1. 程式人生 > >淺談呼叫中心資料報表的的應用

淺談呼叫中心資料報表的的應用

呼叫中心的應用不僅大幅度提高了企業效率,而且數字化的統計進一步助力企業管理和發展。而這其中,資料報表發揮重要作用。

對於呼叫中心來說,系統報表出具的資料通常有這樣幾類:

一是電話運營資料,系統給出的接入量(撥出量),放棄量,累計等待時間,累計放棄時間這樣的資料;

二是網路運營資料,非語音業務如網路聊天、網路訂單處理、郵件、傳真等業務的資料;

三是現場管理資料(在班長席顯示),實時顯示埠狀態,有多少電話等待接入,有多少座席處於就緒狀態(可以接電話),多少座席置忙處理業務(派單或記錄),多少座席是小休,多少座席是簽出。

這些資料形成了系統報表的實現。

系統報表的功能實現

客戶統計


統計處於不同狀態下客戶的數量,不同註冊來源的客戶數量,客戶購買產品的情況,從總體上掌握呼叫中心的客戶情況。

業績報表
根據座席、小組、佇列等不同維度的組織物件,統計呼入話務量、外撥電話量、電話質量、IVR滿意度、升級單、工單等資料,直接提取業績資料。

話務統計
提取運營資料庫中的系統話務量、人工話務量、自動業務話務量、佇列話務量,在系統報表中實現話務統計和查詢功能,根據不同時段、日期、周、月的話務情況,進行排班預測和分析。

知識庫
統計知識文件的點選數量,關鍵字的使用情況,新發布文件的數量,文章的等級,調整知識庫的結構,優化知識庫的使用效率。通過點選次數,查詢次數,瀏覽量,各狀態下的文件數量反映出知識庫的總體執行狀況。

運營狀況
實現時段、日、周、月的運營指標統計功能,如服務水平、棄呼率、平均等待時間、最長等待時間等反映呼叫中心運營狀況的指標。

統計監控電話錄音的通過率,計算座席、小組、佇列的質量監控成績,可根據不同維度進行結果的查詢和分析。

統計網站訂單的明細情況,在各地域的分佈情況,對應不同產品在不同狀態下的數量,來單量,有效單量,平均響應時間,反映出網站的營銷情況。

通過統計IVR流程中各節點的訪問量及放棄率,及時調整流程,縮短客戶從撥打服務電話到開始接受座席服務的時間,提高客戶的滿意度。

統計調研專案的目標樣本數量,結束樣本數量,成功完成的樣本數量等不同的統計項,及時掌握調研專案的進度和完成的質量。通過對問卷結果的統計分析,掌握客戶的需求,以調整服務方向和服務策略。

資料圖表視覺化


目前大部分與CMS相結合的系統報表軟體的圖表視覺化功能比較弱,只能整合一些通用的圖形呈現工具,比如折線圖、餅圖、柱狀圖等等,這方面對於系統整合開發商而言還是有很大的進步空間,因為報表工具用的這些成熟產品並沒有針對呼叫中心的運營特點進行定製化,這些單一的圖形呈現方式對於資料分析人員來說沒有太大的幫助,還是需要把資料下載下來後再進行加工、處理,變成想要的圖形。比較理想化的報表系統最好具有GUI(圖形互動)功能,也就是報表系統中整合圖形集和各種視覺化模組,報表人員只要通過簡單地拖拽資料就可以隨意加工成自己想要的圖形(動態或靜態)。當然最好這些模組是根據呼叫中心的運營特點定製的(比如儀表盤、資料標籤、脈衝圖等等)。

相關推薦

呼叫中心資料報表的的應用

呼叫中心的應用不僅大幅度提高了企業效率,而且數字化的統計進一步助力企業管理和發展。而這其中,資料報表發揮重要作用。 對於呼叫中心來說,系統報表出具的資料通常有這樣幾類: 一是電話運營資料,系統給出的接入量(撥出量),放棄量,累計等待時間,累計放棄時間這樣的資料; 二

