As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Agendamento de dados no data lake analítico do Amazon Connect

Este tópico detalha o conteúdo das tabelas de agendamento de data lake analítico do Amazon Connect. As tabelas listam a coluna, o tipo e a descrição do conteúdo.

Há duas maneiras de acessar o data lake de análise e configurar os dados a serem compartilhados:

Se você não conseguir acessar as tabelas de agendamento usando a Opção 1, tente usar a Opção 2.

Perfil de agendamento de pessoal

Nome da tabela: staff_scheduling_profile

Chave primária composta: {instance_id, agent_arn, staff_scheduling_profile_version}

Atividades por turnos

Nome da tabela: shift_activities

Chave primária composta: {instance_id, shift_activity_arn, shift_activity_version}

Perfis de turno

Nome da tabela: shift_profiles

Chave primária composta: {instance_id, shift_profile_arn, shift_profile_version}

Grupos de pessoal

Nome da tabela: staffing_groups

Chave primária composta: {instance_id, staffing_group_arn, staffing_group_version}

Grupos de pessoal - Forecast groups

Nome da tabela: staffing_group_forecast_groups

Chave primária composta: {instance_id, staffing_group_arn, staffing_group_version, forecast_group_arn}

Essa tabela deve ser consultada juntando-se à staffing_groups tabela em staffing_group_arn e. staffing_group_version

Grupos de pessoal - Supervisores

Nome da tabela: staffing_group_supervisors

Chave primária composta: {instance_id, staffing_group_arn, staffing_group_version, supervisor_arn}

Essa tabela deve ser consultada juntando-se à staffing_groups tabela em staffing_group_arn e. staffing_group_version

Turnos de equipe

Nome da tabela: staff_shifts

Chave primária composta: {instance_id, shift_id, shift_version}

Atividades de turnos de funcionários

Nome da tabela: staff_shift_activities

Chave primária composta: {instance_id, shift_id, shift_version, activity_id}

Essa tabela deve ser consultada juntando-se à staff_shifts tabela em shift_id e. shift_version

Folgas da equipe

Nome da tabela: staff_timeoffs

Chave primária composta: {instance_id, timeoff_id, agent_arn, timeoff_version}

Intervalos de folga da equipe

Nome da tabela: staff_timeoff_intervals

Chave primária composta: {instance_id, timeoff_id, timeoff_version, interval_id}

Essa tabela deve ser consultada juntando-se à staff_timeoffs tabela em timeoff_id e. timeoff_version

Esquema de dados

Veja a seguir um diagrama de relacionamento entre entidades que mostra a estrutura e as relações entre as tabelas de agendamento no data lake analítico do Amazon Connect. O diagrama ilustra o esquema do banco de dados com 10 tabelas interconectadas: staff_shift_ activitiesstaff_shifts,staff_timeoffs,,staff_timeoff_intervals,users,routing_profiles,shift_activities,staffing_groups, shift_profiles staffing_group_supervisorsstaffing_group_forecast_groups, e f. orecast_groups

Cada tabela exibe suas chaves e atributos primários com seus tipos de dados. O diagrama ilustra como essas tabelas se relacionam entre si por meio de relacionamentos de chave estrangeira, fornecendo uma visão abrangente do modelo de dados de agendamento.

Consultas de exemplo

1. Consulta para obter todas as atividades de turno programadas dos agentes que trabalham em um grupo de previsão específico

SELECT * FROM agent_scheduled_shift_activities_view where forecast_group_name = 'AnyDepartmentForecastGroup'

Conclua as etapas a seguir para criar agent_scheduled_shift_activities_view mencionadas acima.

Etapa 1: criar uma visualização para obter os nomes dos supervisores

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

Etapa 2: criar uma visualização para associar o grupo de funcionários e o grupo de previsão a um agente

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

Etapa 3: obtenha as atividades mais recentes do Shift

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)

Etapa 4: criar uma visualização para obter as atividades de turno agendadas pelo agente

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. Consulta para obter todas as solicitações de folga dos agentes em um grupo de previsão específico

SELECT * FROM agent_timeoff_report_view where forecast_group_name = 'AnyDepartmentForecastGroup'

Use a consulta a seguir para criar a agent_timeoff_report_view mencionada acima.

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