無論是聯(lián)絡(luò)處理數(shù)據(jù)，還是客戶交互內(nèi)容數(shù)據(jù)，大部分客服中心每天都會(huì)有幾千、幾萬甚至幾十萬條。再加上企業(yè)數(shù)據(jù)平臺(tái)的支撐，客服中心可以獲取的數(shù)據(jù)其實(shí)是非常多的，也可以說是海量的。但與此形成鮮明對比的是，大多數(shù)客服中心對于數(shù)據(jù)的分析與應(yīng)用仍然停留在比較低的層次上，基本以日常運(yùn)營報(bào)表以及一些專項(xiàng)運(yùn)營分析為主，缺乏系統(tǒng)性、全方位的數(shù)據(jù)化運(yùn)營支撐與服務(wù)增值拓展。

　　客服數(shù)據(jù)的應(yīng)用可以主要從三個(gè)層次上來展開。第一個(gè)層次是對精益化、智能化運(yùn)營的支撐。利用每天積累的日常運(yùn)營數(shù)據(jù)觀察運(yùn)營現(xiàn)狀，發(fā)現(xiàn)運(yùn)營差距，探索規(guī)律、模式、場景、細(xì)節(jié)瓶頸與問題根源，預(yù)測發(fā)展趨勢，進(jìn)而給出預(yù)防與矯正建議。AI服務(wù)的應(yīng)用本質(zhì)上也離不開數(shù)據(jù)的支撐。第二個(gè)層次是對精準(zhǔn)化營銷以及客戶增值經(jīng)營的支撐。通過客戶標(biāo)簽、畫像與分群，客戶需求探索，目標(biāo)客戶定位，關(guān)聯(lián)及交叉營銷設(shè)計(jì)，呼出與呼入營銷監(jiān)測與評估等，使?fàn)I銷更加精準(zhǔn)、收益比更高、客戶感知與粘性更好。第三個(gè)層次是對企業(yè)整體的決策支撐。每一次客戶投訴與抱怨都是真實(shí)的VOC，每一通客戶聯(lián)絡(luò)中也都含有VOC的成分。根據(jù)結(jié)構(gòu)化的顯性聯(lián)絡(luò)處理數(shù)據(jù)，把企業(yè)在品牌、產(chǎn)品、運(yùn)營、營銷、市場等各個(gè)方面的所暴露出的問題進(jìn)行歸納和整理；根據(jù)錄音、文本、視頻、圖片等非結(jié)構(gòu)化聯(lián)絡(luò)數(shù)據(jù)，歸納和挖掘客戶顯性及隱性的問題、意見、建議、偏好、傾向、情感、意愿等信息；然后推動(dòng)企業(yè)內(nèi)部整體運(yùn)營循環(huán)的持續(xù)改進(jìn)與提升，贏得客戶的持續(xù)認(rèn)可與忠誠。

　　客服數(shù)據(jù)應(yīng)用仍然存在不少障礙。第一是人才的匱乏。應(yīng)用型數(shù)據(jù)人才是復(fù)合型人才，既要懂業(yè)務(wù)又要懂?dāng)?shù)據(jù)。由于客服行業(yè)的自身人才特點(diǎn)以及企業(yè)地位，往往會(huì)出現(xiàn)復(fù)合型數(shù)據(jù)人才培養(yǎng)難、吸引難、留不住的困境。第二是數(shù)據(jù)治理機(jī)制及數(shù)據(jù)質(zhì)量的問題�，F(xiàn)實(shí)中觀察到很多客服中心的數(shù)據(jù)崗位員工要花費(fèi)大量的時(shí)間來整理、清洗和轉(zhuǎn)換不規(guī)范的數(shù)據(jù)，只有很少的時(shí)間可以真正用在數(shù)據(jù)背后的業(yè)務(wù)洞察上。第三是數(shù)據(jù)工具的使用問題。時(shí)至今日，仍然有少數(shù)客服中心的EXCEL版本停留在2003版。對于除了EXCEL之外的其它更加高效便捷的諸如SPSS、JMP、R、SAS、Tableau、PowerBI等數(shù)據(jù)分析與挖掘工具了解很少。而即便在功能已經(jīng)非常強(qiáng)大的EXCEL面前，大多數(shù)人也仍然只是會(huì)用最基本的幾個(gè)功能而已。

　　總之，客服中心的數(shù)據(jù)運(yùn)營前景光明，但仍需打好基礎(chǔ)，緊扣運(yùn)營，次第提升。