3.2 數(shù)據(jù)類型多樣—傳統(tǒng)技術(shù)手段對半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及空間矢量數(shù)據(jù)等數(shù)據(jù)格式處理能力不足

隨著電網(wǎng)公司智能電網(wǎng)建設和經(jīng)營管理的提升，產(chǎn)生了大量的視頻、客服音頻等非結(jié)構(gòu)化數(shù)據(jù)，日志、表計等半結(jié)構(gòu)化數(shù)據(jù)，以及地理空間的矢量數(shù)據(jù)等多種類型的數(shù)據(jù)，電網(wǎng)公司需要增強對上述多種類型數(shù)據(jù)的處理能力，彌補傳統(tǒng)技術(shù)手段對半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及空間矢量數(shù)據(jù)等其他數(shù)據(jù)格式處理能力的不足，挖掘潛在價值。

3.2.1客服語音記錄數(shù)據(jù)輔助提升服務質(zhì)量

1.現(xiàn)狀和需求
據(jù)統(tǒng)計，隨著國家電網(wǎng)公司實現(xiàn)客服中心業(yè)務集中后，話務請求受理量達到14107.92萬件（日均32.9萬件）、其中自助服務量61.11萬件（日均14.25萬件）、人工接聽量6697.64萬件（日均15.61萬件）、錄音數(shù)8412.84萬件（日均19.61萬件），錄音容量達到16.8TB（日均約39.3GB）。如何有效存儲、分析、利用大量話務數(shù)據(jù)，目前成為其面臨的一大挑戰(zhàn)。作為電網(wǎng)公司與客戶接觸的主要窗口之一，客服中心積累的海量非結(jié)構(gòu)化音頻數(shù)據(jù)，沉淀了大量的產(chǎn)品服務信息、客戶行為信息，具有極高的使用價値，如何有效利用這些信息提升客戶感知、降低客戶投訴、提升服務效率，成為客服中心面臨的又一挑戰(zhàn)。而在其他行業(yè)領域，利用客服語音記錄輔助提升服務質(zhì)量的例子也很多。例如，在中國移動公司，Teradata為其配置了基于CCR模型的客戶投訴智能識別系統(tǒng)，以投訴內(nèi)容為源頭，通過智能文本分析，實現(xiàn)了從發(fā)現(xiàn)問題到分析問題，再到解決問題以及跟蹤評估的閉環(huán)管理。經(jīng)過一段時間使用，僅中國移動某省級公司，就實現(xiàn)全網(wǎng)投訴內(nèi)容的智能識別：769個投訴原因被識別；配合業(yè)務部門提出37個產(chǎn)品優(yōu)化建議，協(xié)助優(yōu)化11個產(chǎn)品；優(yōu)化不滿意點58個，消除368295客戶的潛在不滿隱患；每年節(jié)約成本540萬。

2.應用場景
（1）客戶關注熱點分析
基于95598客戶服務中心每天產(chǎn)生的大量話務數(shù)據(jù)，通過采用語音識別技術(shù)進行高頻詞提取分析，利用聚類分析技術(shù)匯總高頻詞出現(xiàn)率，形成客戶當前關注熱詞指數(shù)排行榜，服務客服中心客服知識庫構(gòu)建及自助語音推送業(yè)務。
(2)客戶滿意度分析
基于客戶檔案以及客戶服務記錄，通過采用語音識別與聚類分析技術(shù)，對受理滿意度、回訪滿意度、業(yè)擴回訪滿意度等進行分析，找尋影響服務滿意度的因素，支撐公司市場營銷建設。
(3)智能語音情緒波動預警
通過實時対通話語言進行分析，利用情感識別技術(shù)，智能感知客戶、座席兩方面的情緒波動，及時發(fā)現(xiàn)座席人員、客戶端情緒信息(如冷漠、不耐煩等).在需要干預時進行預警，防范服務風險的發(fā)生，提高服務水平。
(4)智能語音質(zhì)檢
通過對全部服務錄音文件記錄中的高頻詞、敏感詞、客戶涉及121服務評價的詞語進行智能分析與自動化檢測，統(tǒng)計服務異常情況，然后經(jīng)由質(zhì)檢人員進行確認，可極大提高工作效率.創(chuàng)新內(nèi)部運營管理，提升客服中心管理效率。

3.大數(shù)據(jù)解決方案
音頻數(shù)據(jù)的處理分析首先需要的是數(shù)據(jù)平臺的支撐，非結(jié)構(gòu)化的數(shù)據(jù)存儲和健全的數(shù)據(jù)索引是基于客服音頻數(shù)據(jù)開發(fā)高級應用的基礎。以客戶關注熱點及客戶滿意度分析應用場景為例，可以為毎個電力用戶建立用戶服務檔案庫。這將形成一個數(shù)據(jù)體量客觀的非結(jié)構(gòu)化數(shù)據(jù)資源。對每個客戶的客服語音數(shù)據(jù)進行記錄，在關注熱點分析方面，采用分層感知哈希算法對錄音片段中的關鍵熱詞進行檢索，其檢索結(jié)果將記錄在該用戶的用戶檔案中。針対每一個用戶，在其對應的分布式計算算法如Map/Reduce進程中，相當于--個Map進程，最后在Reduce過程中，通過對所有用戶的檢索結(jié)果進行匯總和分析，將得出總體的熱詞檢索結(jié)果。對客服人員就相關內(nèi)容対客戶進行服務推送，刺激客戶產(chǎn)生增值業(yè)務有重大推動作用。在客戶滿意度分析中，同樣可以采用語音檢索技術(shù)對客戶音頻中的不滿意點進行檢索記錄，在檢索前設置可能的敏感詞匯，通過檢索形成數(shù)據(jù)報表。這個數(shù)據(jù)報表就是下一步進行關聯(lián)性分析的歷史樣本數(shù)據(jù)，關聯(lián)性分析意在發(fā)現(xiàn)導致客戶不滿意的原因。將客戶的不滿意原因進行分解，例如可以分解為接聽慢，客服聲音小、故障搶修用時較長、服務態(tài)度差等多項指標、建立這些指標與不滿意案例的映射關系，即體現(xiàn)在關聯(lián)性的強弱上，分析造成客戶不滿意度的主要因素，幫助電網(wǎng)公司提供更高質(zhì)量、更個性化的服務。
 

書名：電力大數(shù)據(jù)：能源互聯(lián)網(wǎng)時代的電力企業(yè)轉(zhuǎn)型與價值創(chuàng)造

ISBN：978-7-111-51693-4

作者：賴征田

出版日期：2016-01

出版社：機械工業(yè)出版社