呼叫中心的大数据应用尚处于摸索阶段，本文所述也仅限于截止目前阶段的个人思考和积累总结，愿与行业同仁共勉！几年来"大数据"一词的热度有目为睹，各行各业也都在根据自身特点和需求不断探索符合不同行业特性的大数据应用。呼叫中心作为连接企业和企业客户的沟通枢纽，其在日常运营中也会获取、使用、或者是产生大量的数据，虽然从数据量级来看呼叫中心的"大数据"规模有限，但对于呼叫中心自身的运营乃至于企业来讲这部分数据的价值却是"无可限量"的。以下将分别从"why""what""how"三个方面简单剖析一下呼叫中心的大数据应用。
【how-呼叫中心的大数据应用具体应如何操作落地】
一、 管理可控
依托系统支撑和规范建立，扩大数据采集范围，构建"数据立方体"，建立数字化运营管理体系，具体包括：
1. 数据分类
明确统一管理需要采集的数据体系，包括：运营类数据、考核类数据、业务类数据，并明确每一类数据所要采集的数据种类、数据名称、数据来源、计算方法、呈现模式等。
2. 数据提取
根据数据指标体系明细分类，及每一个指标的数据规则，完成数据的自动提取、加工计算和结果呈现。
3. 数据应用
根据完整版数据指标体系，将数据结果应用于以下几个方面：
1) 目标管理
·根据所采集的数据，对呼叫中心的运营工作进行目标设定或者是目标调整，并对目标完成情况进行统一监管和分析管理。
·根据阶段性运营数据完成情况，及时调整并下发下阶段目标值，须在数据采集分析平台增加目标调整功能模块，用于对呼叫中心运营目标的调整管理。
2) 结果管理
·对日常运营数据及结果进行分析监控，并设定相应告警机制，以及结果的传达机制，督促呼叫中心管理人员及时采取措施。
·根据所采集的数据，建立起对日常运营结果的分析机制，对运营结果实施精细化管理，确保呼叫中心持续提升运营品质和服务水平。
3) 预测管理
·根据所采集的数据，建立起数据分析预测机制，分析预测未来某阶段的趋势数据，从而确保未来的运营轨迹处在可监控、可预知态势中。
·根据包括"客户基础属性指标"和"客户投诉根因指标"在内的完整"业务特征指标"，提取历史投诉数据（包括：投诉工单、投诉录音），通过数据分析技术，以时段、地域、品牌、业务为维度预测出投诉群体（数量）。
·对于不同类型的潜在投诉，呼叫中心可在投诉发生之前，提前制定统一的服务策略，包括：统一应答口径、统一处理流程、统一服务补救，以及加强品质管理、适当调整绩效策略等措施。
4) 指标管理
·根据所采集的数据，建立起服务分析机制，提升综合服务水平。
·须在数据采集分析平台增加对各项服务数据的监控和分析功能，以便于锁定服务问题并指导管理人员有针对性的改进。
5) 相关部门及合作伙伴管理
·根据所采集的数据，对除呼叫中心之外的内部相关部门/合作伙伴实施监控管理，以确保对外服务的一致性、及时性和规范性。
·设置相关部门/合作伙伴工作流程规范，通过系统对总部派发或者是一线客服提交的流转工单处理情况进行有效监控，对处理不及时、不规范的相关部门/合作伙伴进行及时或者是定期通报，并将工单问题解决率纳入对相关部门/合作伙伴的KPI考核。
二、 运营可视
以采集的数据为基础，从不同维度提供运营监控视窗，实现运营管理决策可视化。比如：
1. 建设全网管理监控视窗，直观了解全网客服运营总体情况，尤其是影响客户满意度的关键服务指标，及时准确锁定热点问题、区域情况及责任部门。
2. 建设省分管理监控视窗，直观了解本省客服运营总体情况，降低部门之间的沟通门槛，使运营人员及时发现服务问题，监控并采取合适的调度策略，确保运营稳定、客户满意。
3. 建设相关部门管理监控视窗，将客户投诉的热点信息数据及时传递至相关业务部门，便于业务部门及时有效采取调整和改进措施。
4. 建设合作伙伴监控视窗，将合作业务的运营情况、客户服务情况集中展示，统计汇总后向各合作伙伴提供数据开放，便于及时了解合作业务及客户满意度情况。
5. 。。。。。。
数据可视化的工具各有不同、且技术相对完善，不同呼叫中心可根据本企业的情况选择外部购买或自行研发。
三、 数据可用
深度挖掘分析服务数据、丰富数据应用，促进服务数据价值最大化，具体包括：
1. 外部营销
构建"数据+平台+运营"三位一体的营销管理体系，提升呼入/呼出营销成功率，推动呼叫中心由成本中心向利润中心转型。
1) 数据
通过大数据推荐模型的交付落地，分析客户需求、引导客户心理，采用有效的营销及沟通技巧向目标客户进行产品推介，在提升营销成功率的同时，确保客户满意度。
