隨著云計算技術應用到互聯網技術中，形成更具擴展、彈性、擴容、多平臺、模式化的云服務平臺機制。一些企業的客服中心也在經歷了服務人群數量、服務模式變更、外部環境需求變化等多重考驗，對客服中心的數據存儲、分析、加工等都帶來了極大考驗。對于客戶服務中心而言，建立起一套以數據驅動為前端的平臺，實現數據資源的充分存儲與分析，兼顧前、中臺運營數據支撐應用是整個數據體驗平臺亟需解決的難題。
本文著重于客戶服務中心海量數據現狀，結合數據的存儲、分析需求，以數據收集、數據存儲、數據分析、數據服務等四項關鍵步驟，對服務數據采用分布式分析方法，分別對文本數據、語音數據、輿情數據等進行深度平臺化加工，進而設計與搭建具備實踐性價值的數據體驗平臺。
前言
大數據作為計算機科學與技術發展與應用的一個重要方向，也是“互聯網+”的重要組成部分之一，其應用一直是諸多企業在提升自身技術應用能力與水平的關鍵。大數據應用不僅僅是一種數據化的集合，更是一種新的處理模式及優化模式。
客戶服務中心需要處理大量的客戶咨詢、投訴等業務，在處理業務的同時，其數據規模也在不斷擴大，隨著服務模式和渠道的增加，數據種類日益增多。在數據類型上，有服務數據（多媒體信息，包括文本和語音）、客戶數據，還有系統運行數據、其他在服務過程中收集的數據等，利用好這些數據，不僅可以進一步提升客服中心的運營能力，還可以結合人工智能數據的應用，驅動智能數據產品，為前端經營發展助力。
客戶服務中心數據體驗平臺的建立有利于從數據生態的維度，結合服務中心、呼叫中心的數據特點，提升服務價值。采用架構設計、功能設計、數據設計、模型設計的模式，搭建數據體驗平臺的存儲、并發解決方案，實現數據收集、分析的設計與應用，最終形成系統化的解決方案。
一、國內外應用現狀
國外對客服中心數據體驗平臺的研究起源較早，早在20世紀30年代，北美在快速的經濟發展中就已經形成了在旅游業、民航業的呼叫中心模式，最早的呼叫中心主要是是以預定服務為主，更多依靠硬件支持，很少有軟件服務支持。隨著用戶需求量的高速增長，20世紀50年代，美國部分企業開始設立具有一定規模的呼叫中心，以全天候服務的方式開展預定業務，而后幾十年間，呼叫中心伴隨著銀行業、電商行業的快速發展，規模不斷擴大。
以美國知名電商公司EBay為例。該公司以分布式存儲的Hadoop數據庫，以低成本的方式海量存儲購物平臺所包含的商品信息，并結合到其呼叫中心的數據體驗平臺中，使之煥發了巨大的數據應用價值，也形成了諸多精益化數據運營及營銷的案例。
國內的呼叫中心起步相對較晚，20世紀90年代開始在電信領域興起，早期規模較小。直到本世紀初，呼叫中心開始被國內越來越多的企業開始重視，并逐步作為企業發展、產品推廣的重要工具，其功能細分也更為明確。2010年后，云計算服務開始應用到客服中心中，云呼叫中心的產品在理論上是可以支持更多座席（甚至是無限座席）。在運用開源數據、分布式文件系統的計算框架模式下，一些高性能數據方法開始逐步被應用及測試，例如：Hadoop模式，以高擴展性功能獲取更多的存儲空間。
對于企業而言，企業對于客服中心所產生的數據不僅是備份及存儲，還需要挖掘其中深藏的巨大客戶價值，并對數據信息進行深度開發、利用以及加工，最后應用到企業的生產及實踐中。
二、數據體驗平臺需求分析
1總體需求與角色需求
總體需求主要是基于客戶服務中心在系統規模上的擴大，產生數據規模化運行的標準，系統運營的數據在一定程度上已經無法滿足數據分析的需求。并且，隨著人工智能服務的高速發展，海量數據基礎所產生的職能數據產品及應用，對數據發展帶來了更多的動力。以數據驅動平臺設計為例，需要為用戶提供以業務支撐為導向的運營管理支撐，并附加信息系統功能，包含數據運行、分析、智能應用等核心需求。
在角色需求層需要綜合考慮系統、運營、質量考核、數據分析等管理職能，系統管理需要以運營監控為導向，運營需要更多關注服務人員的運營質量，形成全方位、立體化的運營監控模式。
