两天的培训课程结束了，时间短、内容多、专业性强是本次参训的直观体验。授课王老师在CC 数据分析与应用方面耕耘多年，经验丰富且为人平和，听其讲课、与之沟通均获益良多。
本次课程主要针对客户服务运营领域，涵盖了服务数据分析、大数据应用方向、数据挖掘概念等内容，重点在Excel 和SPSS Modeler 数据分析工具的使用和练习过程。
软件实操过程无需多言，具体的应用场景加工具书可能更为有效。功夫在诗外，在数据分析之前，首先要有深刻的业务理解，通过业务逻辑驱动分析需求，然后进行数据提取、整合、清理、建模和验证，挖掘获取的知识可为业务决策提供数据支撑，并在后续的业务升级中产生更多数据，从而形成良性循环。
通常而言，企业在数据应用中存在如下问题：一是数据不完整，各部门之间的数据难以共享；二是懂业务的数据分析人员非常稀缺；三是难以获取可靠易用的分析工具。作为一般意义上的成本中心，客服中心能获取的资源相对有限，在大数据和人工智能时代，发挥渠道和数据优势，提供精益服务、尝试精准营销、支撑业务决策将是客服中心升级转型的必由之路。
当前的数据应用可划分为三个层次：报表、统计和预测。报表是记录过去的信息，发现数据的变化情况；统计是结合业务目
标，进行数据对比、关联和原因分析；预测是侦测模式、发现规律、探求未来趋势并提前采取相关措施。银联客服中心目前处于数据存储、汇总和表格呈现的初级阶段，针对业务构成、对比和关联性等层面的分析较少，尚未涉及模型创建、业务预测和数据可视化等高阶应用。
结合公司战略及客服中心特点，可尝试从如下方面开展工作：一是打通服务数据和业务数据通路，创建客户画像以提供定制化服务。中心自有渠道包括IVR、电话、网络、短信、微信、微博等，每年服务量超过X万次，其中电话语音和网络客服量超过Y万次，内容较为完整，可作为基础数据；IVR、微信和短信数据主要反映了用户行为和响应过程，可作为辅助和验证数据。从服务数据中抽取账户信息和用户行为，借助大数据平台与统一用户系统及业务数据对接，识别客户身份、年龄、区域、发卡行和业务倾向，为客户提供定制化服务，无论IVR语音、电话服务或是短信提醒，所有的内容都基于客户标签实时产生，将产品营销融于服务全过程。
二是充分挖掘语音数据价值，为智能服务奠定基础。人工智能是未来的发展方向，中心在语音识别和智能客服方面已进行尝试，但也存在一定局限。在大数据、云计算成为公司平台战略的前提下，如何在私有云的环境中，利用成熟可靠的技术将语音数据转为可读文本，基于业务知识库进一步完成语义识别，这是数据挖掘和智能服务应用的前提。
三是围绕业务需求分析相关因子，定制和开发数据工具为领导和业务人员提供决策支持。中心具有明确的考核指标，指标数据按月采集报送，日报数据每天汇总并以邮件形式报送，既耗费人力，也存在一定滞后性；对潜在问题更多依赖人员经验，存在误判和漏判的可能性。在支持日常运营方面，可将关键指标（包含考核指标）分解为不同的业务因子，如每日话量可分解为排班时长、通话均长、业务转递、重复来电、兼岗时长、超长通话、自助服务量等相关因子，分析目标与各因子之间的关联度，通过可视化网页和图表的方式供相关岗位查看，提前发现问题并作出相应调整；在提升中心价值方面，可将服务量与交易量、交易渠道、产品功能、客户肖像等信息关联，通过RFM模型进行产品和客户细分，为产品部门提供产品优化建议、为市场部门筛选目标客户群，为决策部门预测客户行为。
此外，重视和培养精业务、懂数据的复合人才，帮助其规划职业路径，在项目开发和外部合作过程中开阔眼界、锻炼能力；对于普通业务人员，可从Excel入手，结合业务场景练习和掌握该软件所提供的统计、透视、图表及简单的数据分析功能，从而形成高低搭配的人才梯队。
