# Itsm Ticket Analyzer

> 嘉为蓝鲸 ITSM 工单分析技能。支持多流程工单数据读取、字段智能映射、新工单处理建议、趋势分析、高频问题识别、SLA 监控。Use when: 需要分析 ITSM 工单数据、为新工单提供处理建议、生成工单日报/周报、识别高频问题、监控 SLA 超时风险。支持不同流程的工单（字段自动适配）。

- Skill: `dvcrn/itsm-ticket-analyzer` (Agent Skill)
- Install (CLI): `npx skillmds@latest add dvcrn/itsm-ticket-analyzer`
- Raw SKILL.md: https://api.skillmd.com/api/skills/dvcrn/itsm-ticket-analyzer/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: dvcrn (https://skillmd.com/u/dvcrn)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/dvcrn/itsm-ticket-analyzer

---


# 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/analyze_ticket.py --input /path/to/new_ticket.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 |
|------|------|------|------|
| `analyze_ticket.py` | 单工单分析 | CSV/JSON | 处理建议 |
| `trend_analysis.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 BK_ITSM_API_URL="https://<your-domain>/api/v1/itsm"
export BK_ITSM_API_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)
- 已解决：**12 个** (80%)
- 平均响应时间：**25 分钟** (↓5 分钟)
- SLA 达标率：**93%**

### 工单类型分布
1. 网络问题：5 个
2. 服务器问题：4 个
3. 应用故障：3 个
4. 权限申请：3 个

### 高频问题 Top 3
1. VPN 连接失败 (3 次)
2. 邮箱无法登录 (2 次)
3. 打印机无法连接 (2 次)

### 即将超时预警
- 工单 #12345：剩余 2 小时 (P1)
- 工单 #12346：剩余 3 小时 (P2)
```

## 参考资料

- **嘉为蓝鲸文档**: `references/blueking-api.md`
- **工单分类规则**: `references/ticket-classification.md`
- **SLA 策略**: `references/sla-policy.md`

## 企业微信推送

和新闻推送一样，可以配置定时推送：

```bash
# 每天早上 9 点推送昨天的工单日报
cron: 0 9 * * *
```

推送配置参考 `references/webhook-config.md`。