论“大数据”对企业呼叫中心职能的影响
摘 要：随着计算机互联网技术的不断升级换代和广泛应用，大数据时代的到来已是必然。
“大数据”引发了人们生活、工作与思维的大变革，也给商业和管理带来了重大变革的契机。
现今时代，能否掌控和驾驭“大数据”已经成为衡量企业能否走向未来和成功的关键性指标。
对于企业呼叫中心而言，也不能再仅充当数据的收集和储藏库，提供传统的服务了，还必须按照大数据的要求积极拓展自身职能，以大数据的理念和手段来收集和处理信息，为企业的管理、决策和长远发展提供信息支持。
毕业论文网 关键词：大数据；企业管理；呼叫中心；职能拓展 中图分类号：F272 文献标志码：A 文章编号：1673—291X（2017）30—0008—05 信息大爆炸的世纪，“大数据”已经晋升为一个时髦的“热词”。
2013年，英国学者维克托?迈尔―舍恩伯格与肯尼斯?库克耶合著的《大数据时代》一书的中文版在我国大陆正式出版发行后，“大数据”这一概念开始引起我国各界的广泛关注。
其实，麦肯锡全球研究院（MGI）早在2011年6月已经发布了题为《大数据：下一个创新、竞争和生产力的前沿》的研究报告，并指出：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。
人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。
”[1]目前，世界上比较公认的是IDC对“大数据”的定义：“为了更经济地从高频率获取的、大容量的、不同结构和类型的数据中获取价值，而设计的新一代架构和技术。
”[2]通俗地讲，所谓大数据（big data），就是指所涉及的资料量规模巨大到无法透过目前主流软件工具，在合理时间内达到撷取、管理、处理并整理成为帮助企业经营决策更积极目的的资讯。
我国对大数据的研究也提出指导方针，“《国家中长期科技发展规划纲要（2006―2020）》《‘十二五’国家战略性新兴产业发展规划》中都提出支持海量数据存储、处理技术的研发和产业化。
2013年2月1日，科技部公布了国家重点基础研究发展计划（973计划）2014年度重要支持方向，其中，大数据计算的基础研究为重要支持方向之一。
”[3]这为大数据与我国各行业的融合发展指明了方向，提出了要求。
作为集人力、知识和技术密集型为一体的服务产业――呼叫中心，伴随着互联网时代和大数据时代的到来，其互动形式和服务职能都将发生革命性变化。
呼叫中心作为企业提高服务质量的有效手段，已经在商业界得到了广泛应用。
随着呼叫中心的发展，其收集和掌握的数据已呈现出爆炸性增长的趋势，但对数据管理和开发利用还远远不够，致使很多有价值的数据信息被淹没在无序的数据增长中，不能有效发挥作用。
只有进行专业化、系统化的数据管理、开发和利用，才能将这些无序的数据转变成有价值的信息，为企业的管理、发展和运行更好服务。
在一个企业内部，呼叫中心掌握的信息，有两大类：一类信息是能够用数据或统一的结构加以表示的，被称为结构化数据，如数字、符号；另一类信息是无法用数字或统一的结构表示的，如文本、图像、声音、网页等，被称为非结构化数据。
这些数据有的可以直观反映呼叫中心运营管理情况，有些则需要通过分析和挖掘，才能对企业的管理与决策发挥积极作用。
因此，在大数据时代，有必要探讨数据信息的开发利用对呼叫中心职能拓展的影响，以便促进企业呼叫中心职能的与时俱进和完善。
一、结构性数据的开发利用对呼叫中心职能的影响 结构性数据对呼叫中心内部的考核起着至关重要的作用，通过对这些数据的处理，企业可以迅速获得员工的接入话量、通话时长、在线时长、处理量等数据；通过满意度评分、话后回访等工作，可以快速将这些数据转化为可视数据；还可以通过对接通率、重复呼叫率、一次解决率等指标的考核，反映出呼叫中心的整体服务、运营水平。
