摘要：随着云盘算技术应用到互联网技术中，形成更具扩展、弹性、扩容、多平台、模式化的云效劳平台机制。一些企业的客服中心也在经历了效劳人群数量、效劳模式变换、外部情况需求变革等多重考验，对客服中心的数据存储、剖析、加工等都带来了极大考验。关于客户效劳中心而言，建立起一套以数据驱动为前端的平台，实现数据资源的充分存储与剖析，兼顾前、中台运营数据支撑应用是整个数据体验平台亟需解决的难题。本文着重于客户效劳中心海量数据现状，结合数据的存储、剖析需求，以数据收集、数据存储、数据剖析、数据效劳等四项要害办法，对效劳数据接纳漫衍式剖析要领，划分对文本数据、语音数据、舆情数据等进行深度平台化加工，进而设计与搭建具备实践性价值的数据体验平台。

要害词：客服中心 数据体验平台

前言

大数据作为盘算机科学与技术生长与应用的一个重要偏向，也是“互联网+”的重要组成部分之一，其应用一直是诸多企业在提升自身技术应用能力与水平的要害。大数据应用不但仅是一种数据化的荟萃，更是一种新的处理模式及优化模式？突Ю椭行男枰泶笞诘目突ё裳⑼端叩纫滴，在处理业务的同时，其数据规模也在不绝扩大，随着效劳模式和渠道的增加，数据种类日益增多。在数据类型上，有效劳数据（多媒体信息，包括文本和语音）、客户数据，另有系统运行数据、其他在效劳历程中收集的数据等，利用好这些数据，不但可以进一步提升客服中心的运营能力，还可以结合人工智能数据的应用，驱动智能数据产品，为前端经营生长助力。

客户效劳中心数据体验平台的建立有利于从数据生态的维度，结合效劳中心、呼叫中心的数据特点，提升效劳价值。接纳架构设计、功效设计、数据设计、模型设计的模式，搭建数据体验平台的存储、并发解决计划，实现数据收集、剖析的设计与应用，最终形成系统化的解决计划。

一、海内外应用现状

外洋对客服中心数据体验平台的研究起源较早，早在20世纪30年代，北美在快速的经济生长中就已经形成了在旅游业、民航业的呼叫中心模式，最早的呼叫中心主要是是以预定效劳为主，更多依靠硬件支持，很少有软件效劳支持。随着用户需求量的高速增长，20世纪50年代，美国部分企业开始设立具有一定规模的呼叫中心，以全天候效劳的方法开展预定业务，此后几十年间，呼叫中心陪同着银行业、电商行业的快速生长，规模不绝扩大。以美国知名电商公司EBay为例。该公司以漫衍式存储的Hadoop数据库，以低本钱的方法海量存储购物平台所包括的商品信息，并结合到其呼叫中心的数据体验平台中，使之焕发了巨大的数据应用价值，也形成了诸多精益化数据运营及营销的案例。

海内的呼叫中心起步相对较晚，20世纪90年代开始在电信领域兴起，早期规模较小。直到本世纪初，呼叫中心开始被海内越来越多的企业开始重视，并逐步作为企业生长、产品推广的重要工具，其功效细分也更为明确。2010年后，云盘算效劳开始应用到客服中心中，云呼叫中心的产品在理论上是可以支持更多座席（甚至是无限座席）。在运用开源数据、漫衍式文件系统的盘算框架模式下，一些高性能数据要领开始逐步被应用及测试，例如：Hadoop模式，以高扩展性功效获取更多的存储空间。关于企业而言，企业关于客服中心所爆发的数据不可是备份及存储，还需要挖掘其中深藏的巨大客户价值，并对数据信息进行深度开发、利用以及加工，最后应用到企业的生产及实践中。

二、数据体验平台需求剖析

（一）总体需求与角色需求

总体需求主要是基于客户效劳中心在系统规模上的扩大，爆发数据规；诵械谋曜，系统运营的数据在一定水平上已经无法满足数据剖析的需求。并且，随着人工智能效劳的高速生长，海量数据基础所爆发的职能数据产品及应用，对数据生长带来了更多的动力。以数据驱动平台设计为例，需要为用户提供以业务支撑为导向的运营治理支撑，并附加信息系统功效，包括数据运行、剖析、智能应用等焦点需求。

