一、呼叫中心运营数据可视化的意义
数据可视化，如下图所揭示，是让复杂数据以简单清晰的形式呈现的过程和方式方法，是一种更加人性化和注重体验的设计理念。鉴于我们接收信息的主要方式是通过视觉，且对图形的敏感性远高于纯文字和数字，可视化有助于更好地展示信息和传递知识，讲述数据中隐藏的精彩故事，洞察数据背后的宝贵价值。
图1原始数据和可视化结果呈现对比
呼叫中心运营管理数据可视化的意义重大，除了有效降低管理新手在运营数据方面的学习难度，提高人员成长速度和团队内部沟通效率之外，还能精确定位管理问题，提升管理效果。
二、呼叫中心运营管理数据可视化的内涵
运营数据可视化的对象包括数据、可视化技术和可视化展现三个方面。数据方面，不仅包括各类纯数字的数据，还包括各种非结构化的文本、录音等数据。呼叫中心在数据存储和积累方面先天上具有一定的优势，这为数据可视化提供了基础元素。而可视化技术则是融合了统计、计算机图形学、计算机仿真等多个领域，能实现抽象数据向具象视觉图形转换的各种技术。可视化展现，则是在可视化技术的基础上，结合视觉、听觉、触觉等感觉，以创造更加友好的交互和交流为目标，为数据价值的展现和传达寻找最有效的方式和方法。浅层次的可视化展现，是充分利用各类已有的统计图形进行数据意义和价值的展示；稍深层次的可视化展现，则是在有效设计和搭建符合用户心理需求和体验的业务逻辑的基础上，开发有效的交互平台或工具。相应地，呼叫中心运营数据可视化也可分为日常运营过程数据可视化和数据可视化分析平台功能设计两方面。结合实践，以下笔者就这两个层面的内容进行简单的探讨。
三、呼叫中心日常运营过程中的数据可视化
我们可以从运营数据可视化处理流程以及不同数据可视化展现形式使用两方面来简单阐释日常运营过程中的数据可视化。
(一)运营数据可视化处理的流程
运营数据可视化处理流程可分为确定问题或目标、数据获取、数据分析和处理、图表呈现和修饰四个步骤。
1.确定问题或目标
确定数据可视化要针对的问题或要达成的目标有助于我们明确后续工作的具体任务，需要用到的数据范围和数据的具体要求。常见目标包括寻找数据特点或规律、探索数据间关系或发现管理中的异常情况等。
2.数据获取
原始数据可从系统或手工报表中获取，但基于研究的需要，有时数据需通过使用一些简单的方法将原始数据进行转换后得到，如用数据公式。
3.数据分析处理和挖掘
数据获取后需进行简单的分析处理，比如按字段分类别进行排序或删除多余无效的数据，然后用统计学方法或数据挖掘方法对数据内在的规律或特点进行发掘或提炼。上述过程中有诸多细节需要注意，常见的如数据中的样本量和样本分布问题。样本量过少时需谨慎对待，如在某岗位员工总样本量只有4人，1人流失的情况下，用饼图给出一个流失百分比的结论是无意义的。而在样本分布不符合要求的情况下，直接拿样本数据进行分析和挖掘也很容易造成偏差或错误。
4.图表呈现和修饰
常用的数据分析或挖掘软件都会提供一些常用可视化图形工具，如折线图、柱状图、树状结构等，而且类似EXCEL软件还会提供同一图表的多种视觉呈现形式。使用时需要根据数据分析类型，选择恰当合用的图形和视觉展现形式。这一过程往往需要通过反复比对才会完成。通常图表呈现得到的是数据可视化的雏形，需要靠我们手工去对图表的标题，坐标抽，刻度，边框，颜色，线条等进行必要修饰，使之美观实用，简单清晰。
(二)分析类型和对应可视化展现的有效方式
呼叫中心常见数据分析类型和可视化展现图形，结合前人相关图形的研究和呼叫中心的部分应用实例简单归结如下。
表1常见数据分析类型及其可视化展现图形
| 分析类型 | 类型细分说明 | 常用图表 | 常用图表示例 | 应用实例 |
| 对比分析 | 时间序列 | 柱形图 | | a.月度话务量变化趋势分析
b.员工工作表现指标周变化趋势
c.月度人员流失率变化趋势等 |
| 折线图 | |
| 图形面积(适用数据量较少的情况，非软件标配) | |
