠性和客户信任的基础。获取方式这是一个计算得出的 event。可以通过分析与工单关联的 'sla_policy_metrics' data，利用每个 SLA 目标的 'breached_at' timestamp 衍生而来。捕获源自工单 SLA 指标 data 中的 `breached_at` `timestamp`。事件类型 calculated
	工单已分配给小组	代表将 incident 初始路由或分流到特定的支持组。这通常是分配职责的第一步，并在工单的审计历史中记录为显式变更 event。
为何重要追踪小组分配情况有助于分析初始分流流程的效率，并识别工单路由到正确团队之前的延迟。获取方式每当工单审计日志中的 `group_id` 字段被设置或更改时捕获。创建后的第一次更改即为初始分配。捕获通过工单审计日志中 `group_id` 字段的 Change `event` 识别。事件类型 explicit
	已发送公开回复	代表支持坐席发送给最终用户的沟通信息。这是 Zendesk 中的一个显式 event，每当向工单添加公开备注时都会被捕获。
为何重要追踪公开回复对于了解沟通频率非常重要，并且在分析用户确认延迟时，它是时间线中的关键组成部分。获取方式从工单备注 data 中捕获。当备注的 `public` 属性为 true 时，该备注被识别为公开。捕获当工单中添加了 `public: true` 的新备注时记录的 `event`。事件类型 explicit
	已添加内部笔记	此活动代表内部协作，坐席在工单中为其他团队成员添加私密备注。当备注被标记为非公开时，系统会明确捕获此操作。
为何重要分析内部备注可以深入了解需要协作的复杂问题，但数量过多可能表明存在知识差距或流程效率低下。获取方式从工单备注 data 中捕获。当备注的 `public` 属性为 false 时，该备注被识别为内部便签。捕获当工单中添加了 `public: false` 的新备注时记录的 `event`。事件类型 explicit
	已设置优先级	定义事件的优先级（如：低、正常、高、紧急）。这被记录为一个明确的更改 `event`，并决定了工单的紧急程度和所需的响应时间。
为何重要追踪优先级设定的时间和方式对于“优先级划分有效性指标”仪表板至关重要，可确保关键问题得到及时处理。获取方式从工单审计日志中“优先级”字段的 Change `event` 中捕获。后续更改也可以被跟踪，以衡量优先级变更率 KPI。捕获通过工单审计日志中“优先级”字段的 Change `event` 识别。事件类型 explicit
	状态变更为待处理	指示流程在等待请求者回复时处于暂停状态。此 `event` 由工单“状态”字段变为“待处理”推断得出。
为何重要此活动对于计算“用户确认等待时间”至关重要。在此状态下持续时间过长会显著拉长整体解决时间，并突显出沟通延迟问题。获取方式通过工单审计日志中的 Change `event` 推断得出，其中“状态”字段的新值为“待处理”。捕获由状态字段变为“待处理”推断得出。事件类型 inferred
	用户满意度已评定	代表最终用户对所获得支持提供满意度评分的时间点。这是工单解决后在 Zendesk 中捕获的显式 event。
为何重要分析满意度评分可提供有关代理绩效和流程有效性的关键反馈，将流程指标与客户成果联系起来。获取方式从与工单关联的满意度评分 data 中捕获。这通常包括评分（“满意”或“不满意”）和可选评语。捕获当提交工单满意度评分时记录的 `event`。事件类型 explicit

推荐可选

提取指南

如何从 Zendesk Support 获取数据

步骤

访问 Zendesk Explore：使用具有创建和管理报表权限的账号登录 Zendesk Support 实例。
创建新报表：导航至 Explore 模块。点击左侧导航栏中的“报表”图标，然后点击“新建报表”按钮。
选择数据集：在“选择数据集”窗口中，选择 Support: Ticket updates [default] 数据集。该数据集包含每次工单更改的审计追踪，这对于创建事件日志 (Event Log) 至关重要。
添加初始属性（列）：在报表生成器中，转到“行”部分。点击“添加”并选择以下属性。这些将构成事件日志的列：Ticket ID、Update - Timestamp、Ticket status、Assignee name、Ticket group、Ticket priority、Ticket channel、Changes - Field name、Changes - Previous value、Changes - New value、Comment public。
创建计算属性：这是最关键的一步。转到“计算”菜单（烧瓶图标）并选择“标准计算属性”。创建下方“查询”部分定义的三个属性：ActivityName、SourceSystem 和 LastDataUpdate。您需要完整复制提供的公式。
优化报表列：将新创建的计算属性（ActivityName、SourceSystem、LastDataUpdate）添加到“行”部分。现在您可以移除用于创建 ActivityName 的原始字段（Changes - Field name 等），以使视图更加整洁。
添加报表过滤器：转到“过滤器”部分并点击“添加”。为 Update - Date 添加过滤器并选择合适的时间范围（例如过去 3 个月）。在计算属性 ActivityName 上添加另一个过滤器，排除空值，以移除任何不属于目标活动的工单更新。
运行并查看报表：当您添加属性和过滤器时，Zendesk Explore 会自动更新报表。查看 data 表以确保行和列符合预期。报表应为每个 event 显示一行。
将 data 导出为 CSV：报表完成后，点击右上角的“导出”按钮并选择“CSV”。Zendesk 将生成并下载 CSV 文件。
准备上传：打开导出的 CSV 文件。重命名列标题以匹配 Process Mining 工具要求的属性名称（例如，将 'Ticket ID' 重命名为 TicketId，将 'Update - Timestamp' 重命名为 EventTimestamp）。确保 timestamp 的日期格式符合 ISO 8601 标准。文件现在可以上传了。