在角色需求层需要综合考虑系统、运营、质量考核、数据剖析等治理职能，系统治理需要以运营监控为导向，运营需要更多关注效劳人员的运营质量，形玉成方位、立体化的运营监控模式。关于质量考核而言，数据体验平台需要明确坐席效劳质量监控、质量考核的标准，以明确的质量考核标准形建立体化的效劳监督标准。数据剖析的需求在运营监控、质量监控的基础上，形成数据剖析库及功效，定向剖析结论。系统治理则是数据体验平台的最高权限者，除了基础的业务剖析职能，还需要起到系统信息治理、数据治理、权限治理等功效。

（二）功效需求与非功效需求

功效需求主要分为如下三点：一是体验数据的收集功效，将业务平台、语音平台、在线平台、舆情平台的数据进行抽取、加载，形成实时处理数据，在线或离线处理。二是体验数据的剖析功效，这一功效需求包括座席、系统的运营情况，也是分为实时、离线功效，其包括座席话务统计剖析、IVR剖析、座席效劳剖析、满意度剖析、投诉剖析等。三是体验数据的效劳功效，该需求主要是一些报表效劳、线上效劳、存储效劳等，凭据平台化开放的方法面向运营侧人员生态数据报表，供剖析运用。这里需要明确的是，由于客服中心每日效劳语音和多媒体交互内容存储数据巨大，数量也在不绝增长，需要评估对语音数据进行文本化转换后存储、图片数据进行去重，也有利于减轻数据体验平台的存储压力。

非功效性需求主要包括如下两点：一是稳定高效性功效需求，其主要包括漫衍式数据以及系统的稳定性，尤其是关于数据需求方而言，这一功效尤为要害，如泛起数据丧失等情况，不但导致数据剖析无法进行，更会造成无法估量的经济运营损失，因而首先要考虑稳定高效的功效需求。二是扩展性需求，其主要是在系统测试、试用阶段，凭据业务庞漂后、数据接入度的要求，以资源扩充为导向，在满足业务资源的同时将动态存储、盘算功效进行扩展，进而不绝提高系统存储能力及功效应用能力。

三、客户效劳中心数据体验平台设计剖析

（一）数据体验平台收集？樯杓

在数据体验平台收集？樯杓浦胁豢墒且滴袷萘烤薮，其在结构化与非结构化的数据领域，总体架构设计及功效也会爆发变革。在此历程中，要充分考虑到平台的数据量对数据功效的影响，这也涉及到系统宁静性、稳定性以及功效性等影响因素。在收集功效上，还需要充分考虑到系统设计的应用、结构等，在系统展示上凭据应用、盘算剖析、数据存储、接入、数据展示等收集方法，收集展示中涉及到系统治理、运营剖析、质量考核等可视化操作模式，需要将其结果展示到系统层的用户群体中。收集？榈挠τ没剐枰悸堑铰衍式的解决计划，海量存储因为要涉及到实时的盘问功效，这一功效下可应用HBASE技术，凭据非结构化数据的存储方法进行漫衍式收集处理。凭据数据接入层的抽取需求及规则方法，实现结构化、非结构化的数据平台应用，将语音数据上传，形成数据平台数据库集。

（二）数据体验平台剖析？樯杓

在剖析应用层上，主要考虑到平台数据接的处理，包括接收、处理、反响等需求，展示层需要参照业务逻辑的应用效劳方法，先发送存储，再获取数据，最后对展示层进行请求处理后，将最终的处理结果反响到展示层的框架中。在具体的剖析？樯杓粕，另有一项重要的职责就是应用效劳层的数据盘算剖析效劳，其主要是在Spark离线盘算、Spark Streaming实时盘算、语音识别等基础上，实现语音与文本的双重挖掘。

（三）数据体验平台效劳？樯杓

在效劳？樯杓粕，充分考虑数据存储层的应用，凭据数据货仓、数据库、漫衍式文件系统的方法，数据货仓（Hive）主要是凭据存储运营数据的结构化数据应用方法，先存储语音数据，此后将非结构化数据加以处理，建立起索引、分库、分表的盘问功效及方法。数据库（HBase）凭据索引数据盘问方法，应用到数据相对较小的数据库中，数据功效相对简单。不过，两者的功效都需要建立在漫衍式的文件系统层上，这也是效劳？樯杓频囊。

