Exportation des Données du Dashboard

Vue d'ensemble

Cette documentation explique comment les données sont exportées depuis le dashboard InsurDirect, en fonction des configurations de sources de données et des mappages d'attributs.

Fonctionnement de l'Export

L'export reflète toujours les données actuellement visibles sur le dashboard, incluant tous les filtres appliqués (par exemple, filtrage sur une semaine spécifique).

Formatage des Types de Données Spécifiques

Données de Type Conversation

Les champs de type conversation (comme "chat_conversation", "email_conversation", "audio_call") sont transformés en chaînes de caractères structurées qui contiennent l'intégralité des échanges, avec cette syntaxe:


agent: Bonjour et bienvenue chez Un souriANT.
customer: Vous pouvez m'aider, j'aimerais savoir les horaires de l'agence.
agent: L'agence de Lille est ouverte de 9h à 17h.
customer: Merci beaucoup!


Données de Type Date

Une évolution est actuellement en cours concernant les champs de type date:

• Prochainement, toutes les dates seront converties en heure locale de la personne qui a effectué l'export
• Le format inclura la timezone complète (par exemple: 2025-04-17 10:30:00+02:00 pour un export réalisé à Paris en heure d'été)
• Cette amélioration facilitera l'analyse des données temporelles dans différents contextes géographiques

Cas n°1: Export avec une source de données unique

Lorsqu'une seule source de données est configurée dans le dashboard:

• L'export inclut tous les champs d'origine de la source de données
• Les champs analysés par l'IA (de type "text", "chat_conversation”, “email_conversation”, “audio_call") génèrent des colonnes supplémentaires
• Chaque colonne d'analyse porte le nom du champ original suivi de ".topics" (exemple: "conversation.topics")
• Ces colonnes contiennent les sujets métiers identifiés et le sentiment associé

Cas n°2: Export avec plusieurs sources de données

Lorsque plusieurs sources de données sont mappées dans le dashboard:

• L'export inclut les champs définis dans le mappage des attributs
• Les noms des champs correspondent à ceux choisis manuellement dans la configuration
• Les analyses IA sont également incluses avec le même format de nommage (.topics)

Configuration du Mappage des Attributs

Le mappage des attributs détermine la structure de l'export lorsque plusieurs sources sont utilisées:

1. Dans la section "Paramètres généraux", définissez les sources de données incluses
2. Dans "Mappage des attributs", associez les champs de chaque source à un nom de colonne commun
3. Les attributs communs (comme "Customer", "Conversation", "Date") sont mappés vers les champs spécifiques de chaque source

‍

Structure des Données Exportées

L'export final se présente sous forme de tableau avec:

• Une colonne ID unique pour chaque entrée
• La source de données d'origine (data_source)
• L'horodatage de création (created_at)
• Les valeurs des attributs mappés
• Les colonnes d'analyse IA avec extension .topics

Comprendre les "topic_levels" dans l'Analyse IA

Les "topic_levels" mentionnés dans les colonnes d'analyse IA correspondent aux différents niveaux du plan de classement:

• level_1: Représente le sujet principal (ex: "Produit", "Personnel")
• level_2: Correspond à un sous-sujet plus spécifique (ex: "Remboursement", "Horaires")
• level_3: Peut apparaître pour des sujets encore plus précis si configuré

Chaque niveau est associé à une analyse de sentiment ("positif", "négatif", "neutre") qui reflète la tonalité des échanges sur ce sujet spécifique.

Exemple d'analyse structurée:


json
{
 "topic_levels": [
   {"level_1": "Produit", "sentiment": "positif"},
   {"level_2": "Remboursement", "sentiment": "neutre"},
   {"level_1": "Personnel", "sentiment": "positif"}
 ]
}



Exemples Concrets

Exemple avec la source InsurDirect - Callbot

Pour les données du Callbot, l'export inclut:

• Les informations d'identification (ID, timestamp)
• Le contenu de la conversation
• L'analyse des sujets abordés (topic_levels)
• Les informations de contact client
• La raison du contact et les questions non répondues

Exemple avec sources multiples (Post call, WebApp, Callbot)

Dans ce cas, l'export unifie les données avec:

• Une structure commune basée sur le mappage
• Les attributs spécifiques à chaque source convertis en format standardisé
• Les analyses de sujets harmonisées sous un même format

Bonnes Pratiques

• Vérifiez votre mappage d'attributs avant export pour garantir la cohérence des données
• Utilisez des noms d'attributs explicites pour faciliter l'analyse ultérieure
• Assurez-vous que tous les champs textuels importants sont correctement mappés pour bénéficier de l'analyse IA

‍