從數據挖掘走向大數據演講稿

　　從數據挖掘走向大數據演講稿

　　徐元亮

　　大家好！歡迎大家來參加我們今天這個聯絡中心大數據系列應用的講座，這一次我們這個講座是我們這一系列的第一次課程。現場有我們的觀眾，也有視頻前面的觀眾。

　　首先簡單介紹一下所謂聯絡中心的大數據應用，這個系列課程還是圍繞着現在比較流行大數據的概念，然後跟聯絡中心之間彼此相關的關係，跟相應的應用，那我們會有六個課程的主題。

　　第一部分我們是在講從數據挖掘到大數據。第二個主題是跟大家介紹有關大數據的基本概念，第三個部分會跟大家介紹聯絡中的一個全局的戰略，第四個部分是在講聯絡中的精準營銷上面的運用，第五個部份是怎麼運用聯絡中心提升客戶的體驗，最後第六個這個單元我們會跟大家介紹一下如何在聯絡中心內部搭建測試學習這個平台。

　　那開始我們後面課程之前，會花點時間簡單介紹一下我自己個人背景。

　　我叫徐元亮在聯絡中心這個行業工作有超過15年以上的時間，那最早我求學跟第一份工作是在台灣但是從2003年以後就在內地開始工作，那在大陸這邊也有超過10年以上工作時間。在學校部分我在台灣的國立台灣大學心理系取得本科的學歷，之後在美國德克薩斯貝勒大學Baylor University取得教育心理學的學位。

　　第一份工作是在台灣電信公司叫台灣大哥大它的一個2000以上規模的CallCenter裡面擔任培訓主管一個工作，在2003年到大陸之後陸陸續續保險公司在幾家保險公司曾經公做過包括太平洋保險 天平保險 中國大地保險最後一份工作在大地保險工作七年時間，協助它建立電話銷售中心整個籌建以及後面規模的運作，那個人最大的管理幅度當時大概下面管理大概超過有2000的座席。年營業額超過10億。那在2004年以後離開了企業界，在外面開始從事諮詢與專門培訓的工作那我今年開始2015年也成立專門這個培訓工作室，那主要培訓內容主要圍繞着聯絡中心開始跟各位能夠有機會介紹這個有關聯絡中心大數據運用或者電話營銷管理或者電話客服管理這個課程。以上是有關是自己資歷的簡介，那之後是我們這系列正式課程。

　　首先第一個我們要跟大家做報告分享主題是從數據挖掘走向大數據。開始今天主題之前要跟大家談一下到底大數據是什麼樣概念，還有就是說我們跟聯絡中心彼此之間有什麼樣的關係。

　　這幾年在我們國內大數據是熱門的話題！各行各業幾乎脫口都要談到大數據，做一些數據分析整理的時候，基本上你不講大數據感覺好像這個企業管理現在這個數據庫管理就脫節了。實際上真真正有多少企業已經真正開始用大數據這個應用，就聯絡中心這個行業來講又有那些聯絡中心真正開始應用大數據。

　　個人覺得就是說如果真正要了解大數據在聯絡中心的運用，可能要先從客戶關係管理跟數據挖掘，這些基本的數據管理概念開始談起。

　　這一張投影片大概是我在10多年前第一份工作，剛才提到的台灣大哥大有位同事叫李明德李先生，他現在應該還在台灣大哥大工作，當時他做的投影片。

　　經過10多年時間，雖然中間有一些跟客互動渠道有了變化，但是裡面一些包括聯絡中心跟數據倉儲跟後面目標客戶細分，客戶忠誠度終身價值之間的關係，其實10多年來我認為還是沒有太大的變化。中間數據挖掘技術其實從這個概念到現在有將近20年時間，但是真正在聯絡中心或者企業界，得到很好的應用可能也是最近幾年的事情。

　　這張圖可以跟大家解釋，有關客戶關係管理跟聯絡中心的一些說明，簡單來講就是說我們認為做到應用數據挖掘或大數據聯絡的前提，它必須是一個以客戶為中心的聯絡中心，在前台部分它會有各種不同的接觸渠道，跟客戶進行互動包括傳統電話語音包括現在比較流行的手機APP或即時通訊軟件像QQ或者是說天貓、淘寶’上面的旺旺 包括微信上面的這個社交媒體，微信微博，包括互聯網上面官網，包括微信的公眾號等等。這些都可以依靠我們聯絡中心在後台給客戶提供相應的一些支持。