四、客户效劳中心数据体验平台搭建路径

（一）以传输导向的收集？榇罱

以传输导向的收集？榇罱ㄐ枰⒃谝钥头中心？槭莼∩系男枨笊杓朴τ，传输导向？橹，明确平台数据收集、数据剖析、数据效劳等功效？，将数据收集、指标盘算、文件存储、报表应用等业务功效先期进行应用。在具体的功效结构应用上，还需要将数据收集后加以抽取与清洗，转化成数据平台数据。收集中，也可以分为实时收集、按期收集两种模式，便于存储数据库及收集离线内容，生成新的统计库模式。

在客服中心自身已经搭建的话务、业务平台上，先建立数据库纪录模式，对通话的数据进行详细的纪录，其包括时间、排队等信息，这些数据信息可以满足现阶段的效劳需求，还可以形成集群的数据收集方法。例如：数据收集中，MySQL语句汇总的binlog日志就有三种模式以上，行动纪录及对数据库的备份功效都是极具收集效果的Ａ碛幸恢謗ow模式，主要是对数据库执行准确的备份，包括存储历程、触发等数据，都是一种很好的解决方法，同时也很灵活。值得一提的是，现在一些大型的平台也会有开源组件，例如阿里巴巴集团的开源Canal，这些组件也可以在API接口下进行便捷的应用。

（二）以盘算导向的剖析？榇罱

以盘算导向的剖析？榇罱ㄖ饕嵌钥头中心指标情况进行剖析，其包括特准时间段内的运营盘问及剖析、座席指标统计等。在现有的条件下，座席指标包括对接通率、呼出乐成率、效劳水平、满意度等指标进行剖析总结。对最终的运营数据及剖析结果均可以凭据实时盘算、离线盘算的方法，对最终的数据接纳、剖析、存储等都会起到很大的作用。在这一历程中，实时剖析设计与实现凭据Hive的实践方法，同步数据治理功效，数据库使用SQL功效操作，信息数据、关系数据等在无法满足存储需求的基础上，将数据转移应用到更大的数据平台功效上，从而提升其大数据存储及关系型数据库的开发功效作用。在文件数据源的基础上，源操作包括功效操作、数据表等，差别数据源创立的临时表操作模式也是差别的，也需要更多的兼容功效及高性能的数据运行能力。

（三）以存储导向的效劳？榇罱

以存储导向的效劳？榇罱ㄖ饕员ū硇Ю汀⑽募存储效劳功效为主，前者在盘问功效设计的基础上凭据报表效劳类型进行分类盘问，其盘算结果凭据指标控制类、盘问导出类等进行信息操作的判断，具体的指标数据上还需要对角色的权限进行正确的判断，功效上主要是数据操作的盘问及要领应用。后者在文件存储效劳设计及实现上，其主要是文件治理功效，在存储的基础上，凭据文件治理创立、删除、检索等功效，以文件ID映射的方法进行识别，所有的HDFS都是在同一目录层级下，功效创立及搭建更为简单，且支持多级目录的创立及应用。

总结

随着海内许多企业客服中心规模及需求的扩大，其在涉及数据体验平台设计及搭建需求主要有如下三个方面，一是对数据存储空间及数据处理要求不绝增大，甚至对云数据存储及功效应用也提出了更高的要求。二是在结构化、非结构化的数据应用层，无论是语音数据，照旧一些难以实现结构化的文本数据，其均保存巨大的数据存储、处理、剖析的问题点。三是平台化数据处理机制的匮乏，这一问题不但仅体现在T量级的数据处理上，数据丧失、剖析问题也会在一些开源模式下应用更多的技术功效。为此，需要通过云效劳功效及大数据处理功效，进一步解决数据存储、结构数据应用、平台数据处理机制等三大焦点问题，进而为客户效劳中心综合体验能力的提升提供更大都据化的功效基础。

编审评注：客户在寻求效劳的历程中，关于企业产品的使用、效劳体验和个人诉求都是最接近真实的。其在效劳历程中的许多信息都值得企业纪录并加以挖掘剖析，并在后续的产品改善、营销战略制定和提升客户满意度美誉度方面都有很大的应用前景。而收罗、存储、剖析和应用就是需要客服中心在考虑本钱产出比最优的前提下，让效劳数据得以最大化的利用，而这些的前提是企业和呼叫中心的领导是否已经想明白效劳数据对企业的作用，以及如何做好数据产出、使用的闭环。至于接纳何种技术息争决计划，则是在决策层想清楚大战略方面之后，就容易选型确定。拎着锤子找钉子却是当下一些迫切想将效劳数据增值化操作的呼叫中心的典范场景。

来源：本文刊载于《客户世界》2020年6月刊。