（一）有利于??化呼叫中心管理、运营的监管职能 呼叫中心的每一个管理者都清楚，每次话务服务均涉及到客户满意度、首次问题解决率、通话时长、来电原因等各项运营数据，数据量若以服务人次的倍数增长来衡量，要做到各个指标以及量质的均衡是非常困难的。
当前，虽然呼叫中心运营质量与效率管理的方法已经日趋成熟，但仍需进一步改进和提升，比如，如何突破传统，形成呼叫中心管理运营的新思路，就是亟待解决的难点问题。
表1中的数据是西安市某天然气公司呼叫中心2016年2月份最后一周的部分数据（下文数据出处相同，不再一一标注）。
该表中涉及有日入呼量、日接话量、日呼损量以及呼损率等四项数据。
此组数据虽然能核算出呼叫中心接听率、话务损失率，但无法真实、全面地反映坐席台的接话质量。
如果单纯地控制呼损率，会导致中心一味追求话务数量，而忽视话务质量的管理工作，一旦失去对接话质量的控制，客户满意度必会受到影响；另一方面，如果过度强调客户满意度，则会导致接话时间增长，增加人力成本，降低整体服务效率。
因此，在监管过程中，应将呼损率和客户满意率有机结合在一起，参考所在行业整体服务水平，结合公司管理目标，合理分配监管中的考核指标和所占权重。
（二）有利于优化呼叫中心人员配置的核算职能 随着呼叫中心规模的不断扩大，传统的经验式排班模式已无法满足管理需要。
为使呼叫中心运营成本得到最小化，须针对小时话务量准确核算所需坐席数，并依此对呼叫中心的人力资源进行合理配置。
呼叫中心可以针对不同的话务量安排对应的坐席，使其在满足呼叫中心服务要求的前提条件下，有效实现呼叫中心人力资源的最优配置。
但呼入率是一个不确定的量，不仅在不同的年、月、日会不断变化，而且在同一天不同的时间段也变化较大。
以某热线实际采样数据进行处理，利用标准方差的数学预测模型对小时入呼量进行核算，具体（见表2）。
直观上看，数据杂乱五章，无法预测每日小时入呼量的峰值作用。
但是，如果通过折线图表示，则可直观体现出小时入呼电话量的规律（见图1）。
从图1可以看出，呼叫中心话务峰值出现在每日9：00—16：00之间。
如果再结合最高小时接听量，则可准确核算出在此时段所需坐席数。
据此，只需依照数据结果，就可以合理安排在班人员，顺利完成部门接话任务。
（三）有利于拓展呼叫中心对客服相关部门的数据监督职能 维修部门是与呼叫中心联系最为紧密的业务部门，呼叫中心的运营除了受到内部管理的影响外，维修部门运营水平对呼叫中心的影响也是非常大的。
呼叫中心获得的数据中，除了内部工作数据外，还包含大量的协作部门信息。
这些数据可对公司整体服务水平进行监控，也可协助公司对管理客服相关岗位提交的工作数据起到监督作用。
假设设备的故障率恒定，区域内用户数量不变的情况下，报修量应与用户数量成正比关系。
如果报修比出现异常，则表明区域内出现异常情况。
表3列举的是上述公司中压站高供与非高供期间维修工单量的统计情况，下页图2则是根据表3中的数据制作的各服务站维修数据分布图。
从图2中可以看出，城中中压站在高供期间报修量激增，辖区用户数却无明显增长，应予以关注。
经核实，城中区域受天气影响，供气压力不足。
二、非结构性数据的开发利用对呼叫中心职能的影响 在很多企业呼叫中心的管理运营中，结构化数据均能得到较好的开发和利用，相应的核算办法、考核手段也比较成熟。
但由于考核参数多，反映运营状况目标点不一，行业尚无统一标准考量管理执行情况。
因此，在大数据时代，呼叫中心面对大量无序数据，如何开发利用已经成为亟待解决的重要问题。
研究显示，企业呼叫中心包含信息量最多的应用程序就是电话录音。
?话录音中所包含的基本信息，不仅仅是客服代表说过什么，做过什么，同时还隐含着客户致电呼叫中心的目的和反映实际问题以及客户对于企业的服务满意度和态度等。
依靠专业的录音挖掘人员和工具，可以将这些数据转变成有价值的数据信息，为企业的各项决策和战略调整提供更可靠、更有效的参考。
