近幾年來“大數(shù)據(jù)”一詞的熱度有目共睹，各行各業(yè)也都在根據(jù)自身特點(diǎn)和需求不斷探索符合不同行業(yè)特性的大數(shù)據(jù)應(yīng)用場景。

呼叫中心作為連接企業(yè)和企業(yè)用戶的溝通樞紐，其在日常運(yùn)營中也會獲取、使用、或者是產(chǎn)生大量的數(shù)據(jù)。雖然從數(shù)據(jù)的“量級”來看，呼叫中心的運(yùn)營數(shù)據(jù)規(guī)模相對有限，然而對于呼叫中心自身的運(yùn)營管理，乃至于企業(yè)來講這部分?jǐn)?shù)據(jù)的價(jià)值卻是“無可限量”的。

呼叫中心的運(yùn)營數(shù)據(jù)具備4V特性：

一、Volume（大量）

據(jù)調(diào)查統(tǒng)計(jì)，僅傳統(tǒng)熱線服務(wù)渠道，XX運(yùn)營商每月就有30億次的用戶接觸記錄和通話錄音。

二、Variety（多樣）

呼叫中心的運(yùn)營數(shù)據(jù)按照數(shù)據(jù)格式劃分，包括：

1. 結(jié)構(gòu)化數(shù)據(jù)

結(jié)構(gòu)化數(shù)據(jù)是指可以使用關(guān)系型數(shù)據(jù)庫表示和存儲，表現(xiàn)為二維形式的數(shù)據(jù)。比如：

• 用于體現(xiàn)呼叫中心日常運(yùn)營情況的運(yùn)營類數(shù)據(jù)；

• 用于記錄和呈現(xiàn)呼叫中心整體及個(gè)體（班組和個(gè)人）日常運(yùn)營結(jié)果的考核類數(shù)據(jù)（KPI數(shù)據(jù)）；

• 基于客服人員日常受理記錄（工單）所形成的業(yè)務(wù)受理統(tǒng)計(jì)數(shù)據(jù)（二維形式）等。

2.非結(jié)構(gòu)化數(shù)據(jù)

非結(jié)構(gòu)化數(shù)據(jù)是指數(shù)據(jù)結(jié)構(gòu)不規(guī)則或不完整，沒有預(yù)定義的數(shù)據(jù)模型，不方便使用數(shù)據(jù)庫二維邏輯表來表現(xiàn)的數(shù)據(jù)，各種文檔、圖片、視頻/音頻等都屬于非結(jié)構(gòu)化數(shù)據(jù)。

對于呼叫中心來講，特指客服人員與用戶的通話錄音數(shù)據(jù)，以及受理工單中的文本數(shù)據(jù)。以往采用傳統(tǒng)的人工質(zhì)檢、報(bào)表統(tǒng)計(jì)等手段，對于這些數(shù)據(jù)價(jià)值的分析利用僅是“冰山一角”，大量的價(jià)值信息有待挖掘。

企業(yè)需要通過整合多服務(wù)渠道的用戶服務(wù)數(shù)據(jù)，建設(shè)運(yùn)營指標(biāo)庫和客戶標(biāo)簽庫，并借助大數(shù)據(jù)挖掘分析技術(shù)，及自然語言識別技術(shù)(NLP , Natural Language Processing)，實(shí)現(xiàn)數(shù)據(jù)變現(xiàn)。

三、Velocity（快速）

呼叫中心需要借助大數(shù)據(jù)挖掘分析技術(shù)及自然語言識別技術(shù)(NLP , Natural Language Processing)，建設(shè)“智能客服助手“。從而實(shí)現(xiàn)在客服人員與用戶的互動交流中快速定位問題并智能匹配解決方案，同時(shí)亦可適時(shí)推薦營銷。

四、Value（價(jià)值）

據(jù)調(diào)查統(tǒng)計(jì)，在呼叫中心的運(yùn)營數(shù)據(jù)中，非結(jié)構(gòu)化數(shù)據(jù)（錄音數(shù)據(jù)和文本數(shù)據(jù)）的占比高達(dá)80%。而真正能夠反映用戶真實(shí)“心聲“的價(jià)值信息，恰恰就在這些依靠傳統(tǒng)人工手段、難于被挖掘利用的非結(jié)構(gòu)化數(shù)據(jù)中。

因而，呼叫中心需要應(yīng)用大數(shù)據(jù)挖掘分析技術(shù)及自然語言識別技術(shù)(NLP , Natural Language Processing)，自動將海量錄音轉(zhuǎn)寫為文本語句，并進(jìn)行文本分析應(yīng)用，如關(guān)鍵詞檢索、篩選、歸類等，挖掘分析出價(jià)值信息，傳遞至公司相關(guān)部門，從而為企業(yè)的產(chǎn)品創(chuàng)新、營銷完善、服務(wù)優(yōu)化等提供現(xiàn)實(shí)、客觀、全面、且有價(jià)值含金量的信息。