我們該如何爬出大數(shù)據(jù)陷阱?
導(dǎo)讀:大數(shù)據(jù)革命,是企業(yè)始終在為之奮斗,且試圖翻越的一座大山。沒有一家企業(yè)沒有數(shù)據(jù),但鮮有企業(yè)能夠用好數(shù)據(jù)。本文通過結(jié)合金融行業(yè)一線的工作經(jīng)驗,提出大數(shù)據(jù)運營視角下的小數(shù)據(jù)運維思路設(shè)計方向,供大家一同參考和學(xué)習(xí),一起做好數(shù)據(jù)價值提升。
01 大數(shù)據(jù)與企業(yè)服務(wù)的關(guān)系
金融一線是與客戶互動的重要窗口,擁有完整、清晰的一手客戶行為數(shù)據(jù),應(yīng)當(dāng)成為開展大數(shù)據(jù)業(yè)務(wù)的排頭兵。
隨著服務(wù)渠道體系的健全,我們與客戶的交流渠道已涵蓋熱線、APP、微信公眾號、網(wǎng)銀等諸多方面。作為客戶服務(wù)的大腦,數(shù)據(jù)中心應(yīng)當(dāng)對現(xiàn)有沉淀數(shù)據(jù)提供業(yè)務(wù)端更多的理解,要主動進(jìn)行學(xué)習(xí)歸納。
大數(shù)據(jù)運營視角,對企業(yè)的幫助,就像是臂膀,觸及到更多的信息;小數(shù)據(jù)運維思路,就像是細(xì)胞,讓企業(yè)可以學(xué)會造血,創(chuàng)造價值。
02 小數(shù)據(jù)運維思路設(shè)計
1. 小數(shù)據(jù)的價值隱藏在大數(shù)據(jù)中
大數(shù)據(jù)乍一聽是很高大上詞匯,但我們要思考的是怎樣將大數(shù)據(jù)進(jìn)行落地。通過與一線數(shù)據(jù)使用人員,進(jìn)行溝通了解到,目前我們的報表數(shù)據(jù)主要包含員工與客戶的話務(wù)溝通、業(yè)務(wù)咨詢辦理、操作行為等內(nèi)容,統(tǒng)計維度較為完整,基礎(chǔ)數(shù)據(jù)較為準(zhǔn)確。
但從更好做到數(shù)據(jù)應(yīng)用的角度出發(fā),我們發(fā)現(xiàn)相關(guān)人員往往不能第一時間從密密麻麻的統(tǒng)計報表中發(fā)現(xiàn)問題,后臺管理人員需要二次付出大量的時間,將數(shù)據(jù)進(jìn)行處理,才能夠得到需要的分析結(jié)果。
以金融呼叫中心為例,很多時候拿到的只是一份簡單的EXCLE數(shù)據(jù)陳列統(tǒng)計,而我們真正想知道的是平均呼入通話時長、處理時長、事后處理市場、振鈴時長等數(shù)據(jù)指標(biāo)的分布情況,以及各團(tuán)隊的工作狀態(tài),做一些橫向的比較,更好關(guān)心到每一位員工的日常工作。在這一方面,提出:
- 基本的數(shù)據(jù)報表——要統(tǒng)一數(shù)據(jù)格式,消滅數(shù)據(jù)隔閡;
- 數(shù)據(jù)處理的過程——要做好分組分類,干掉無效數(shù)據(jù);
- 價值賦予的結(jié)果——要形成個性標(biāo)簽,加入創(chuàng)新指標(biāo)。
將統(tǒng)計報表模型化,實現(xiàn)分析結(jié)果的自動化、常態(tài)化使用,讓不起眼的小數(shù)據(jù),創(chuàng)造出更大的管理價值。
2. 消除依靠人工經(jīng)驗的工作方式
依然以金融呼叫中心為例,與負(fù)責(zé)排班預(yù)測的管理人員進(jìn)行溝通了解到,在對每月人力進(jìn)行安排時,往往需要花費很大的時間對比冗雜的歷史數(shù)據(jù),并且借助前人經(jīng)驗,對于話務(wù)量進(jìn)行預(yù)測,耗時耗力,而且部分計算公式背后的判斷邏輯較為復(fù)雜,工作上手時間較久。這個問題其實反映出的是在數(shù)據(jù)處理階段,人工明顯體現(xiàn)出算力不足、經(jīng)驗有限的特點,沒有辦法充分發(fā)揮出沉淀數(shù)據(jù)的背后價值。
因此,需要將歷史數(shù)據(jù)進(jìn)行收集分類和清洗,并對影響話務(wù)量波動的時間、活動事件、短信等諸多因素進(jìn)行整理歸納,建立出分析模型,通過應(yīng)用模型調(diào)優(yōu),不斷訓(xùn)練,提升機器的解決場景覆蓋率。
其實,很多原本依賴人工進(jìn)行操作的內(nèi)容,都可以通過模型化、系統(tǒng)化、自動化進(jìn)行解決,而且效果更好,何樂而不為呢?
