首頁(yè)>>廠(chǎng)商>>CTI系統平臺廠(chǎng)商>>易谷網(wǎng)絡(luò )

呼叫中心中可定制報表系統的設計與實(shí)現(一)

上海易谷網(wǎng)絡(luò )科技有限公司 趙延超 2010/01/11

圖1.1 呼叫中心基本架構圖

　　呼叫中心通過(guò)電話(huà)自助語(yǔ)音方式來(lái)代替傳統的柜臺業(yè)務(wù)，能夠每天24小時(shí)不間斷地隨時(shí)提供服務(wù)，并且有比柜臺服務(wù)更好的友好服務(wù)界面。從而，用戶(hù)不必跑到營(yíng)業(yè)處，只要接入呼叫中心系統就能迅速獲得信息和進(jìn)行一些信息的存儲、轉發(fā)、查詢(xún)、交換等操作，還可以通過(guò)呼叫中心完成部分交易[2] [3]。另外，大多數呼叫中心還提供傳真服務(wù)，它可以將交易記錄等信息傳真給客戶(hù)。

1.1.2　報表系統

　　呼叫中心大規模使用以后，為了更好地衡量呼叫中心是否能夠發(fā)揮最佳的績(jì)效，以隨時(shí)調整呼叫中心的運作策略，系統需要有統一的報表管理來(lái)對業(yè)務(wù)水平進(jìn)行評價(jià)。

　　報表系統把呼叫中心中的數據進(jìn)行組裝，分析和包裝管理，再以圖表，文字和表格形式通過(guò)網(wǎng)絡(luò )定期傳播并更新，達其所用。它以一個(gè)規范的系統架構形式定期提供信息給決策者來(lái)支持他們的工作，來(lái)提高業(yè)務(wù)人員的服務(wù)態(tài)度和工作效率[4]。

與呼叫中心結合后，報表按照對呼叫中心中不同對象的數據統計，大致有以下幾類(lèi)。

　　1. 坐席報表
　　2. 坐席組報表
　　3. 隊列報表
　　4. 隊列組報表
　　5. 路由點(diǎn)報表
　　6. 技能組報表
　　7. 分機報表
　　8. IVR（Interactive Voice Response）報表

　　對這些報表的數據統計可以衡量呼叫中心中坐席服務(wù)態(tài)度、坐席服務(wù)是否專(zhuān)業(yè)、坐席業(yè)務(wù)熟悉程度、呼叫中心資源分配情況、業(yè)務(wù)流程的合理性、各部件工作效率等。下面以坐席為例，簡(jiǎn)要描述一下對呼叫中心中報表數據統計的詳細內容以及作用。

　　1. 統計坐席接起電話(huà)以前電話(huà)鈴響的時(shí)間，衡量坐席服務(wù)態(tài)度。
　　2. 統計坐席通話(huà)前客戶(hù)在話(huà)路分配隊列中等待時(shí)間，衡量呼叫中心資源分配是否合理。
　　3. 統計客戶(hù)電話(huà)被掛起的次數和總的時(shí)間，衡量坐席服務(wù)是否專(zhuān)業(yè)。
　　4. 統計客戶(hù)和坐席通話(huà)時(shí)間，衡量坐席業(yè)務(wù)熟悉程度、業(yè)務(wù)流程的合理性。
　　5. 統計坐席處于待機狀態(tài)時(shí)間，衡量坐席數量是否過(guò)多。
　　6. 統計其它坐席參與三方通話(huà)的次數：衡量坐席業(yè)務(wù)熟悉程度以及業(yè)務(wù)流程的合理性。
　　7. 統計坐席處理一個(gè)來(lái)電／外拔的時(shí)間，衡量坐席工作效率。
　　8. 統計坐席輸入資料的時(shí)間，衡量坐席對業(yè)務(wù)熟悉程度。

