從數據挖掘走向大數據演講稿

　　演講稿可以幫助發(fā)言者更好的表達。在發(fā)展不斷提速的社會(huì )中，演講稿的使用頻率越來(lái)越高，相信許多人會(huì )覺(jué)得演講稿很難寫(xiě)吧，下面是小編為大家整理的從數據挖掘走向大數據演講稿，歡迎閱讀，希望大家能夠喜歡。

　　首先簡(jiǎn)單介紹一下所謂聯(lián)絡(luò )中心的大數據應用，這個(gè)系列課程還是圍繞著(zhù)現在比較流行大數據的概念，然后跟聯(lián)絡(luò )中心之間彼此相關(guān)的關(guān)系，跟相應的應用，那我們會(huì )有六個(gè)課程的主題。

　　第一部分我們是在講從數據挖掘到大數據。第二個(gè)主題是跟大家介紹有關(guān)大數據的基本概念，第三個(gè)部分會(huì )跟大家介紹聯(lián)絡(luò )中的一個(gè)全局的戰略，第四個(gè)部分是在講聯(lián)絡(luò )中的精準營(yíng)銷(xiāo)上面的運用，第五個(gè)部份是怎么運用聯(lián)絡(luò )中心提升客戶(hù)的體驗，最后第六個(gè)這個(gè)單元我們會(huì )跟大家介紹一下如何在聯(lián)絡(luò )中心內部搭建測試學(xué)習這個(gè)平臺。

　　那開(kāi)始我們后面課程之前，會(huì )花點(diǎn)時(shí)間簡(jiǎn)單介紹一下我自己個(gè)人背景。

　　我叫徐元亮在聯(lián)絡(luò )中心這個(gè)行業(yè)工作有超過(guò)15年以上的時(shí)間，那最早我求學(xué)跟第一份工作是在臺灣但是從20xx年以后就在內地開(kāi)始工作，那在大陸這邊也有超過(guò)10年以上工作時(shí)間。在學(xué)校部分我在臺灣的國立臺灣大學(xué)心理系取得本科的學(xué)歷，之后在美國德克薩斯貝勒大學(xué)Baylor University取得教育心理學(xué)的學(xué)位。

　　第一份工作是在臺灣電信公司叫臺灣大哥大它的一個(gè)20xx以上規模的CallCenter里面擔任培訓主管一個(gè)工作，在20xx年到大陸之后陸陸續續保險公司在幾家保險公司曾經(jīng)公做過(guò)包括太平洋保險天平保險中國大地保險最后一份工作在大地保險工作七年時(shí)間，協(xié)助它建立電話(huà)銷(xiāo)售中心整個(gè)籌建以及后面規模的運作，那個(gè)人最大的管理幅度當時(shí)大概下面管理大概超過(guò)有20xx的座席。年營(yíng)業(yè)額超過(guò)10億。那在20xx年以后離開(kāi)了企業(yè)界，在外面開(kāi)始從事咨詢(xún)與專(zhuān)門(mén)培訓的工作那我今年開(kāi)始20xx年也成立專(zhuān)門(mén)這個(gè)培訓工作室，那主要培訓內容主要圍繞著(zhù)聯(lián)絡(luò )中心開(kāi)始跟各位能夠有機會(huì )介紹這個(gè)有關(guān)聯(lián)絡(luò )中心大數據運用或者電話(huà)營(yíng)銷(xiāo)管理或者電話(huà)客服管理這個(gè)課程。以上是有關(guān)是自己資歷的簡(jiǎn)介，那之后是我們這系列正式課程。

　　首先第一個(gè)我們要跟大家做報告分享主題是從數據挖掘走向大數據。開(kāi)始今天主題之前要跟大家談一下到底大數據是什么樣概念，還有就是說(shuō)我們跟聯(lián)絡(luò )中心彼此之間有什么樣的關(guān)系。

