Verint指點迷津：大數(shù)據(jù)從呼叫中心數(shù)據(jù)

Hadoop、YARN、全數(shù)據(jù)分析、數(shù)據(jù)建模等這些大數(shù)據(jù)名詞紛至沓來時，不由你漠視大數(shù)據(jù)的趨勢。但趨勢歸趨勢，當(dāng)你著手大數(shù)據(jù)應(yīng)用時，從何著手就成為了一個非?，F(xiàn)實的問題。

　　99%被忽視的數(shù)據(jù)

　　所謂大數(shù)據(jù)，讓我們拋開其4V的特性，思考一些究竟有哪些數(shù)據(jù)應(yīng)該進行分析，很多人將大數(shù)據(jù)理解為微博、微信等非結(jié)構(gòu)化數(shù)據(jù)，實際上，很多行業(yè)/企業(yè)并不擁有這些數(shù)據(jù)，這些數(shù)據(jù)通常掌握在互聯(lián)網(wǎng)廠商手里，對于很多行業(yè)/企業(yè)來說，基于互聯(lián)網(wǎng)的應(yīng)用很多還都是一個嘗試性的階段，對于互聯(lián)網(wǎng)大數(shù)據(jù)分析還不是一個急迫的需求。

　　行業(yè)/企業(yè)擁有海量數(shù)據(jù)，這些數(shù)據(jù)大多是多年積累下來的經(jīng)營性數(shù)據(jù)，如財務(wù)數(shù)據(jù)、生產(chǎn)制造、人力資源和辦公管理數(shù)據(jù)等，很多數(shù)據(jù)屬于結(jié)構(gòu)化的數(shù)據(jù)，在行業(yè)/企業(yè)的經(jīng)營管理中，其實非常依仗這些數(shù)據(jù)，已經(jīng)得到了很好的分析和利用。對于行業(yè)/企業(yè)來說，沒有得到重視和利用的數(shù)據(jù)其實并不多。

　　在行業(yè)/企業(yè)所擁有的海量數(shù)據(jù)中，最容易被忽略，也是企業(yè)與客戶連接最為緊密的數(shù)據(jù)，實際上是Cal Center數(shù)據(jù)。據(jù)Verint數(shù)據(jù)分析公司所提供的數(shù)據(jù)，大部分Call Center能夠利用的數(shù)據(jù)<1%(如圖所示)，其中，被使用的1%數(shù)據(jù)也僅限于日常管理，沒有能夠和企業(yè)戰(zhàn)略和業(yè)務(wù)發(fā)展產(chǎn)生交集。

　　大數(shù)據(jù)分析創(chuàng)造價值

　　作為企業(yè)與用戶連接作為緊密的部門，Call Center是企業(yè)面向用戶交互的窗口，也是企業(yè)接觸用戶的主要途徑，因此對于這些交互數(shù)據(jù)進行分析，很容易掌握用戶的需求，為企業(yè)調(diào)整業(yè)務(wù)流程，開展新的服務(wù)提供決策依據(jù)。但在現(xiàn)實應(yīng)用中，Call Center并沒有發(fā)揮了解用戶需求，指導(dǎo)研發(fā)、市場、制造和銷售的效果，很多時候，Call Center不過扮演了售后服務(wù)，亡羊補牢的角色，最多承擔(dān)部分線上銷售工作，與其應(yīng)該有的戰(zhàn)略角色相去甚遠。

　　“其中有一個重要原因在于Call center數(shù)據(jù)是音頻，很多行業(yè)/企業(yè)缺少處理音頻數(shù)據(jù)的分析工具?！盫erint數(shù)據(jù)分析公司北亞區(qū)售前及售后服務(wù)總監(jiān)汪志偉在接受采訪時說。

　　數(shù)據(jù)容量巨大，數(shù)據(jù)類型多樣，這是大數(shù)據(jù)的典型特點，而Call Center數(shù)據(jù)恰恰符合這樣的特點。對于音頻、視頻等非結(jié)構(gòu)化數(shù)據(jù)進行分析和處理，很多人很容易想到語音識別、人臉識別等技術(shù)，最典型的如iPAD Siri、微軟Cortana(小娜)和小冰，無論在識別率，還是人工智能水準(zhǔn)上都達到了令人滿意的程度。

