> 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) 数据提取指南(3)

您的服务请求管理数据模板

此模板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。其中列出了需要收集的关键数据属性、需要跟踪的重要活动，以及如何直接从系统中提取这些信息的实用说明。您可以使用此资源，为流程挖掘构建可靠的事件日志。

全面分析建议使用的属性
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，可用于全面分析Zendesk Support中的服务请求管理流程。

5 必填 7 建议填写 9 选填

	名称	说明
	开始时间 EventTimestamp	活动发生的准确日期和时间。
说明事件时间戳（即开始时间）记录活动发生的准确时刻。例如，客服专员被分配、公开回复发出，或工单状态变为“Resolved”的时间。此时间数据来自每张Zendesk工单的审计日志。此属性是所有基于时间的分析的关键依据，可用于按时间顺序排列事件、计算活动间隔、衡量等待时间，以及分析整体案例周期时间。它对于识别瓶颈，以及评估SLA等时间目标的达成情况至关重要。重要性此时间戳用于按时间顺序排列事件，是所有时长、绩效和瓶颈分析的基础。获取途径 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。它将请求从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整个生命周期。在流程挖掘分析中，此属性至关重要。它用于定义案例，以便还原流程路径、识别流程变体，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服务请求ID，才能了解其在整个流程中的上下文。重要性这是关键的案例标识符，可关联服务请求处理过程中的所有事件，从而支持端到端流程分析。获取途径 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。
说明活动表示服务请求生命周期中的一个独立步骤或事件，例如“服务请求已创建”“请求已分配给客服专员”或“服务请求已解决”。这些活动根据Zendesk工单审计日志中的变更生成。审计日志会记录状态、受派人、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。它可以将流程可视化，识别步骤之间的瓶颈，并分析返工循环。了解活动的顺序和频率，有助于组织发现低效环节和流程改进机会。重要性此属性定义流程中的各个步骤，支持流程图可视化，以及对流程路径、变体和一致性的分析。获取途径此属性根据Zendesk Ticket Audits API中记录的事件推导。例如，“status”字段从“new”变为“open”时，可映射为“请求已分诊”等活动。示例创建服务请求客服专员重新分配服务请求已解决
	数据最近更新时间 LastDataUpdate	表示数据最近一次从源系统刷新时间的时间戳。
说明此属性记录最近一次从Zendesk Support提取数据的日期和时间，帮助了解所分析数据的新鲜度，并判断流程视图的时效性。对于持续监控和仪表板分析，这项信息至关重要。分析人员和业务用户可以据此判断当前查看的是近实时数据，还是之前某个时段的快照，因为这会影响结论的有效性。重要性提供数据时效性的重要信息，让用户了解分析所用数据的更新程度。获取途径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。
说明此属性用于标明服务请求数据的来源。在此流程视图中，该值始终为“Zendesk Support”，表示其为所有服务管理活动的记录系统。在集成多个系统的环境中，此字段对于数据溯源和问题排查至关重要。它可确保分析范围对应预期系统，并帮助区分来自不同来源的合并数据。重要性标明数据的来源系统，确保数据可溯源，并避免合并多个系统的数据时产生混淆。获取途径这是在数据提取和转换过程中添加的固定值（“Zendesk Support”）。示例 Zendesk Support
	客服专员姓名 AgentName	事件发生时，负责处理服务请求的客服专员姓名。
说明此属性用于识别负责处理服务请求的客服专员。在工单生命周期中，受派人可能多次变更，此字段会记录每个步骤的负责人。客服专员姓名是绩效分析的重要依据。您可以据此筛选和细分数据，评估工作量分布、各客服专员的解决时间以及重新分配频率。这有助于构建客服专员与团队绩效仪表板，并了解个人对整体流程效率的贡献。重要性此属性对于分析客服专员绩效、工作量分布，以及重新分配对解决时间的影响至关重要。获取途径将Tickets API响应中的“assignee_id”与Zendesk Users API关联。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，可由客服专员手动添加到工单，也可通过业务规则自动添加。它们用于补充工单的具体背景或类别，涵盖“类型”或“优先级”等标准字段未包含的信息。标签是流程挖掘分析中用途广泛的属性。您可以用它筛选特定场景、跟踪自定义工作流或识别根因。例如，可以通过“VIP”标签分析重要客户的处理流程，或通过“product_bug”标签追踪缺陷报告的生命周期。重要性提供灵活的数据细分方式，支持深入分析特定子流程或其他字段未记录的工单属性。获取途径 Zendesk Tickets API中的“tags”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