　　這幾年在我們國內大數據是熱門(mén)的話(huà)題！各行各業(yè)幾乎脫口都要談到大數據，做一些數據分析整理的時(shí)候，基本上你不講大數據感覺(jué)好像這個(gè)企業(yè)管理現在這個(gè)數據庫管理就脫節了。實(shí)際上真真正有多少企業(yè)已經(jīng)真正開(kāi)始用大數據這個(gè)應用，就聯(lián)絡(luò )中心這個(gè)行業(yè)來(lái)講又有那些聯(lián)絡(luò )中心真正開(kāi)始應用大數據。

　　個(gè)人覺(jué)得就是說(shuō)如果真正要了解大數據在聯(lián)絡(luò )中心的運用，可能要先從客戶(hù)關(guān)系管理跟數據挖掘，這些基本的數據管理概念開(kāi)始談起。

　　這一張投影片大概是我在10多年前第一份工作，剛才提到的臺灣大哥大有位同事叫李明德李先生，他現在應該還在臺灣大哥大工作，當時(shí)他做的投影片。

　　經(jīng)過(guò)10多年時(shí)間，雖然中間有一些跟客互動(dòng)渠道有了變化，但是里面一些包括聯(lián)絡(luò )中心跟數據倉儲跟后面目標客戶(hù)細分，客戶(hù)忠誠度終身價(jià)值之間的關(guān)系，其實(shí)10多年來(lái)我認為還是沒(méi)有太大的變化。中間數據挖掘技術(shù)其實(shí)從這個(gè)概念到現在有將近20年時(shí)間，但是真正在聯(lián)絡(luò )中心或者企業(yè)界，得到很好的應用可能也是最近幾年的事情。

　　這張圖可以跟大家解釋?zhuān)�有關(guān)客戶(hù)關(guān)系管理跟聯(lián)絡(luò )中心的一些說(shuō)明，簡(jiǎn)單來(lái)講就是說(shuō)我們認為做到應用數據挖掘或大數據聯(lián)絡(luò )的前提，它必須是一個(gè)以客戶(hù)為中心的聯(lián)絡(luò )中心，在前臺部分它會(huì )有各種不同的接觸渠道，跟客戶(hù)進(jìn)行互動(dòng)包括傳統電話(huà)語(yǔ)音包括現在比較流行的手機APP或即時(shí)通訊軟件像QQ或者是說(shuō)天貓、淘寶’上面的旺旺包括微信上面的這個(gè)社交媒體，微信微博，包括互聯(lián)網(wǎng)上面官網(wǎng)，包括微信的公眾號等等。這些都可以依靠我們聯(lián)絡(luò )中心在后臺給客戶(hù)提供相應的一些支持。

　　另外來(lái)講，ATM終端，或者是在國外我們看到有一些加油站或者便利超商它也有一些做娛樂(lè )或者是相關(guān)服務(wù)購買(mǎi)、充值的終端，事實(shí)上也能夠由Call Center在后面提供相關(guān)的服務(wù)。

　　另外還有傳統服務(wù)傳真電子郵件等等，這些其實(shí)也都在聯(lián)絡(luò )中心提供互動(dòng)的一些范圍。還有就是一些實(shí)體渠道。傳統上面我們大家認為聯(lián)絡(luò )中心跟面對面的機構跟渠道之間沒(méi)有什么太大關(guān)系，但事實(shí)上我們看到很多先進(jìn)公司事實(shí)上在傳統渠道的部分他其實(shí)也是有Call Center在給我們傳統渠道面對面銷(xiāo)售人員或者這個(gè)中介銷(xiāo)售隊伍提供相應的支持。

　　比如說(shuō)十年前我在幫微軟和Cisco 提供外包服務(wù)的時(shí)候，就看到他們的企業(yè)銷(xiāo)售團隊在跟客戶(hù)去談這些大的訂制化IT系統解決方案的時(shí)候，不管是說(shuō)買(mǎi)這個(gè)作業(yè)系統的軟件或買(mǎi)一些服務(wù)器、Router路由器硬件，通常來(lái)講他們會(huì )在Call Center指定一個(gè)相應的助理做項目的支持，然后他們會(huì )提供簡(jiǎn)單的咨詢(xún)及問(wèn)題反應記錄，甚至有一些制式化的報價(jià)等相應的工作。