（一）非结构性数据的开发利用对呼叫中心话务质量控制的影响 传统的企业呼叫中心内部管理，对结构数据分析功能倚重较强，各项考核指标烦琐复杂，会给坐席员带来很大的考核压力，容易导致呼叫中心人员严重流失。
其主要原因在于，企业对呼叫中心员工工作的精确细分和定位不够，在培训需求确定、计划设定和实施等环节管理过于粗放，使坐席员专业技能不足，所造成的呼叫中心人员流失。
此外，传统的来电原因点击分类功能，是通过坐席员人工完成的。
采集到的数据颗粒粗、精度差，不能满足精细化分析；同时，此项工作又增加通话时长、降低了接话效率。
不过，虽然录音监听分类颗粒和准确性能满足需求，但是人工成本过高，效率低下，难于执行。
因此，电话录音长期不被关注，未能及时挖掘和利用。
大多数管理者常常会有这样的惯性思维――培训工作无法用数据化来体现。
因此，培训课程的设计，培训方式的选择，常常靠“经验”来定夺。
但是，在大数据时代，其所需的数据技术完全可以帮助管理者更好地进行决策。
对员工各阶段成长目标的设定，必须实现由“依赖经验”逐步向“有据可依”过渡。
通过语音挖掘技术有效地对呼叫中心录音数据进行挖掘、整理、汇总，可以将非结构化的语音信息转换为结构化的索引，从而提取出有价值的数据信息。
通过信息能及时发现存在的热点和难点问题以及专业技能盲点，可以实现“培训课程与培训对象”之间最经济和最精准的匹配，从而缩减了不必要的培训项目，减轻了员工负担和压力，进而大大提升工作效果。
（二）非结构性数据的开发利用对呼叫中心客户关系管理的影响 客户关系管理（简称CRM），企业为提高核心竞争力，利用相应的信息技术以及互联网技术来协调企业与顾客间在销售、营销和服务上的交互，从而提升其管理方式，向客户提供创新式的个性化的客户交互和服务的过程。
应用的目的是根据客户的属性，从不同角度深层次分析客户，并以此为依据，针对不同客户制定服务类型，以达到增加新的客户、提高客户的忠诚度、降低客户流失率、提高客户消费等目的。
呼叫中心中的看似散乱、无序的非结构性数据，其实蕴藏着很大的商业价值。
只要企业呼叫中心对大量非结构性数据进行一定的分类整理，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，对这些数据集进行分类统计，并根据用户类型对应提供服务，就能带来良好的客户体验，从而维持好客户关系。
此外，通过规范和丰富客户服务内容以及对市场反馈信息挖掘，持续收集客户需求及市场信息；推进产品设计和服务模式创新；强化客户忠诚度，拓增新客户与新话务等。
而这也是创造新的商业价值的良好契机。
三、结语 总之，拥有海量的客户信息是企业呼叫中心的主要特征，而整理挖掘海量信息并为企业决策和发展提有效参考，则是其在大数据时代的职能拓展。
在大数据时代，随着每一位新客户的加入，以及每一个客户呼叫的介入，企业呼叫中心的客户数据库都会得到一次刷新，数据量也会进一步膨胀。
因此，对于企业呼叫中心而言，采用大数据方法来管理数据中心的客户信息已势在必行。
在企业呼叫中心收集的海量数据中，必然包含着企业管理和运营所需要的各种信息。
如果能对这些数据进行整理和挖掘，提取其中的有效信息并加以合理利用，必然能够帮助企业管理者更好地实施管理，为企业的更好发展带来益处。
能否“从混乱中解析出价值”，是大数据时代给企业呼叫中心提出的新要求和新任务，也是企业呼叫中心职能拓展的新契机。
参考文献： [1] 艳琳.大数据应用之道[J].科学大观园，2013，（12）：75—76. [2] 浅析大数据与云计算物联网等热点的关系[EB/OL].众焱科技网，2013—03—02. [3] 方巍，郑玉，徐江.大数据：概念、技术及应用研究综述[J].南京信息工程大学学报：自然科学版，2014，（5）：405—419. [责任编辑 刘娇娇]。