1.2　國內外研究現狀

　　由于報表系統在呼叫中心系統中的基礎性和必要性地位，報表統計功能的應用非常廣泛。同時(shí)報表系統軟件也引起了國內外不少人的關(guān)注和重視。近年來(lái)，隨著(zhù)軟件開(kāi)發(fā)技術(shù)的日新月異，報表技術(shù)不斷成熟和完善，報表工具種類(lèi)繁多并且功能各具特色，目前已經(jīng)出現了一些頗具特色的報表工具軟件。下面從國外和國內兩個(gè)方面扼要介紹一下報表工具的研究現狀和進(jìn)展。

1.2.1　國外報表工具現狀

　　國外主流的報表工具包括水晶報表(Crystal Report)、Style Report、FastReport、QuickReport、Excel等，它們比較側重于大型數據的處理，樣式非常規整，不過(guò)在呈現方面還不能直接滿(mǎn)足國內報表大量的個(gè)性化定制需求[5] [6]。下面以Excel和QuickReport為例介紹一下國外的報表工具特點(diǎn)。

1.Excel

　　Excel是歷史悠久的電子表程序之一，功能強大，許多后來(lái)出現的Windows報表工具均受其影響，甚至在功能和界面上加以模仿[7] [8]。

Excel具有如下特點(diǎn)：

• 可視化界面


• 豐富的格式支持

• 豐富的數據處理功能

• 支持多種數據源


• 支持交互式報表


• 提供編程環(huán)境

• 分段及可視報表設計


• 多線(xiàn)程


• 不定長(cháng)報表及不定長(cháng)備注


• 任意分組


• 即時(shí)預覽


• 支持復合報表


• 可以把報表轉化為HTML格式


• 可以用報表向導來(lái)創(chuàng )建報表


• 可使用與BDE兼容的所有數據庫，支持ODBC，支持自定義格式

• 支持定制自由的報表樣式


• 支持靜態(tài)文本字符、用戶(hù)輸入數據、SQL查詢(xún)語(yǔ)句、函數及四則運算表達式、報表內置公式等數據產(chǎn)生方式


• 支持多個(gè)ODBC數據源


• 支持多表單的報表框架


• 支持統計報表的報表保存到歷史數據庫中的功能


• 支持報表歷史數據庫的直接瀏覽


• 支持任意層次機構的歷史報表合并和累計


• 支持報表上再建報表的能力


• 支持各種形式的圖表表現形式


• 支持自動(dòng)分頁(yè)打印


• 支持用戶(hù)編程接口


• 具有安全管理機制

圖2.1 數據倉庫系統體系結構圖

根據其本質(zhì)而言，數據倉庫具備以下四個(gè)關(guān)鍵特征[22]：

1.面向主題(Subject Oriented)的數據集合

　　數據倉庫通常圍繞一些主題，如“產(chǎn)品”、“銷(xiāo)售商”、“消費者”等來(lái)進(jìn)行組織。數據倉庫關(guān)注的是決策者的數據建模與分析，而不針對日常操作和事務(wù)的處理。因此，數據倉庫提供了特定主題的簡(jiǎn)明視圖，排除了對于決策無(wú)用的數據。它面向主題是與傳統數據庫面向應用相對應的，是一個(gè)在較高層次上將數據歸類(lèi)的標準，每一個(gè)主題對應一個(gè)宏觀(guān)的分析領(lǐng)域。

2.集成(Integrated)的數據集合

　　數據倉庫通常是結合多個(gè)異種數據源構成的，異種數據源可能包括關(guān)系數據庫、面向對象數據庫、文本數據庫、Web數據庫、一般文件等。集成的數據集合是指在這些數據源中的數據進(jìn)入數據倉庫之前，必須經(jīng)過(guò)數據加工和集成，這是建立數據倉庫的關(guān)鍵步驟，首先要清洗原始數據中的矛盾之處，還要將原始數據結構做一個(gè)從面向應用和面向主題的轉變。

