新闻资讯/News

呼叫中心数据分析之业务理解（示例）

2018-05-02 12:16    来源：客户管理    作者：

应用型数据分析的价值来自于数据分析工具和方法的掌握与业务理解的融合，单靠任何一方面，都无法全面挖掘出数据的价值，并应用到业务决策与指导中。

以一个简单的例子来说明一下。绝大多数呼叫中心每天汇总分析的数据中有一项是服务水平数据（或仍被习惯称为X秒的接通率）。当某一天的这项数据发生了异常的时候，比如说，某一时段的服务水平指标下降的很厉害，在波动趋势上形成了一个谷底，我们的分析思路应该是什么呢？

均值会低，标准差会加大，放弃率会升高......，这些都有可能，但这些都是现状描述(what)。到底是什么原因造成了突入起来的服务水平下降呢（why）？想找到原因，则必须对这项指标的业务逻辑有一个清晰的理解。

如上图所示，服务水平指标本身是来电负荷与接听能力平衡的结果。当来电负荷大于接听能力时，服务水平指标会下降；而当来电接听能力逐渐匹配或超过来电负荷时，服务水平指标就会上升（注：实际应用中，应考虑在一定的来电负荷下，所设定的不同服务水平指标对来电接听能力的不同需求）。

因此，当服务水平指标下降时，我们第一个想到的可能原因就是来电负荷上升了。而来电负荷是由来电数量和AHT构成的，因此对这一原因的确认或排除就应该从这两个要素的分析着手。如果来电量与预测业务量相比较没有明显异常同时AHT也相对稳定的话，则可以排除来电负荷意外波动的原因，而把目光转向接听能力。

接听能力中的两个重要因素是当班人数和人均有效工时。当班人数与排班计划有没有差距？由于呼叫中心来电的随 机性特点，有时候几个人的差距就会造成服务水平的巨大波动。如果当班人数没有差距，则要重点看人均有效工时这项指标。这项指标再拆解的话，应该能够分析到遵时率、ATT、ACW以及AUX或离席等指标，尤其是没有在正确的时间出现在正确的地点干正确的事的情况，应该是重点关注和分析的。

当然，除此之外还有可能是排班需求测算、班次安排、系统故障等原因，当在核心因素上找不到答案时，就需要跳出一层，从更广泛的视角来看问题。