大數(shù)據(jù)時代的到來，敲響了喚醒沉睡中的海量信息及突破傳統(tǒng)分析理念的鐘聲。利用技術(shù)手段，針對看似散亂、無序、低價值的海量數(shù)據(jù)進行深入挖掘和分析，洞察深藏其中的業(yè)務(wù)價值，盤活數(shù)據(jù)資產(chǎn)，引來各行業(yè)競相角逐。如何捕捉并探尋符合自身行業(yè)特色、務(wù)實有效的大數(shù)據(jù)應(yīng)用發(fā)展思路，是時代賦予的重要發(fā)展機遇。
歷經(jīng)概念炒作、技術(shù)完善、場景探討，客戶心態(tài)從被動了解漸漸走向主動擁抱，大數(shù)據(jù)應(yīng)用在若干失敗的風投案例中逐漸走向成熟，應(yīng)用項目從嘗試走向更廣更深的實踐應(yīng)用，應(yīng)用方向從技術(shù)主導(dǎo)型逐漸轉(zhuǎn)向價值應(yīng)用型。針對客服中心沉睡多年的海量音頻數(shù)據(jù)，技術(shù)的關(guān)鍵性突破使全量數(shù)據(jù)分析及價值挖掘成為可能。以下結(jié)合中國銀行客服中心實踐對大數(shù)據(jù)應(yīng)用進行交流探討。
客服中心大數(shù)據(jù)的應(yīng)用場景
客服中心傳統(tǒng)管理手段是基于系列系統(tǒng)統(tǒng)計報表、抽樣質(zhì)量檢查和人的經(jīng)驗，而跨系統(tǒng)數(shù)據(jù)分析、數(shù)據(jù)項的重新組合分析是難以基于全量數(shù)據(jù)進行的，基于員工效能的多維度分析、對欺詐風險的偵測與防范往往更多依賴于人的經(jīng)驗和從事后的教訓(xùn)中習(xí)得。
利用大數(shù)據(jù)技術(shù)建立基于客戶電話行為的數(shù)據(jù)分析平臺，匯集各應(yīng)用系統(tǒng)數(shù)據(jù)、語音數(shù)據(jù)形成基礎(chǔ)數(shù)據(jù)池，再依據(jù)業(yè)務(wù)服務(wù)與管理需求的特點進行建模分析，如：深度挖掘客戶數(shù)據(jù)，洞察客戶行為模式，構(gòu)建外呼預(yù)測模型，有效提升外呼座席利用率和整體產(chǎn)能；針對客戶電話交易型風險和座席操作合規(guī)性風險，構(gòu)建數(shù)據(jù)全量篩查及報警模型（例如：同一來電號碼為多個客戶辦理高風險業(yè)務(wù)），自動抓取風險線索，為風險稽核提供數(shù)據(jù)支持等。通過建模、模型訓(xùn)練、有效性驗證、結(jié)果展示等動作，提供一般查詢定制、業(yè)務(wù)分析、運營指標監(jiān)控，甚至敏感客戶名單及其特征等，將如同大數(shù)據(jù)在其他領(lǐng)域的應(yīng)用一樣，成為業(yè)務(wù)與管理決策的基本工具。
另外，客服中心在密集接觸客戶的過程中匯集了海量信息。以中銀金融商務(wù)有限公司為例，通過電話和網(wǎng)絡(luò)渠道為客戶提供服務(wù)，全年轉(zhuǎn)人工電話量過億通?？头行淖鳛殂y行連接客戶的重要觸點，日均數(shù)十萬次的交互，客戶的需求也通過語音、文本和工單傳遞到客服中心。
海量的客戶交互信息中，通過對這些信息的歸類分析，理解每一個呼叫的真正價值，將其提取并客觀反饋到銀行各相關(guān)環(huán)節(jié)。一方面，可幫助銀行管理部門、產(chǎn)品部門、市場部門等有效掌握客戶需求信息，了解自身產(chǎn)品功能、服務(wù)、業(yè)務(wù)流程等方面的不足，為其優(yōu)化和創(chuàng)新提供直接依據(jù)；另一方面，每一次呼叫中也許可以捕捉到新的商業(yè)機遇，可以通過對客戶需求的跟蹤，及時推動創(chuàng)新和進行客戶挽留。
以往，這些數(shù)據(jù)主要用于客服中心業(yè)務(wù)處理和內(nèi)部管理，客戶通話的錄音數(shù)據(jù)一般僅僅用于抽樣質(zhì)檢和糾紛處理。越來越多的銀行高管已經(jīng)看見其中蘊含的價值，大數(shù)據(jù)技術(shù)的發(fā)展洽為其價值的充分挖掘與展現(xiàn)提供了技術(shù)支撐。
