呼叫中心的“大数据”挑战

随着越来越多的呼叫中心挣脱物理位置的限制和使用虚拟/云技术，客户交互数据就增加了，有在短时间内快速增长甚至呈指数级增长的可能，实际上它可以无限增加。这种现象被称为“大数据”，就算你迄今并没有与它打过交道，它也并没有你想象的那么遥远。

经理们必须仔细考虑如何应对并从大数据中获得价值;高性能的工具是必要的，有些人已经把它比作直接从消防水龙头中喝水。

无限的可扩展性

过去，呼叫中心系统的数据容量是有限的，'X'坐席人员在'Y'时间段内将创建'Z'数据，这就产生了’V’的数据容量。X和Y是可预测的，Z是静态的，因此V可以被精确计算出来，数据的存储和检索系统可以在此基础上构建。

在全新的云/托管呼叫中心中，系统几乎已具备无限可伸缩性，因此本质上是无法预知的。随着系统变量的增加，数据就变成了“大数据”。例如：

坐席人员的数量

托管/云让系统摆脱了有限扩展的束缚，坐席人员的数量也将随需求增加/减少。今天可能是100名员工，明天可能多出好几倍。

具体的数据项目

系统每次只能收集关键绩效指标——通话时长、扩展等待时长、单次通话等。新的行业发展趋势需要无限可扩展性，甚至定义新的指标，以及定制和扩展能力。

所有报表可以涵盖的时间段并没有改变，并且仍然是可设置的，可以跨越几分钟到几年的时间。

可以使用的工具

大数据量的存储和检索速度十分关键。传统的SQL数据库无法快速读/写，因此用户纷纷转向其他产品。

被称为“NoSQL的(如MongoDB的)一类工具正是在这种背景中诞生的。它们保留了许多熟悉的SQL功能，提升了速度，增加了一些独特的功能，例如通过无据点、非锁定更新，同时进行多任务处理;快速处理文件系统而非数据库中的非结构化数据等。

但捕获大数据只是硬币的一面。另一面是数据只有能被处置、分析和处理才是有用的，否则毫无用处。只有这样，才能对数据做出比对，相关的模式才能出现，大数据才能成为业务数据。

为了明白数据爆炸的意义，需要正确的工具，而这些工具即将问世。为了加快提取结果的速度，很多工具都使用了数据汇总方法。

实时汇总

这种方法中，实时数据被用于更新计数——例如现场连接、中断的呼叫等等——和其他指标——例如平均通话时间。总数可以被用于报表中，无需其他处理或数据交互，得到结果的速度也超过其他方法。这种方法还减少了对更加耗时的周期汇总的需求。

周期汇总

周期汇总(又名MapReduce的)是NoSQL系统内既有的常用方法。使用这种方法，汇总工作可以同时在多个处理器上进行，或者在相同的服务器或分散的数据群集中进行。结果作为报表系统的输出结果被反馈回到主过程中，或写入数据库。因为这种方法是处理器密集型的，它不能被用于实时的大数据处理。

实时和周期处理相结合以后，不同级别的汇总是可能实现的，这取决于所需数据的要求，是每小时、每周、每月还是每年?由于分辨率降低，所需的细节水平也就降低，更高层次的汇总也是可能的。由于指标是可用的，快速加载时间就能保证。当然，没有完全相同的用户需求，所以汇总的水平必须是可根据需要定制的。

为了保持准确度，一定要谨慎行事。汇总一定要伴随单个交互事件的捕获，这样数据就不会丢失，并且能被进一步精确。

也许你还未对“大数据”战略作出任何回应;消防水龙头还在正常安全使用。但是我们认为，超过100 名坐席人员的呼叫中心都将很快面对大数据问题。在时机成熟时，要确保你选择的技术具有足够的灵活性以应对未来的需求，因此当水龙头打开时你能潇洒的挥手而非溺水。