Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Planungsdaten im Amazon Connect Analytics Data Lake

In diesem Thema wird der Inhalt der Amazon Connect Analytics Data Lake-Scheduling-Tabellen detailliert beschrieben. In den Tabellen sind die Spalte, der Typ und die Beschreibung des Inhalts aufgeführt.

Es gibt zwei Möglichkeiten, auf den Analytics-Data Lake zuzugreifen und Daten für die gemeinsame Nutzung zu konfigurieren:

Wenn Sie mit Option 1 nicht auf die Scheduling-Tabellen zugreifen können, versuchen Sie es mit Option 2.

Profil zur Personalplanung

Name der Tabelle: staff_scheduling_profile

Zusammengesetzter Primärschlüssel: {instance_id, agent_arn, staff_scheduling_profile_version}

Verschiebungsaktivitäten

Name der Tabelle: shift_activities

Zusammengesetzter Primärschlüssel: {instance_id, shift_activity_arn, shift_activity_version}

Schichtprofile

Name der Tabelle: shift_profiles

Zusammengesetzter Primärschlüssel: {instance_id, shift_profile_arn, shift_profile_version}

Personalgruppen

Name der Tabelle: staffing_groups

Zusammengesetzter Primärschlüssel: {instance_id, staffing_group_arn, staffing_group_version}

Personalgruppen - Prognosegruppen

Name der Tabelle: staffing_group_forecast_groups

Zusammengesetzter Primärschlüssel: {instance_id, staffing_group_arn, staffing_group_version, forecast_group_arn}

Diese Tabelle sollte abgefragt werden, indem sie mit der staffing_groups Tabelle auf staffing_group_arn und verknüpft wird. staffing_group_version

Personalgruppen — Vorgesetzte

Name der Tabelle: staffing_group_supervisors

Zusammengesetzter Primärschlüssel: {instance_id, staffing_group_arn, staffing_group_version, supervisor_arn}

Diese Tabelle sollte abgefragt werden, indem sie mit der staffing_groups Tabelle auf staffing_group_arn und verknüpft wird. staffing_group_version

Personalschichten

Name der Tabelle: staff_shifts

Zusammengesetzter Primärschlüssel: {instance_id, shift_id, shift_version}

Aktivitäten im Personalwechsel

Name der Tabelle: staff_shift_activities

Zusammengesetzter Primärschlüssel: {instance_id, shift_id, shift_version, activity_id}

Diese Tabelle sollte abgefragt werden, indem sie mit der staff_shifts Tabelle auf shift_id und verknüpft wird. shift_version

Freistellungen für Mitarbeiter

Name der Tabelle: staff_timeoffs

Zusammengesetzter Primärschlüssel: {instance_id, timeoff_id, agent_arn, timeoff_version}

Abwesenheitsintervalle für Mitarbeiter

Name der Tabelle: staff_timeoff_intervals

Zusammengesetzter Primärschlüssel: {instance_id, timeoff_id, timeoff_version, interval_id}

Diese Tabelle sollte abgefragt werden, indem sie mit der staff_timeoffs Tabelle auf timeoff_id und verknüpft wird. timeoff_version

Datenschema

Im Folgenden finden Sie ein Entitätsbeziehungsdiagramm, das die Struktur und die Beziehungen zwischen Scheduling-Tabellen im Amazon Connect Analytics-Data Lake zeigt. Das Diagramm veranschaulicht das Datenbankschema mit 10 miteinander verbundenen Tabellen: staff_shift_ activities staff_shifts staff_timeoffsstaff_timeoff_intervals,users,routing_profiles,shift_activities,staffing_groups, shift_profiles staffing_group_supervisors,staffing_group_forecast_groups,, und orecast_groups f.

In jeder Tabelle werden ihre Primärschlüssel und Attribute mit ihren Datentypen angezeigt. Das Diagramm zeigt, wie diese Tabellen durch Fremdschlüsselbeziehungen zueinander in Beziehung stehen, und bietet so einen umfassenden Überblick über das Terminplanungsdatenmodell.

Beispielabfragen

1. Abfrage, um alle geplanten Schichtaktivitäten der Agenten abzurufen, die an einer bestimmten Prognosegruppe arbeiten

SELECT * FROM agent_scheduled_shift_activities_view where forecast_group_name = 'AnyDepartmentForecastGroup'

Führen Sie die folgenden Schritte aus, um die oben agent_scheduled_shift_activities_view genannten zu erstellen.