配置

Zendesk 数据集：报告必须基于 Support: Ticket updates [default] 数据集构建。这是唯一能够提供详细审计追踪的标准数据集，用于按 event 逐一重建流程。
日期范围过滤：应用日期过滤器来限制 data 量至关重要。请使用“更新 - 日期”属性作为主要过滤器。初始分析通常建议选择 3-6 个月的 data 范围。
活动过滤器：创建 ActivityName 计算属性后，您必须过滤报告以排除此值为空的行。这会从您的事件日志 (Event Log) 中移除无关的工单更改（例如系统更新、标签更改）。
计算属性：此提取逻辑在很大程度上依赖于标准计算属性，将原始工单字段更改转换为易于理解的活动名称。公式的精确性是关键。
先决条件：运行报告的用户至少需要 Zendesk Explore 中的“查看者”角色。若要创建并保存报告，则需要“编辑者”或“管理员”权限。

a 查询示例 config

This extraction is configured using the Zendesk Explore UI. The core logic is contained within a standard calculated attribute. 

**1. Dataset Selection:**
* `Support: Ticket updates [default]`

**2. Report Columns (Add to 'Rows' panel):**
* `Ticket ID`
* `ActivityName` (Calculated Attribute)
* `EventTimestamp` (Use the `Update - Timestamp` attribute)
* `SourceSystem` (Calculated Attribute)
* `LastDataUpdate` (Calculated Attribute)
* `Ticket status`
* `Assignee name`
* `Ticket group`
* `Ticket priority`
* `Ticket channel`
* `SLA metric status`
* `EventEndTime` (Use the `Update - Timestamp` attribute again)

**3. Standard Calculated Attribute Formulas:**

**Attribute Name:** `ActivityName`
**Formula:**
```
IF ([Changes - Field name] = "status" AND [Changes - Previous value] = NULL AND [Changes - New value] = "new") THEN "Incident Created"
ELIF ([Changes - Field name] = "status" AND [Changes - New value] = "open") THEN "Status Changed to Open"
ELIF ([Changes - Field name] = "status" AND [Changes - New value] = "pending") THEN "Status Changed to Pending"
ELIF ([Changes - Field name] = "status" AND [Changes - New value] = "solved") THEN "Incident Resolved"
ELIF ([Changes - Field name] = "status" AND [Changes - New value] = "closed") THEN "Incident Closed"
ELIF ([Changes - Field name] = "group_id") THEN "Ticket Assigned to Group"
ELIF ([Changes - Field name] = "assignee_id") THEN "Ticket Assigned to Agent"
ELIF ([Changes - Field name] = "priority") THEN "Priority Set"
ELIF ([Changes - Field name] = "satisfaction_score") THEN "User Satisfaction Rated"
ELIF ([Changes - Field name] = "SLA metric breach") THEN "SLA Target Breached"
ELIF ([Comment public] = TRUE) THEN "Public Reply Sent"
ELIF ([Comment public] = FALSE) THEN "Internal Note Added"
ELSE NULL
ENDIF
```

**Attribute Name:** `SourceSystem`
**Formula:**
```
"Zendesk Support"
```

**Attribute Name:** `LastDataUpdate`
**Formula:**
```
NOW()
```

步骤

先决条件：确保您的系统中已安装 Python 3.6+ 以及 requests 和 pandas 库。您可以使用 pip 进行安装：pip install requests pandas。
生成 Zendesk API 令牌：以管理员身份登录 Zendesk Support 实例。导航至“管理中心 > 应用和集成 > API > Zendesk API”。在“API 令牌”部分，添加一个新的活动 API 令牌并妥善保存生成的令牌字符串。
配置 Python 脚本：创建一个新的 Python 文件（例如 extract_zendesk_logs.py）并将提供的脚本复制进去。更新脚本顶部的占位符变量：使用您的具体凭据替换 ZENDESK_SUBDOMAIN、ZENDESK_EMAIL 和 ZENDESK_API_TOKEN。设置 START_TIMESTAMP 以定义所需 data 提取阶段的起点（Unix epoch timestamp）。
了解 API 端点：该脚本主要使用两个 Zendesk API 端点。incremental/tickets/cursor.json 用于高效提取自 START_TIMESTAMP 以来更新的所有工单。对于每张工单，脚本随后会调用 tickets/{ticket_id}/audits.json 端点以获取每次更改和 event 的详细历史记录。
执行脚本：在终端中使用以下命令运行脚本：python extract_zendesk_logs.py。脚本将开始从 Zendesk API 获取 data。
监控脚本进度：脚本会在控制台打印已处理的工单数量，方便您监控进度。取决于日期范围和工单量，这可能需要较长时间。
data 检索与分页：脚本会自动处理 API 分页。它从初始工单导出 URL 开始，并遵循每个 API 响应中提供的 after_url，直到检索完该时段内的所有工单。
活动转换：对于每张工单，脚本会遍历其审计历史。它会解析每个审计 event，将 Zendesk 内部 event 类型（如 Create、Change、Comment）映射为所需的业务活动（如 Incident Created、Status Changed to Open、Public Reply Sent）。
处理 SLA data：脚本包含一个专门的函数 get_sla_breach_events，用于获取每张已解决工单的 SLA 指标。这是必要的，因为 SLA 违规并非审计日志中的标准 event。该函数会发起额外的 API 调用以获取 SLA 策略应用详情。
生成事件日志：所有工单处理完毕后，脚本会将提取的 event 汇编到 pandas DataFrame 中，并将最终的事件日志 (Event Log) 保存为名为 zendesk_incident_event_log.csv 的 CSV 文件，存放于脚本运行的目录中。
准备上传：检查生成的 CSV 文件是否正确。该文件格式已符合直接上传至 ProcessMind 进行分析的要求。