3.時(shí)變(Time Variant)的數據集合

　　數據存儲從歷史的角度提供信息，所以數據倉庫中包含時(shí)間元素，它所提供的信息總是與時(shí)間相關(guān)聯(lián)的。數掘倉庫中存儲的是一個(gè)時(shí)間段的數據，而不僅僅是某一個(gè)時(shí)刻的數據。它要求數據倉庫中的數據保存時(shí)限能滿(mǎn)足進(jìn)行決策分析的需要，而且數據倉庫中的數據都要標明該數據的歷史時(shí)期。

4.非易失(Nonvolatile)的數據集合

　　數據倉庫總是與操作環(huán)境下的實(shí)時(shí)應用數據分離存放，因此不需要事務(wù)處理、恢復和并發(fā)控制機制。數據倉庫里的數據通常只需要兩種操作：初始化載入和數據訪(fǎng)問(wèn)。它反映的是歷史數據的內容，而不是日常事務(wù)處理產(chǎn)生的數據，數據經(jīng)加工和集成進(jìn)入數據倉庫后是極少或根本不修改的。因此其數據相對穩定，極少或根本不更新。

　　綜上所述，數據倉庫是一種語(yǔ)義上規范的數據存儲，它在決策支持數據模型中充當物理實(shí)現的角色，并存放企業(yè)戰略決策所需的信息。數據倉庫也常常被視為一種體系結構，通過(guò)將異種數據源中的數據集成在一起而構成，支持結構化和專(zhuān)門(mén)的查詢(xún)、報告分析和決策制定。數據倉庫最根本的特點(diǎn)是物理地存放數據，這些數據并不是最新的、專(zhuān)有的，而是來(lái)源于其它數據庫的。數據倉庫的建立不是要取代數據庫，但因為它們面向的應用不同，所以要建立在一個(gè)較全面和完善的信息應用的基礎之上，才能用于支持高層決策分析，而事務(wù)處理數據庫在企業(yè)的信息環(huán)境中承擔的則是日常操作性的任務(wù)。數據倉庫是數據庫技術(shù)的一種新的應用。到目前為止，數據倉庫還是用數據庫管理系統來(lái)管理其中的數據，數據倉庫技術(shù)主要從數據庫中提取部門(mén)所需要的數據，以滿(mǎn)足部門(mén)級的需要[22]。

2.2　數據倉庫技術(shù)的優(yōu)越性

　　數據倉庫技術(shù)較之傳統計的數據庫技術(shù)有著(zhù)明顯的優(yōu)越性，具體表現在以下幾個(gè)方面。

　　首先，數據倉庫是一種有效的管理技術(shù)，將分布在網(wǎng)絡(luò )中不同站點(diǎn)的商業(yè)數據集成到一起，為決策者提供各種類(lèi)型的、有效的數據分析，起到?jīng)Q策支持作用。它是一個(gè)壞境，而不是一件產(chǎn)品，它提供用戶(hù)用于決策支持的當前和歷史數據，這些數據在傳統的操作型數據庫中很難或不能得到[22] [23]。

　　其次，傳統的關(guān)系型數據庫RDB遵循一致的關(guān)系型模型，其中的數據（記錄）以表格的方式存儲，并且能用統一的結構化查詢(xún)語(yǔ)言(SQL，Structual Query Language)進(jìn)行數據查詢(xún)，因此它的應用常被稱(chēng)為聯(lián)機交易處理(OLTP)，其重點(diǎn)在于完成業(yè)務(wù)處理，及時(shí)給予客戶(hù)響應。它能夠處理大型數據庫，但不能將其簡(jiǎn)單地堆砌就直接作為數據倉庫來(lái)使用。而數據倉庫主要工作的對象為多維數據，因此又稱(chēng)為多維數據庫。多維數據庫的數據以數組方式存儲，既沒(méi)有統一的規律可循，也沒(méi)有統一的多維模型可循，它只能按其所屬類(lèi)別進(jìn)行歸類(lèi)。以應用而言，多維數據庫應該具備極強的查詢(xún)能力，且存儲的信息既多又廣，但由于其完成的是一種聯(lián)機事物分析(OLAP)，因此并不追求瞬時(shí)的響應時(shí)間，只是在有限的時(shí)間中給予響應即被認可[23]。