車牌識別技術的應用

車牌識別技術的應用由來已久,車牌識別增加了車輛管理識別的速度,減少了擁堵,提高了大家的出行舒適度。對於在OCR識別技術領域有著十多年研發經驗的廈門雲脈來說,如何提高車牌識別的準確率,實現更精確的識別更是市場所需。 所以,雲脈自主研發推出的車牌識別技術,基於成熟的OCR技術,以計算機視覺處理、

查詢演算法 演算法和資料結構: 七 二叉查詢樹 演算法和資料結構: 十一 雜湊表

閱讀目錄 1. 順序查詢 2. 二分查詢 3. 插值查詢 4. 斐波那契查詢 5. 樹表查詢 6. 分塊查詢 7. 雜湊查詢   查詢是在大量的資訊中尋找一個特定的資訊元素,在計算機應用中,查詢是常用的基本運算,例如編譯程式中符號表的查詢。本文

HBase的資料分佈

資料分佈問題簡述 分散式產生的根源是“規模”,規模可理解為計算和儲存的需求。當單機能力無法承載日益增長的計算儲存需求時,就要尋求對系統的擴充套件方法。通常有兩種擴充套件方式:提升單機能力(scale up),增加機器(scale out,水平擴充套件)。限於硬體技術,單機能力的提升在一個階段內是有上限的

演算法和資料結構: 五 優先順序佇列與堆排序

在很多應用中,我們通常需要按照優先順序情況對待處理物件進行處理,比如首先處理優先順序最高的物件,然後處理次高的物件。最簡單的一個例子就是,在手機上玩遊戲的時候,如果有來電,那麼系統應該優先處理打進來的電話。 在這種情況下,我們的資料結構應該提供兩個最基本的操作,一個是返回最高優先

演算法和資料結構: 八 平衡查詢樹之2-3樹

前面介紹了二叉查詢樹(Binary Search Tree),他對於大多數情況下的查詢和插入在效率上來說是沒有問題的,但是他在最差的情況下效率比較低。本文及後面文章介紹的平衡查詢樹的資料結構能夠保證在最差的情況下也能達到lgN的效率,要實現這一目標我們需要保證樹在插入完成之後

演算法和資料結構: 九 平衡查詢樹之紅黑樹

前面一篇文章介紹了2-3查詢樹,可以看到,2-3查詢樹能保證在插入元素之後能保持樹的平衡狀態,最壞情況下即所有的子節點都是2-node,樹的高度為lgN,從而保證了最壞情況下的時間複雜度。但是2-3樹實現起來比較複雜,本文介紹一種簡單實現2-3樹的資料結構,即紅黑樹(

SQL Server資料優化之若干要點

       在上篇文章 淺談SQL Server內部執行機制 中,與大家分享了SQL Server內部執行機制,通過上次的分享,相信大家已經能解決如下幾個問題:        1.SQL Server 體系

演算法和資料結構: 十 平衡查詢樹之B樹

前面講解了平衡查詢樹中的2-3樹以及其實現紅黑樹。2-3樹種,一個節點最多有2個key,而紅黑樹則使用染色的方式來標識這兩個key。 維基百科對B樹的定義為“在電腦科學中,B樹(B-tree)是一種樹狀資料結構,它能夠儲存資料、對其進行排序並允許以O(log n)的時間複雜度執行進行查詢、順序讀取、插入和刪

政務大資料的本質

        導讀:政務是個大市場,阿里、騰訊、電信、華為都在賠本賺吆喝。本文作者是資深從業人

演算法和資料結構: 十一 雜湊表

在前面的系列文章中,依次介紹了基於無序列表的順序查詢,基於有序陣列的二分查詢,平衡查詢樹,以及紅黑樹,下圖是他們在平均以及最差情況下的時間複雜度: 可以看到在時間複雜度上,紅黑樹在平均情況下插入,查詢以及刪除上都達到了lgN的時間複雜度。 那麼有沒有查詢效率更高的資料結構呢,答案就是本文接下來要介紹了