　　有一些比較復雜的工作他會(huì )即時(shí)聯(lián)系大客戶(hù)項目代表本人到現場(chǎng)進(jìn)行處理，總而言之，就是說(shuō)如果我們能夠做到以客戶(hù)為中心的后臺，其實(shí)聯(lián)絡(luò )中心它是會(huì )隨著(zhù)我們交互渠道不斷的演進(jìn)，在前臺各種不一樣的交互渠道中去提供數據收集跟整理。

　　為了做到以客戶(hù)為中心，聯(lián)絡(luò )中心后面必須要有一個(gè)數據倉儲，在數據倉儲里面包括來(lái)自市場(chǎng)營(yíng)銷(xiāo)來(lái)自客戶(hù)服務(wù)，從前端銷(xiāo)售到后端服務(wù)售后整個(gè)全方位的一些信息。通過(guò)數據挖掘的一些手段以及工具，那我們能夠做到目標客戶(hù)的細分，針對不同客戶(hù)細分我們給他一些客制化這個(gè)產(chǎn)品服務(wù)或者是說(shuō)對流層。最終目的是提高客戶(hù)的忠誠度以及提高客戶(hù)終身價(jià)值，這個(gè)是我對聯(lián)絡(luò )中心與數據挖掘彼此之間關(guān)系的理解。

　　下一張投影片主要跟大家介紹怎么樣從數據挖掘到真正產(chǎn)生商業(yè)價(jià)值、企業(yè)管理價(jià)值的商業(yè)智能系統。

　　簡(jiǎn)單來(lái)講就是說(shuō)我們做大量數據挖掘工作之后最主要目的是能夠幫我們很多線(xiàn)索，作為我們聯(lián)絡(luò )中心跟客戶(hù)去做服務(wù)跟銷(xiāo)售的一個(gè)參考依據，甚至說(shuō)做一個(gè)重要的指導。

　　為了達到這個(gè)目的從單純數據挖掘我們必須進(jìn)一步要做到所謂商業(yè)智能系統，商業(yè)智能系統的基本雛形大概會(huì )是這個(gè)樣子的，在這個(gè)整個(gè)系統的最后面會(huì )有一些各種各樣的數據源，不同數據源經(jīng)過(guò)ETL一些程序它會(huì )進(jìn)入我們的數據倉庫，在經(jīng)過(guò)數據倉庫之后同樣進(jìn)到另外一道ETL.它會(huì )進(jìn)到各個(gè)子的數據集市DataMarket在我們不同業(yè)務(wù)部門(mén)有需要的時(shí)候，不管是給客戶(hù)提供銷(xiāo)售、給客戶(hù)提供服務(wù)，這個(gè)時(shí)候我們會(huì )從不同的數據集市子集當中，去抽取我所需要的信息，給我的工作提供相應指導，這個(gè)是一個(gè)簡(jiǎn)單的商業(yè)智能系統的雛形架構。

　　中間跟大家提一下ETL這樣的概念，我們在講數據挖掘或者比較熱門(mén)的大數據的時(shí)候，經(jīng)常提到我這個(gè)系統、這個(gè)模型的ETL流程是怎樣？他指的就是：數據的提取Extract、數據轉換Transform 、以及數據加載Load,那這幾個(gè)是在做數據整理當中，經(jīng)常要使用的步驟。

　　不同數據庫的管理系統，不同數據庫的模型在這當中它其實(shí)有一些相應的不同作法，這也代表系統的優(yōu)勢和劣勢，簡(jiǎn)單來(lái)講，整個(gè)數據化到商業(yè)智能，后臺部份必須具備跟數據庫連接的功能、必須要具備ETL功能、必須要具備數據倉庫跟數據集市管理功能，在前端的部份，它要有一個(gè)很友好的數據展示功能配置，同時(shí)要能做到數據探索的配置，比方說(shuō)，我在顯示的時(shí)候我可以看到全國的數據，我也可以進(jìn)一步往下細分的每一個(gè)市，每一個(gè)三級的縣或鄉鎮，甚至于來(lái)講，可以看到某年齡段的客戶(hù)或針對某一個(gè)產(chǎn)品曾經(jīng)購買(mǎi)的客戶(hù)。

