Como Automatizar a Exportação de Dados do GLPI para o Excel via API

Exportar relatórios manualmente do GLPI é uma das tarefas operacionais mais repetitivas nas equipes de suporte e infraestrutura. O processo diário de aplicar filtros, clicar em exportar para CSV ou XLSX, formatar colunas e calcular métricas de SLA consome tempo útil e introduz inconsistências causadas por falhas humanas ou defasagem de dados.

A solução sustentável para esse problema é a integração direta entre a API REST nativa do GLPI e o motor de dados do Excel, criando um fluxo automatizado em que a planilha se atualiza sob demanda ou por agendamento prévio.

Arquitetura: Por que usar a API em vez do banco direto?

Embora muitos administradores recorram a consultas SQL diretas no MariaDB/MySQL do GLPI, essa prática traz riscos de integridade, bloqueio de tabelas durante cargas pesadas e fragilidade diante de atualizações de versão do sistema. A API REST (/apirest.php) abstrai as regras de negócio, respeita as permissões do perfil de acesso e preserva a estabilidade do servidor.

Segurança e Boas Práticas de Autenticação

Para integrar o GLPI a ferramentas externas com segurança, siga os seguintes princípios:

1. Usuário de Serviço Dedicado: Crie um usuário com permissões estritamente de leitura (Read-Only) no GLPI, restrito às entidades e dados necessários.
2. Uso Combinado de Tokens: A API do GLPI exige o App-Token (autorização da aplicação) e o User-Token (credencial da conta de serviço), gerando uma session_token temporária via endpoint initSession.
3. Isolamento de Credenciais: Evite armazenar tokens em texto puro dentro de planilhas distribuídas. O ideal é orquestrar a extração por meio de um script ou intermediário protegido.

Fluxo de Execução da Automação

Um pipeline robusto de sincronização segue quatro etapas essenciais:

1. Abertura de Sessão: O script envia uma requisição GET para /initSession enviando os cabeçalhos App-Token e Authorization: user_token <seu_token>.
2. Consulta Parametrizada: A busca pelos dados de chamados é feita em /Ticket/, utilizando parâmetros de paginação (range=0-999) e o argumento expand_dropdowns=true para receber nomes legíveis de categorias, técnicos e solicitantes em vez de IDs numéricos brutos.
3. Transformação dos Dados: Os campos de data de abertura, solução e cálculo de SLA são normalizados. Em sistemas que desenvolvo, costumo implementar camadas intermediárias em Python (usando bibliotecas como openpyxl ou pandas) para consolidar métricas complexas antes da gravação do arquivo final.
4. Carga e Encerramento: Os dados tratados são gravados diretamente no arquivo Excel mestre (ou expostos via feed OData/Power Query para atualização nativa). Por fim, o script consome o endpoint /killSession para liberar recursos do servidor GLPI.

Benefícios Práticos

Com a automatização configurada, relatórios de tempo médio de atendimento (TMA), volume de tickets por fila e conformidade de SLA passam a ser gerados sem qualquer intervenção humana, garantindo que a liderança tome decisões com base em números confiáveis e em tempo real.

Se a sua equipe ainda perde horas semanais tratando dados de chamados manualmente e você deseja implementar uma solução estável de automação entre o GLPI e seus relatórios corporativos, entre em contato para avaliar uma consultoria técnica sob medida para o seu ambiente.