	所属团队 AssignedTeam	负责处理服务请求的支持团队或组。
说明此属性表示支持组织中负责处理服务请求的团队或组。在Zendesk中，这些团队称为“Groups”。工单通常先分配给某个组，再由具体客服专员接手。按所属团队分析对于了解团队级绩效和工作量至关重要。您可以借此了解各团队处理的请求类型、平均解决时间和SLA达成率。这也是客服专员与团队绩效仪表板的主要分析维度。重要性支持分析团队绩效、平衡工作量，以及评估不同支持组之间的路由效率。获取途径将Tickets API响应中的“group_id”与Zendesk Groups API关联。示例一级支持技术支持账单
	服务类型 ServiceType	服务请求的类别或类型，例如事件、咨询、问题或任务。
说明服务类型用于对服务请求的性质进行分类。Zendesk通过“type”字段区分不同类型的支持交互。此初始分类有助于将工单路由至正确团队，并应用相应流程。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类型请求的流程路径，因为它们的解决路径和SLA往往各不相同。它也是客服专员与团队绩效仪表板的关键维度，可用于了解谁更擅长处理特定类型的请求。重要性对请求进行分类，以便分别分析不同流程，例如事件和咨询，因为它们遵循的处理路径各不相同。获取途径 Zendesk Tickets API中的“type”字段。示例咨询事件问题任务
	请求优先级 RequestPriority	服务请求的优先级，例如低、普通、高或紧急。
说明请求优先级用于标明服务请求的紧急程度，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，也可能在工单生命周期中由客服专员调整。此属性对于细分和根因分析至关重要。您可以据此分析高优先级工单是否比低优先级工单解决得更快。它也是“服务请求升级趋势”和“SLA达成情况”仪表板的关键维度。重要性支持按紧急程度细分请求，对于分析SLA达成情况并确保及时处理严重问题至关重要。获取途径 Zendesk Tickets API中的“priority”字段。示例低普通高紧急
	请求渠道 RequestChannel	提交服务请求所用的渠道，例如电子邮件、网页表单或电话。
说明此属性用于识别服务请求的提交来源。Zendesk会记录工单的创建方式，例如通过电子邮件、网页门户、API集成、聊天或其他渠道。这有助于了解客户采用的沟通方式。请求渠道是重要的分析维度。借助此属性，“请求渠道效率”仪表板可以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，并引导用户选择效率更高的渠道。重要性有助于分析不同客户支持渠道的效率和结果，从而有针对性地改进。获取途径 Zendesk Tickets API中的“via”对象及其“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，例如新建、已打开或待处理。
说明请求状态表示工单在特定时间点所处的状态。Zendesk提供多种标准状态，例如New、Open、Pending、On-hold、Solved和Closed，用于标记请求在生命周期中的进展。此字段的变更是事件日志中活动生成的主要触发条件。分析工单在不同状态下的停留时间，是瓶颈分析的核心内容。这有助于发现工单卡在哪个环节，例如在“Pending”或“On-hold”状态停留过久。了解状态转换情况也是发现返工循环的关键。重要性跟踪状态是了解请求进展的基础，也有助于识别等待状态和处理中状态各自占用的时间。获取途径 Zendesk Tickets API中的“status”字段。示例新建已打开待处理已解决已关闭
	SLA策略名称 SlaPolicyName	应用于该请求的服务级别协议（SLA）策略名称。
说明此属性用于标识服务请求适用的特定SLA策略，该策略规定了目标响应和解决时间。策略通常根据请求的优先级、类型或客户订阅等级等因素确定。了解适用的SLA策略，是使用“SLA Adherence and Breach Analysis”仪表板的关键。不同策略的目标各不相同，因此该策略为评估绩效提供必要背景，帮助您准确、公平地判断工单是否达到相应的服务级别目标。重要性通过标识请求所依据的目标，为SLA分析提供背景信息，确保合规报告准确。获取途径 Zendesk Ticket Metrics API。SLA数据通常与工单指标相关联。示例紧急：1小时内响应标准：24小时内解决高级客户SLA
	坐席重新分配次数 AgentReassignmentCount	请求从一名坐席转交给另一名坐席的总次数。
说明每当工单的“assignee_id”字段发生变化，此属性的计数就会增加。单张工单被多次重新分配，可能反映出多种流程问题，例如初始分派有误、坐席缺乏相关知识，或请求过于复杂，无法由一名坐席独立处理。这是衡量流程效率的重要指标，可直接用于计算“坐席重新分配率”KPI。分析重新分配次数较多的案例，有助于发现改进分派规则、坐席培训或知识库资源的机会，让工单更快交给合适的人员处理。重要性量化内部交接情况，帮助发现流程阻力。重新分配率过高往往会造成延误和效率低下。获取途径根据每张工单在Zendesk Ticket Audits API中“assignee_id”字段的变更次数计算。示例 013
	是否返工 IsRework	如果服务请求解决后重新打开，此标记为真。