對于質量考核而言，數據體驗平臺需要明確坐席服務質量監控、質量考核的標準，以明確的質量考核標準形成立體化的服務監督標準。數據分析的需求在運營監控、質量監控的基礎上，形成數據分析庫及功能，定向分析結論。系統管理則是數據體驗平臺的最高權限者，除了基礎的業務分析職能，還需要起到系統信息管理、數據管理、權限管理等功能。
2功能需求與非功能需求
功能需求主要分為如下三點：
一是體驗數據的收集功能，將業務平臺、語音平臺、在線平臺、輿情平臺的數據進行抽取、加載，形成實時處理數據，在線或離線處理。
二是體驗數據的分析功能，這一功能需求包含座席、系統的運營情況，也是分為實時、離線功能，其包含座席話務統計分析、IVR分析、座席服務分析、滿意度分析、投訴分析等。
三是體驗數據的服務功能，該需求主要是一些報表服務、線上服務、存儲服務等，按照平臺化開放的方式面向運營側人員生態數據報表，供分析運用。
這里需要明確的是，由于客服中心每日服務語音和多媒體交互內容存儲數據巨大，數量也在不斷增長，需要評估對語音數據進行文本化轉換后存儲、圖片數據進行去重，也有利于減輕數據體驗平臺的存儲壓力。
非功能性需求主要包含如下兩點：
一是穩定高效性功能需求，其主要包含分布式數據以及系統的穩定性，尤其是對于數據需求方而言，這一功能尤為關鍵，如出現數據丟失等情況，不僅導致數據分析無法進行，更會造成無法估量的經濟運營損失，因而首先要考慮穩定高效的功能需求。
二是擴展性需求，其主要是在系統測試、試用階段，按照業務復雜度、數據接入度的要求，以資源擴充為導向，在滿足業務資源的同時將動態存儲、計算功能進行擴展，進而不斷提高系統存儲能力及功能應用能力。
三、客戶服務中心數據體驗平臺設計分析
1數據體驗平臺收集模塊設計
在數據體驗平臺收集模塊設計中不僅是業務數據量巨大，其在結構化與非結構化的數據領域，總體架構設計及功能也會產生變化。在此過程中，要充分考慮到平臺的數據量對數據功能的影響，這也涉及到系統安全性、穩定性以及功能性等影響因素。
在收集功能上，還需要充分考慮到系統設計的應用、結構等，在系統展示上按照應用、計算分析、數據存儲、接入、數據展示等收集方式，收集展示中涉及到系統管理、運營分析、質量考核等可視化操作模式，需要將其結果展示到系統層的用戶群體中。
收集模塊的應用還需要考慮到分布式的解決方案，海量存儲因為要涉及到實時的查詢功能，這一功能下可應用HBASE技術，按照非結構化數據的存儲方式進行分布式收集處理。按照數據接入層的抽取需求及規則方式，實現結構化、非結構化的數據平臺應用，將語音數據上傳，形成數據平臺數據庫集。
2數據體驗平臺分析模塊設計
在分析應用層上，主要考慮到平臺數據接的處理，包含接收、處理、反饋等需求，展示層需要參照業務邏輯的應用服務方式，先發送存儲，再獲取數據，最后對展示層進行請求處理后，將最終的處理結果反饋到展示層的框架中。
在具體的分析模塊設計上，還有一項重要的職責就是應用服務層的數據計算分析服務，其主要是在Spark離線計算、Spark Streaming實時計算、語音識別等基礎上，實現語音與文本的雙重挖掘。
3數據體驗平臺服務模塊設計
在服務模塊設計上，充分考慮數據存儲層的應用，按照數據倉庫、數據庫、分布式文件系統的方式，數據倉庫（Hive）主要是按照存儲運營數據的結構化數據應用方式，先存儲語音數據，而后將非結構化數據加以處理，建立起索引、分庫、分表的查詢功能及方式。
數據庫（HBase）按照索引數據查詢方式，應用到數據相對較小的數據庫中，數據功能相對單一。
不過，兩者的功能都需要建立在分布式的文件系統層上，這也是服務模塊設計的關鍵。
四、客戶服務中心數據體驗平臺搭建路徑
1、以傳輸導向的收集模塊搭建
