3.2 數(shù)據(jù)類型多樣—傳統(tǒng)技術(shù)手段對(duì)半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及空間矢量數(shù)據(jù)等數(shù)據(jù)格式處理能力不足

隨著電網(wǎng)公司智能電網(wǎng)建設(shè)和經(jīng)營(yíng)管理的提升，產(chǎn)生了大量的視頻、客服音頻等非結(jié)構(gòu)化數(shù)據(jù)，日志、表計(jì)等半結(jié)構(gòu)化數(shù)據(jù)，以及地理空間的矢量數(shù)據(jù)等多種類型的數(shù)據(jù)，電網(wǎng)公司需要增強(qiáng)對(duì)上述多種類型數(shù)據(jù)的處理能力，彌補(bǔ)傳統(tǒng)技術(shù)手段對(duì)半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及空間矢量數(shù)據(jù)等其他數(shù)據(jù)格式處理能力的不足，挖掘潛在價(jià)值。

3.2.1客服語(yǔ)音記錄數(shù)據(jù)輔助提升服務(wù)質(zhì)量

1.現(xiàn)狀和需求
據(jù)統(tǒng)計(jì)，隨著國(guó)家電網(wǎng)公司實(shí)現(xiàn)客服中心業(yè)務(wù)集中后，話務(wù)請(qǐng)求受理量達(dá)到14107.92萬(wàn)件（日均32.9萬(wàn)件）、其中自助服務(wù)量61.11萬(wàn)件（日均14.25萬(wàn)件）、人工接聽(tīng)量6697.64萬(wàn)件（日均15.61萬(wàn)件）、錄音數(shù)8412.84萬(wàn)件（日均19.61萬(wàn)件），錄音容量達(dá)到16.8TB（日均約39.3GB）。如何有效存儲(chǔ)、分析、利用大量話務(wù)數(shù)據(jù)，目前成為其面臨的一大挑戰(zhàn)。作為電網(wǎng)公司與客戶接觸的主要窗口之一，客服中心積累的海量非結(jié)構(gòu)化音頻數(shù)據(jù)，沉淀了大量的產(chǎn)品服務(wù)信息、客戶行為信息，具有極高的使用價(jià)値，如何有效利用這些信息提升客戶感知、降低客戶投訴、提升服務(wù)效率，成為客服中心面臨的又一挑戰(zhàn)。而在其他行業(yè)領(lǐng)域，利用客服語(yǔ)音記錄輔助提升服務(wù)質(zhì)量的例子也很多。例如，在中國(guó)移動(dòng)公司，Teradata為其配置了基于CCR模型的客戶投訴智能識(shí)別系統(tǒng)，以投訴內(nèi)容為源頭，通過(guò)智能文本分析，實(shí)現(xiàn)了從發(fā)現(xiàn)問(wèn)題到分析問(wèn)題，再到解決問(wèn)題以及跟蹤評(píng)估的閉環(huán)管理。經(jīng)過(guò)一段時(shí)間使用，僅中國(guó)移動(dòng)某省級(jí)公司，就實(shí)現(xiàn)全網(wǎng)投訴內(nèi)容的智能識(shí)別：769個(gè)投訴原因被識(shí)別；配合業(yè)務(wù)部門提出37個(gè)產(chǎn)品優(yōu)化建議，協(xié)助優(yōu)化11個(gè)產(chǎn)品；優(yōu)化不滿意點(diǎn)58個(gè)，消除368295客戶的潛在不滿隱患；每年節(jié)約成本540萬(wàn)。

