数据竞争力

孙泠

在数据团队看来，呼叫中心是企业中最败家的部门了——在每天与最终用户的沟通中，被丢弃的价值数据简直不计其数。“任何一位联系人都会在这里留下个人信息、联系方式、业务资料等多种信息，就连接待人员的服务情况也会被记录在案，”资源分析企业HfS研究公司执行副总裁Tony Filippone认为，“如此海量的宝贵信息一直令其他关键性业务部门羡慕不已，特别是财务、会计以及处理客服投诉的人员。”

在呼叫中心的整个发展史，对于数据的分析基本上始终停留在相当肤浅的层面上——已接电话、平均等候时长、通话时长以及问题解决比例……这一切对于现代业务信息采集需求而言显然是远远不够的。

“随着时间的推移，企业不断引入更新、更强大的管理工具，希望借此帮助呼叫处理、调度以及实时数据配合业务更上一层楼。然而数据收集效果却始终取决于接待人员的表现及处理效率，”外包及管理咨询企业ISG公司呼叫中心首席顾问John Magliocca评价道。

但事情正在起变化。企业呼叫中心以及呼叫中心服务供应商都已经开始将新型分析工具引入业务，旨在从服务产生的大数据中挖掘出能够促进公司运营状态的有价值信息。这种变化的出现是由于多种业务因素的推动：如今呼叫中心里的业务代表们常常需要处理来自不同渠道的多种问题，而这类问题中所蕴含的信息比社交媒体以及网上论坛更广泛、更准确、也更有针对性。在Avaya大中华区总裁王昀看来，Avaya经历的从最初的单纯语音产品到现在的协同通信全线产品的转变就说明了行业的变迁。“语音、数据、视频三网合一的前提是开放的架构。面对社交媒体在消费者中的大规模普及，需要满足消费者从语音对话/社交媒体内容到后台服务的一站式要求，成为企业数据挖掘的一环。”

柳暗花明

系统能否在客户开口之前，就基本判断出令对方烦恼的主要问题？

“很多企业都在对非结构化数据进行文本内容归纳及情绪分析，并希望从中寻找可资借鉴的客户服务模式及发展趋势，”IBM公司预测分析部门副总裁Deepek Advani表示。IBM在这方面已经投入了不少精力，他们打造的文本分析及信息挖掘(简称TAKMI)工具已经在多家呼叫中心进入实际应用阶段。他们的目标是通过这套工具记录接待人员表现、确认客户关心的问题、突出服务趋势及模式并提供预先提示功能。

“许多企业都开始将呼叫中心生成的数据与事务数据仓库相整合，旨在减少客户流失并促进追加销售及交叉销售的执行效果，”Advani指出。“呼叫中心日志记录着客户来电咨询的内容，这不仅能够为企业提供业务前瞻性，更会带来对未来产品需求的准确预估。”

每一位打过客服热线的朋友几乎都曾经被“请按1、2、3、4”的自动应答机制搞得头昏脑涨。“一旦技术成熟，智能化设备将完全有能力接听并理解客户的需求，而不会再像以前那样令对方火上浇油，这对于企业来说无疑是一种福音，”Filippone解释道。“像IBM的沃森这类真正能与人交流的智能系统终将代替只会线性思维的自动应答机制。”

新应用并不总意味着巨额投入，社交媒体收听工具就相当价廉物美——通过追踪Twitter中的关键词及短语发现问题，并及时帮助呼叫中心管理者掌握近期顾客投诉的重点内容或者全局热点问题。“呼叫中心已经拥有丰富的数据资源与基础化分析功能，新的解决方案只是将这些内容进行总结和强化。如果不立足于这一根本，新的分析机制就会空有‘先进的名头，却无法给出客观准确的判断，”Filippone解释道。

反向跨界

有趣的是，这种跨界并不限于传统IT公司对大数据分析机构的侵吞和收购，众多的大数据“生产者”们也开始注意收集、增加自身的分析能力。今年4月，Twitter宣布收购美国从事社交网站数据调研公司Hotspots.io。这家名不见经传的公司之前的业务，主要是针对美国社交网络用户对超级碗橄榄球决赛电视广告的反应进行研究；加入Twitter之后，这只团队将负责开发各种分析工具，提供给Twitter的广告主和内容提供伙伴。