2) 平台
通过平台能力优化，包括：自动弹窗、精准推荐、关联推荐、脚本引导、结果分析等，促进营销成功率提升。
3) 运营
建立以营销为目标导向的运营管理规范和监控评估体系，并合理配置和调度营销人力资源，促进营销成功率提升。
2. 内部传导
借助大数据技术从"海量"客户"声音"中（尤其是投诉）提炼价值信息，并传递至公司相关部门，为产品创新、营销完善、网络优化等提供价值信息，推动呼叫中心进一步向价值传导中心转型。实现过程包括三个阶段：
1) 语音解析
将客户通话语音转译成可视、可检索、可分析的文字，语音识别原理框架由三个重要部分组成：早期模型训练，前段语音识别，后端识别处理。在语音识别的处理流程中，由语音检测、语音分类、聚类、识别、自适应、重打分等模块合在一起，最后得到最终结果，构成了完整的识别引擎系统。
2) 文本分析
文本分析平台通过文本搜索、文本分词、词性分析、关键词挖掘、语义聚类、文本分类等流程实现对文本的解析，核心功能包括：热词分析（热词提取引擎）、关键词归类（关键词提取引擎）、场景分类（自动分类引擎）。
3) 价值传递
依据语音/文本分析平台能力结合业务开展需求，建立起定期的业务分析机制，以便于锁定用户的关注点及意见点，并通过价值分析报告定期传递业务信息至相关部门进行有针对性的改进。
【what-呼叫中心的大数据应用包括哪些内容】
面对着外部环境、内部管理的挑战和需求，守着呼叫中心大量有待挖掘且形式多样的数据，呼叫中心的大数据应用又包括哪些内容呢？概括起来就是六个字"可视、可控、可用"，具体包括：
一、 运营可视
通过可视化手段，统一展示客户服务的整体运营情况，可根据不同部门、地市以及日常运营需求，差异化定制运营视窗。
二、 管理可控
构建数据立方体，建立数字化运营管理规范，对客户服务质量实施有效管控。将通过对数据的深加工和关联性分析，以及内部流程和管理体制的优化，不断提升运营效率和运营品质。
三、 数据可用
整合多渠道服务数据，建设运营指标库和客户标签库，实现数据变现：
1. 对外：借助数据分析与挖掘技术，全面了解客户行为，主动发现客户问题和营销机会。
2. 对内：用大数据倾听客户声音，借助大数据分析技术从"海量"客户声音中提炼价值信息，并传递至公司业务部门，为产品创新、营销完善、网络优化等提供价值信息。
【why-呼叫中心为什么要引入大数据应用】
一、 从外部宏观环境的改变来看
外部宏观环境发生改变，客户服务工作压力加大，具体表现在以下几个方面：
1. 流程运作
随着行业和技术的不断演进，面向客户的接触点即接触渠道增多，同时也导致面向内部协同运作的节点增多，从而对责任定位、流程闭环提出了更高要求。
2. 服务评估
正是由于对外及对内的节点增多，也就势必要求建立起一套完整的服务监督评估体系，以确保对外服务的一致性和规范性。
3. 产业整合
在整个服务链条上，不仅有企业自身和客户，还包括有合作伙伴、合作渠道，产业链的拉长也必将导致服务管理的延伸。
二、 从内部运营管理的痛点来看
从宏观到微观、从外部到自身，呼叫中心内部的运营管理仍然不可避免的面临如下问题：
1. 管理侧
·对于运营结果的分析主要依赖手工模式，存在滞后性及偏差性，且对于管理人员的经验要求较高。
·整体KPI及个体KPI的考核权重设置和调整人工干预因素较多，未与KPI的实际完成情况关联。
·数据预测及检验主要依赖手工模式，精准性较差，且采集的历史数据源不完整。
·服务质量管理，从考核标准设定、样本规模计算、抽样计划制定，到质检结果分析，基本依赖人工，存在一定的偏差性，对于管理人员的经验要求较高。
·。。。。。。
2. 营销侧
·向客户推荐不需要的产品和服务
·在不合适的时机或通过不合适的接触点进行营销
·不能深入了解、洞察客户的特征和客户需求
·过度打扰客户
·营销结果没有跟踪，重复营销
·交叉营销缺乏支撑，开展水平低
·营销效果不能及时得到监控、评估
·。。。。。。
3. 传导侧
呼叫中心忙于针对单个事件的被动式服务，反馈和推动客户问题根因解决的力量弱，存在不聚焦/不及时/不闭环的问题。
三、 从呼叫中心的数据特性来看
1. 数据容量海量
传统热线渠道，XX运营商每月就有30亿次的客户接触记录和通话录音。
2. 数据格式多样
结构化、半结构化、非结构化数据并存，且半结构化和非结构化数据的占比及增长率远高于结构化数据。
3. 数据价值有待挖潜
传统的人工质检、报表统计等手段，对于数据价值的挖掘仅是"冰山一角"，大量的价值数据有待挖掘。
