上一期我们分享了商业银行客服中心转型背景、消费市场环境的变化（详情见：商业银行客服中心数据挖掘与应用（上）），今天我们继续。

01
中央金融和经济会议简析

围绕一些重大金融和经济主题，中共中央在2023下半年召开了两次重要工作会议。一是中央金融工作会议，二是中央经济工作会议。两次会议都是结合我国现阶段的经济发展形势，进一步明确金融经济工作目标任务，谋定发展路线，擘画未来发展新蓝图。

（一）中央金融工作会议

2023年10月30日至31日，中央金融工作会议在北京举行。会议首次提出“金融强国”目标，将金融作为“国家核心竞争力的重要组成部分”，指出“坚定不移走中国特色金融发展之路，推动我国金融高质量发展，为以中国式现代化全面推进强国建设、民族复兴伟业提供有力支撑”。中国特色金融发展之路“必须坚持党中央对金融工作的集中统一领导，坚持以人民为中心的价值取向，坚持把金融服务实体经济作为根本宗旨，坚持把防控风险作为金融工作的永恒主题，坚持在市场化法治化轨道上推进金融创新发展，坚持深化金融供给侧结构性改革，坚持统筹金融开放和安全，坚持稳中求进工作总基调”。中国特色金融发展之路必须与中华民族伟大复兴事业有机结合，为强国建设提供有力金融支持，坚持以人民为中心的价值取向，面向人民大众，服务人民，服务实体经济。金融产品及服务要在市场化、法制化的轨道上守正创新。做好“科技金融、绿色金融、普惠金融、养老金融、数字金融五篇大文章”。

（二）中央经济工作会议

2023年12月11日至12日，中央经济工作会议在北京举行。会议指出要“统筹扩大内需和深化供给侧结构性改革，统筹新型城镇化和乡村全面振兴，统筹高质量发展和高水平安全”，目的是“推动经济实现质的有效提升和量的合理增长，增进民生福祉，保持社会稳定”，最终目标是“以中国式现代化全面推进强国建设、民族复兴伟业”。会议指出要“引导金融机构加大对科技创新、绿色转型、普惠小微、数字经济等方面的支持力度，发展数字经济，加快推动人工智能发展”。进一步“扩大有效益的投资，形成消费和投资相互促进的良性循环”。

（三）小结

通过梳理两次会议内容不难发现，中央对未来金融经济工作指明了发展方向，从中可以看出三个明显的特征点。

一是金融服务大众，这是金融工作人民性的重要体现。这里的“大众”除了普通老百姓以外，还包括中小微企业。金融服务要满足中小微企业、创新企业、科技企业的融资需求，“五篇大文章”准确地描绘了金融未来的发力方向。

二是金融发展目的是增进民生福祉，保持社会稳定；为以中国式现代化全面推进强国建设、民族复兴伟业提供有力支撑。金融和经济工作应当与民族复兴伟业紧密结合，金融机构应当以增进民生福祉为己任，促进社会平稳有序发展。

三是金融工作要凸显普惠性，支持数字经济发展。金融的活水将“流入”提升人民生活质量、立足于民生的基础建设以及强国等领域，真正实现造福于人民，贡献于中国式现代化。中央的两次会议为金融高质量发展擘画了蓝图，具有十分重要的意义。

02
数字金融与数据价值链

大型商业银行作为国家经济的“压舱石”应当坚持金融的人民性，进一步普惠大众，支持数字经济发展。客服中心作为银行中后台部门，增强服务意识，坚持以人民为中心的价值取向，践行以客户为中心的服务理念，通过综合金融服务，提升服务客户能力。从数据价值链的概念出发，结合数字金融发展新趋势，挖掘数据价值，进一步发挥数据效能，用以提升对客户需求的敏捷响应能力。

（一）数据价值链

1.概念

价值链是指企业一系列输入、转换与输出的活动序列集合，每个活动都有可能对企业产生增值作用。价值链分析能够很好地认识企业的价值活动，明确为企业带来增值效应的活动并加以重点优化和改善。聚焦于数据层面而梳理出的价值链称为“数据价值链”，即客服中心通过数据获取、分析与供给等一系列活动创造服务价值的动态过程，形成一整条循环作用的闭合链。