　　“但是行業(yè)/企業(yè)Call Center的數(shù)據(jù)處理并不是一個簡單的語音識別轉(zhuǎn)換，外加數(shù)據(jù)分析的過程?！蓖糁緜フf。

　　Verint針對Call center數(shù)據(jù)分析提供了一整套完整的解決方案。

　　洞察信息價值

　　在Verint提供的解決方案中，看似散亂、無序的Call Center數(shù)據(jù)，其實蘊藏著很大的商業(yè)價值，提供對于數(shù)據(jù)分析歸類，就可以將數(shù)據(jù)區(qū)分為忠誠客戶、粉絲客戶、成功/失敗營銷、潛在客戶、投訴抱怨客戶、重復(fù)來電和超長通話等類型(如圖所示)，對這些數(shù)據(jù)集進行洞察，很容易轉(zhuǎn)變?yōu)樯虡I(yè)價值。

　　對語音數(shù)據(jù)構(gòu)建索引和聚類，這是一個非常具有技術(shù)含量的工作，其水平高低將直接影響到數(shù)據(jù)分析的使用和效果。

　　汪志偉表示，Verint數(shù)據(jù)分析公司的技術(shù)優(yōu)勢就在于完整的語音索引和聚類。Verint公司具有20多年的技術(shù)和經(jīng)驗積累，可以在幾秒之內(nèi)構(gòu)建基于文件的索引、分析、查詢和相應(yīng)，提供了簡單易用的索引和語音對照播放工具。其提供的語音分析系統(tǒng)，不僅能夠自動偵測情緒激動的來電，也能夠針對來電內(nèi)容進行分析。

　　智能語音分析

　　完整語意索引和聚類

　　偵測情緒激動來電

　　克服建模難題

　　實際上，智能語音分析的過程不僅是一個全文轉(zhuǎn)錄及語義識別的過程，也是一個數(shù)據(jù)建模和數(shù)據(jù)分析的過程。在Verint解決方案中，通過設(shè)立產(chǎn)品和業(yè)務(wù)類別列表，就可以對代表每個業(yè)務(wù)類別的術(shù)語進行建模，并可以通過實踐不斷進行優(yōu)化，從而也就解決了數(shù)據(jù)建模的問題(參見下圖)。

　　解決了數(shù)據(jù)建模問題，接下來就可以對歸類數(shù)據(jù)進行多維度分析。多維度數(shù)據(jù)分析給行業(yè)/企業(yè)用戶創(chuàng)造了巨大商業(yè)價值。根據(jù)介紹，某保險公司，借助數(shù)據(jù)分析發(fā)現(xiàn)，可以針對某年齡端用戶，提供針對性的保險金融服務(wù)。相比較以往，創(chuàng)新險種和服務(wù)，需要精算師結(jié)合大量的調(diào)查和經(jīng)驗，反復(fù)驗證。如今，大數(shù)據(jù)分析部分代替了計算師的工作，為保險公司帶來的新的工作方式。在電信運營商市場，針對不同客戶群的各種套餐和定制服務(wù)，其種類之豐富，服務(wù)之靈活，很多都是建立在Call Center用戶數(shù)據(jù)分析的基礎(chǔ)上。

　　小結(jié)

　　顯而易見，Call Center數(shù)據(jù)洞察本身就能帶來巨大商業(yè)價值。除此之外，如果Call Center數(shù)據(jù)能夠與企業(yè)ERP、CRM、E-mail、Web以及社交媒體數(shù)據(jù)進行交叉、稽核分析，用于指導(dǎo)研發(fā)、生產(chǎn)、銷售等各業(yè)務(wù)部門的工作，這樣在企業(yè)內(nèi)部就可以形成一個完整的閉環(huán)，比較大大提高企業(yè)的競爭實力。

　　對于大數(shù)據(jù)分析支撐系統(tǒng)而言，這就需要其能夠支持開放數(shù)據(jù)接口，對于Verint這樣的平臺而言，已經(jīng)具備了這樣的分析能力。所以，對于用戶而言，當(dāng)務(wù)之急還是能夠充分重視Call Center等用戶交互數(shù)據(jù)的價值，通過數(shù)據(jù)分析，改進企業(yè)業(yè)務(wù)流程，所謂大數(shù)據(jù)應(yīng)用落地，不妨從Call Center音頻數(shù)據(jù)開始!很見效，也很簡單!盡快行動吧!