20世紀90年代，被稱(chēng)為百貨商店之父的美國人約翰？沃納梅克曾說(shuō)過(guò)這樣一句話(huà)：“我的廣告費有一半浪費掉了”。當時(shí)的我不理解也無(wú)從了解“被浪費掉的廣告費”是指哪些，因為數據十分零散，想要收集數據進(jìn)行分析十分困難，投入非常大。
如今隨著(zhù)信息時(shí)代的來(lái)臨，數據庫、數據倉庫以及云計算的出現讓我們獲取數據、存儲數據和分析數據的成本大大降低，分析和挖掘海量數據成為可能。數據分析已經(jīng)成功運用到各行各業(yè)中企業(yè)決策的各個(gè)方面，為績(jì)效提升做出了卓越貢獻。
大多數客服中心對于數據分析一定也不陌生，都或多或少地設有相關(guān)崗位，但是數據分析人員的實(shí)際工作效能卻千差萬(wàn)別。比較普遍情況是，許多客服中心的數據分析人員主要從事報表數據的匯總整理，加上一些簡(jiǎn)單的統計，之后交給相關(guān)業(yè)務(wù)人員或管理層。他們的工作不僅枯燥乏味，自身價(jià)值也沒(méi)有得到很好的體現。如何才能在客服中心做好數據分析工作，真正發(fā)揮出相關(guān)崗位的價(jià)值呢？筆者認為需要從以下三個(gè)方面進(jìn)行思考。
關(guān)鍵點(diǎn)一：數據分析作用何在，是否需要培養自己的數據分析人員？
在國內許多傳統的企業(yè)中，做決策往往都是靠管理者“拍腦袋”，而很多管理者，包括客服中心的管理層對于經(jīng)驗都十分看重，他們認為通過(guò)自己過(guò)去的經(jīng)歷，就能夠很好地在管理中做出正確的選擇。
事實(shí)上，隨著(zhù)國外先進(jìn)管理理念的傳入，越來(lái)越多的管理者選擇利用數據分析來(lái)輔助決策。因為管理經(jīng)驗與市場(chǎng)需求存在差異，經(jīng)驗決策并不能保證任何時(shí)候都能準確把握方向。數據分析的作用就在于通過(guò)真實(shí)可靠的數據，用事實(shí)說(shuō)話(huà)，使管理者能真正把握市場(chǎng)的聲音，這樣的決策才更客觀(guān)。
有些管理者認為，在客服中心內部設立數據分析崗位會(huì )增加成本。而選擇專(zhuān)業(yè)的第三方來(lái)進(jìn)行數據分析更加有效。其實(shí)，且不說(shuō)數據保密的要求，客服中心在日常運營(yíng)中可能遇到很多問(wèn)題，比如排班吻合度是不是足夠好，質(zhì)檢抽檢多少條才能在保證抽樣可靠性的同時(shí)確保人員工作負荷不過(guò)大。有決策就有分析需求，如果把這些全部交給第三方，成本太高，也不現實(shí)。
關(guān)鍵點(diǎn)二：數據分析人員成長(cháng)路線(xiàn)如何規劃？
前面已經(jīng)提到，許多客服中心數據分析人員從事的工作簡(jiǎn)單枯燥，無(wú)法體現自身價(jià)值。這和企業(yè)沒(méi)有對數據分析人員做好定位、規劃成長(cháng)路線(xiàn)有直接關(guān)系。在客服中心，數據分析人員簡(jiǎn)單來(lái)說(shuō)可以分為三個(gè)層級“助理數據分析師---數據分析師--高級數據分析師。
助理數據分析師：能夠在他人指導下，識別需求、認識問(wèn)題。助理數據分析師主要做一些描述性統計分析，能夠基本說(shuō)清“是什么”。例如，對上半年各月接通率進(jìn)行分析，說(shuō)清楚每個(gè)月變化規律如何，整體趨勢是增加了還是降低了等等。
數據分析師：能夠獨立處理需求，完成一個(gè)分析任務(wù)。具備了推斷和多元統計分析能力，對于一項數據分析工作，能夠條理清晰地設計分析方案，并能回答“是什么，為什么”。
高級數據分析師：不僅能夠獨立處理數據分析需求，還十分熟悉各業(yè)務(wù)內容，明白數據分析需求背后隱藏的問(wèn)題，并有效推動(dòng)解決問(wèn)題。高級數據分析師不僅能夠對現有問(wèn)題進(jìn)行分析，還能根據現有問(wèn)題進(jìn)行探索和驗證性分析，相比于數據分析師，更擅長(cháng)回答“怎么辦”。
關(guān)鍵點(diǎn)三：數據分析崗位如何設置？
不同的客服中心，對于數據分析崗位的設置有所不同，這個(gè)問(wèn)題其實(shí)是一個(gè)組織架構問(wèn)題。具體說(shuō)來(lái)有兩種：一種是項目式，即各個(gè)項目在業(yè)務(wù)上各自獨立，各自設有自己的數據分析崗位，從事本項目?jì)鹊臄祿治龉ぷ鳎涣硪环N是職能式，即全中心設立統一的數據分析部門(mén)，平行于各項目，統一承擔全中心的數據分析任務(wù)。
兩種設置方式各有利弊：項目式的設置，數據分析人員與各項目接觸頻繁，對業(yè)務(wù)熟悉，提取數據也方便，自主分析能力強。而且數據從提取到分析都控制在自己部門(mén)手里，不易泄密。而缺點(diǎn)也十分明顯，主要是做項目間的全面分析，存在部門(mén)利益的矛盾，對于分析師而言，如果要做一份全面分析，內容同時(shí)涉及呼入、外呼兩部分，相關(guān)數據分別屬于不同部門(mén)，而分析人員只屬于呼入部門(mén)，那外呼部分的數據則受制于人，獲取數據困難，最終的分析結果很難達到期望水平。而各部門(mén)數據不能共享，會(huì )造成懂呼入的人不懂外呼，反之一樣，而沒(méi)有統一的部門(mén)協(xié)調全中心的信息，直接影響運營(yíng)效率。
而對于管理者而言，各部門(mén)容易陷入報喜不報憂(yōu)，各自為自己部門(mén)爭取最大利益從而影響到整體利益的囚徒困境，導致管理者無(wú)法從整體上真實(shí)有效把控客服中心整體情況，做出正確決策。而職能式的設置，是指所有的數據分析人員都集中在一個(gè)獨立的數據部門(mén)，數據部門(mén)直接對公司管理層負責，地位平行或高于各業(yè)務(wù)部門(mén)。這樣，數據部門(mén)可以從各業(yè)務(wù)部直接提取數據，根據業(yè)務(wù)部門(mén)的需求，為業(yè)務(wù)部門(mén)提供相應的支持。對于管理者而言，數據部直接站在客服中心層面做整體的分析，可以有效輔助管理者做好業(yè)務(wù)部門(mén)之間的配合、資源協(xié)調等。職能式組織雖然解決了部門(mén)利益與全面利益的矛盾，但由于和各業(yè)務(wù)部門(mén)獨立，熟悉度不高，容易產(chǎn)生業(yè)務(wù)部門(mén)對于分析報告理解上的偏差。
數據分析對于客服中心而言是一個(gè)永恒的主題，如何真正做好數據分析，讓每天無(wú)時(shí)無(wú)刻不在產(chǎn)生的大量數據告訴我們運營(yíng)該何去何從是每一個(gè)管理者都想知道的答案。只有真正重視數據分析，才會(huì )在最終的運營(yíng)中得到收獲。