Schritt 1: Erstellen Sie eine Ansicht, um die Namen der Supervisoren abzurufen

CREATE OR REPLACE VIEW "latest_supervisor_names_view" AS
SELECT
  staffing_group_arn
, array_agg(supervisor_name ORDER BY supervisor_name ASC) supervisor_names
FROM
  (
   SELECT
     s.staffing_group_arn
   , CONCAT(u.first_name, ' ', u.last_name) supervisor_name
   FROM
     ((
      SELECT
        staffing_group_arn
      , supervisor_arn
      FROM
        (
         SELECT
           *
         , RANK() OVER (PARTITION BY staffing_group_arn ORDER BY staffing_group_version DESC) recency
         FROM
           staffing_group_supervisors
         WHERE (instance_id = 'YourAmazonConnectInstanceId')
      )  t
      WHERE (recency = 1)
   )  s
   INNER JOIN USERS u ON (s.supervisor_arn = u.user_arn))
)
GROUP BY staffing_group_arn

Schritt 2: Erstellen Sie eine Ansicht, um die Personalgruppe und die Prognosegruppe abzurufen, die einem Agenten zugeordnet sind

CREATE OR REPLACE VIEW "latest_agent_staffing_group_forecast_group_view" AS
WITH
  latest_staff_scheduling_profile AS (
   SELECT
     agent_arn
   , staffing_group_arn
   , last_updated_timestamp
   FROM
     (
      SELECT
        *
      , RANK() OVER (PARTITION BY agent_arn ORDER BY staff_scheduling_profile_version DESC) recency
      FROM
        staff_scheduling_profile
      WHERE ((instance_id = 'YourAmazonConnectInstanceId') AND (is_deleted = false))
   )  t
   WHERE (recency = 1)
)
, latest_staffing_groups AS (
   SELECT
     staffing_group_name
   , staffing_group_arn
   FROM
     (
      SELECT
        *
      , RANK() OVER (PARTITION BY staffing_group_arn ORDER BY staffing_group_version DESC) recency
      FROM
        staffing_groups
      WHERE (instance_id = 'YourAmazonConnectInstanceId')
   )  t
   WHERE (recency = 1)
)
, latest_forecast_groups AS (
   SELECT
     forecast_group_arn
   , forecast_group_name
   FROM
     (
      SELECT
        *
      , RANK() OVER (PARTITION BY forecast_group_arn ORDER BY forecast_group_version DESC) recency
      FROM
        forecast_groups
      WHERE (instance_id = 'YourAmazonConnectInstanceId')
   )  t
   WHERE (recency = 1)
)
, latest_staffing_group_forecast_groups AS (
   SELECT
     staffing_group_arn
   , forecast_group_arn
   FROM
     (
      SELECT
        *
      , RANK() OVER (PARTITION BY staffing_group_arn ORDER BY staffing_group_version DESC) recency
      FROM
        staffing_group_forecast_groups
      WHERE (instance_id = 'YourAmazonConnectInstanceId')
   )  t
   WHERE (recency = 1)
)
SELECT
  ssp.agent_arn
, U.agent_username AS username
, U.agent_routing_profile_id AS routing_profile_id
, CONCAT(u.first_name, ' ', u.last_name) agent_name
, fg.forecast_group_arn
, fg.forecast_group_name
, sg.staffing_group_arn
, sg.staffing_group_name
FROM
 latest_staff_scheduling_profile ssp
INNER JOIN latest_staffing_groups sg ON ssp.staffing_group_arn = sg.staffing_group_arn
INNER JOIN latest_staffing_group_forecast_groups sgfg ON ssp.staffing_group_arn = sgfg.staffing_group_arn
INNER JOIN latest_forecast_groups fg ON fg.forecast_group_arn = sgfg.forecast_group_arn
INNER JOIN USERS u ON ssp.agent_arn = u.user_arn

Schritt 3: Holen Sie sich die neuesten Shift-Aktivitäten

CREATE OR REPLACE VIEW "latest_shift_activities_view" AS
SELECT
  shift_activity_arn
, shift_activity_name
, shift_activity_version
, type
, sub_type
, is_adherence_tracked
, is_paid
, last_updated_timestamp
FROM
  (
   SELECT
     *
   , RANK() OVER (PARTITION BY shift_activity_arn ORDER BY shift_activity_version DESC) recency
   FROM
     shift_activities
   WHERE (instance_id = 'YourAmazonConnectInstanceId')
)  t
WHERE (recency = 1)

Schritt 4: Erstellen Sie eine Ansicht, in der die für den Agenten geplanten Schichtaktivitäten angezeigt werden

