嘉为蓝鲸 ITSM 工单分析技能

何时使用

✅ 使用此技能当：

• - 需要分析嘉为蓝鲸 ITSM 工单数据
• 为新收到的工单提供处理建议
• 生成工单日报/周报/月报
• 识别高频问题/重复问题
• 监控 SLA 超时风险
• 工单分类/自动路由建议
• 不同流程的工单分析（字段自动适配）

❌ 不使用此技能当：

• - 需要直接操作 ITSM 系统（创建/关闭工单）→ 需要 API 集成
• 实时工单通知 → 需要 Webhook 集成

数据输入方式

方式 1：CSV/Excel 导出（推荐）

从嘉为蓝鲸 ITSM 导出工单数据：

bash

在蓝鲸 ITSM 后台：工单管理 → 导出 → 选择字段

⚠️ 重要：不同流程的工单字段可能不同

技能会自动识别和映射字段，你只需要导出包含以下基础字段即可：

嘉为蓝鲸标准字段	说明	必填
单号	工单唯一标识	✅
标题

工单标题/摘要 | ✅ |
| 服务目录 | 一级分类（如：IT 服务） | ✅ |
| 服务 | 二级分类（如：网络服务） | ✅ |
| 服务类型 | 三级分类（如：VPN 问题） | ✅ |
| 状态 | 工单状态（待处理/处理中/已解决） | ✅ |
| 当前步骤 | 流程节点名称 | ✅ |
| 当前处理人 | 当前负责人 | ✅ |
| 创建人 | 提单人 | ✅ |
| 提单时间 | 创建时间 | ✅ |
| 结束时间 | 解决/关闭时间 | ❌ |
| 挂起时间 | 暂停时间 | ❌ |
| 恢复时间 | 恢复处理时间 | ❌ |
| 流程版本 | 流程模板版本 | ❌ |

可选字段（如有则提供更详细分析）：

• - 优先级（P0/P1/P2/P3）
• SLA 截止时间
• 工单描述/详细内容
• 解决方案/处理记录

方式 2：不同流程的工单混合分析

技能支持混合分析不同流程的工单：

• - 事件管理流程
• 请求管理流程
• 变更管理流程
• 问题管理流程

bash

导出时可以选择多个流程的工单

技能会自动识别服务目录/服务/服务类型进行分类

核心功能

1. 字段智能映射

自动识别嘉为蓝鲸标准字段，支持不同流程的工单：

python

自动映射示例

字段映射 = {
单号: ticket_id,
标题: title,
服务目录: service_catalog, # 一级分类
服务: service, # 二级分类
服务类型: service_type, # 三级分类
状态: status,
当前步骤: current_step,
当前处理人: assignee,
创建人: requester,
提单时间: created_at,
结束时间: resolved_at,
挂起时间: suspended_at,
恢复时间: resumed_at,
流程版本: process_version
}

2. 新工单处理建议

当有新工单时，自动分析并给出建议：

bash

读取新工单数据

python scripts/analyzeticket.py --input /path/to/newticket.csv

输出示例：

- 工单类型：网络问题

- 建议分类：基础设施组

- 相似历史工单：3 个

- 推荐解决方案：检查交换机配置...

- 预计处理时长：2 小时

3. 深度分析（完整报告）

处理人工作量统计：

• - 处理人分布（工单数/占比）
• 每个处理人的工单列表
• 工作量对比

响应时间分析：

• - 已解决工单：平均响应时间、最快/最慢
• 未解决工单：平均等待时间、最长等待
• Top 5 最慢工单列表

问题分类统计：

• - 自动关键词分类（登录问题、服务宕机、监控告警等）
• 分类占比统计
• 重复问题识别

bash

生成深度分析报告

python scripts/deep_analysis.py --input /path/to/tickets.xlsx

4. 工单趋势分析（支持多流程）

生成日报/周报/月报，按服务目录/服务/服务类型分层分析：

bash

生成日报

python scripts/trend_analysis.py --input /path/to/tickets.csv --period daily

生成周报（按服务分类）

python scripts/trend_analysis.py --input /path/to/tickets.csv --period weekly --group-by service

分析指标：

• - 工单总量趋势
• 平均响应时间（提单时间 → 首次处理）
• 平均解决时间（提单时间 → 结束时间）
• 一次解决率
• SLA 达标率
• 按服务目录/服务/服务类型分布
• 按流程节点分布
• 处理人工作量
• 挂起率分析

5. 高频问题识别（按服务类型聚类）

识别重复问题，帮助建立知识库：

bash
python scripts/cluster_issues.py --input /path/to/tickets.csv --threshold 0.8

输出：

• - 高频问题 Top 10（按服务类型分组）
• 问题聚类分组
• 推荐知识库文章
• 重复提单识别

6. SLA 监控（考虑挂起时间）

监控即将超时/已超时的工单，自动扣除挂起时间：

bash
python scripts/sla_monitor.py --input /path/to/tickets.csv --warning-hours 4

输出：

• - 即将超时工单列表（<4 小时）
• 已超时工单列表
• 超时原因分析（处理慢/挂起久/其他）
• 实际处理时长 vs SLA 承诺

脚本说明

脚本	功能	输入	输出
analyzeticket.py	单工单分析	CSV/JSON	处理建议
trendanalysis.py

趋势分析 | CSV | Markdown 报告 | | cluster_issues.py | 问题聚类 | CSV | 聚类结果 | | sla_monitor.py | SLA 监控 | CSV | 预警列表 |

配置说明

环境变量（可选）

bash

嘉为蓝鲸 ITSM API 配置

export BKITSMAPI_URL=https:///api/v1/itsm
export BKITSMAPI_KEY=your-api-key

企业微信推送（可选）

export WEBHOOK_URL=https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx

配置文件

编辑 references/config.json 自定义：

json
{
ticket_types: {
网络问题: 基础设施组,
服务器问题: 系统运维组,
应用故障: 应用支持组,
权限申请: 安全组
},
sla_hours: {
P0: 1,
P1: 4,
P2: 24,
P3: 72
}
}

使用示例

示例 1：分析新工单

用户：分析这个新工单，给出处理建议
[上传工单 CSV]

→ 自动调用 analyze_ticket.py
→ 输出：工单类型、建议分类、相似工单、解决方案

示例 2：生成工单日报

用户：生成昨天的工单日报

→ 自动调用 trend_analysis.py --period daily
→ 输出：Markdown 格式日报，可推送到企业微信

示例 3：识别高频问题

用户：最近有哪些高频问题？

→ 自动调用 cluster_issues.py
→ 输出：Top 10 高频问题 + 聚类分组

示例 4：SLA 预警

用户：有哪些工单快超时了？

→ 自动调用 sla_monitor.py
→ 输出：即将超时工单列表 + 处理建议

输出模板

工单日报模板

markdown

📊 ITSM 工单日报

日期: 2026-03-11

核心指标

• - 新增工单：15 个 (↑2 个)