配置

Zendesk API 凭据：您必须提供 Zendesk 子域名、与管理员或代理账号关联的电子邮件地址以及有效的 API 令牌。请妥善保管这些凭据，切勿在生产环境的版本控制脚本中对其进行硬编码。
开始时间戳 (START_TIMESTAMP)：此整数值决定了 data 提取的起点。它必须是 Unix epoch timestamp。建议将起点设置为过去 3-6 个月，以便在不加重系统负担的情况下收集有意义的 data 量。您可以使用在线转换器获取特定日期的正确 timestamp。
API 速率限制：该脚本会发起大量的 API 调用。Zendesk 会实施速率限制，具体取决于您的方案。虽然该脚本适用于中等 data 量，但对于极大型实例，您可能需要在循环中添加 time.sleep() 调用，以避免触及速率限制并收到 429 错误。
所需的 Python 库：该脚本依赖于用于发起 API 调用的 requests 库以及用于 data 处理和 CSV 导出的 pandas 库。请确保您的 Python 环境中已安装这些库。
用户权限：与 API 令牌关联的用户账号必须具备足够的权限来读取工单 data，包括审计和工单指标。

a 查询示例 python

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

class=class="hl-string">"hl-comment"># --- CONFIGURATION --- 
class=class="hl-string">"hl-comment"># Replace with your Zendesk details
ZENDESK_SUBDOMAIN = class="hl-string">"[your_subdomain]"
ZENDESK_EMAIL = class="hl-string">"[your_login_email@example.com]"
ZENDESK_API_TOKEN = class="hl-string">"[your_zendesk_api_token]"

class=class="hl-string">"hl-comment"># Set the start time for the incremental export (Unix epoch timestamp)
class=class="hl-string">"hl-comment"># Example: 1672531200 is for January 1, 2023 00:00:00 UTC
class=class="hl-string">"hl-comment"># It's recommended to extract the last 3-6 months of data.
START_TIMESTAMP = 1672531200 

class=class="hl-string">"hl-comment"># --- SCRIPT --- 
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.utcnow().isoformat() + class="hl-string">'Z'

def get_sla_breach_events(ticket_id, session):
    class="hl-string">"""Fetches SLA metrics for a ticket and creates breach events."""
    sla_events = []
    try:
        metrics_url = fclass="hl-string">"{BASE_URL}/tickets/{ticket_id}/metrics.json"
        response = session.get(metrics_url)
        response.raise_for_status()
        metrics = response.json().get(class="hl-string">'ticket_metric', {})
        
        if metrics and metrics.get(class="hl-string">'sla_policy'):
            for sla in metrics.get(class="hl-string">'sla_policy').get(class="hl-string">'policy_metrics', []):
                if sla.get(class="hl-string">'breach_at'):
                    breach_timestamp = sla[class="hl-string">'breach_at']
                    sla_events.append({
                        class="hl-string">'TicketId': ticket_id,
                        class="hl-string">'ActivityName': class="hl-string">'SLA Target Breached',
                        class="hl-string">'EventTimestamp': breach_timestamp,
                        class="hl-string">'SourceSystem': SOURCE_SYSTEM,
                        class="hl-string">'LastDataUpdate': LAST_DATA_UPDATE,
                        class="hl-string">'TicketStatus': class="hl-string">'breached',
                        class="hl-string">'Assignee': metrics.get(class="hl-string">'assignee_updated_at'), 
                        class="hl-string">'AssignedGroup': metrics.get(class="hl-string">'group_stations'),
                        class="hl-string">'TicketPriority': None, class=class="hl-string">"hl-comment"># Not directly available in metrics
                        class="hl-string">'Channel': None, class=class="hl-string">"hl-comment"># Not directly available in metrics
                        class="hl-string">'SlaStatus': fclass="hl-string">"{sla.get('metric')} Breached",
                        class="hl-string">'EventEndTime': breach_timestamp
                    })
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Could not fetch SLA metrics for ticket {ticket_id}: {e}")
    return sla_events

def process_ticket(ticket, session):
    class="hl-string">"""Processes a single ticket's audits to extract all relevant events."""
    all_events = []
    ticket_id = ticket[class="hl-string">'id']
    ticket_created_at = ticket[class="hl-string">'created_at']
    
    class=class="hl-string">"hl-comment"># 1. Incident Created event
    all_events.append({
        class="hl-string">'TicketId': ticket_id,
        class="hl-string">'ActivityName': class="hl-string">'Incident Created',
        class="hl-string">'EventTimestamp': ticket_created_at,
        class="hl-string">'SourceSystem': SOURCE_SYSTEM,
        class="hl-string">'LastDataUpdate': LAST_DATA_UPDATE,
        class="hl-string">'TicketStatus': class="hl-string">'new',
        class="hl-string">'Assignee': ticket.get(class="hl-string">'assignee_id'),
        class="hl-string">'AssignedGroup': ticket.get(class="hl-string">'group_id'),
        class="hl-string">'TicketPriority': ticket.get(class="hl-string">'priority'),
        class="hl-string">'Channel': ticket.get(class="hl-string">'via', {}).get(class="hl-string">'channel'),
        class="hl-string">'SlaStatus': None,
        class="hl-string">'EventEndTime': ticket_created_at
    })
    