2.應(yīng)用場(chǎng)景
（1）客戶關(guān)注熱點(diǎn)分析
基于95598客戶服務(wù)中心每天產(chǎn)生的大量話務(wù)數(shù)據(jù)，通過(guò)采用語(yǔ)音識(shí)別技術(shù)進(jìn)行高頻詞提取分析，利用聚類分析技術(shù)匯總高頻詞出現(xiàn)率，形成客戶當(dāng)前關(guān)注熱詞指數(shù)排行榜，服務(wù)客服中心客服知識(shí)庫(kù)構(gòu)建及自助語(yǔ)音推送業(yè)務(wù)。
(2)客戶滿意度分析
基于客戶檔案以及客戶服務(wù)記錄，通過(guò)采用語(yǔ)音識(shí)別與聚類分析技術(shù)，對(duì)受理滿意度、回訪滿意度、業(yè)擴(kuò)回訪滿意度等進(jìn)行分析，找尋影響服務(wù)滿意度的因素，支撐公司市場(chǎng)營(yíng)銷建設(shè)。
(3)智能語(yǔ)音情緒波動(dòng)預(yù)警
通過(guò)實(shí)時(shí)対通話語(yǔ)言進(jìn)行分析，利用情感識(shí)別技術(shù)，智能感知客戶、座席兩方面的情緒波動(dòng)，及時(shí)發(fā)現(xiàn)座席人員、客戶端情緒信息(如冷漠、不耐煩等).在需要干預(yù)時(shí)進(jìn)行預(yù)警，防范服務(wù)風(fēng)險(xiǎn)的發(fā)生，提高服務(wù)水平。
(4)智能語(yǔ)音質(zhì)檢
通過(guò)對(duì)全部服務(wù)錄音文件記錄中的高頻詞、敏感詞、客戶涉及121服務(wù)評(píng)價(jià)的詞語(yǔ)進(jìn)行智能分析與自動(dòng)化檢測(cè)，統(tǒng)計(jì)服務(wù)異常情況，然后經(jīng)由質(zhì)檢人員進(jìn)行確認(rèn)，可極大提高工作效率.創(chuàng)新內(nèi)部運(yùn)營(yíng)管理，提升客服中心管理效率。

3.大數(shù)據(jù)解決方案
音頻數(shù)據(jù)的處理分析首先需要的是數(shù)據(jù)平臺(tái)的支撐，非結(jié)構(gòu)化的數(shù)據(jù)存儲(chǔ)和健全的數(shù)據(jù)索引是基于客服音頻數(shù)據(jù)開(kāi)發(fā)高級(jí)應(yīng)用的基礎(chǔ)。以客戶關(guān)注熱點(diǎn)及客戶滿意度分析應(yīng)用場(chǎng)景為例，可以為毎個(gè)電力用戶建立用戶服務(wù)檔案庫(kù)。這將形成一個(gè)數(shù)據(jù)體量客觀的非結(jié)構(gòu)化數(shù)據(jù)資源。對(duì)每個(gè)客戶的客服語(yǔ)音數(shù)據(jù)進(jìn)行記錄，在關(guān)注熱點(diǎn)分析方面，采用分層感知哈希算法對(duì)錄音片段中的關(guān)鍵熱詞進(jìn)行檢索，其檢索結(jié)果將記錄在該用戶的用戶檔案中。針対每一個(gè)用戶，在其對(duì)應(yīng)的分布式計(jì)算算法如Map/Reduce進(jìn)程中，相當(dāng)于--個(gè)Map進(jìn)程，最后在Reduce過(guò)程中，通過(guò)對(duì)所有用戶的檢索結(jié)果進(jìn)行匯總和分析，將得出總體的熱詞檢索結(jié)果。對(duì)客服人員就相關(guān)內(nèi)容対客戶進(jìn)行服務(wù)推送，刺激客戶產(chǎn)生增值業(yè)務(wù)有重大推動(dòng)作用。在客戶滿意度分析中，同樣可以采用語(yǔ)音檢索技術(shù)對(duì)客戶音頻中的不滿意點(diǎn)進(jìn)行檢索記錄，在檢索前設(shè)置可能的敏感詞匯，通過(guò)檢索形成數(shù)據(jù)報(bào)表。這個(gè)數(shù)據(jù)報(bào)表就是下一步進(jìn)行關(guān)聯(lián)性分析的歷史樣本數(shù)據(jù)，關(guān)聯(lián)性分析意在發(fā)現(xiàn)導(dǎo)致客戶不滿意的原因。將客戶的不滿意原因進(jìn)行分解，例如可以分解為接聽(tīng)慢，客服聲音小、故障搶修用時(shí)較長(zhǎng)、服務(wù)態(tài)度差等多項(xiàng)指標(biāo)、建立這些指標(biāo)與不滿意案例的映射關(guān)系，即體現(xiàn)在關(guān)聯(lián)性的強(qiáng)弱上，分析造成客戶不滿意度的主要因素，幫助電網(wǎng)公司提供更高質(zhì)量、更個(gè)性化的服務(wù)。
 

書名：電力大數(shù)據(jù)：能源互聯(lián)網(wǎng)時(shí)代的電力企業(yè)轉(zhuǎn)型與價(jià)值創(chuàng)造

ISBN：978-7-111-51693-4

作者：賴征田

出版日期：2016-01

出版社：機(jī)械工業(yè)出版社