　　回到我們講數據挖掘在企業(yè)以及CallCenter的應用，我覺(jué)得可以從兩個(gè)層面來(lái)看比較常見(jiàn)的應用。第一個(gè)跟我們聯(lián)絡(luò )中心比較有關(guān)的，是基于貫穿客戶(hù)生命價(jià)值的數據分析，簡(jiǎn)單來(lái)講，我們看整個(gè)生命周期可分為三個(gè)階段：第一個(gè)階段是客戶(hù)獲取、第二個(gè)階段是客戶(hù)接觸、最后一個(gè)階段是客戶(hù)挽留跟贏(yíng)回。

　　在客戶(hù)獲取階段我們可以去做相關(guān)的渠道分析，比方說(shuō)分析網(wǎng)絡(luò )推廣的成本跟收益，分析電話(huà)外呼響應率，分析交叉銷(xiāo)售跟向上銷(xiāo)售的效率。在客戶(hù)生命周期價(jià)值部份，我們可以去分析客戶(hù)價(jià)值模型，我們可以去做相關(guān)的客戶(hù)分群，我們可以去做客戶(hù)風(fēng)險模型，針對他的信用、針對他的風(fēng)險去做一些基于數據庫的分析。

　　客戶(hù)接觸階段主要可以從三個(gè)象限去做考慮，第一個(gè)是產(chǎn)品，第二個(gè)是客戶(hù)，第三個(gè)是坐席，產(chǎn)品部份我們去分析它的產(chǎn)品設計對于整個(gè)銷(xiāo)售行為、客戶(hù)階段的影響，產(chǎn)品定價(jià)可以去做進(jìn)一步分析；客戶(hù)的部份，我們可以分析他的溝通策略及用戶(hù)體驗；坐席部分，我們可以去做坐席的工作績(jì)效，以及離職率等人力資源相關(guān)指標的分析。

　　最后是客戶(hù)挽回跟贏(yíng)回，客戶(hù)挽回指的是說(shuō)當客戶(hù)有流失風(fēng)險的'時(shí)候，我應該怎么樣作提早的介入，中間我們可以去分析客戶(hù)挽回相應所花的預算，還有禮品的有效性，以及客戶(hù)挽回成功率的模型。在客戶(hù)贏(yíng)回這個(gè)部份指的是說(shuō)因為任何一個(gè)原因，這個(gè)客戶(hù)可能不在我們這邊繼續購買(mǎi)產(chǎn)品或服務(wù)了，但是我有一個(gè)新的產(chǎn)品或服務(wù)，或者新的促銷(xiāo)活動(dòng)的時(shí)候，怎么想辦法重新贏(yíng)回。這里面我們可以分析客戶(hù)流失的原因，流失率的分析，也可以去做重新贏(yíng)回成功率的分析。

　　第二個(gè)我們經(jīng)常使用到的數據分析向度，是貫穿整個(gè)企業(yè)經(jīng)營(yíng)的數據分析。從企業(yè)經(jīng)營(yíng)角度，我們分成四個(gè)部份來(lái)看，第一個(gè)是營(yíng)銷(xiāo)分析，第二是企業(yè)風(fēng)險控制分析、第三個(gè)是產(chǎn)品創(chuàng )新、第四個(gè)是資源配置。

　　中間有一些我們可能會(huì )在后面其他單元講到，簡(jiǎn)單來(lái)說(shuō)，在整個(gè)企業(yè)級的分析當中，我們希望能盡量收集到大量數據，數據來(lái)源能盡量真實(shí)和準確，或著(zhù)想辦法提升它的真實(shí)準確程度，不同的數據可以來(lái)自不同的緯度，不一定要有非常明確的相關(guān)性，在數據之間會(huì )進(jìn)一步交叉檢驗，有條件的情況下，我們可以在企業(yè)外部找一些公共的數據資源，或者跟其他企業(yè)、其他行業(yè)的數據間，去做外部數據的交換或拓展。