    class=class="hl-string">"hl-comment"># Process audits for other events
    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', [])
        
        is_first_group_assignment = True
        is_first_agent_assignment = True

        for audit in audits:
            event_timestamp = audit[class="hl-string">'created_at']
            for event in audit.get(class="hl-string">'events', []):
                activity = {}
                event_type = event.get(class="hl-string">'type')

                if event_type == class="hl-string">'Change':
                    field_name = event.get(class="hl-string">'field_name')
                    value = event.get(class="hl-string">'value')
                    
                    if field_name == class="hl-string">'group_id' and value is not None:
                        activity_name = class="hl-string">'Ticket Assigned to Group' if is_first_group_assignment else class="hl-string">'Ticket Reassigned'
                        is_first_group_assignment = False
                        activity = {class="hl-string">'ActivityName': activity_name, class="hl-string">'AssignedGroup': value}

                    elif field_name == class="hl-string">'assignee_id' and value is not None:
                        activity_name = class="hl-string">'Ticket Assigned to Agent' if is_first_agent_assignment else class="hl-string">'Ticket Reassigned'
                        is_first_agent_assignment = False
                        activity = {class="hl-string">'ActivityName': activity_name, class="hl-string">'Assignee': value}
                        
                    elif field_name == class="hl-string">'priority':
                        activity = {class="hl-string">'ActivityName': class="hl-string">'Priority Set', class="hl-string">'TicketPriority': value}
                        
                    elif field_name == class="hl-string">'status':
                        if value == class="hl-string">'open': activity = {class="hl-string">'ActivityName': class="hl-string">'Status Changed to Open', class="hl-string">'TicketStatus': class="hl-string">'open'}
                        elif value == class="hl-string">'pending': activity = {class="hl-string">'ActivityName': class="hl-string">'Status Changed to Pending', class="hl-string">'TicketStatus': class="hl-string">'pending'}
                        elif value == class="hl-string">'solved': activity = {class="hl-string">'ActivityName': class="hl-string">'Incident Resolved', class="hl-string">'TicketStatus': class="hl-string">'solved'}
                        elif value == class="hl-string">'closed': activity = {class="hl-string">'ActivityName': class="hl-string">'Incident Closed', class="hl-string">'TicketStatus': class="hl-string">'closed'}
                        
                elif event_type == class="hl-string">'Comment':
                    is_public = event.get(class="hl-string">'public', False)
                    activity_name = class="hl-string">'Public Reply Sent' if is_public else class="hl-string">'Internal Note Added'
                    activity = {class="hl-string">'ActivityName': activity_name}

                elif event_type == class="hl-string">'SatisfactionRating':
                    activity = {class="hl-string">'ActivityName': class="hl-string">'User Satisfaction Rated'}

                if activity:
                    base_event = {
                        class="hl-string">'TicketId': ticket_id,
                        class="hl-string">'EventTimestamp': event_timestamp,
                        class="hl-string">'SourceSystem': SOURCE_SYSTEM,
                        class="hl-string">'LastDataUpdate': LAST_DATA_UPDATE,
                        class="hl-string">'TicketStatus': ticket.get(class="hl-string">'status'),
                        class="hl-string">'Assignee': ticket.get(class="hl-string">'assignee_id'),
                        class="hl-string">'AssignedGroup': ticket.get(class="hl-string">'group_id'),
                        class="hl-string">'TicketPriority': ticket.get(class="hl-string">'priority'),
                        class="hl-string">'Channel': ticket.get(class="hl-string">'via', {}).get(class="hl-string">'channel'),
                        class="hl-string">'SlaStatus': None,
                        class="hl-string">'EventEndTime': event_timestamp
                    }
                    base_event.update(activity)
                    all_events.append(base_event)
    
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Could not process audits for ticket {ticket_id}: {e}")

    class=class="hl-string">"hl-comment"># Get SLA Breach events if ticket is solved
    if ticket.get(class="hl-string">'status') in [class="hl-string">'solved', class="hl-string">'closed']:
        all_events.extend(get_sla_breach_events(ticket_id, session))

    return all_events

def main():
    class="hl-string">"""Main function to fetch tickets and generate the event log."""
    all_ticket_events = []
    url = fclass="hl-string">"{BASE_URL}/incremental/tickets/cursor.json?start_time={START_TIMESTAMP}"
    
    with requests.Session() as session:
        session.auth = AUTH
        
        ticket_count = 0
        while url:
            try:
                response = session.get(url)
                response.raise_for_status()
                data = response.json()
                tickets = data.get(class="hl-string">'tickets', [])
                
                for ticket in tickets:
                    ticket_count += 1
                    all_ticket_events.extend(process_ticket(ticket, session))
                    if ticket_count % 100 == 0:
                        print(fclass="hl-string">"Processed {ticket_count} tickets...")