　　另外來講，ATM終端，或者是在國外我們看到有一些加油站或者便利超商它也有一些做娛樂或者是相關服務購買、充值的終端，事實上也能夠由Call Center在後面提供相關的服務。

　　另外還有傳統服務 傳真 電子郵件等等，這些其實也都在聯絡中心提供互動的一些範圍。還有就是一些實體渠道。傳統上面我們大家認為聯絡中心跟面對面的機構跟渠道之間沒有什麼太大關係，但事實上我們看到很多先進公司事實上在傳統渠道的部分他其實也是有Call Center在給我們傳統渠道面對面銷售人員或者這個中介銷售隊伍提供相應的支持。

　　比如說十年前我在幫微軟和Cisco 提供外包服務的時候，就看到他們的企業銷售團隊在跟客戶去談這些大的訂製化IT系統解決方案的時候，不管是說買這個作業系統的軟件或買一些服務器、Router路由器硬件，通常來講他們會在Call Center 指定一個相應的助理做項目的支持，然後他們會提供簡單的諮詢及問題反應記錄，甚至有一些制式化的報價等相應的工作。

　　有一些比較複雜的工作他會即時聯繫大客戶項目代表本人到現場進行處理，總而言之，就是說如果我們能夠做到以客戶為中心的後台，其實聯絡中心它是會隨着我們交互渠道不斷的演進，在前台各種不一樣的交互渠道中去提供數據收集跟整理。

　　為了做到以客戶為中心，聯絡中心後面必須要有一個數據倉儲，在數據倉儲裡面包括來自市場營銷來自客戶服務，從前端銷售到後端服務售後整個全方位的一些信息。通過數據挖掘的一些手段以及工具，那我們能夠做到目標客戶的細分，針對不同客戶細分我們給他一些客制化這個產品服務或者是說對流層。最終目的是提高客戶的忠誠度以及提高客戶終身價值，這個是我對聯絡中心與數據挖掘彼此之間關係的理解。

　　下一張投影片主要跟大家介紹怎麼樣從數據挖掘到真正產生商業價值、企業管理價值的商業智能系統。

　　簡單來講就是說我們做大量數據挖掘工作之後最主要目的是能夠幫我們很多線索，作為我們聯絡中心跟客戶去做服務跟銷售的一個參考依據，甚至說做一個重要的指導。

　　為了達到這個目的從單純數據挖掘 我們必須進一步要做到所謂商業智能系統，商業智能系統的基本雛形大概會是這個樣子的，在這個整個系統的最後面會有一些各種各樣的數據源，不同數據源經過ETL一些程序它會進入我們的數據倉庫，在經過數據倉庫之後同樣進到另外一道ETL.它會進到各個子的數據集市DataMarket在我們不同業務部門有需要的時候，不管是給客戶提供銷售、給客戶提供服務，這個時候我們會從不同的數據集市子集當中，去抽取我所需要的信息，給我的工作提供相應指導，這個是一個簡單的商業智能系統的雛形架構。

　　中間跟大家提一下ETL這樣的概念，我們在講數據挖掘或者比較熱門的大數據的時候，經常提到我這個系統、這個模型的ETL流程是怎樣？他指的就是：數據的提取Extract、數據轉換Transform 、以及數據加載Load,那這幾個是在做數據整理當中，經常要使用的步驟。

　　不同數據庫的管理系統，不同數據庫的模型 在這當中它其實有一些相應的不同作法，這也代表系統的優勢和劣勢，簡單來講，整個數據化到商業智能，後台部份必須具備跟數據庫連接的功能、必須要具備ETL功能、必須要具備數據倉庫跟數據集市管理功能，在前端的部份，它要有一個很友好的數據展示功能配置，同時要能做到數據探索的配置，比方說，我在顯示的時候我可以看到全國的數據，我也可以進一步往下細分的每一個市，每一個三級的縣或鄉鎮，甚至於來講，可以看到某年齡段的客戶或針對某一個產品曾經購買的客戶。

　　回到我們講數據挖掘在企業以及CallCenter的應用，我覺得可以從兩個層面來看比較常見的應用。第一個跟我們聯絡中心比較有關的，是基於貫穿客戶生命價值的數據分析，簡單來講，我們看整個生命周期可分為三個階段：第一個階段是客戶獲取、第二個階段是客戶接觸、最後一個階段是客戶挽留跟贏回。

　　在客戶獲取階段 我們可以去做相關的渠道分析，比方說分析網絡推廣的成本跟收益，分析電話外呼響應率，分析交叉銷售跟向上銷售的效率。在客戶生命周期價值部份，我們可以去分析客戶價值模型，我們可以去做相關的客戶分群，我們可以去做客戶風險模型，針對他的信用、針對他的風險去做一些基於數據庫的分析。