3. 大數(shù)據(jù)使用需要冷思考
大數(shù)據(jù)這個詞很熱,我認(rèn)為要用好大數(shù)據(jù),發(fā)揮它的應(yīng)用價值,要做一些冷思考。
(1)從“沒有問題”轉(zhuǎn)為“探測問題”
很多時候數(shù)據(jù)是會“騙人”的,往往沒有問題才是最大的問題。比如,對服務(wù)客戶的話務(wù)量數(shù)據(jù)做統(tǒng)計,幾十號人的統(tǒng)計結(jié)果一眼望去結(jié)果相近,而且指標(biāo)的平均數(shù)非常漂亮。但是深挖數(shù)據(jù)后,我們可以探測到更多的問題:
1)對服務(wù)水平的波動比率進(jìn)行分析,可以發(fā)現(xiàn)活動推廣日的服務(wù)水平波動比率較大,因此要在活動推廣前對客戶影響的范圍進(jìn)行判斷,做好提前溝通減少臨時性的活動推廣,提前安排好足夠的人力,保障客戶的進(jìn)線服務(wù);
2)對新員工的話務(wù)量結(jié)果進(jìn)行分類,會發(fā)現(xiàn)他們的通話處理時長更久,說明培訓(xùn)工作還需要深入,要提升新員工的工作技能;
3)對各個團(tuán)隊進(jìn)行箱線圖比較,能夠?qū)F(tuán)隊的整體表現(xiàn)評價從平均數(shù)等基本指標(biāo)轉(zhuǎn)化為對極值、中位數(shù)、異常點的精確統(tǒng)計,幫助管理人員更好了解員工工作能力,對技能是否參差不齊、絕大部分人員的表現(xiàn)如何、異常工作狀態(tài)等進(jìn)行可視化呈現(xiàn),關(guān)切到員工更深層次的工作表現(xiàn)。
(2)從“統(tǒng)計數(shù)據(jù)”轉(zhuǎn)為“翻譯數(shù)據(jù)”
對于大數(shù)據(jù)的第一印象,是要有高大上的算法、成堆的計算工具、數(shù)之不盡的數(shù)據(jù)等等,這些固然重要,但是數(shù)據(jù)就像血液,工具就像筋脈,只有它們?nèi)诤掀饋砉餐?wù)于每一項肌能,才能更好完成復(fù)雜的任務(wù)。如果用大數(shù)據(jù)的思路對現(xiàn)有沉淀數(shù)據(jù)進(jìn)行“翻譯”,也會產(chǎn)生錦上添花的效果。而“翻譯”工作,核心是對數(shù)據(jù)進(jìn)行治理:
1)數(shù)據(jù)在精。對于能夠收集到的話務(wù)數(shù)據(jù),不能囫圇吞棗的放在一起統(tǒng)計,要分析它背后的邏輯,多問一句為什么這項指標(biāo)需要統(tǒng)計,把能夠結(jié)合在一起的分析指標(biāo)進(jìn)行歸納,再進(jìn)行數(shù)據(jù)交叉分析;
2)數(shù)據(jù)在準(zhǔn)。對于分析出的結(jié)果要有質(zhì)疑的態(tài)度,要判定是不是符合現(xiàn)場的真實情況,若一致,要看統(tǒng)計的口徑準(zhǔn)不準(zhǔn),系統(tǒng)計算快不快,若不一致,要深入現(xiàn)場進(jìn)行調(diào)研,是相信數(shù)據(jù)分析報告還是相信現(xiàn)場收集的結(jié)果,并不斷優(yōu)化數(shù)據(jù)的統(tǒng)計方式,更好反饋出真實情況。