　　然而，盡管數據倉庫與傳統數據庫之間存在著(zhù)如此大的差異，但設計數據倉庫并不是完全另起爐灶，而可利用現有的傳統處理數據，從中進(jìn)行信息的綜合，從而構造出滿(mǎn)足不同需求的數據倉庫。即數據從動(dòng)態(tài)的、目前事件驅動(dòng)的傳統工作數據流向靜態(tài)的、歷史性質(zhì)的數據倉庫。從理論上說(shuō)，從工作數據中戰略性地引入到期的數據可以完成這種轉變，但是由于受到實(shí)際存儲容量和技術(shù)的限制，這實(shí)際上是不可能的。因此必須從工作數據中分離和篩選數據進(jìn)入到數據倉庫中。鑒于以上各種因素，為保證OLAP的性能，必須將數據倉庫和傳統工作的數據相分離[22]。

　　最后，數據倉庫技術(shù)是把不同來(lái)源、格式和特點(diǎn)的數據在邏輯上或物理上有機地集中，從而為企業(yè)提供全面的數據共享，是企業(yè)商務(wù)智能、數據倉庫系統的重要組成部分。ETL技術(shù)是數據倉庫技術(shù)的主要解決方案，它能夠按照統一的規則集成并提高數據的價(jià)值，是負責完成數據從數據源向目標數據倉庫轉化的過(guò)程，是實(shí)施數據倉庫技術(shù)的重要步驟[22] [23]。

2.3 ETL關(guān)鍵技術(shù)研究

　　數據倉庫系統的建立就是要通過(guò)數據分析來(lái)輔助自己決策，把最原始的數據資源轉換為信息、知識[24]。不過(guò)由于這些數據的來(lái)源、格式不一樣，導致了系統實(shí)施、數據整合的難度。要解決數據一致性與集成化問(wèn)題，就需要有一個(gè)全面的解決方案來(lái)擺脫困境，使其能夠從所有傳統環(huán)境與平臺中采集數據，并且該解決方案能夠對其進(jìn)行高效的轉換，這個(gè)解決方案就是ETL[22]。

　　ETL是Extraction, Transformation和Loading的縮寫(xiě)，指數據抽取、轉換和清洗、裝載的過(guò)程。它是實(shí)現數據倉庫之前的重要步驟，對于倉庫中數據質(zhì)量的保證具有重要意義。它從運作資源中抽取數據并按照一定的要求將數據進(jìn)行轉換和清洗，最后將高質(zhì)量的數據裝載到數據倉庫或數據集市中，為更高層次的應用提供決策分析[23]。ETL體系結構如圖2.2所示。

圖2.2 ETL體系結構圖

下面從ETL體系結構出發(fā)，由三個(gè)方面來(lái)詳細研究ETL關(guān)鍵技術(shù)。

2.3.1　數據抽取

　　數據抽取是指從數據源中抽取數據倉庫系統所需的數據。數據抽取采用統一的接口，可以從數據庫中抽取數據，也可以從文件中抽取。對于不同數據平臺、源數據形式、性能要求的業(yè)務(wù)系統，或者不同數據量的源數據，可能采用的接口方式就不同。為了保證抽取效率，減少對生產(chǎn)運營(yíng)的影響，對于大數據量的抽取，采取“數據分割、縮短抽取周期”的原則，對于直接的數據庫抽取，采取協(xié)商接口表的方式，保障生產(chǎn)系統數據庫的安全。
從數據庫中抽取數據一般有全量抽取和增量抽取兩種方式[23]。

1.全量抽取

　　全量抽取類(lèi)似于數據遷移或數據復制，它將數據源中的表或視圖的數據原封不動(dòng)的從數據庫中抽取出來(lái)，并轉換成自己的ETL工具可以識別的格式。總體來(lái)說(shuō)，全量抽取比較簡(jiǎn)單。