CREATE OR REPLACE VIEW "agent_scheduled_shift_activities_view" AS
WITH
  latest_staff_shifts AS (
   SELECT
     agent_arn
   , shift_id
   , shift_version
   , shift_start_timestamp
   , shift_end_timestamp
   , created_timestamp
   , last_updated_timestamp
   , data_lake_last_processed_timestamp
   , recency
   FROM
     (
      SELECT
        RANK() OVER (PARTITION BY shift_id ORDER BY shift_version DESC) recency
      , *
      FROM
        staff_shifts sa
      WHERE (instance_id = 'YourAmazonConnectInstanceId')
   )  t
   WHERE ((recency = 1) AND (is_deleted = false))
)
SELECT
  asgfg.forecast_group_name
, array_join(sn.supervisor_names, ',') supervisor_names
, s.agent_arn
, u.first_name
, u.last_name
, asgfg.staffing_group_name
, ssa.activity_id
, (CASE WHEN (ssa.shift_activity_arn IS NULL) THEN COALESCE(sa.shift_activity_name, 'Work') ELSE sa.shift_activity_name END) shift_activity_name
, s.shift_start_timestamp
, s.shift_end_timestamp
, (CASE WHEN (ssa.shift_activity_arn IS NULL) THEN COALESCE(sa.type, 'PRODUCTIVE') ELSE sa.type END) type
, (CASE WHEN (ssa.shift_activity_arn IS NULL) THEN COALESCE(sa.is_paid, true) ELSE sa.is_paid END) is_paid
, ssa.activity_start_timestamp
, ssa.activity_end_timestamp
, ssa.last_updated_timestamp
, ssa.data_lake_last_processed_timestamp
, u.agent_username as username
, u.agent_routing_profile_id as routing_profile_id
FROM
  staff_shift_activities ssa
INNER JOIN latest_staff_shifts s ON s.shift_id = ssa.shift_id AND s.shift_version = ssa.shift_version
INNER JOIN USERS u ON s.agent_arn = u.user_arn
INNER JOIN latest_agent_staffing_group_forecast_group_view asgfg ON s.agent_arn = asgfg.agent_arn
LEFT JOIN latest_shift_activities_view sa ON sa.shift_activity_arn = ssa.shift_activity_arn
INNER JOIN latest_supervisor_names_view sn ON sn.staffing_group_arn = asgfg.staffing_group_arn
WHERE (ssa.is_deleted = false) AND (COALESCE(ssa.activity_status, ' ') <> 'INACTIVE') AND (ssa.instance_id = 'YourAmazonConnectInstanceId')

2. Abfrage, um alle Urlaubsanträge der Agenten in einer bestimmten Prognosegruppe abzurufen

SELECT * FROM agent_timeoff_report_view where forecast_group_name = 'AnyDepartmentForecastGroup'

Verwenden Sie die folgende Abfrage, um die oben agent_timeoff_report_view genannten zu erstellen.

CREATE OR REPLACE VIEW "agent_timeoff_report_view" AS
WITH latest_staff_timeoffs AS (
        SELECT t1.*,
            CAST((t1.effective_timeoff_hours * 60) AS INT) total_effective_timeoff_minutes
        FROM (
                SELECT RANK() OVER (
                        PARTITION BY timeoff_id
                        ORDER BY timeoff_version DESC
                    ) recency,
                    agent_arn,
                    timeoff_id,
                    shift_activity_arn,
                    timeoff_status,
                    timeoff_version,
                    effective_timeoff_hours,
                    timeoff_start_timestamp,
                    timeoff_end_timestamp,
                    last_updated_timestamp,
                    data_lake_last_processed_timestamp
                FROM staff_timeoffs
                WHERE (
                        instance_id = 'YourAmazonConnectInstanceId'
                    )
            ) t1
        WHERE (recency = 1)
    )
SELECT asgfg.forecast_group_name,
    to.agent_arn,
    asgfg.agent_name,
    asgfg.staffing_group_name,
    asgfg.username,
    sa.shift_activity_name,
    to.timeoff_start_timestamp,
    to.timeoff_end_timestamp,
    to.timeoff_status,
    array_join(sn.supervisor_names, ',') AS supervisor_names,
    sa.is_paid,
    to.last_updated_timestamp,
    to.data_lake_last_processed_timestamp,
    u.agent_routing_profile_id AS routing_profile_id,
    to.timeoff_id,

    to.shift_activity_arn,
    to.total_effective_timeoff_minutes
FROM latest_staff_timeoffs to
    INNER JOIN latest_agent_staffing_group_forecast_group_view asgfg ON asgfg.agent_arn = to.agent_arn
    INNER JOIN latest_shift_activities_view sa ON sa.shift_activity_arn = to.shift_activity_arn
    INNER JOIN latest_supervisor_names_view sn ON sn.staffing_group_arn = asgfg.staffing_group_arn
    INNER JOIN users u ON u.user_arn = to.agent_arn