1、关于数据分析的十个问题数据对于企业的重要性已经不言而喻了，尤其是在最近大数据被谈得非常多的情况下。与此同时，数据分析越发显得重要，它是指引企业不断完善服务、提升客户体验的探路灯。 本文将针对数据分析，同时结合客服中心的具体需要，来帮助大家理清如何做数据分析、如何提高工作效率和质量、如何让分析出来的内容更有价值、如何才能够让领导认可。下面就是我在工作中总结出来的十个必须要问自己的问题（如图 1） 。 1. 目前领导的关注点是什么？ 任何分析都是应该建立在企业整体战略之上的，了解领导目前的工作重心，自然就可以判断我们应该朝着哪个方向进行分析，这样才能够帮助领导全面深入地了解目前状况，从而决定要采取
2、哪些措施。所以，要根据数据分析的受众对象来进行分析，把握好分析的整体方向与深度及广度。 2. 分析的主要目的是什么？ 分析之前要考虑为什么要做分析，在这里我们举例来说明。例如在考虑上一问题时我们假定目前领导主抓服务水平（20 秒接通率） ，那么我们在这里就应该清晰分析的目的就是分析目前整体服务水平在历史中处于什么水平？问题出现在哪里？我们应该在哪些方面上采取措施来提高服务水平？ 3. 需要哪些数据来支撑分析？ 在明确了分析目的之后，我们就要准备数据。在这里我们要先根据客服中心运营的经验对可能影响到服务水平的因素进行提前判断，以确定我们需要哪些数据来支持我们做分析。像对服务水平产生影响的因素可以
3、有人员方面、系统方面、流程制度方面等，所以我们可以分析话务量、排班人员情况、人员出勤状况、在线人数、示忙人数、离席人数、平均通话时长、平均事后处理时长等数据。 4. 数据应该从哪里收集？ 现在我们已经明确需要的数据有哪些了，下面就是开始收集数据，最主要的数据来源就是目前客服中心内部现有的报表系统。在这里我们假定报表系统是完善的，可以根据我们的分析需求来随意提取任何数据，当然有些数据是很难在系统中提出的，这时我们就需要手工进行数据收集。 5. 应从什么角度进行分析？ 这个问题其实在第三个问题中就已经区分出来了。举例来说，我们可以分析不同时段的话务情况以及各时段对应的排班人数，以此来判断是否是人员
4、不足或者是话务突增造成的服务水平低。最终，通过不同角度进行定性与定量的综合分析，找出问题到底是人的原因、系统的原因、还是流程制度的原因。 6. 应该用什么分析方法？ 我们只需要掌握一些简单的分析方法即可满足目前客服中心的日常分析需求。选择分析方法的原则就是只选最合适的不选最高深的。一般我们可以用到的分析方法有： 对比分析：在同一分析维度下对不同数据集合进行比较，找出其中存在的差异，并进一步深入挖掘差异原因； 趋势分析：观察数据序列随时间的变化趋势，找出其一般规律，如移动平均、同比、环比等； 排名分析：将大量数据按某种分类方法进行频次统计，观察其中的Top N 数据，反映其对整体的影响程度如何；
5、 结构分析：在统计分组的基础上计算各组成部分所占比重，进而分析某一总体现象的内部结构特征、总体的性质、总体内部结构变化规律；相关性分析：测量某两个变量之间的相关程度，即当一个变量发生变化，另外一个变量也会随之发生的变化趋势。 7. 如何展示分析结论？ 1） 根据不同的报告选择不同的展示工具 我们一般是以分析报告的形式来展示分析结论的，根据不同的报告类型选取不同的工具进行展示。报告大致区分为三种：日常运营状况分析报告、专项问题解决报告、历史数据（问题）研究报告。 用 PPT 撰写分析报告可以加入丰富的元素、动画效果等，图文并茂，适合现场演示汇报，大大增强展示效果；但是不适合大篇幅的文字，对于汇报
6、人员的演讲技能要求较高；专题分析报告与历史研究报告均可以使用 PPT 来制作。 用 Word 撰写分析报告易于排版，显得相对正式；但是缺乏交互性，不适合演讲汇报；适合撰写各类型的分析报告。 用 Excel 则适合日常报告的撰写，还可以有动态的图表，方便实时更新、交互性较强，但不适合演讲汇报。 2） 根据不同内容选择不同的展示图表 数据展示的原则就是简单直观、清晰易懂， 在选择图表来展示数据时需要考虑清楚我们想要展示给领导什么，要说明什么问题。用来展示数据的图表大致有用饼图、条形图、柱状图、折线图、散点图、雷达图、面积图。 以下给出几个图例供大家参考（说明一下，图表的标题已经去掉，只展示图表大致
7、形式） 。 8. 产生问题的原因有哪些？ 经过以上的综合分析我们可以判断是以下原因： 人员问题：人员招聘不足、排班不够合理、人员出勤差、人员接续效率低、人员培训效果不明显等问题； 系统问题：话务系统故障、知识库系统故障等问题，具体是什么问题需要查看系统故障的历史记录； 流程制度问题：管理流程和服务流程不合理、过于复杂，职责界定不清晰、制度不完善等问题 9. 可以采取的措施有哪些？ 在经过全面的分析后，将造成服务水平低的所有因素按照重要性进行排序，根据 80/20 法则首先解决重要的影响因素，针对各影响因素的不同采取不同的措施进行改善。制定改善计划需要明确改善的事项是什么、负责的人员（或部门）是谁、预计的周期是多长等要素。 10. 最终的改善效果如何？ 数据分析不是分析的终点，所以在分析发现问题并采取相应措施后，我们需要对其进行后期跟进，观察问题是否得到了改善。也就是说我们要遵从 PDCA 的管理方法开展问题的改善工作。 希望以上内容能够对大家有所帮助，提高工作效率与质量，减少因不清晰目的、不知道分析重点、不知道如何分析等问题带来的麻烦。最后想给在客服中心做数据分析工作的同事们三点建议：1.深入基层了解客服中心业务；2.扎实学习一些分析方法和分析工具的使用；3.勤思考，勤沟通，提高对数据的敏感性，培养自己的系统思维能力。