3)數(shù)據(jù)在巧。數(shù)據(jù)不是統(tǒng)計的越多越好,要用巧勁,對于目前還沒有收集口徑的創(chuàng)造性話務(wù)數(shù)據(jù),比如價值創(chuàng)造率、服務(wù)成本系數(shù)等,要想辦法把它建立到系統(tǒng)埋點中,不斷豐富話務(wù)數(shù)據(jù)的統(tǒng)計維度,匹配業(yè)務(wù)端的數(shù)據(jù)統(tǒng)計需求,讓數(shù)據(jù)在進(jìn)入報表前,就已經(jīng)“思考過”、“統(tǒng)計過”。
03 大數(shù)據(jù)的應(yīng)用管理要接地氣
未來大數(shù)據(jù)探索要在組織中放在重要位置,深入到一線場景中,緊貼業(yè)務(wù)需要。
1. 原始數(shù)據(jù)處理模版化,做好預(yù)測性分析
數(shù)據(jù)的波動有必然因素(節(jié)假日、賬單日等),也有諸多偶發(fā)因素(活動推廣、短信發(fā)送等),但歸根結(jié)底會影響到客戶的服務(wù)體驗。因此,要從源頭對數(shù)據(jù)收集過程進(jìn)行清洗,保留有價值的數(shù)據(jù),同時借助模型構(gòu)造、算法分析、系統(tǒng)配置的方式,將數(shù)據(jù)預(yù)測性結(jié)果更清晰的呈現(xiàn)出來。
2. 對客戶進(jìn)行行為分析,為營銷提供支持
與客戶交流的過程,實際上是他對產(chǎn)品產(chǎn)生興趣或者有疑問的過程,一方面要超越客戶期待的做好服務(wù),另一方面要用好大數(shù)據(jù)將客戶在辦理業(yè)務(wù)、咨詢的產(chǎn)品、遇到的難題等記錄和客戶數(shù)據(jù)庫進(jìn)行匹配分析,構(gòu)造客戶服務(wù)畫像,形成差異化的客戶結(jié)構(gòu),促使管理中心從大眾服務(wù)向點對點服務(wù)轉(zhuǎn)變,對客戶的產(chǎn)品興趣、分期意愿等進(jìn)行深挖,為前端營銷過程提供支持。
3. 借智能機器優(yōu)化統(tǒng)計,剖析多渠道數(shù)據(jù)
要利用好智能軟件,對不同來源的數(shù)據(jù)做好目標(biāo)分析。要充分利用好智能機器人,形成多渠道的知識交互,收集到客戶的疑問,對這些數(shù)據(jù)要更多考慮其精準(zhǔn)性、體驗感、流暢度,統(tǒng)計出客戶常問的“熱詞”,找出客戶通過多次互動才詢問出答案的問題,查看答案的設(shè)置是否不夠精準(zhǔn)并進(jìn)行優(yōu)化。
對于不同的渠道,沉淀的數(shù)據(jù)各不相同,既要分開來看,不同的渠道建立不同的客戶數(shù)據(jù)分析規(guī)則,也要整合來看,系統(tǒng)掌握客戶服務(wù)數(shù)據(jù)狀態(tài),做到全面分析。
所以,大數(shù)據(jù)對于諸多企業(yè)來說,就是個“黑箱”,你永遠(yuǎn)不知道里面會出現(xiàn)什么,為什么出現(xiàn),但是小數(shù)據(jù)運維,就像是打開這個箱子的鑰匙,讓箱子內(nèi)的每一個規(guī)則、每一項原理,清晰的呈現(xiàn)在管理者面前,并作出更加精準(zhǔn)的判斷。
本文由 @汪仔沒有奶 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載
題圖來自Unsplash,基于CC0協(xié)議。
- 目前還沒評論,等你發(fā)揮!