　　簡(jiǎn)單來(lái)講，可以應用到的一些數據包括：客戶(hù)信用分數、年收入、教育背景、職業(yè)、人脈關(guān)系、社交網(wǎng)絡(luò )的記錄、信用紀錄、負債記錄、在專(zhuān)業(yè)領(lǐng)域里面的相關(guān)紀錄，他目前所屬的人生階段，已婚、未婚、有沒(méi)有小孩等等，他的行為偏好以及電子商務(wù)購買(mǎi)的相關(guān)紀錄，這些都可以做為企業(yè)分析的基礎。同樣的，在我們企業(yè)分析的依據之下，也可以對我們聯(lián)絡(luò )中心的作業(yè)提供相應的指導。

　　最后來(lái)講，我們在做整個(gè)數據挖掘它的目的，就是說(shuō)，我們當然希望下一步能夠把我們的聯(lián)絡(luò )中心轉換成一個(gè)基于大數據管理的聯(lián)絡(luò )中心。

　　首先的條件就是，在整個(gè)聯(lián)絡(luò )中心的后臺，你必須要具備所謂數據生態(tài)系統的條件，如果說(shuō)我聯(lián)絡(luò )中心沒(méi)有做到以客戶(hù)為中心，我聯(lián)絡(luò )中心的運作后臺并沒(méi)有相應數據庫跟挖掘分析模型的支持，那其實(shí)大數據對我的聯(lián)絡(luò )中心日常管理作業(yè)起不到很大的指導意義。

　　所謂的數據生態(tài)系統，至少包含三大部分。第一個(gè)是有相應的數據源，包括外部電信運營(yíng)商的數據，他的網(wǎng)路使用習慣，使用的流量，包括他的GIS的相關(guān)定位的歷史紀錄跟信息，公安部、教育部或者其他政府機構的公告訊息，社交網(wǎng)路上面留下的紀錄以及電子商務(wù)購買(mǎi)的紀錄，還有金融機構相關(guān)的購買(mǎi)跟信用行為、貸款行為等相應紀錄，這些都可以做為數據來(lái)源；這些外部數據通過(guò)第二個(gè)部分，我們的數據實(shí)驗室，在每個(gè)數據去做一定的價(jià)值評估，通過(guò)數據源的管理，去做數據相應的匹配，這里面可能會(huì )包括有效性的驗證、除重、或者內外部數據的比對，在比對過(guò)程當中、整理過(guò)程當中，我們去評價(jià)相關(guān)所整理數據的價(jià)值，然后結合內外部數據，才回到我們第三個(gè)部分，就是建立起企業(yè)的數據平臺，數據平臺里面包含模型管理，中間可能包括相關(guān)的人口數據、資產(chǎn)數據、信用數據、生活行為、社會(huì )、支付行為等等其他一些數據，如果說(shuō)企業(yè)考慮在現有的數據生態(tài)系統的基礎下，我希望往進(jìn)一步往大數據進(jìn)行，現在開(kāi)始也有很多大數據的基礎架構，能夠提供企業(yè)相應支持，這幾年比較流行的比方說(shuō)Hadoop 、PIG 、 Hive這些是都基于大數據，或是基于非結構化數據，能夠提供數據庫支持的平臺。

　　基本上基于以上這幾點(diǎn)我們認為，在討論聯(lián)絡(luò )中心去做大數據應用之前，必須要提前具備的主題，也是我們今天討論從數據挖掘走向大數據的內容，以上這個(gè)單元就到這邊，謝謝大家。

【從數據挖掘走向大數據演講稿】相關(guān)文章：

數據中心總結01-21

數據的計算說(shuō)課稿11-02

“大數據殺熟”閱讀答案09-24

數據安全事件應急預案01-28

數據保密協(xié)議書(shū)01-19

公司數據保密協(xié)議范本01-14

數據保密承諾書(shū)01-24

數據的分段整理說(shuō)課稿11-07

數據科學(xué)與大數據技術(shù)專(zhuān)業(yè)是干什么的10-12

從古典走向浪漫說(shuō)課稿11-06