说明此布尔标记用于识别发生返工的案例。通常，如果服务请求的状态从“已解决”变回未关闭状态，就视为发生返工。这说明初次解决未能满足需求，客户不得不针对同一问题再次联系。此属性是计算“服务请求返工率”KPI以及构建“返工与重新打开活动分析”仪表板的关键。标记返工案例后，分析人员可以筛选出效率低下的流程，找出重新打开的根本原因，并改进首次联系解决率。重要性识别未能彻底解决问题的流程缺陷，揭示影响客户满意度的质量和效率问题。获取途径通过分析Zendesk Ticket Audits API中的工单状态顺序计算。从“已解决”变为“未解决”表示发生返工。示例 truefalse
	是否违反SLA IsSlaBreached	用于标记服务请求是否违反任一SLA目标。
说明此属性是布尔值或分类标记，用于显示工单的SLA结果，例如“已达标”“已违约”或“活跃”。系统会将实际响应时间或解决时间与适用SLA策略中设定的目标进行比较，以确定结果。这是“SLA遵守情况与违约分析”仪表板的一项关键属性，可轻松统计并可视化达标与未达标工单。之后可进一步分析违约工单的流程特征，找出等待时间过长或重新分配过多等根本原因。重要性直接衡量服务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。获取途径数据来自Zendesk Ticket Metrics API，该接口提供每张工单的SLA状态信息。示例已达标已违约活跃
	是否首次联系解决 IsFirstContactResolution	用于标记请求是否由首次分配的坐席解决，且期间没有重新分配，也没有请求者再次回复。
说明首次联系解决（FCR）是重要指标，表示客户问题在一次交互中得到解决。此计算属性为布尔标记：如果工单由首次接手的坐席解决，期间没有重新分配，且只有一条坐席回复，则标记为真。此属性可直接用于计算“首次联系解决率”KPI。分析首次联系解决案例的特征，有助于总结流程优化经验。反过来，分析未能首次解决的案例，则可发现改进坐席培训、完善知识库文章或优化初始分流的机会。重要性衡量通过一次处理高效解决问题的能力，这对客户满意度和运营效率都有重要影响。获取途径这是一个复杂的计算属性，需要分析工单的事件日志，检查坐席重新分配情况以及坐席公开回复的数量。示例 truefalse
	满意度评分 SatisfactionRating	工单解决后，请求者提供的满意度评分。
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已解决后的调查收集。常见评分包括“良好”或“不满意”，有时还会附带评论。满意度评分是重要的结果指标。将流程模式与满意度评分关联，可以发现哪些流程行为会带来满意或不满的客户体验。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密切相关。重要性将流程执行情况与客户结果直接关联，有助于识别影响客户满意度的流程行为。获取途径 Zendesk Tickets API中的“satisfaction_rating.score”或“satisfaction_rating.reason”字段。示例良好不满意已提供
	结束时间 EndTime	活动完成的准确日期和时间。
说明结束时间标记活动完成的时刻。Zendesk中的许多事件持续时间为瞬时，因此结束时间与开始时间相同。但对于“请求已暂停”等基于状态的活动，结束时间是工单解除暂停的时刻。此属性对于计算单项活动的持续时间至关重要，也是瓶颈分析的重要依据。比较活动的开始时间和结束时间，可以直接衡量其处理时间，帮助找出耗时最长的步骤。重要性支持计算单项活动的持续时间，对于识别流程瓶颈和衡量步骤级效率至关重要。获取途径对于离散事件，此值通常与StartTime相同。对于状态持续时间，此值为下一次状态变更事件的时间戳。示例 2023-10-26T10:00:00Z2023-10-26T10:15:30Z2023-10-27T14:20:10Z
	请求者姓名 RequestorName	提交服务请求的最终用户或客户姓名。
说明此属性用于识别发起服务请求的个人。将请求与特定客户关联，可以从用户角度了解支持流程。在流程分析中，您可以按请求者分析特定客户或客户群体的模式。例如，可以调查某些客户的解决时间是否更长，或返工率是否更高，这可能表明其所用产品或服务存在问题。重要性将流程与客户关联，支持分析客户特定问题、重复请求和满意度。获取途径将Tickets API响应中的“requester_id”与Zendesk Users API关联。示例 Alice JohnsonBob WilliamsCharlie Brown
	请求者所属组织 RequestorOrganization	请求者所属的组织或公司。
说明此属性将服务请求与特定客户组织关联。在B2B支持场景中，这一点尤为重要，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。这有助于发现工单量较大、问题反复出现或满意度较低的组织，为客户管理和整体客户健康趋势分析提供参考。重要性按公司对请求分组，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。获取途径将Tickets API响应中的“organization_id”与Zendesk Organizations API关联。示例 Acme CorporationGlobal Tech Inc.Innovate Solutions