                if data.get(class="hl-string">'end_of_stream', True):
                    print(class="hl-string">"Reached the end of the ticket stream.")
                    break
                
                url = data.get(class="hl-string">'after_url')
                class=class="hl-string">"hl-comment"># Respect rate limits
                time.sleep(1) 

            except requests.exceptions.RequestException as e:
                print(fclass="hl-string">"An API error occurred: {e}")
                if hasattr(e, class="hl-string">'response') and e.response.status_code == 429:
                    retry_after = int(e.response.headers.get(class="hl-string">'Retry-After', 60))
                    print(fclass="hl-string">"Rate limit exceeded. Retrying after {retry_after} seconds...")
                    time.sleep(retry_after)
                else:
                    break

    if not all_ticket_events:
        print(class="hl-string">"No events were extracted. Check configuration and API access.")
        return

    print(fclass="hl-string">"\nTotal events extracted: {len(all_ticket_events)}")
    df = pd.DataFrame(all_ticket_events)
    
    class=class="hl-string">"hl-comment"># Reorder columns for clarity
    cols = [
        class="hl-string">'TicketId', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'EventEndTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'TicketStatus', class="hl-string">'Assignee', class="hl-string">'AssignedGroup', class="hl-string">'TicketPriority', class="hl-string">'Channel', class="hl-string">'SlaStatus'
    ]
    df = df[cols]
    
    class=class="hl-string">"hl-comment"># Save to CSV
    output_file = class="hl-string">'zendesk_incident_event_log.csv'
    df.to_csv(output_file, index=False)
    print(fclass="hl-string">"Event log successfully saved to {output_file}")

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

步骤

先决条件：确保您的系统中已安装 Python 3.6+ 以及 requests 和 pandas 库。您可以使用 pip 进行安装：pip install requests pandas。
生成 Zendesk API 令牌：以管理员身份登录 Zendesk Support 实例。导航至“管理中心 > 应用和集成 > API > Zendesk API”。在“API 令牌”部分，添加一个新的活动 API 令牌并妥善保存生成的令牌字符串。
配置 Python 脚本：创建一个新的 Python 文件（例如 extract_zendesk_logs.py）并将提供的脚本复制进去。更新脚本顶部的占位符变量：使用您的具体凭据替换 ZENDESK_SUBDOMAIN、ZENDESK_EMAIL 和 ZENDESK_API_TOKEN。设置 START_TIMESTAMP 以定义所需 data 提取阶段的起点（Unix epoch timestamp）。
了解 API 端点：该脚本主要使用两个 Zendesk API 端点。incremental/tickets/cursor.json 用于高效提取自 START_TIMESTAMP 以来更新的所有工单。对于每张工单，脚本随后会调用 tickets/{ticket_id}/audits.json 端点以获取每次更改和 event 的详细历史记录。
执行脚本：在终端中使用以下命令运行脚本：python extract_zendesk_logs.py。脚本将开始从 Zendesk API 获取 data。
监控脚本进度：脚本会在控制台打印已处理的工单数量，方便您监控进度。取决于日期范围和工单量，这可能需要较长时间。
data 检索与分页：脚本会自动处理 API 分页。它从初始工单导出 URL 开始，并遵循每个 API 响应中提供的 after_url，直到检索完该时段内的所有工单。
活动转换：对于每张工单，脚本会遍历其审计历史。它会解析每个审计 event，将 Zendesk 内部 event 类型（如 Create、Change、Comment）映射为所需的业务活动（如 Incident Created、Status Changed to Open、Public Reply Sent）。
处理 SLA data：脚本包含一个专门的函数 get_sla_breach_events，用于获取每张已解决工单的 SLA 指标。这是必要的，因为 SLA 违规并非审计日志中的标准 event。该函数会发起额外的 API 调用以获取 SLA 策略应用详情。
生成事件日志：所有工单处理完毕后，脚本会将提取的 event 汇编到 pandas DataFrame 中，并将最终的事件日志 (Event Log) 保存为名为 zendesk_incident_event_log.csv 的 CSV 文件，存放于脚本运行的目录中。
准备上传：检查生成的 CSV 文件是否正确。该文件格式已符合直接上传至 ProcessMind 进行分析的要求。

配置

Zendesk API 凭据：您必须提供 Zendesk 子域名、与管理员或代理账号关联的电子邮件地址以及有效的 API 令牌。请妥善保管这些凭据，切勿在生产环境的版本控制脚本中对其进行硬编码。
开始时间戳 (START_TIMESTAMP)：此整数值决定了 data 提取的起点。它必须是 Unix epoch timestamp。建议将起点设置为过去 3-6 个月，以便在不加重系统负担的情况下收集有意义的 data 量。您可以使用在线转换器获取特定日期的正确 timestamp。
API 速率限制：该脚本会发起大量的 API 调用。Zendesk 会实施速率限制，具体取决于您的方案。虽然该脚本适用于中等 data 量，但对于极大型实例，您可能需要在循环中添加 time.sleep() 调用，以避免触及速率限制并收到 429 错误。
所需的 Python 库：该脚本依赖于用于发起 API 调用的 requests 库以及用于 data 处理和 CSV 导出的 pandas 库。请确保您的 Python 环境中已安装这些库。
用户权限：与 API 令牌关联的用户账号必须具备足够的权限来读取工单 data，包括审计和工单指标。

a 查询示例 python

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

class=class="hl-string">"hl-comment"># --- CONFIGURATION --- 
class=class="hl-string">"hl-comment"># Replace with your Zendesk details
ZENDESK_SUBDOMAIN = class="hl-string">"[your_subdomain]"
ZENDESK_EMAIL = class="hl-string">"[your_login_email@example.com]"
ZENDESK_API_TOKEN = class="hl-string">"[your_zendesk_api_token]"

class=class="hl-string">"hl-comment"># Set the start time for the incremental export (Unix epoch timestamp)
class=class="hl-string">"hl-comment"># Example: 1672531200 is for January 1, 2023 00:00:00 UTC
class=class="hl-string">"hl-comment"># It's recommended to extract the last 3-6 months of data.
START_TIMESTAMP = 1672531200 

