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。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。