从这个概念可以看出，数据价值链有两点特征。

一是数据价值链的目标是增加客服中心价值，数据应用不能停留在理论分析的阶段，而应当对服务工作进行指导并且发挥作用形成数据效能，数据效能创造真正的效益。

二是数据价值链是一条完整的动态闭合链，包含数据的抓取、挖掘和输出等过程，它不是单一的数据分析活动，也不是孤立静态的数据孤岛，而是每一个活动过程都可能带来新的价值创造。

2.分类

（1）纵向价值链

纵向数据价值链向前端延展，能够通过数据挖掘更加有效的触达客户，获取客户数据，分析客户行为，针对客群活动进行预测与判断。除此以外，客服中心的数据应用还可以为分行营销策略提供数据支持，为营业网点的实际经营提供数据分析，协助客户经理精准服务。客服中心“线上”的数据分析能够促进网点“线下”服务效率提升。按照数据纵向价值链的逻辑不断伸展，可以从三类数据入手进行分析，因为这三类客户数据在目前应用较广、价值较高。如果能够深耕这些数据，会为客服中心创造很大价值。

一是客户交互数据。从传统介质讲，客服与客户的交互方式是电话，主要分为客户进线和电话外呼两种模式。通常情况下，客户来电总是包含着一定的服务需求或业务诉求，所以这类数据具有非常重要的参考价值。电话外呼工作不仅包含人工的部分还包括外呼智能系统的应用，优化系统操作应用，更好地协调人机工作，这是电话外呼数据分析的重要方向。

二是客户工单数据。客服在受理客户问题时，一时间解决不了，或者是该问题超出了客服的职责范围，但是客户坚决要求办理，因为这类问题涉及客户重要利益。这时候客服代表需要记录工单进行流转，通过与其他部门一同协作解决客户难题。工单数据包含客户大量的有效实际需要，充分挖掘工单数据对于迅速抓取客户需求有着十分重要的意义。

三是在线文本数据。即客户在智能系统的交互过程中产生的数据。社交媒体流量数据，线上渠道系统留言、咨询问题等都会产生大量数据，这些数据区别于传统的电话介质，是在线上渠道系统形成的，非常具有挖掘价值，能够很好地反映客户行为倾向。

纵向数据价值链向后端延伸，数据分析能够给中后台运营部门提供业务变化的全景视图，帮助运营团队及时优化作业流程，提高管理效率。例如现场管理的数据指标与智能报表，能够辅助管理人员实时监测现场运营情况，遇到突发状况时能够及时使用灾备进行处理，极大提升中后台运营能力和安全管理能力。

（2）横向价值链

从企业外部环境看，有限数据分享可以让同业间互通有无、取长补短。数据分享能够有效避免风险发生，及早发现企业间的症候性问题，避免“黑天鹅”事件发生。从企业内部来讲，数据分析结果在部门间共享，尤其是规模较为庞大的客服中心，数据联通能够有效打破事业部以及事业集群间的壁垒，提升管理穿透力。以人力资源管理为例，根据业务数据量来进行相应的人力资源匹配，通过部门间的人员调配，合理布局人力资源和精细化人员管理，基于数据的预测式排班等。

（二）数据挖掘

数据挖掘主要分为五个步骤：明确目标-范围选择及清洗-数据挖掘-结果分析-知识沉淀。

第一步，明确数据挖掘目标。客服中心在进行数据挖掘前首先应当明确挖掘的目的是什么，这是挖掘的动力因素，面对海量数据客服中心要先明确挖掘的意义是什么，需要解决哪些实际的业务问题，或者是需要进行怎样的分析，达到怎样的目标等等。数据挖掘结果有时是不可预测的，但是要探索的问题必须有预见性和前瞻性。如果为了数据挖掘而进行数据挖掘就很容易进入盲区，陷入困境，因为挖掘目标不明会给挖掘过程带来混乱。

第二步，数据挖掘的范围选定和预处理。一般情况下，原始数据具有非结构性的特点，并且数量庞大，往往难以纳入模型进行训练和演算。因此在数据挖掘前要先对原始数据进行范围选定，然后进行“清洗”——根据模型要求将大量数据结构化的过程。在数据源中探索相关变量，形成数据集和数据子集，建立各集之间的逻辑关系，形成系统化的数据湖。数据“清洗”是为了解决原始数据中的缺省值、冗余和不一致等问题，让数据更为结构化，便于后续的模型分析，降低输出结果的差错率。