class=class="hl-string">"hl-comment"># --- SCRIPT --- 
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.utcnow().isoformat() + class="hl-string">'Z'

def get_sla_breach_events(ticket_id, session):
    class="hl-string">"""Fetches SLA metrics for a ticket and creates breach events."""
    sla_events = []
    try:
        metrics_url = fclass="hl-string">"{BASE_URL}/tickets/{ticket_id}/metrics.json"
        response = session.get(metrics_url)
        response.raise_for_status()
        metrics = response.json().get(class="hl-string">'ticket_metric', {})
        
        if metrics and metrics.get(class="hl-string">'sla_policy'):
            for sla in metrics.get(class="hl-string">'sla_policy').get(class="hl-string">'policy_metrics', []):
                if sla.get(class="hl-string">'breach_at'):
                    breach_timestamp = sla[class="hl-string">'breach_at']
                    sla_events.append({
                        class="hl-string">'TicketId': ticket_id,
                        class="hl-string">'ActivityName': class="hl-string">'SLA Target Breached',
                        class="hl-string">'EventTimestamp': breach_timestamp,
                        class="hl-string">'SourceSystem': SOURCE_SYSTEM,
                        class="hl-string">'LastDataUpdate': LAST_DATA_UPDATE,
                        class="hl-string">'TicketStatus': class="hl-string">'breached',
                        class="hl-string">'Assignee': metrics.get(class="hl-string">'assignee_updated_at'), 
                        class="hl-string">'AssignedGroup': metrics.get(class="hl-string">'group_stations'),
                        class="hl-string">'TicketPriority': None, class=class="hl-string">"hl-comment"># Not directly available in metrics
                        class="hl-string">'Channel': None, class=class="hl-string">"hl-comment"># Not directly available in metrics
                        class="hl-string">'SlaStatus': fclass="hl-string">"{sla.get('metric')} Breached",
                        class="hl-string">'EventEndTime': breach_timestamp
                    })
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Could not fetch SLA metrics for ticket {ticket_id}: {e}")
    return sla_events

def process_ticket(ticket, session):
    class="hl-string">"""Processes a single ticket's audits to extract all relevant events."""
    all_events = []
    ticket_id = ticket[class="hl-string">'id']
    ticket_created_at = ticket[class="hl-string">'created_at']
    
    class=class="hl-string">"hl-comment"># 1. Incident Created event
    all_events.append({
        class="hl-string">'TicketId': ticket_id,
        class="hl-string">'ActivityName': class="hl-string">'Incident Created',
        class="hl-string">'EventTimestamp': ticket_created_at,
        class="hl-string">'SourceSystem': SOURCE_SYSTEM,
        class="hl-string">'LastDataUpdate': LAST_DATA_UPDATE,
        class="hl-string">'TicketStatus': class="hl-string">'new',
        class="hl-string">'Assignee': ticket.get(class="hl-string">'assignee_id'),
        class="hl-string">'AssignedGroup': ticket.get(class="hl-string">'group_id'),
        class="hl-string">'TicketPriority': ticket.get(class="hl-string">'priority'),
        class="hl-string">'Channel': ticket.get(class="hl-string">'via', {}).get(class="hl-string">'channel'),
        class="hl-string">'SlaStatus': None,
        class="hl-string">'EventEndTime': ticket_created_at
    })
    
    class=class="hl-string">"hl-comment"># Process audits for other events
    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', [])
        
        is_first_group_assignment = True
        is_first_agent_assignment = True

        for audit in audits:
            event_timestamp = audit[class="hl-string">'created_at']
            for event in audit.get(class="hl-string">'events', []):
                activity = {}
                event_type = event.get(class="hl-string">'type')

                if event_type == class="hl-string">'Change':
                    field_name = event.get(class="hl-string">'field_name')
                    value = event.get(class="hl-string">'value')
                    
                    if field_name == class="hl-string">'group_id' and value is not None:
                        activity_name = class="hl-string">'Ticket Assigned to Group' if is_first_group_assignment else class="hl-string">'Ticket Reassigned'
                        is_first_group_assignment = False
                        activity = {class="hl-string">'ActivityName': activity_name, class="hl-string">'AssignedGroup': value}

                    elif field_name == class="hl-string">'assignee_id' and value is not None:
                        activity_name = class="hl-string">'Ticket Assigned to Agent' if is_first_agent_assignment else class="hl-string">'Ticket Reassigned'
                        is_first_agent_assignment = False
                        activity = {class="hl-string">'ActivityName': activity_name, class="hl-string">'Assignee': value}
                        
                    elif field_name == class="hl-string">'priority':
                        activity = {class="hl-string">'ActivityName': class="hl-string">'Priority Set', class="hl-string">'TicketPriority': value}
                        
                    elif field_name == class="hl-string">'status':
                        if value == class="hl-string">'open': activity = {class="hl-string">'ActivityName': class="hl-string">'Status Changed to Open', class="hl-string">'TicketStatus': class="hl-string">'open'}
                        elif value == class="hl-string">'pending': activity = {class="hl-string">'ActivityName': class="hl-string">'Status Changed to Pending', class="hl-string">'TicketStatus': class="hl-string">'pending'}
                        elif value == class="hl-string">'solved': activity = {class="hl-string">'ActivityName': class="hl-string">'Incident Resolved', class="hl-string">'TicketStatus': class="hl-string">'solved'}
                        elif value == class="hl-string">'closed': activity = {class="hl-string">'ActivityName': class="hl-string">'Incident Closed', class="hl-string">'TicketStatus': class="hl-string">'closed'}
                        