2.增量抽取

　　增量抽取只抽取自上次抽取以來(lái)數據庫中要抽取的表中新增或修改的數據。在ETL使用過(guò)程中，增量抽取較全量抽取應用更廣。如何捕獲變化的數據是增量抽取的關(guān)鍵。捕獲變化時(shí)，首先要能夠將業(yè)務(wù)系統中的變化數據按一定的頻率準確地捕獲到；其次不能對業(yè)務(wù)系統造成太大的壓力，影響現有業(yè)務(wù)。

2.3.2　數據轉換和加工

　　從數據源中抽取的數據不一定完全滿(mǎn)足目的數據庫的要求，例如數據格式的不一致、數據輸入錯誤、數據不完整等等，因此有必要對抽取出的數據進(jìn)行數據轉換和加工。

　　數據轉換，主要是針對數據倉庫建立的模型，實(shí)現數據從業(yè)務(wù)模型到分析模型的轉換。數據轉換是將源數據變?yōu)槟繕藬祿�的關(guān)鍵環(huán)節，它包括數據格式轉換、數據類(lèi)型轉換、數據清洗、數據拆分、數據匯總計算、數據拼接等，保證來(lái)自不同系統、不同格式的數據和信息模型具有一致性和完整性，并按要求裝入數據倉庫。

　　數據的轉換和加工可以在ETL引擎中進(jìn)行，也可以在數據抽取過(guò)程中利用關(guān)系數據庫的特性同時(shí)進(jìn)行[23]。

1.ETL引擎中的數據轉換和加工

　　ETL引擎中一般以組件化的方式實(shí)現數據轉換。常用的數據轉換組件有字段映射、數據過(guò)濾、數據清洗、數據替換、數據計算、數據驗證、數據加解密、數據合并、數據拆分等。這些組件如同一條流水線(xiàn)上的一道道工序，它們是可插拔的，且可以任意組裝，各組件之間通過(guò)數據總線(xiàn)共享數據。

2.在數據庫中進(jìn)行數據加工

　　關(guān)系數據庫本身已經(jīng)提供了強大的SQL和函數來(lái)支持數據的加工，如在SQL查詢(xún)語(yǔ)句中添加where條件進(jìn)行過(guò)濾，查詢(xún)中重命名字段名與目的表進(jìn)行映射，substr函數，case條件判斷等等。

　　相比之下，直接在SQL語(yǔ)句中進(jìn)行轉換和加工更加簡(jiǎn)單清晰，性能更高。對于SQL語(yǔ)句無(wú)法處理的可以交由ETL引擎處理。

2.3.3　數據裝載

　　數據加載是將轉換后的數據加載到數據倉庫中，數據的加載可以采用數據加載工具，也可以采用編程進(jìn)行數據加載。數據加載具有加載周期，數據加載周期要綜合考慮經(jīng)營(yíng)分析需求和系統加載的代價(jià)，對不同業(yè)務(wù)系統的數據采用不同的加載周期，但必須保持同一時(shí)間業(yè)務(wù)數據的完整性和一致性。

　　將轉換和加工后的數據裝載到目的庫中通常是ETL過(guò)程的最后步驟。裝載數據的最佳方法取決于所執行操作的類(lèi)型以及需要裝入的數據量。

2.4 本章小結

　　本章對可定制報表系統所涉及的數據倉庫和ETL關(guān)鍵技術(shù)進(jìn)行了綜述性的研究。該部分主要介紹了數據庫概念，研究了數據倉庫技術(shù)較之傳統數據庫的優(yōu)越性，數據ETL關(guān)鍵技術(shù)以及其各步驟的具體流程，為可定制報表系統的解決方案做了關(guān)鍵性技術(shù)前提。

　　本文未經(jīng)許可謝絕轉載!

呼叫中心中可定制報表系統的設計與實(shí)現(二)
呼叫中心中可定制報表系統的設計與實(shí)現(三)
呼叫中心中可定制報表系統的設計與實(shí)現(四)

作者獨家供稿 CTI論壇報道