中國銀行客服中心在探索實踐中逐步豐富應(yīng)用場景，逐漸形成“提升內(nèi)部管理效能，服務(wù)集團價值分析，提高營銷精準度，防控相關(guān)業(yè)務(wù)風險”四大客服中心大數(shù)據(jù)應(yīng)用。以下將針對客服中心增值轉(zhuǎn)型中最具代表性應(yīng)用場景——“客戶之聲”的價值挖掘進行闡述。
“客戶之聲”大數(shù)據(jù)挖掘助推呼叫中心價值轉(zhuǎn)型
客服中心作為對外交流的巨大窗口，匯集了盈千累萬的客戶聯(lián)絡(luò)信息，包含著客戶的需求、問題、投訴、建議及偏好等重要信息；蘊含著企業(yè)改善產(chǎn)品設(shè)計、優(yōu)化服務(wù)流程、提升客戶體驗及加強營銷效果的重要價值信息和參考依據(jù)，是企業(yè)以客戶為中心戰(zhàn)略轉(zhuǎn)型和持續(xù)發(fā)展的推動力。
“客戶之聲”的價值挖掘奠定了客服中心作為“價值中心”的基礎(chǔ)。這里的價值挖掘是指以發(fā)現(xiàn)有助于提升服務(wù)水平、產(chǎn)品質(zhì)量、流程效率及客戶體驗等為目的，針對各渠道客戶聯(lián)絡(luò)信息進行收集、匯總和深度挖掘的大數(shù)據(jù)應(yīng)用場景，其應(yīng)用實現(xiàn)主要分為以下三個層面：
一是源數(shù)據(jù)采集匯聚。以客戶聯(lián)絡(luò)信息為主線，針對各渠道信息進行數(shù)據(jù)提取、轉(zhuǎn)寫和清洗等數(shù)據(jù)準備工作，采集范圍包括語音通話數(shù)據(jù)，文本客服、微信、微博及社區(qū)等渠道的文本數(shù)據(jù)，以及相關(guān)業(yè)務(wù)系統(tǒng)所產(chǎn)生的結(jié)構(gòu)化數(shù)據(jù)。
目前，客服中心數(shù)據(jù)量最大的依然是語音數(shù)據(jù)，這部分數(shù)據(jù)需通過以聲學(xué)模型、語言模型及發(fā)音詞典為基礎(chǔ)的語音識別技術(shù)實現(xiàn)音頻數(shù)據(jù)到文本數(shù)據(jù)的準確轉(zhuǎn)換。近年語音技術(shù)取得較大發(fā)展，市場上一般用戶解決方案有關(guān)語音識別引擎識別率能達85%以上，用戶環(huán)境訓(xùn)練后可達到更高，已基本可支撐基于大數(shù)據(jù)的分析應(yīng)用。
二是數(shù)據(jù)分類體系。數(shù)據(jù)能夠按照業(yè)務(wù)屬性進行分類和標注是大數(shù)據(jù)應(yīng)用的前提，分類的目的是根據(jù)數(shù)據(jù)集的特點構(gòu)造一個分類函數(shù)或分類模型，該模型能把未知類別的樣本映射到給定類別。
由于文本數(shù)據(jù)的半結(jié)構(gòu)化甚至于無結(jié)構(gòu)化的特點，當用特征向量對文檔進行表示的時候，特征向量通常會達到幾萬維，需要使用特征選擇、特征抽取等降維技術(shù)，降低特征空間的維數(shù)，提高分類的效率和精度。而從實際應(yīng)用層面來看，分類準確性的提升需建立在業(yè)務(wù)專家對業(yè)務(wù)知識的全面分析和梳理之上，需按照業(yè)務(wù)參數(shù)對文本進行反復(fù)的聚類分析和驗證，迭代優(yōu)化聚類效果，建立完備的數(shù)據(jù)分類體系。
三是業(yè)務(wù)主題分析模型。在完成數(shù)據(jù)準備的基礎(chǔ)上，運用趨勢分析、根源分析、關(guān)聯(lián)分析及回歸分析等數(shù)據(jù)挖掘算法，構(gòu)建業(yè)務(wù)主題分析模型。例如：產(chǎn)品主題分析、投訴主題分析、同業(yè)情況主題分析、突發(fā)事件主題分析、高風險業(yè)務(wù)主題分析、服務(wù)態(tài)度主題分析等，從產(chǎn)品、服務(wù)及流程等各個方面深度挖掘價值信息，洞察客戶關(guān)注點、市場敏感點、服務(wù)薄弱點、疑似風險點等熱點及重點信息。