                elif event_type == class="hl-string">'Comment':
                    is_public = event.get(class="hl-string">'public', False)
                    activity_name = class="hl-string">'Public Reply Sent' if is_public else class="hl-string">'Internal Note Added'
                    activity = {class="hl-string">'ActivityName': activity_name}

                elif event_type == class="hl-string">'SatisfactionRating':
                    activity = {class="hl-string">'ActivityName': class="hl-string">'User Satisfaction Rated'}

                if activity:
                    base_event = {
                        class="hl-string">'TicketId': ticket_id,
                        class="hl-string">'EventTimestamp': event_timestamp,
                        class="hl-string">'SourceSystem': SOURCE_SYSTEM,
                        class="hl-string">'LastDataUpdate': LAST_DATA_UPDATE,
                        class="hl-string">'TicketStatus': ticket.get(class="hl-string">'status'),
                        class="hl-string">'Assignee': ticket.get(class="hl-string">'assignee_id'),
                        class="hl-string">'AssignedGroup': ticket.get(class="hl-string">'group_id'),
                        class="hl-string">'TicketPriority': ticket.get(class="hl-string">'priority'),
                        class="hl-string">'Channel': ticket.get(class="hl-string">'via', {}).get(class="hl-string">'channel'),
                        class="hl-string">'SlaStatus': None,
                        class="hl-string">'EventEndTime': event_timestamp
                    }
                    base_event.update(activity)
                    all_events.append(base_event)
    
    except requests.exceptions.RequestException as e:
        print(fclass="hl-string">"Could not process audits for ticket {ticket_id}: {e}")

    class=class="hl-string">"hl-comment"># Get SLA Breach events if ticket is solved
    if ticket.get(class="hl-string">'status') in [class="hl-string">'solved', class="hl-string">'closed']:
        all_events.extend(get_sla_breach_events(ticket_id, session))

    return all_events

def main():
    class="hl-string">"""Main function to fetch tickets and generate the event log."""
    all_ticket_events = []
    url = fclass="hl-string">"{BASE_URL}/incremental/tickets/cursor.json?start_time={START_TIMESTAMP}"
    
    with requests.Session() as session:
        session.auth = AUTH
        
        ticket_count = 0
        while url:
            try:
                response = session.get(url)
                response.raise_for_status()
                data = response.json()
                tickets = data.get(class="hl-string">'tickets', [])
                
                for ticket in tickets:
                    ticket_count += 1
                    all_ticket_events.extend(process_ticket(ticket, session))
                    if ticket_count % 100 == 0:
                        print(fclass="hl-string">"Processed {ticket_count} tickets...")

                if data.get(class="hl-string">'end_of_stream', True):
                    print(class="hl-string">"Reached the end of the ticket stream.")
                    break
                
                url = data.get(class="hl-string">'after_url')
                class=class="hl-string">"hl-comment"># Respect rate limits
                time.sleep(1) 

            except requests.exceptions.RequestException as e:
                print(fclass="hl-string">"An API error occurred: {e}")
                if hasattr(e, class="hl-string">'response') and e.response.status_code == 429:
                    retry_after = int(e.response.headers.get(class="hl-string">'Retry-After', 60))
                    print(fclass="hl-string">"Rate limit exceeded. Retrying after {retry_after} seconds...")
                    time.sleep(retry_after)
                else:
                    break

    if not all_ticket_events:
        print(class="hl-string">"No events were extracted. Check configuration and API access.")
        return

    print(fclass="hl-string">"\nTotal events extracted: {len(all_ticket_events)}")
    df = pd.DataFrame(all_ticket_events)
    
    class=class="hl-string">"hl-comment"># Reorder columns for clarity
    cols = [
        class="hl-string">'TicketId', class="hl-string">'ActivityName', class="hl-string">'EventTimestamp', class="hl-string">'EventEndTime', class="hl-string">'SourceSystem', class="hl-string">'LastDataUpdate',
        class="hl-string">'TicketStatus', class="hl-string">'Assignee', class="hl-string">'AssignedGroup', class="hl-string">'TicketPriority', class="hl-string">'Channel', class="hl-string">'SlaStatus'
    ]
    df = df[cols]
    
    class=class="hl-string">"hl-comment"># Save to CSV
    output_file = class="hl-string">'zendesk_incident_event_log.csv'
    df.to_csv(output_file, index=False)
    print(fclass="hl-string">"Event log successfully saved to {output_file}")