演算法和資料結構: 四 快速排序

上篇文章介紹了時間複雜度為O(nlgn)的合併排序,本篇文章介紹時間複雜度同樣為O(nlgn)但是排序速度比合並排序更快的快速排序(Quick Sort)。 快速排序也是一種採用分治法解決問題的一個典型應用。在很多程式語言中,對陣列,列表進行的非穩定排序在內部實現中都使用的是快速排序。而且快速排序在

演算法和資料結構: 六 符號表及其基本實現

前面幾篇文章介紹了基本的排序演算法,排序通常是查詢的前奏操作。從本文開始介紹基本的查詢演算法。 在介紹查詢演算法,首先需要了解符號表這一抽象資料結構,本文首先介紹了什麼是符號表,以及這一抽象資料結構的的API,然後介紹了兩種簡單的符號表的實現方式。 一符號表 在開始介紹查詢演算法之前,我們需要定義一個名

hive中資料的幾種壓縮方式

hive庫中有個表,表名叫做user_info_base表創表的命令是:create table user_info_base(    id string,    name string,    age string)row format delimited fields t

演算法和資料結構----無向圖相關演算法基礎

最近幾個專案用到了求所有最小哈密爾頓迴路,貪婪遍歷查詢等演算法,都是自己想或者查論文,雖然都是資料結構的基礎內容,但感覺比較零散,很糾結。 前幾天突然聽到“圖計算”這個名詞,覺得應該是找到組織了,因此轉載如下,後續會不斷轉載其他有用的文章。 以下內容轉載自:http:/

演算法和資料結構: 三 合併排序

合併排序,顧名思義,就是通過將兩個有序的序列合併為一個大的有序的序列的方式來實現排序。合併排序是一種典型的分治演算法:首先將序列分為兩部分,然後對每一部分進行迴圈遞迴的排序,然後逐個將結果進行合併。   合併排序最大的優點是它的時間複雜度為O(nlgn),這個是我們之前的選擇排序和插入排序所達不到的。他還

演算法和資料結構: 一 棧和佇列

最近晚上在家裡看Algorithems,4th Edition,我買的英文版,覺得這本書寫的比較淺顯易懂,而且“圖碼並茂”,趁著這次機會打算好好學習做做筆記,這樣也會印象深刻,這也是寫這一系列文章的原因。另外普林斯頓大學在Coursera 上也有這本書同步的公開課,還有另外一門演算法分析課,這門課程的作者也是

演算法和資料結構: 二 基本排序演算法

本篇開始學習排序演算法。排序與我們日常生活中息息相關,比如,我們要從電話簿中找到某個聯絡人首先會按照姓氏排序、買火車票會按照出發時間或者時長排序、買東西會按照銷量或者好評度排序、查詢檔案會按照修改時間排序等等。在計算機程式設計中,排序和查詢也是最基本的演算法,很多其他的演算法都是以排序演算法為基礎,在一般的資

演算法和資料結構(11):雜湊表

在前面的系列文章中,依次介紹了基於無序列表的順序查詢,基於有序陣列的二分查詢,平衡查詢樹,以及紅黑樹,下圖是它們在平均以及最差情況下的時間複雜度: 可以看到在時間複雜度上,紅黑樹在平均情況下插入,查詢以及刪除上都達到了lgN的時間複雜度。 那麼

演算法和資料結構(7):二叉查詢樹

前文介紹了符號表的兩種實現,無序連結串列和有序陣列,無序連結串列在插入的時候具有較高的靈活性,而有序陣列在查詢時具有較高的效率,本文介紹的二叉查詢樹(Binary Search Tree,BST)這一資料結構綜合了以上兩種資料結構的優點。 二叉查詢樹具有很高的靈活性