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。
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。
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 |