必填建议填写选填

服务请求管理活动

以下是建议记录在事件日志中的关键流程步骤和里程碑，有助于准确发现服务请求流程。

7 建议填写 6 选填

	活动	说明
	SLA目标未达成	当服务请求未达到既定SLA目标（例如首次回复时间或解决时间）时，此活动会标记相应时间点。Zendesk会在目标未达成时记录明确事件。
重要性这是合规监控中的关键事件，也是SLA达成率KPI的重要输入，可准确指出未履行服务承诺的情况。获取途径从Zendesk工单事件或审计日志中的“SLABreach”事件提取。该事件会注明未达标的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
	创建服务请求	请求者通过任意渠道提交新工单时，服务请求生命周期即开始。Zendesk工单审计日志会将其记录为“Create”事件，为流程提供明确的开始时间。
重要性此活动是每个服务请求的主要开始事件，是计算端到端周期时间和分析请求受理量的基础。获取途径 Zendesk工单审计日志会将其记录为“Create”事件类型。该事件的时间戳就是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
	已发送公开回复	此活动表示客服专员向请求者发送了消息。在Zendesk工单数据中，这会记录为明确的“Comment”事件，且“public”属性为true。
重要性这些事件对于分析沟通频率、衡量客服专员响应时间，以及确定解决问题所需的交互次数至关重要。获取途径这是工单数据中的明确“Comment”事件。事件详情包含“public: true”属性，用于将其与内部备注区分开来。采集从工单“Comment”事件中提取，其中“public”标记为true。事件类型 explicit
	服务请求已关闭	表示服务请求最终永久关闭。工单在“solved”状态持续一段时间后会自动转为“closed”，且无法再次打开。
重要性此活动标志着服务请求流程彻底结束，也是计算完整案例周期时间的最终节点。获取途径根据工单审计日志中“status”字段的“Change”事件推断，其中新值为“closed”。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
	服务请求已解决	当客服专员提供解决方案并将工单状态改为“solved”时，此活动会标记相应时间点。从客服专员的角度看，请求已处理完毕，但请求者仍可重新打开工单。
重要性这是一个重要里程碑，表示客服专员的主动处理工作已结束。达到此状态所需的时间是衡量解决效率的主要指标。获取途径根据工单审计日志中“status”字段的“Change”事件推断，其中新值为“solved”。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	当请求者回复状态为“solved”的请求时，会发生此活动，工单状态也会自动恢复为“open”。这表示原先提供的解决方案未能满足需求。
重要性此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，并找出客户不满的原因。获取途径根据工单审计日志中“status”字段的“Change”事件推断，其中变更前的值为“solved”，新值为“open”。采集根据状态从“solved”变为“open”推断。事件类型 inferred
	请求分配给客服人员	服务请求首次分配给特定客服人员时，会发生此活动。该活动根据工单审计日志中的“Change”事件推断：其中“assignee_id”字段从空值或群组ID变为已填写。