| 同比（环比）变化 | 条形图 | | a.话务量每月同比、环比
b.客户满意度指标同比、环比 |
| 柱形图 | |
| 对比关系 | 正向条形图 | | a.班组间数据对比
b.员工数据对比
c.多维指标对比（雷达图） |
| 对称条形图 | |
| 柱形图（样本量较少时适用） | |
| 气泡图 | |
| 雷达图（多维度指标测量和对比适用） | |
| 分布分析 | 集中/离散趋势分析 | 直方图（适用于少量数据） | | a.组内员工业务考试成绩集中趋势分析
b.员工小时效能集中趋势分析 |
| 正态分布图（适用于大量数据） | |
| 散点图（适用两维） | |
| 曲面图（适用三维） | |
| 结构分析 | 结构/成分分析 | 普通饼图（静态分析，不超过5个组成部分适用） | | a.员工中不同工龄员工的占比
b.不同类型话务构成 |
| 个性饼图（如方形饼图，非软件标配） | |
| 堆积柱形图（动态分析适用） | |
| 关联分析 | 关联关系分析 | 散点图（适用于两维度指标分析） | | a.员工流失率和绩效表现之间的关联关系
b.员工业务成熟度和工龄的关联关系 |
| 气泡图（适用三维度指标分析） | |
| 对称条形图 | |
| 文本分析 | 热词分析 | 标签云 | | 例：工单关键词分析 |
四、呼叫中心运营数据可视化分析功能设计
运营数据可视化分析功能设计是一个复杂的过程，要实现良好的数据体验并不容易，其中有三项较为关键的工作：业务逻辑设计、可视化图形设计和界面交互设计。
业务逻辑设计是规划的过程，包括数据指标体系梳理、指标关联关系梳理、指标跟踪预警和分析流程设计等。其中后两者是重点。指标关联关系包括纵向关联和横向关联。纵向关联中指标间通常可用数学逻辑关系式表达其关联关系，常被用于数据深层次分析。横向关联中指标间一般相互独立，但又存在强关联性。如业务成熟度和工龄，往往工龄较长的员工成熟度越高，可用于分析业务成熟度时做关联查看。关联关系梳理主要是为明确指标联动机制。指标跟踪预警和分析流程设计则是可视化图形设计和交互构建的基础，具体包括指标跟踪机制建立、预警方式设置、分析工具和分析流程设计等。指标跟踪机制主要是根据指标本身的时段表现特性设定相应的跟踪周期和方式，如实时、日、月等，有助于建构时间维度清晰的逻辑分析层级，帮助用户把控不同时段的工作重点。指标预警工具和预警方式设置是呼叫中心有效差异管理的前提。预警工具常见的有戴明控制图、目标值管理、离散系数等，具体工具的选取需结合指标特点和业务特色考虑。指标分析工具和分析流程设计是可视化分析和展现的关键。每个岗位都需根据自身特点确定相关分析工具。每一个分析工具都有特定的分析步骤和流程，并且流程上需体现出在不同周期内的管理关注重点和管理方法。
可视化图形设计，即借助可视化技术，通过恰当的视觉化方法将数据以简洁而直观的形式展现出来，通过图形就能够清晰地回答用户的问题。设计过程中需考虑客户所在岗位的管理内容和不同时段的关注焦点，因此不同岗位或用户角色其展示界面应有所区别，同一岗位不同时段其界面也有所区别。较好的图形设计应能确保客户第一眼就能找出自己想要的信息或知识，这一目标可以从展示页面整体布局，具体图形的尺寸，图形的位置，色彩等方面入手。
交互的设计主要是人-机交互，工作目标是进一步方便用户对分析平台的使用，创造良好的使用体验。运营数据可视化分析的交互设计，是基于业务逻辑设计，充分地考虑用户实际的分析和操控需要，为不同分析层次的各类行为事件和响应机制创造人性化的设计，如提供同一指标的多维度查询，在一次鼠标点击后尽量到位地提供用户所需要的信息，或者提供关联指标展示视图或显示重要数据等。操作的连续性、优秀的联动和清晰的逻辑层次，恰当的响应设计，让用户在使用的过程中，充分了解并读懂数据，从而为其决策处理提供有力的支撑。
随着大数据应用的深入和普及，数据可视化技术和展现的水平也比较再上一个台阶。本文为笔者实践浅见，期待与大家一通探讨。