大數(shù)據(jù)應(yīng)用在實踐中遭遇的窘境
大數(shù)據(jù)的成功應(yīng)用不在于實現(xiàn)技術(shù)的某一方面，而是需要把一連串的技術(shù)、人員和流程糅合到一起，捕捉數(shù)據(jù)、存儲數(shù)據(jù)、清洗數(shù)據(jù)、建模分析數(shù)據(jù)并對數(shù)據(jù)進行價值可視化，在應(yīng)用中持續(xù)強化、優(yōu)化尤為重要。由于大數(shù)據(jù)技術(shù)真正開始應(yīng)用可以說仍處于起步階段，各機構(gòu)乃至市場中大數(shù)據(jù)人才仍在成長中，相關(guān)應(yīng)用在實踐落地中常常遭遇窘境，在傳統(tǒng)機構(gòu)內(nèi)，以下兩類尤為常見。
技術(shù)驅(qū)動還是業(yè)務(wù)驅(qū)動？大數(shù)據(jù)應(yīng)用源于技術(shù)的發(fā)展，雖已經(jīng)歷數(shù)年的概念沉淀，因應(yīng)用場景還在探索中，成功實踐仍鳳毛麟角，成熟的行業(yè)解決方案更是寥寥無幾，其應(yīng)用實質(zhì)、分析特征尚未能普及。一般需要在技術(shù)平臺上結(jié)合用戶自生數(shù)據(jù)特征、業(yè)務(wù)活動場景設(shè)定分析主題。在傳統(tǒng)機構(gòu)內(nèi)常常發(fā)生這樣的情況，技術(shù)部門預(yù)研引進技術(shù)方案，卻并不了解業(yè)務(wù)的場景需求，業(yè)務(wù)部門將其當作一項技術(shù)避而遠之，兩者之間沒有機會契合而遭遇尷尬，要么遲遲不能啟動，要么建起系統(tǒng)平臺后暫時擱置。
屈身成為報表系統(tǒng)。傳統(tǒng)的IT應(yīng)用系統(tǒng)建成后，相應(yīng)功能是確定的有限的，只要學(xué)會操作即可。大數(shù)據(jù)類應(yīng)用的目標是基于大數(shù)概率去發(fā)現(xiàn)規(guī)律，去尋找價值，因此大數(shù)據(jù)類應(yīng)用系統(tǒng)重在使用，在使用中持續(xù)優(yōu)化模型、擴展模型，從數(shù)據(jù)中尋找規(guī)律、尋找關(guān)注點。然而目前在傳統(tǒng)機構(gòu)中，業(yè)務(wù)部門在建設(shè)過程中提出一些原報表系統(tǒng)未能覆蓋的主題分析作為初始需求，在IT部門建成大數(shù)據(jù)系統(tǒng)后，則將其當作傳統(tǒng)報表系統(tǒng)使用，未能全面盡其所能。
大數(shù)據(jù)應(yīng)用展望
越來越多的應(yīng)用涉及到大數(shù)據(jù)，而這些大數(shù)據(jù)的屬性，包括數(shù)量、速度、多樣性等都呈現(xiàn)了不斷增長的復(fù)雜性，大數(shù)據(jù)最重要的現(xiàn)實是對大數(shù)據(jù)進行分析，只有通過分析才能獲取更多智能的、深入的、有價值的信息。分析思路離不開業(yè)務(wù)思維，脫離業(yè)務(wù)思維，工具只是工具，技術(shù)也只是技術(shù)而已。只有將大數(shù)據(jù)的手段和方法滲入管理理念，融入業(yè)務(wù)思維，才能真正發(fā)揮大數(shù)據(jù)的價值。
對于客服中心來說，通過大數(shù)據(jù)應(yīng)用項目的有效開展及在實際應(yīng)用中的深入探索，不斷擴展基于大數(shù)據(jù)應(yīng)用場景，建立數(shù)據(jù)驅(qū)動的價值挖掘、科學(xué)決策、精細化管理理念，才能充分發(fā)掘客戶聯(lián)絡(luò)信息的數(shù)據(jù)價值，產(chǎn)生大數(shù)據(jù)真正的“大”價值。