重要性这标志着客服人员开始实际处理请求，对于衡量首次响应时间、首次分配延迟和客服人员工作量分布至关重要。获取途径根据工单审计日志中首次将特定用户ID设为“assignee_id”字段值的“Change”事件推断。采集根据首次将“assignee_id”字段设为客服人员的变更事件推断。事件类型 inferred
	优先级已更改	表示服务请求的优先级已更新，例如从“Low”“Normal”“High”或“Urgent”中选择。Zendesk工单审计日志会将其记录为“priority”字段的“Change”事件。
重要性分析优先级变化，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。获取途径在Zendesk工单审计日志中，记录为“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
	客服专员重新分配	表示服务请求从一名客服专员转交给另一名客服专员。初次分配后，“assignee_id”字段发生的任何后续“Change”事件均可用于推断此活动。
重要性跟踪重新分配情况是计算客服专员重新分配率KPI的关键，有助于发现流程低效、路由错误或知识缺口。获取途径根据工单审计日志中“assignee_id”字段的“Change”事件推断，不包括工单首次分配事件。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
	已添加内部备注	客服专员在服务请求中添加了仅其他客服专员可见的内部备注或评论。此操作记录为“Comment”事件，且“public”属性为false。
重要性跟踪内部备注有助于了解客服专员或团队之间的协作情况。协作可能造成延误，也可能是高效解决问题的关键。获取途径这是工单数据中的明确“Comment”事件。事件详情包含“public: false”属性，表示这是一条内部备注。采集从工单“Comment”事件中提取，其中“public”标记为false。事件类型 explicit
	应用SLA目标	表示服务级别协议（SLA）政策应用于服务请求工单的时刻。当工单属性符合有效SLA政策的条件时，系统会明确记录此事件。
重要性跟踪SLA的应用时间，对于监控合规情况、分析潜在的未达标问题，以及了解不同请求类型的预期服务时限至关重要。获取途径从Zendesk工单事件或审计日志中的“SLAPolicyApplied”事件获取。此事件会标明匹配的政策。采集通过工单数据中明确记录的“SLAPolicyApplied”事件识别。事件类型 explicit
	请求已升级	表示服务请求正式升级至更高级别的支持团队、其他团队或管理层。通常可根据工单所属组变更，或用于跟踪升级情况的自定义字段变更来推断。
重要性监控升级情况有助于发现复杂请求、一线客服专员的培训需求，以及需要更高层级介入的系统性问题。获取途径这不是标准事件。必须根据“group_id”字段变更为升级处理组，或用于跟踪升级情况的工单自定义字段变更来推断。采集根据“group_id”变更或自定义“escalation”字段推断。事件类型 inferred
	请求已暂停	当服务请求状态变为“on-hold”时，会发生此活动，通常表示客服专员正在等待请求者或第三方提供信息。可根据状态变更事件推断。
重要性这有助于单独识别并衡量不受支持团队直接控制的等待时间，从而更准确地了解客服专员的处理时间。获取途径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

