近几年来“大数据”一词的热度有目共睹，各行各业也都在根据自身特点和需求不断探索符合不同行业特性的大数据应用场景。

呼叫中心作为连接企业和企业用户的沟通枢纽，其在日常运营中也会获取、使用、或者是产生大量的数据。虽然从数据的“量级”来看，呼叫中心的运营数据规模相对有限，然而对于呼叫中心自身的运营管理，乃至于企业来讲这部分数据的价值却是“无可限量”的。

呼叫中心的运营数据具备4V特性：

一、Volume（大量）

据调查统计，仅传统热线服务渠道，XX运营商每月就有30亿次的用户接触记录和通话录音。

二、Variety（多样）

呼叫中心的运营数据按照数据格式划分，包括：

1. 结构化数据

结构化数据是指可以使用关系型数据库表示和存储，表现为二维形式的数据。比如：

• 用于体现呼叫中心日常运营情况的运营类数据；

• 用于记录和呈现呼叫中心整体及个体（班组和个人）日常运营结果的考核类数据（KPI数据）；

• 基于客服人员日常受理记录（工单）所形成的业务受理统计数据（二维形式）等。

2.非结构化数据

非结构化数据是指数据结构不规则或不完整，没有预定义的数据模型，不方便使用数据库二维逻辑表来表现的数据，各种文档、图片、视频/音频等都属于非结构化数据。

对于呼叫中心来讲，特指客服人员与用户的通话录音数据，以及受理工单中的文本数据。以往采用传统的人工质检、报表统计等手段，对于这些数据价值的分析利用仅是“冰山一角”，大量的价值信息有待挖掘。

企业需要通过整合多服务渠道的用户服务数据，建设运营指标库和客户标签库，并借助大数据挖掘分析技术，及自然语言识别技术(NLP , Natural Language Processing)，实现数据变现。

三、Velocity（快速）

呼叫中心需要借助大数据挖掘分析技术及自然语言识别技术(NLP , Natural Language Processing)，建设“智能客服助手“。从而实现在客服人员与用户的互动交流中快速定位问题并智能匹配解决方案，同时亦可适时推荐营销。

四、Value（价值）

据调查统计，在呼叫中心的运营数据中，非结构化数据（录音数据和文本数据）的占比高达80%。而真正能够反映用户真实“心声“的价值信息，恰恰就在这些依靠传统人工手段、难于被挖掘利用的非结构化数据中。

因而，呼叫中心需要应用大数据挖掘分析技术及自然语言识别技术(NLP , Natural Language Processing)，自动将海量录音转写为文本语句，并进行文本分析应用，如关键词检索、筛选、归类等，挖掘分析出价值信息，传递至公司相关部门，从而为企业的产品创新、营销完善、服务优化等提供现实、客观、全面、且有价值含金量的信息。