最近大数据这个词很火!大数据 是指所涉及的数据资料量规模巨大到无 法通过人脑甚至主流软件工具在合理时 间内进行撷取、管理、处理并整理，难 以发挥它应有的价值。其实大数据在尚 未进入“互联网 +”时代以前就已经深 入到客服行业的各个层面，今天就和大 家分享下大数据给客服运营管理带来了 怎样的改变。

一、 数据优势

呼叫中心既是数据的集中者，也是 数据的制造者。中国电信股份有限公司 浙江服务运营分公司台州分中心(以下 简称浙江10000台州分中心)每个月 100多万通的话务中包含了大量有价 值的信息和能力：在用户呼入中蕴涵客 户类型、业务类型、客户信息、话务信 息;在接话的数据中蕴涵了系统能力、 班组能力、员工能力;在日常运营的管 理数据中又体现出运营能力、执行能力、 心态意愿。这些数据都实时地流转在中 心的日常工作当中，运用好这些数据， 根据运营管理的需要建立合理的评估模 型，将给传统呼叫中心的运营管理带来 巨大变化。

二、数据的应用

(一)客户来电目的预判

知己知彼，百战不殆。在客户进入 人工座席之前如何利用大数据准确判断 客户的呼入目的，给予客服代表精确的 指引，是客服代表最为希望拥有的能力， 而客户的目的往往隐藏在大数据当中， 利用以往运营经验结合大数据资源建立 客户预判模型就能完美地解决这个困 难。那如何建立这个客户预判模型呢? 根据用户重复联系和首次联系的不同， 从两个层面进行数据挖掘：

1、重复联系：协同获取用户前一 次联系信息(协同包含语音客服、文字 客服、APP等各渠道用户联系信息)， 根据用户首次反馈信息给予预判指引。

2、首次联系：(1)根据 IVR 语 音导航中客户按键信息预判指引。

(2) 根据客户资产重要数据信息给予指引， 例如用户账户有充值、欠费、套餐用超、 套餐协议到期判断、符合公司当前重点 活动目标客户条件判断等信息给予预判 指引。 通过这些数据的收集来预判客户 可能的来电目的并给予客服代表精确的 提醒，从而达到精确服务和精确营销的 客户服务目标。

(二)话务结构监控

在每日3万多通的客户呼入中如何及时发现异常情况的出现是困扰很多 大型呼叫中心的难题，每天有200多 人接话，靠人工干预判断来发现一些影 响面不是特别大的异常话务根本不太可 能，而大数据管理恰恰完美解决了这一 难题。10000号的话务主要是由故障、 账务、业务咨询、投诉等话务类型组成， 而这些话务由于不同时间点，包括月初月底、周末、早晚等差异有着不同结构的变化，同时还受每月出账、欠费停机等固定业务周期的影响。虽然呼入话务总数量上偶有不同，但整个话务组成结构基本是稳定的，而话务监控所要做的就是统计出这些节点中所有话务构成的占比，建立数据评估模型，一旦话务结构出现变化就能准确发现是哪一类型的问题造成，为下一步精确评估提供了有力的依据，另外这一话务结构监控也为排班、能力提升安排等日常运营管理提供了有效的数据支撑。

(三)班组能力健康模型

在呼叫中心通常是以班组KPI来评价一个班组的好坏，这没有问题，但如果一个班组在能力提升过程中，仅 仅只关注 KPI，很多基层管理者尤其是新任值班长在管理经验不足的情况下就 容易出现忽略班组能力的问题，从而导 致就指标做指标的现象。如何全面地评价班组之间的差异是所有管理迫切需要的，大数据可以做到这一点。从长远来 看，优秀团队与末位团队呈现出来的肯 定不仅仅是KPI上的差异，因此管理 更多应该关注团队本身结构的差异，目 前我们主要由 3 个维度来进行监控：

1、班组指标健康程度监控：建立 班组整体指标走势图，根据实际情况建 立月度走势和每日走势，并监控运营的 平稳性(有没有波动)和健康性(持续 上升还是下降)。

2、班组员工结构差异监控：建立 TAN员工结构占比监控表，能让所有 管理者及时了解组内占比和各班组之间 差异。

3、班组执行能力监控：建立全面 评价体系，将重点工作的执行过程纳入 班组健康程度监控体系，建立数据管控 模型。

通过上述手段，改变了基层管理者 只看数据指标的习惯，更加注重班组自 身的健康状况，提高了管理的视角。

(四)员工健康档案

员工能力的提升是呼叫中心永恒 的主题，而大型呼叫中心员工指标构成 复杂，如销售能力、故障处理能力、投 诉处理能力、学习能力等等。但影响员 工这些能力的因素除了能力本身之外往 往还有员工意愿因素的影响。那如何快 速准确发现员工工作过程中能力的变化 和意愿的变化呢?相信不少班组长在接 收数据的过程中有着这样的痛点：

1、各班组以自己的视角出具的各 项数据缺少整合;

2、以单一部门的信息去判断员工 的问题很容易误判员工短板的根源，从而导致长时间提升无效果。

在信息不全的情况下，即便是优秀的管理人员也难免会得出错误的结论。 那么如何去准确关联各方面的数据呢? 这其实就要我们先有一个大数据整合的 思维逻辑去挖掘数据间的关联，这样才 可以让数据更好地为管理服务。员工健

健康档案就是解决这一难题的利器。

健康档案是将员工的意愿表现、能 力表现的诸多因子通过数据方式汇聚， 并通过一定的逻辑关系来判断员工薄弱 环节的模型工具。例如一个员工接话经 常出现业务差错，这到底是学习能力不 足还是学习意愿欠缺呢?光靠一个数据 是无法准确判断。如果结合每日业务学 习情况检查和定期的拨测考试检查结果 就能得出准确的结论。

一项全新的重点业务从接应到落 地会经过这样 4 个环节：

1、业务学习：员工有没有学习当 天的业务;

2、业务检查：学了之后有没有理 解业务点;

3、应用检查：在模拟场景训练中 能不能将知识点运用起来;

4、执行检查：有没有在最终的给 用户服务的过程中去执行。

这4个环节如果单独看，只能判 断出员工的部分问题，但健康档案会自 动将员工的问题结合起来判断出员工真 正的问题，并给出一定的解决方案，帮 助管理人员做针对性提升。

比如我们在业务检查中发现员工 业务点出错了，那么我们首先要去看业 务学习出了什么问题，业务学习环节通 常会有两种情况：一是如果当天检查了 10位出错了8位，我们就不应该找员 工问题了，而是先判断是不是培训课件 或者培训师讲解出了问题，导致员工无 法理解或错误理解;二是个别员工问题， 就先看员工是否有在小结后对更新点自 主去学习了解知识库，如果某位员工经 常出错而业务检查时又发现该员工对于 知识库运用非常不熟练，这应该归类于 员工的学习意愿有问题。如果上述两种 情况都没有出现，培训讲解和员工自学 都不存在问题，那我们就得回到业务问 题上来，员工学了，但是学的有偏差， 这就是员工的业务学习能力不足，也就 是理解能力不行，这时候就需要值班长

教授学习方法来提高员工的学习能力。 同时业务学习能力不佳在数据收集完善 后还可以进行延伸，我们甚至可以分析 出员工到底是在老业务更新上存在问题 还是新业务接收的问题，如此更能有针 对性地给员工提供帮助。

在大数据支撑之下，复杂的呼叫中 心管理变得日益数据化、精细化，不断 挖掘这些数据并应用到客户服务当中、 应用到日常运营管理当中，将会给客服 运营管理带来更大价值。

本文转自d1net（转载）