第三步，选择算法对数据进行模型练习。这是数据挖掘的核心，根据不同的分析目标采用何种类型的算法模型，对已“清洗”的数据进行模型练习，得出结果。算法的选择直接影响着数据分析的结构，客服中心在选择模型时一定要反复考量与实际业务的结合度，紧密围绕数据挖掘目标，不能偏离实际业务需要。

第四步，生成结果并进行分析。对模型生成的结果结合业务内容进行分析和评估。模型训练的目的并不是就数据而论数据，而是通过数据模型训练得到一个结果，运用这个结果进行分析得到相应的结论。

第五步，知识沉淀。数据挖掘的结论并不是得到一个数据数值就结束了。应当把数据数值拿到实际业务运营中进行测试与试验，反复推敲，悉心观测，最终沉淀出有意义的业务知识。

（三）数据应用

数据应用的理论意义在于能够帮助分析人员在貌似无关的海量数据中发现非常有意义的关联，透过关联梳理出能够赋能业务发展的新工作逻辑，目的是提升企业管理效率和创造服务价值。数据应用的实践意义在于从数据价值链的概念出发，在数据获取、挖掘和输出的各个环节创造生产经营价值。创造服务价值的关键在于帮助客服人员挖掘客户的潜在需求，而不是简单地、被动地对客户的需求作出反应。用以保持顾客的忠诚度，增加客户黏性，在恰当的时间、以较好的渠道向合适的顾客提供高质量服务。从客服中心的实际运营情况来看，数据在客户关系管理中聚焦于六个关键节点的应用，从六个节点中能够看出“客户-客服中心-社会”三个重要维度。

第一，数据应用关键在于提炼客户需求。客户需求是动态的、离散的，海量的客户数据包含了变化万千的客户需求。数据应用的起点和终点都应当面向客户，直击客户需求。数据挖掘不能成为纯粹理论式、脱离客户实际需要的模型算法研究，这样就偏离数据应用的实践意义了，也不符合数据价值链的概念。

第二，数据应用关键在于提高客户的满意度和忠诚度。客户是需要维系的，世上没有一成不变的服务模式，也没有一劳永逸的客户维系方案。客户在成长，需求在变化，客服中心要根据客户的有效需求不断提升自己的服务质效，能够为客户提供高质量的服务输出，让客户满意，增加客户黏性。数据应用正是在这一点对于客户关系维护具有非常重要的实践意义。要想留住客户，保证他们不被竞争对手“抢走”，就需要通过数据应用来增加服务的“爽点”，疏通“断点”，减少“痛点”，让客户满意，使客户忠诚。

第三，数据应用关键在于提升客服中心服务质量。数据应用能够让客服中心在服务的质和量两方面得到双提升。数据挖掘能够在纵向价值链和横向价值链两个方向都为客服中心赋能。

第四，数据应用关键在于客服中心的合规建设与风险防范。透过异常数据分析，及早发现运营管理的风险隐患，这是企业风险控制的重要手段。数据监控的优势在于及时、准确，能够很快定位问题范围，找出问题根源，是一种有效的管理方式，有助于客服中心的合规建设。同时，数据检测能够帮助客服中心识别风险舆情，发现服务流程问题，通过及时止损或者有效化解风险隐患，避免更大的损失。

第五，数据应用关键在于普惠大众。企业在今天面临的是存量市场博弈，而非增量市场竞争，客户是“抢”来的。以往银行业重点关注少量高净值客户，如今在数据应用的加持下，客服中心能够以更低的服务成本辐射与涵盖数量规模更大的客户群体，让普惠金融成为现实。

第六，数据应用关键在于支持数字经济发展。数据的挖掘与应用是客服中心“智能化”发展的重要体现，也是银行助力数字经济发展的重要一环。回溯中央两次重要会议精神，数据应用正是在“金融强国”这一目标指引下而拥有不同寻常的意义。

03
结尾

因此，数据对于客服中心来说，不仅是提升服务质量和效率的关键，也是建立长期客户关系、增强企业竞争力的重要手段。在当今数字化时代，数据已经成为一种新的生产要素，而数据的挖掘与应用则是将这种生产要素转化为实际生产力的重要过程。对于客服中心来说，深入挖掘和利用数据，积极拥抱数字化转型，将是未来发展的必由之路。