我們在實踐過程中，接觸到了不同行業(yè)的數(shù)據(jù)，但遺憾的是，發(fā)現(xiàn)盡管都有數(shù)據(jù)，但數(shù)據(jù)的質量上有較大差異，有的能做出全局性的分析和洞察，有些則不能。

　　語音數(shù)據(jù)不能做分析的核心問題是其轉譯準確率問題。轉譯準確率問題一部分是跟轉譯引擎本身的性能和是否有做過細分領域的語音標注優(yōu)化相關，一部分是跟錄音源頭數(shù)據(jù)的本身質量有關。前一部分的問題基本都是共通的，依賴于技術和人工優(yōu)化上的能力，后一部分問題跟呼叫中心服務過程的規(guī)范性和客戶群有關。在實踐中就發(fā)現(xiàn)因為客服本身語速過快，咬字不清，口音較重，客戶方言等問題導致轉譯準確率不高。在人工測聽發(fā)現(xiàn)都需要來回好幾遍才能大致聽清甚至還聽不清的情況下更遑論機器轉譯的效果。這個情況呼叫中心必須先從規(guī)范客服的溝通做起，客服側語音的轉譯準確率較高的情況下，客戶側如果是全國性市場，建議其盡量說普通話，雙管齊下，才能真正把語音數(shù)據(jù)較好地利用起來。否則，雖然積累了海量的數(shù)據(jù)，有可能也無法利用。

　　工單數(shù)據(jù)在各個呼叫中心根據(jù)業(yè)務性質和管理的需要，都不太一樣，字段多的有上百個字段，字段少的可能就個位數(shù)。工單數(shù)據(jù)除了能做傳統(tǒng)的結構化統(tǒng)計分析以外，根據(jù)其字段情況，也能做一些文本分析，比如通信類和制造類企業(yè)都有報障工單用以描述報障現(xiàn)象。對現(xiàn)象的聚類分析能較好地反映出產(chǎn)品主要的故障問題及表現(xiàn)，為優(yōu)化產(chǎn)品和提升故障處理效率提供較好的決策參考。但實踐中依然有發(fā)現(xiàn)有一些問題會阻擋對數(shù)據(jù)的深度挖掘，主要是各種不規(guī)范的填寫，包括漏填、錯填（如前個字段的內容填到后面字段中）、格式規(guī)范問題（同樣是說數(shù)量，既有填寫確數(shù)也有填寫預估數(shù)的，既有寫阿拉伯數(shù)字的，也有寫中文字的）、語言一致性問題（同樣一個意思表達，不同的人用不同的文字來描述）等。這些問題如果涉及的工單的數(shù)量多，則也將影響工單數(shù)據(jù)的分析，無論是結構數(shù)據(jù)或非結構數(shù)據(jù)。解決方法一是在工單系統(tǒng)上做文章，如部分可封閉選擇的問題可用選擇點擊的方式而非開放性填寫；二是加強工單填寫規(guī)范性培訓指導和考核，降低工單填寫出錯率。

　　傳統(tǒng)的結構化數(shù)據(jù)分析體系是基于管理體系的指標框架構建，其對運營效率和成本方面的反饋是相對準確的，但在質量和效果洞察（尤其客戶側反饋的洞察上）缺乏足夠的數(shù)據(jù)和細節(jié)依據(jù)，洞察全局相對較難。而這正是文本分析的一個較大優(yōu)勢，其能從全量交互的語音轉譯文本中洞察全局，包括主要的交互場景，熱點的問題和需求，客戶方對產(chǎn)品和服務的真實評價等。

　　作為管理和支撐人員，我們既可以了解到產(chǎn)品和服務各方面的主要問題，也能從真實錄音文本中獲取到問題的具體癥狀表現(xiàn)或者部分原因，除了簡單的百分比數(shù)據(jù)之外，還向我們傳遞了更多的細節(jié)，或獲取有益的經(jīng)驗。譬如，在電銷和催收領域，那些做得特別成功的客服代表他們在溝通策略上有哪些技巧和特征，業(yè)績普通的員工和他們之間的具體差距在哪里，就可以通過轉譯文本和錄音的分析獲取得到。同時，通過精確提取成功案例和失敗案例，可以為日常培訓提供豐富的素材。在幾乎所有的呼叫中心，員工的服務效率都是比較受關注的。以前的方法我們是通過聽錄音來發(fā)現(xiàn)，但現(xiàn)在我們可以用錄音的靜默時長和靜默次數(shù)相對較為準確地篩選出待提升員工的名單。盡管靜默時長和靜默次數(shù)中包含了客服和客戶雙方的靜默，但從長期大量數(shù)據(jù)的角度，靜默時長和靜默次數(shù)數(shù)據(jù)遠高于平均水平的員工，其在效率上還是有可提升空間的，比如在通話過程控制能力上，客戶需求理解能力上，專業(yè)知識和技能熟練程度上。當然也不能排除本身就是比較慢性子的員工。

　　盡管文本分析在全場景和細節(jié)發(fā)掘上有著傳統(tǒng)結構化數(shù)據(jù)分析所沒有的優(yōu)勢，但從完整的分析項目角度而言，其所耗人工甚費，主要在數(shù)據(jù)預處理及人工語義解讀上。預處理的人工主要花在人工檢查數(shù)據(jù)和做優(yōu)化標注的時間，特別是一個新的行業(yè)或新的業(yè)務領域，未經(jīng)標注的文本可能轉譯準確率比較低，會影響分析。人工語義的解讀主要是消耗在系統(tǒng)工具聚類結果的語義解讀翻譯方面的時間較長。這方面成本的削減有賴于未來語義技術的持續(xù)進步。

　　盡管文本分析從技術和成本上都有提升空間，但瑕不掩瑜。從文本分析中汲取的場景、產(chǎn)品、業(yè)務、流程和服務的洞察和細節(jié)將有效地幫助企業(yè)做出更加有針對的優(yōu)化對策，同時也能梳理出一些較好的案例或服務和營銷的具體話術，幫助客服團隊持續(xù)提升，同步地，我們也可用于機器人客服的持續(xù)智能化。