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

步骤

访问 Zendesk Explore：使用具有创建和管理报表权限的账号登录 Zendesk Support 实例。
创建新报表：导航至 Explore 模块。点击左侧导航栏中的“报表”图标，然后点击“新建报表”按钮。
选择数据集：在“选择数据集”窗口中，选择 Support: Ticket updates [default] 数据集。该数据集包含每次工单更改的审计追踪，这对于创建事件日志 (Event Log) 至关重要。
添加初始属性（列）：在报表生成器中，转到“行”部分。点击“添加”并选择以下属性。这些将构成事件日志的列：Ticket ID、Update - Timestamp、Ticket status、Assignee name、Ticket group、Ticket priority、Ticket channel、Changes - Field name、Changes - Previous value、Changes - New value、Comment public。
创建计算属性：这是最关键的一步。转到“计算”菜单（烧瓶图标）并选择“标准计算属性”。创建下方“查询”部分定义的三个属性：ActivityName、SourceSystem 和 LastDataUpdate。您需要完整复制提供的公式。
优化报表列：将新创建的计算属性（ActivityName、SourceSystem、LastDataUpdate）添加到“行”部分。现在您可以移除用于创建 ActivityName 的原始字段（Changes - Field name 等），以使视图更加整洁。
添加报表过滤器：转到“过滤器”部分并点击“添加”。为 Update - Date 添加过滤器并选择合适的时间范围（例如过去 3 个月）。在计算属性 ActivityName 上添加另一个过滤器，排除空值，以移除任何不属于目标活动的工单更新。
运行并查看报表：当您添加属性和过滤器时，Zendesk Explore 会自动更新报表。查看 data 表以确保行和列符合预期。报表应为每个 event 显示一行。
将 data 导出为 CSV：报表完成后，点击右上角的“导出”按钮并选择“CSV”。Zendesk 将生成并下载 CSV 文件。
准备上传：打开导出的 CSV 文件。重命名列标题以匹配 Process Mining 工具要求的属性名称（例如，将 'Ticket ID' 重命名为 TicketId，将 'Update - Timestamp' 重命名为 EventTimestamp）。确保 timestamp 的日期格式符合 ISO 8601 标准。文件现在可以上传了。

配置

Zendesk 数据集：报告必须基于 Support: Ticket updates [default] 数据集构建。这是唯一能够提供详细审计追踪的标准数据集，用于按 event 逐一重建流程。
日期范围过滤：应用日期过滤器来限制 data 量至关重要。请使用“更新 - 日期”属性作为主要过滤器。初始分析通常建议选择 3-6 个月的 data 范围。
活动过滤器：创建 ActivityName 计算属性后，您必须过滤报告以排除此值为空的行。这会从您的事件日志 (Event Log) 中移除无关的工单更改（例如系统更新、标签更改）。
计算属性：此提取逻辑在很大程度上依赖于标准计算属性，将原始工单字段更改转换为易于理解的活动名称。公式的精确性是关键。
先决条件：运行报告的用户至少需要 Zendesk Explore 中的“查看者”角色。若要创建并保存报告，则需要“编辑者”或“管理员”权限。

a 查询示例 config

This extraction is configured using the Zendesk Explore UI. The core logic is contained within a standard calculated attribute. 

**1. Dataset Selection:**
* `Support: Ticket updates [default]`

**2. Report Columns (Add to 'Rows' panel):**
* `Ticket ID`
* `ActivityName` (Calculated Attribute)
* `EventTimestamp` (Use the `Update - Timestamp` attribute)
* `SourceSystem` (Calculated Attribute)
* `LastDataUpdate` (Calculated Attribute)
* `Ticket status`
* `Assignee name`
* `Ticket group`
* `Ticket priority`
* `Ticket channel`
* `SLA metric status`
* `EventEndTime` (Use the `Update - Timestamp` attribute again)

**3. Standard Calculated Attribute Formulas:**

**Attribute Name:** `ActivityName`
**Formula:**
```
IF ([Changes - Field name] = "status" AND [Changes - Previous value] = NULL AND [Changes - New value] = "new") THEN "Incident Created"
ELIF ([Changes - Field name] = "status" AND [Changes - New value] = "open") THEN "Status Changed to Open"
ELIF ([Changes - Field name] = "status" AND [Changes - New value] = "pending") THEN "Status Changed to Pending"
ELIF ([Changes - Field name] = "status" AND [Changes - New value] = "solved") THEN "Incident Resolved"
ELIF ([Changes - Field name] = "status" AND [Changes - New value] = "closed") THEN "Incident Closed"
ELIF ([Changes - Field name] = "group_id") THEN "Ticket Assigned to Group"
ELIF ([Changes - Field name] = "assignee_id") THEN "Ticket Assigned to Agent"
ELIF ([Changes - Field name] = "priority") THEN "Priority Set"
ELIF ([Changes - Field name] = "satisfaction_score") THEN "User Satisfaction Rated"
ELIF ([Changes - Field name] = "SLA metric breach") THEN "SLA Target Breached"
ELIF ([Comment public] = TRUE) THEN "Public Reply Sent"
ELIF ([Comment public] = FALSE) THEN "Internal Note Added"
ELSE NULL
ENDIF
```

**Attribute Name:** `SourceSystem`
**Formula:**
```
"Zendesk Support"
```

**Attribute Name:** `LastDataUpdate`
**Formula:**
```
NOW()
```

事件管理数据模板

事件管理数据模板

事件管理属性

事件管理活动

提取指南

Zendesk Explore UI 报告导出为 CSV 文件

步骤

配置

a 查询示例 config

使用 Zendesk Support REST API 的 Python 脚本

步骤

配置

a 查询示例 python

用于批量数据同步的 Zendesk 增量导出 API

步骤

配置

a 查询示例 python

带有 Zendesk API 连接器的第三方 ETL 工具

步骤

配置

a 查询示例 config

准备好开始了吗？

优化事件管理，立即提升响应速度

事件管理数据模板

事件管理数据模板

事件管理属性

事件管理活动

提取指南

Zendesk Explore UI 报告导出为 CSV 文件

步骤

配置

a 查询示例 config

使用 Zendesk Support REST API 的 Python 脚本

步骤

配置

a 查询示例 python

用于批量数据同步的 Zendesk 增量导出 API

步骤

配置

a 查询示例 python

带有 Zendesk API 连接器的第三方 ETL 工具

步骤

配置

a 查询示例 config

我们重视您的隐私

准备好开始了吗？

优化事件管理，立即提升响应速度