Introducción a los conjuntos de datos de Explore

Los datos de Zendesk están divididos en distintos conjuntos de datos. Cada conjunto de datos contiene métricas y atributos que se pueden usar para crear consultas y generar informes. Es necesario seleccionar un conjunto de datos específico antes de consultar los datos con Zendesk Explore.

Si desea ayuda para elegir y administrar los conjuntos de datos, consulte Trabajar con conjuntos de datos.

Si desea ayuda para crear consultas, consulte el artículoCreación de consultas.

Sugerencia: ¿Necesita ayuda para encontrar las métricas y los atributos que necesita para medir su éxito y tomar decisiones de negocio inteligentes? De ser así, dele una mirada a nuestra guía Las métricas importantes de la atención al cliente.

Utilice este artículo para ayudarle a elegir la base de datos adecuada para sus informes y para obtener información más avanzada sobre cómo los conjuntos de datos almacenan la información comercial. En este artículo, se tratan los siguientes temas:

• Elegir el conjunto de datos adecuado
• Comprender la estructura del conjunto de datos

Elegir el conjunto de datos adecuado

Los conjuntos de datos están disponibles para los siguientes productos. Elija un producto para leer más sobre cada conjunto de datos y descubrir las métricas y los atributos que se pueden usar con ellos:

• Conjuntos de datos de Support
  • Tickets: métricas clave de los tickets como el número de tickets, la actividad de los tickets y el tipo de tickets.
  • Ticket updates: información sobre las actualizaciones realizadas en los tickets a lo largo de su ciclo de vida.
  • Backlog history: información sobre los tickets sin resolver al final de un día determinado.
  • SLAs: información sobre el rendimiento del contrato de nivel de servicio (SLA).
• Conjunto de datos de Talk:
  • Calls: información sobre el centro de llamadas y la actividad de los agentes.
• Conjuntos de datos de Chat:
  • Engagement: información sobre la interacción de los clientes a través de Chat.
• Conjuntos de datos de Guide
  • Answer Bot: información sobre la eficacia del uso de Answer Bot.
  • Knowledge Capture: información que ayuda a entender la eficiencia de seleccionar artículos para redireccionar tickets de soporte.
  • Team Publishing (solo Guide Enterprise): información para ayudarle a comprender la actividad de su equipo en Zendesk Guide que incluye (entre otras cosas) cuándo se crean, publican o editan los artículos.
  • Base de conocimientos: información para ayudarle a comprender con qué frecuencia se miran los artículos del centro de ayuda, cuáles artículos reciben votos positivos y cuáles reciben votos negativos, entre otras cosas.

Comprender la estructura del conjunto de datos

Los conjuntos de datos de Explore contienen toda la información disponible para el producto o las funciones del producto. Para poder consultar los datos con eficiencia y evitar datos duplicados o incoherentes, Explore agrupa los datos en varias tablas de datos. La tabla de datos es una especie de “caja” donde se almacenan los datos. Las tablas de datos no están aisladas, están combinadas una con la otra mediante atributos especiales de puntos de conexión que funcionan como identificadores únicos para cada fila de datos en la tabla.

En el diagrama de ejemplo de abajo, los datos de ticket se almacenan en la base de datos Tickets y los datos de usuario se almacenan en una tabla de datos Usuarios separada. Estas tablas de datos están combinadas en los conjuntos de datos mediante atributos especiales de puntos de conexión.

Por ejemplo, ID del ticket es el punto de conexión para la tabla de datos Ticket, pero ID del solicitante es el punto de conexión para la tabla Usuarios.

Cuando un usuario ejecuta una consulta, Explore determina cuál tabla contiene las métricas y los atributos que se necesitan y si las tablas deben combinarse. Si todas las métricas y los atributos necesarios se encuentran en una tabla, no se realiza ninguna conexión (o combinación). Un ejemplo de esto es una consulta que cuenta las ID del ticket por estado.

Sin embargo, si las métricas y los atributos necesarios se encuentran en varias tablas de datos, las tablas sí serán combinadas. Un ejemplo de esto es una consulta que cuenta las actualizaciones del ticket por el nombre del agente asignado. En este caso, las tablas Actualizaciones de ticket, Tickets y Usuarios se combinan para generar el resultado.

Las tablas de datos de Explore se conectan usando el método LEFT JOIN. Eso quiere decir que, cuando las tablas se combinan, la consulta devuelve todas las filas de la tabla de la izquierda, aunque no haya ninguna coincidencia de la tabla de la derecha. En el ejemplo de arriba, un recuento de las ID de ticket por el nombre del agente asignado, devolverá todos los tickets con o sin un agente asignado.

En algunos casos, técnicamente no es posible almacenar datos en varias tablas de datos debido a la gran cantidad de datos o la alta velocidad necesaria para realizar las consultas. Un ejemplo de esto es el conjunto de datos Tickets en proceso. Este utiliza solo una tabla para almacenar datos.