建议填写选填

数据提取指南

如何从Zendesk Support获取数据

步骤

打开Zendesk Explore并创建主报告：点击右上角的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，以便可视化数据。然后在Rows区域添加以下属性：Ticket ID、Update - Timestamp、Updater name、Update - Field name、Update - Previous value、Update - New value、Assignee name、Group name、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。打开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。此公式会将不同的工单更新事件映射为所需的活动名称。
优化并筛选主报告：将新的ActivityName属性添加到Rows区域。为此属性创建筛选条件，排除(null)和不需要的系统生成值，以清理数据。此外，为Ticket created - Date添加筛选条件，将查询限制在适当的时间范围内，例如最近6个月。
创建SLA事件的第二份报告：新建另一个查询，这次选择Support: SLAs数据集。由于Ticket updates数据集中不包含SLA事件，因此需要单独查询。
配置SLA报告：在SLA查询中，将COUNT(SLA tickets)添加到Metrics。在Rows区域添加Ticket ID、SLA policy、SLA target、SLA updated - Timestamp、SLA status和Updater name。转换数据时，我们将根据SLA status推断活动。
导出两个数据集：在Explore界面运行两个查询。生成表格后，点击Export按钮并选择CSV格式，即可获得两个独立的CSV文件。
合并并转换数据：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，生成一个事件日志。对于SLA文件，需要创建ActivityName列。如果SLA status为Active，则活动为SLA Target Applied；如果SLA status为Breached，则活动为SLA Target Breached。将SLA updated - Timestamp用作EventTimestamp。
统一列标题：在最终合并的文件中，将列名改为流程挖掘所需的格式。例如，将Ticket ID改为ServiceRequestId，将Update - Timestamp改为EventTimestamp，将Updater name改为AgentName。
添加固定列并完成整理：在最终CSV文件中添加两列。将SourceSystem填为“Zendesk”，将LastDataUpdate填为执行导出的时间戳。文件现在可以上传了。

配置

Zendesk套餐：需要使用包含Zendesk Explore Professional或Enterprise的Zendesk Support套餐，才能创建自定义查询和属性。
权限：您需要拥有可在Explore中创建和编辑查询权限的坐席账户，通常是管理员或具有自定义角色的坐席。
数据集选择：此方法需要基于两个不同的数据集分别创建报告：Support: Ticket updates用于常规事件，Support: SLAs用于SLA相关事件。
日期范围筛选：必须应用日期范围筛选，例如筛选Ticket created - Date，以控制数据量。建议首次分析使用3至6个月的数据。
计算属性：活动名称的推导逻辑通过Explore中的复杂自定义计算属性实现。请确保公式设置正确，以免输出出错。
数据量：Zendesk Explore界面和导出功能处理大型数据集时可能较慢或超时。如果需要提取一年以上的数据或数百万张工单，建议按较短时间段分批导出。

查询示例 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

准备工作：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库用于发起API调用，pandas库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。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”。填写说明，例如“ProcessMind Extraction”，并复制生成的令牌。此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（贵公司的Zendesk域名）、ZENDESK_EMAIL（与令牌关联的管理员邮箱地址）和ZENDESK_API_TOKEN。此外，设置START_TIME_STR以指定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记录、评论和SLA指标，并按时间顺序处理这些事件，生成详细历史记录。
将Zendesk事件映射为活动：脚本包含将Zendesk原始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“服务请求已解决”或“请求已暂停”等活动。脚本还会检查评论事件，判断其属于“已发送公开回复”还是“已添加内部备注”。
运行提取脚本：在终端中运行python your_script_name.py。脚本会在获取Zendesk API数据时显示进度。处理时间取决于数据量和API速率限制。
检查输出文件：脚本运行完成后，会在同一目录下生成名为zendesk_event_log.csv的CSV文件，其中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。列标题应符合所需属性，例如ServiceRequestId、ActivityName、EventTimestamp、SourceSystem和LastDataUpdate等。文件现在可以上传到ProcessMind。

配置

Zendesk API访问权限：脚本需要使用与管理员或具有足够权限的坐席关联的有效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应使用“YYYY-MM-DD”格式。
日期范围：建议首次提取最近3至6个月的数据（通过START_TIME_STR设置）。这能提供具有代表性的数据集，同时避免运行时间过长或频繁触及API限制。日期范围越大，提取时间也会显著增加。
增量导出API：脚本使用Incremental Exports端点（/api/v2/incremental/tickets/cursor.json），高效获取上次运行以来或指定起始时间之后更新的工单，无需扫描全部工单。
速率限制：Zendesk对API调用设有速率限制。脚本包含触发限制时暂停的基本处理逻辑，但对于规模特别大的实例，提取仍可能耗时较长。建议在业务低峰期运行。
升级识别逻辑：脚本根据group_id字段的变更推断“请求已升级”活动。如果贵组织使用其他机制（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。

