京公网安备 11010802034615号
经营许可证编号:京B2-20210330
Verint指点迷津:大数据从呼叫中心数据
Hadoop、YARN、全数据分析、数据建模等这些大数据名词纷至沓来时,不由你漠视大数据的趋势。但趋势归趋势,当你着手大数据应用时,从何着手就成为了一个非常现实的问题。
99%被忽视的数据
所谓大数据,让我们抛开其4V的特性,思考一些究竟有哪些数据应该进行分析,很多人将大数据理解为微博、微信等非结构化数据,实际上,很多行业/企业并不拥有这些数据,这些数据通常掌握在互联网厂商手里,对于很多行业/企业来说,基于互联网的应用很多还都是一个尝试性的阶段,对于互联网大数据分析还不是一个急迫的需求。
行业/企业拥有海量数据,这些数据大多是多年积累下来的经营性数据,如财务数据、生产制造、人力资源和办公管理数据等,很多数据属于结构化的数据,在行业/企业的经营管理中,其实非常依仗这些数据,已经得到了很好的分析和利用。对于行业/企业来说,没有得到重视和利用的数据其实并不多。
在行业/企业所拥有的海量数据中,最容易被忽略,也是企业与客户连接最为紧密的数据,实际上是Cal Center数据。据Verint数据分析公司所提供的数据,大部分Call Center能够利用的数据<1%(如图所示),其中,被使用的1%数据也仅限于日常管理,没有能够和企业战略和业务发展产生交集。
大数据分析创造价值
作为企业与用户连接作为紧密的部门,Call Center是企业面向用户交互的窗口,也是企业接触用户的主要途径,因此对于这些交互数据进行分析,很容易掌握用户的需求,为企业调整业务流程,开展新的服务提供决策依据。但在现实应用中,Call Center并没有发挥了解用户需求,指导研发、市场、制造和销售的效果,很多时候,Call Center不过扮演了售后服务,亡羊补牢的角色,最多承担部分线上销售工作,与其应该有的战略角色相去甚远。
“其中有一个重要原因在于Call center数据是音频,很多行业/企业缺少处理音频数据的分析工具。”Verint数据分析公司北亚区售前及售后服务总监汪志伟在接受采访时说。
数据容量巨大,数据类型多样,这是大数据的典型特点,而Call Center数据恰恰符合这样的特点。对于音频、视频等非结构化数据进行分析和处理,很多人很容易想到语音识别、人脸识别等技术,最典型的如iPAD Siri、微软Cortana(小娜)和小冰,无论在识别率,还是人工智能水准上都达到了令人满意的程度。
“但是行业/企业Call Center的数据处理并不是一个简单的语音识别转换,外加数据分析的过程。”汪志伟说。
Verint针对Call center数据分析提供了一整套完整的解决方案。
洞察信息价值
在Verint提供的解决方案中,看似散乱、无序的Call Center数据,其实蕴藏着很大的商业价值,提供对于数据分析归类,就可以将数据区分为忠诚客户、粉丝客户、成功/失败营销、潜在客户、投诉抱怨客户、重复来电和超长通话等类型(如图所示),对这些数据集进行洞察,很容易转变为商业价值。
对语音数据构建索引和聚类,这是一个非常具有技术含量的工作,其水平高低将直接影响到数据分析的使用和效果。
汪志伟表示,Verint数据分析公司的技术优势就在于完整的语音索引和聚类。Verint公司具有20多年的技术和经验积累,可以在几秒之内构建基于文件的索引、分析、查询和相应,提供了简单易用的索引和语音对照播放工具。其提供的语音分析系统,不仅能够自动侦测情绪激动的来电,也能够针对来电内容进行分析。
智能语音分析
完整语意索引和聚类
侦测情绪激动来电
克服建模难题
实际上,智能语音分析的过程不仅是一个全文转录及语义识别的过程,也是一个数据建模和数据分析的过程。在Verint解决方案中,通过设立产品和业务类别列表,就可以对代表每个业务类别的术语进行建模,并可以通过实践不断进行优化,从而也就解决了数据建模的问题(参见下图)。
解决了数据建模问题,接下来就可以对归类数据进行多维度分析。多维度数据分析给行业/企业用户创造了巨大商业价值。根据介绍,某保险公司,借助数据分析发现,可以针对某年龄端用户,提供针对性的保险金融服务。相比较以往,创新险种和服务,需要精算师结合大量的调查和经验,反复验证。如今,大数据分析部分代替了计算师的工作,为保险公司带来的新的工作方式。在电信运营商市场,针对不同客户群的各种套餐和定制服务,其种类之丰富,服务之灵活,很多都是建立在Call Center用户数据分析的基础上。
小结
显而易见,Call Center数据洞察本身就能带来巨大商业价值。除此之外,如果Call Center数据能够与企业ERP、CRM、E-mail、Web以及社交媒体数据进行交叉、稽核分析,用于指导研发、生产、销售等各业务部门的工作,这样在企业内部就可以形成一个完整的闭环,比较大大提高企业的竞争实力。
对于大数据分析支撑系统而言,这就需要其能够支持开放数据接口,对于Verint这样的平台而言,已经具备了这样的分析能力。所以,对于用户而言,当务之急还是能够充分重视Call Center等用户交互数据的价值,通过数据分析,改进企业业务流程,所谓大数据应用落地,不妨从Call Center音频数据开始!很见效,也很简单!尽快行动吧!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23