　　客戶接觸階段主要可以從三個象限去做考慮，第一個是產品，第二個是客戶，第三個是坐席，產品部份我們去分析它的產品設計對於整個銷售行為、客戶階段的影響，產品定價可以去做進一步分析；客戶的部份，我們可以分析他的溝通策略及用戶體驗；坐席部分，我們可以去做坐席的工作績效，以及離職率等人力資源相關指標的分析。

　　最後是客戶挽回跟贏回，客戶挽回指的是說當客戶有流失風險的時候，我應該怎麼樣作提早的介入，中間我們可以去分析客戶挽回相應所花的預算，還有禮品的有效性，以及客戶挽回成功率的模型。在客戶贏回這個部份指的是說因為任何一個原因，這個客戶可能不在我們這邊繼續購買產品或服務了，但是我有一個新的產品或服務，或者新的促銷活動的時候，怎麼想辦法重新贏回。這裡面我們可以分析客戶流失的原因，流失率的分析，也可以去做重新贏回成功率的分析。

　　第二個我們經常使用到的數據分析向度，是貫穿整個企業經營的數據分析。從企業經營角度，我們分成四個部份來看，第一個是營銷分析，第二是企業風險控制分析、第三個是產品創新、第四個是資源配置。

　　中間有一些 我們可能會在後面其他單元講到，簡單來說，在整個企業級的分析當中，我們希望能盡量收集到大量數據，數據來源能盡量真實和準確，或着想辦法提升它的真實準確程度，不同的數據可以來自不同的緯度，不一定要有非常明確的相關性，在數據之間會進一步交叉檢驗，有條件的情況下，我們可以在企業外部找一些公共的數據資源，或者跟其他企業、其他行業的數據間，去做外部數據的交換或拓展。

　　簡單來講，可以應用到的一些數據包括：客戶信用分數、年收入、教育背景、職業、人脈關係、社交網絡的記錄、信用紀錄、負債記錄、在專業領域裡面的相關紀錄，他目前所屬的人生階段，已婚、未婚、有沒有小孩等等，他的行為偏好以及電子商務購買的相關紀錄，這些都可以做為企業分析的基礎。同樣的，在我們企業分析的依據之下，也可以對我們聯絡中心的作業提供相應的指導。

　　最後來講，我們在做整個數據挖掘它的目的，就是說，我們當然希望下一步能夠把我們的聯絡中心轉換成一個基於大數據管理的聯絡中心。

　　首先的條件就是，在整個聯絡中心的後台，你必須要具備所謂數據生態系統的條件，如果說我聯絡中心沒有做到以客戶為中心，我聯絡中心的運作後台並沒有相應數據庫跟挖掘分析模型的支持，那其實大數據對我的聯絡中心日常管理作業起不到很大的指導意義。

　　所謂的數據生態系統，至少包含三大部分。第一個是有相應的數據源，包括外部電信運營商的數據，他的網路使用習慣，使用的流量，包括他的GIS的相關定位的歷史紀錄跟信息，公安部、教育部或者其他政府機構的公告訊息，社交網路上面留下的紀錄以及電子商務購買的紀錄，還有金融機構相關的購買跟信用行為、貸款行為等相應紀錄，這些都可以做為數據來源；這些外部數據通過第二個部分，我們的數據實驗室，在每個數據去做一定的價值評估，通過數據源的管理，去做數據相應的匹配，這裡面可能會包括有效性的驗證、除重、或者內外部數據的比對，在比對過程當中、整理過程當中，我們去評價相關所整理數據的價值，然後結合內外部數據，才回到我們第三個部分，就是建立起企業的數據平台，數據平台裡面包含模型管理，中間可能包括相關的人口數據、資產數據、信用數據、生活行為、社會、支付行為等等其他一些數據，如果說企業考慮在現有的數據生態系統的基礎下，我希望往進一步往大數據進行，現在開始也有很多大數據的基礎架構，能夠提供企業相應支持，這幾年比較流行的比方說Hadoop 、PIG 、 Hive這些是都基於大數據，或是基於非結構化數據，能夠提供數據庫支持的平台。

　　基本上基於以上這幾點我們認為，在討論聯絡中心去做大數據應用之前，必須要提前具備的主題，也是我們今天討論從數據挖掘走向大數據的內容，以上這個單元就到這邊，謝謝大家。