以傳輸導向的收集模塊搭建需要建立在以客服中心模塊數據基礎上的需求設計應用，傳輸導向模塊中，明確平臺數據收集、數據分析、數據服務等功能模塊，將數據收集、指標計算、文件存儲、報表應用等業務功能先期進行應用。在具體的功能結構應用上，還需要將數據收集后加以抽取與清洗，轉化成數據平臺數據。收集中，也可以分為實時收集、定期收集兩種模式，便于存儲數據庫及收集離線內容，生成新的統計庫模式。
在客服中心自身已經搭建的話務、業務平臺上，先建立數據庫記錄模式，對通話的數據進行詳細的記錄，其包括時間、排隊等信息，這些數據信息可以滿足現階段的服務需求，還可以形成集群的數據收集方式。
例如：數據收集中，MySQL語句匯總的binlog日志就有三種模式以上，行動記錄及對數據庫的備份功能都是極具收集效果的。還有一種row模式，主要是對數據庫執行準確的備份，包括存儲過程、觸發等數據，都是一種很好的解決方式，同時也很靈活。值得一提的是，現在一些大型的平臺也會有開源組件，例如阿里巴巴集團的開源Canal，這些組件也可以在API接口下進行便捷的應用。
2、以計算導向的分析模塊搭建
以計算導向的分析模塊搭建主要是對客服中心指標情況進行分析，其包括特定時間段內的運營查詢及分析、座席指標統計等。
在現有的條件下，座席指標包括對接通率、呼出成功率、服務水平、滿意度等指標進行分析總結。對最終的運營數據及分析結果均可以按照實時計算、離線計算的方式，對最終的數據采取、分析、存儲等都會起到很大的作用。
在這一過程中，實時分析設計與實現按照Hive的實踐方式，同步數據管理功能，數據庫使用SQL功能操作，信息數據、關系數據等在無法滿足存儲需求的基礎上，將數據轉移應用到更大的數據平臺功能上，從而提升其大數據存儲及關系型數據庫的開發功能作用。在文件數據源的基礎上，源操作包括功能操作、數據表等，不同數據源創建的臨時表操作模式也是不同的，也需要更多的兼容功能及高性能的數據運行能力。
3、以存儲導向的服務模塊搭建
以存儲導向的服務模塊搭建主要以報表服務、文件存儲服務功能為主，前者在查詢功能設計的基礎上按照報表服務類型進行分類查詢，其計算結果按照指標控制類、查詢導出類等進行信息操作的判斷，具體的指標數據上還需要對角色的權限進行正確的判斷，功能上主要是數據操作的查詢及方法應用。
后者在文件存儲服務設計及實現上，其主要是文件管理功能，在存儲的基礎上，按照文件管理創建、刪除、檢索等功能，以文件ID映射的方式進行識別，所有的HDFS都是在同一目錄層級下，功能創建及搭建更為簡單，且支持多級目錄的創建及應用。
總結
隨著國內很多企業客服中心規模及需求的擴大，其在涉及數據體驗平臺設計及搭建需求主要有如下三個方面：
一是對數據存儲空間及數據處理要求不斷增大，甚至對云數據存儲及功能應用也提出了更高的要求。
二是在結構化、非結構化的數據應用層，無論是語音數據，還是一些難以實現結構化的文本數據，其均存在巨大的數據存儲、處理、分析的問題點。
三是平臺化數據處理機制的匱乏，這一問題不僅僅體現在T量級的數據處理上，數據丟失、分析問題也會在一些開源模式下應用更多的技術功能。
為此，需要通過云服務功能及大數據處理功能，進一步解決數據存儲、結構數據應用、平臺數據處理機制等三大核心問題，進而為客戶服務中心綜合體驗能力的提升提供更多數據化的功能基礎。
編審評注
客戶在尋求服務的過程中，對于企業產品的使用、服務體驗和個人訴求都是最接近真實的。
其在服務過程中的很多信息都值得企業記錄并加以挖掘分析，并在后續的產品改善、營銷策略制定和提升客戶滿意度美譽度方面都有很大的應用前景。而采集、存儲、分析和應用就是需要客服中心在考慮成本產出比最優的前提下，讓服務數據得以最大化的利用，而這些的前提是企業和呼叫中心的領導是否已經想明白服務數據對企業的作用，以及如何做好數據產出、使用的閉環。
至于采取何種技術和解決方案，則是在決策層想清楚大戰略方面之后，就容易選型確定。拎著錘子找釘子卻是當下一些迫切想將服務數據增值化操作的呼叫中心的典型場景。——張輝
