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 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22