查询示例 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原生完整账户JSON导出。具体菜单路径和授权要求因账户配置而异，请使用Admin Center提供的导出选项，并遵循贵组织的审批流程。
选择涵盖所需分析时段的日期范围，建议为三至六个月。如果原生导出不支持日期筛选，请下载完整账户导出文件，并在转换数据时筛选日期。
下载并保留导出生成的所有JSON文件。请保留原始文件、导出时间戳、账户标识符以及清单或元数据文件。处理过程中不要覆盖源文件。
解析导出文件中的工单记录、工单审计记录、审计事件、评论、用户、组织、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，请在运行脚本前配置源路径和JSON属性映射。
将每条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、字段名称、先前值、新值、操作者标识符、公开标记、工单状态、受派人、组、优先级、渠道、服务类型、标签、源系统和LastDataUpdate。
每项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：服务请求已创建、已应用SLA目标、请求已分配给坐席、优先级已更改、坐席已重新分配、已发送公开回复、已添加内部备注、请求已暂停、请求已升级、SLA目标已违约、服务请求已重新打开、服务请求已解决和服务请求已关闭。ProcessMind会直接读取这些行，不会推断其他事件。
在可用情况下，根据导出的用户、组和组织记录解析坐席、组、组织和请求者标识符。根据事件发生时的分配状态填写AgentName和AssignedTeam。无法解析显示名称时，保留标识符或留空。
应用确定性事件规则：使用工单审计中的Create事件标记服务请求已创建；使用明确的SLA审计事件标记已应用SLA目标和SLA目标已违约；首次符合条件的受派人变更标记请求已分配给坐席，之后的受派人变更标记坐席已重新分配；根据公开和私密评论标记回复和备注事件；根据状态转换标记暂停、重新打开、解决和关闭事件；根据组变更或已配置的升级字段变更标记请求已升级。
按ServiceRequestId和EventTimestamp对结果行排序；若时间戳相同，则使用稳定的源事件顺序作为次级排序依据。不要仅因时间戳相同就去重，因为同一时间可能发生多条评论或审计事件。
验证所有必需列均已包含，并确认源数据中存在相应事件时，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，每个事件占一行，并使用必需列名ServiceRequestId、ActivityName、EventTimestamp、SourceSystem和LastDataUpdate。

配置

**导出范围：**使用Zendesk Support原生完整账户JSON导出，并保留导出生成的所有JSON文件。导出内容应包含工单数据及工单审计或事件数据。如果SLA、评论、用户、组织、组或自定义字段数据单独提供，请将相应文件纳入转换输入。
**日期范围：**首次提取和验证建议使用三至六个月的数据。如果原生导出覆盖整个账户且无法按日期限制，请在解析后按EventTimestamp筛选，同时保留完整的源数据存档。
**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：**将账户实际导出的事件名称或属性映射到SLA目标应用和违约事件。如果导出中没有明确的SLA事件，请勿伪造。请在占位符中配置相应的源路径，并记录无法提供的活动。
**升级配置：**确认账户中用于表示升级的组字段或自定义字段。在运行前，将ESCALATION_FIELD_ID或对应配置设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导出文件名和嵌套结构可能因导出版本及账户配置而异。
**必需输出：**每条事件记录都必须填写ServiceRequestId、ActivityName、EventTimestamp、SourceSystem和LastDataUpdate。建议包含AgentName、AssignedTeam、RequestPriority、RequestStatus、RequestChannel、ServiceType和TicketTags。
**筛选条件：**确认导出的属性确实存在后，再应用所需的分析日期范围、账户或品牌范围，以及任何公司特定筛选条件。不要依据未经支持或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文件载入内存；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的中间文件。大型导出可能需要按日期或工单标识符分区处理。
**准备条件：**需要具备申请或下载原生账户导出的管理员权限、访问工单审计及用户或组参考数据的授权、支持该导出功能的Zendesk订阅、用于存储完整导出数据的本地空间，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、坐席、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。

查询示例 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。使用此数据模板，发现Zendesk Support中的瓶颈并提升效率。

返回改进指南

下载模板

优化服务请求管理，立即减少延误。

告别处理缓慢和用户困扰，实现70%的自动化。

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

数据提取指南

使用Zendesk Explore界面生成报告并导出数据

步骤

配置

查询示例 config

通过Python脚本从Zendesk REST API提取数据

步骤

配置

查询示例 python

Zendesk Support原生完整账户JSON导出

步骤

配置

查询示例 config

准备好开始了吗？

优化服务请求管理，立即减少延误。