同样尝到大数据分析甜头的还有亚马逊的三位前工程师——Sundeep Ahuja Tyler Kohn , Michael DeCoursey 和Dave Selinger，他们创立的RichRelevance公司根据对消费者购物行为的数据分析，帮助零售商打造个性化商品推荐体验。对于零售商而言，针对各种来源的数据集推出个性化购物体验是一件非常困难的任务，而RichRelevance会分析消费者的“所有”行为数据，这些数据包括了消费者的购物历史、购物车历史、搜索历史以及其他消费者行为。举例来说，一位男士用信用卡为妻子购买了减轻妊娠反应的药品，几个月后，当他们的小宝宝降生后，针对年轻父母以及出生婴儿的全方位购物清单以及促销信息就会轻轻推送到他们的手机以及邮箱中。

传统企业中，零售业巨头沃尔玛正埋头将之前试点的10节点Hadoop扩展到250个节点。这一举动的背后是沃尔玛对硅谷中小型创业公司的一连串收购，这些创业公司不是精于数据挖掘和各种算法，就是在移动社交领域专长。“大数据提供了前所未有的可能性，有些甚至超出我们的想象，我们将拥有一个全球大一统的Hadoop数据仓库，推动内部数据分享和分析，但这需要在各种数据库之上建立一个跨平台的抽象层。”沃尔玛实验室（Walmart Labs）全球电子商务总监斯蒂芬.奥沙利文说，这一切都是沃尔玛全面开展社交媒体和移动应用大数据分析的铺垫，比如基于消费者使用FourSquare的签到数据，沃尔玛能实时分析某家店在周末的时候客流量最大。不仅能够追踪社交媒体中对地点、用户和产品的提及信息，从而优化其选货和备货的准确性，沃尔玛还能通过社交基因库和数据分析技术，分析产品、用户、品牌之间的关联，进行更有针对性的线上和线下店面的产品推荐。

大数据技术的演化深刻地影响今天的企业业务。对大数据分析能力的提升，让企业可以从过去“一地鸡毛”般凌乱的数据中挖掘出用户的行为习惯与兴趣偏好，反向输送给业务层，这种趋势既能支持更精准的社会化营销与广告投放，直接增加公司的收入；同时减少企业与最终顾客间的交流层级，增强用户粘性，带来间接但更持久的价值。

在IBM大中华区副总裁兼大中华区软件集团总经理胡世忠看来，“高层人员需要实时信息”是个错误，甚至谎言。实际上，企业的运营部门更需要实时信息，而战略层面需要的是时间跨度更长的综合信息。而IBM信息管理副总裁兼信息管理CTO Tim Vincent将大数据平台与当年中间件（特别是Web应用服务器）的发展相提并论——同样是利用开源技术，部署的关键则在于与企业的后台系统整合在一起。

很多人认为大数据是指非结构化的数据，其实这是一个“谎言”。事实上，全球产生的数据中85%以上的确是非结构化的数据。但企业主要处理的还是结构化的数据。大多数厂商的非结构化数据分析工具也是转换成结构化数据之后再进行处理。Forrester分析师James Kobielus认为只有1%的美国企业在生产环境中使用Hadoop，他预计在未来一年中，“这个数字将翻一番或者两番”。

无论如何，大数据一方面会催生对IT产品与解决方案更多的需求，涵盖从硬件、软件到信息服务等多个层面，贯穿数据、语音、图片、视频等多种类型；另一方面，越来越多的公司正在通过云交付的模式，将自身对于大数据集的存储、计算与分析能力开放给第三方，使得数据即服务（Data as a Service）成为影响产业格局的新一代业务模式。

IDC中国负责互联网与新媒体研究的高级分析师周林表示：“从数据的角度解读互联网，各类业务的本质都是对数据资产的采集、整理、加工和变现的过程。因此，大数据将成为未来‘新的石油。持有大型数据的能力，以及将大数据集通过分析转化为业务价值的能力，将构成企业的核心竞争力。”