结合客户中心的管理实践，通常在分析中要关注以下几个要点。
（1）数据的分布比数据的均值重要。
由于个体对整体的代表性较弱，客户中心的很多数据用均值表述，如接通率是一个时段内接通的数量比上整体需求的数量，一个班组的质检成绩是班组内所有成员的平均值，均值可以代表整体，但忽视了其中个体的独特性。
以接通率为例，全天的接通率是85%，看起来很高，但这个85%很可能是由每个时段的90%、80%、95%、50%，甚至包括0平均而来的，如果再细分到不同技能和更小时段（如5分钟、15分钟）差异更大，这就像我和“首富”平均出来一个没有任何意义的财富均值一样。所以必须要经常对数据进行分布状态分析，关注偏离均值较大的数据。在客户中心的运营管理中，如果某些偏离较大的数据得到了改善，整体均值也会相应的提高，这也是改善绩效的一个重要方法。
（2）自身的进步比和他人的比较重要。
经常有同行找我要某些数据，借以了解自己的运营水平。这在客户中心初始运营阶段或者新开辟一个领域时是必要的，可以帮助自己建立一个明确的参考体系，但对于一个已经运营多年的中心来说，这些数据的意义不大。不要说不同行业的客户中心数据千差万别，就是同一个行业也差异巨大，甚至同一个中心，由于自身的运营策略原因，数据也会剧烈波动。这样的单点数据值和自己比较起来没有任何意义，经常是徒增烦恼。
例如，对客户满意度来说，不同行业通常是不同的，即使同一个行业，广东和山东的客户满意度会差异巨大，汕头和广州的客户满意度也同样有差异。不同客户中心的运营管理方法和策略，值得相互学习和借鉴，但运营的具体数据的借鉴意义相对较小。在运营中，重要的是不断和自己的过去进行比较，可以进行环比和同比，甚至把过去几年的同类型数据放在一起比较，同时对数据的偏差要有明确的解释。
（3）数据的波动和趋势比数据本身重要。
客户中心的运营管理中一般有两个方向，即平稳和持续改进。从数据上反映这两个要求，就是一条持续向上的平滑曲线，波动要尽量小，同时趋势要向好。对于一些有目标值的数据，要尽量保持在目标值之上的平滑曲线。事实上，尽管偶然的小偏差并不重要，但要关注这些偏离是否经常出现，以及偏差范围是否在可接受范围之内。
即使是一个没有经验值的运营指标，只要保持数据是持续向上的平滑曲线，那么最终也可以达到一个非常优秀的运营水准。
（4）次品率比成品率重要。
在生产领域大都关注成品率，成品率的计算方法是1减去废品率，看起来两个指标是一样的，只是表示方式不同，但当一个指标涉及到人的因素时这种计算方法就不再适用了。
以接通率为例，很多客户中心都很困惑，为什么我们每天的接通率都很高，但客户老是说我们很难接通呢？这有两个方面的原因：
首先是计算方式问题，一个是系统的数据，一个是客户感知的数据。例如某天接通率是85%，也就是100次呼叫有15次没有接通。假设15个没有接通的客户中有10个再次呼叫（这些再次呼叫量已经计入总呼叫量），结果接通了，那么系统统计的接通率是85%。但按照单个客户来计算就不一样了，不重复的客户数是90个而不是100个（假设所有接通客户都没有重复拨打），那10个再次呼叫才接通的客户会认为热线的接通率有问题，调查时会认为热线“很难接通”，如果全量调查当天所有客户的接通率就不会是85%，而是（90-15）/90=83%。
其次是人的一个特性，即对负面信息更敏感，记得更牢。相比正面的接通经历，负面的未接通经历，衰减更慢，更加难忘，一次未接通需要多次的接通来修正。当问客户接通感知时，负面的记忆被唤起，正面的记忆被弱化。
（5）价值比收入重要。
谈到价值，人们通常想到的衡量标准往往是钱，是收入，但价值不应该仅仅用钱来衡量，这就像评价一个孩子是不是好孩子时不能光看成绩一样，应该从多个角度，更全面地进行评价。如果只用学习成绩来评价一个以钢琴或者绘画为特长的孩子，那么不公平是显而易见的。对于大部分客户中心尤其是呼入型的中心来说，收入绝非所长，客户中心真正的价值主要应该体现在对客户的维系上，这也是组织建立客户中心的目的，要通过与客户的每一次接触提高客户的忠诚度，挖掘客户的可能需求，在服务中进行营销的目的也应该是维系客户。
当客户中心的管理者认为可以通过收入展现自己的价值时，是踏上了一条“不归路”，是在用自己最不擅长的能力去与市场部门、营销部门、营业厅的强项PK。结果就是员工越来越苦，中心的运营开始不稳定，业绩越来越差。
数据本身没有意义，数据通过分析后对运营进行指导才有意义，运营是要围绕着目标来开展的。
