互联网的触角不断延伸，万物互联的大平台成就大连接，催生大服务，诞生大数据，而大数据反馈回来的信息让我们好地理解客户，从而创造加满意的服务。为服务而生的呼叫中心，从只有一根电话线的呼叫中心 逐步过渡到短信、网站、微博、微信、APP等多渠道的多媒体客户联络中心，再到拥有海量客户接触数据的客户关系管理中心。在大数据时代的风口上，呼叫中心应该顺势而为，抢抓大数据**的制高点，不断优化服务模式，提升服务体验，并推出基于多触点海量数据的服务新模式与新产品。笔者认为，大数据在呼叫中心大有作为，可考虑从如下几个场景逐步深入和应用。
1、客户声音挖掘：发挥呼叫中心的“回声谷”和“传感器”的作用，从海量客户接触数据中，洞悉客户声音，挖掘客户诉求的强音，戳中客户的痛点，反馈业务部门推动业务、产品的设计优化，改善客户体验，为客户创造惊喜。主要有如下两方面应用：

（1）通过大数据采集建立预警模型，先于客户发现问题、先于投诉解决问题，化被动服务为主动关怀，防范客户感知受损。

（2）通过来电原因分析，并基于“需求——策略——资源”管理模型重构服务模式，整合服务资源，优化服务策略，持续打造佳的服务体验。

2、特殊客户管理：通过对疑难客户、敏感客户、高频来电客户的历史通话开展语音标注，转化为文本数据，分析客户来电原因、业务关注点、潜在诉求，并结合客户基本属性信息（职业、网龄、ARPU值等）做好客户画像,形成客户标签库和与之对应的服务策略库。基于“两库”重构现有服务流程，设立专席或专属客户经理受理，提升特殊客户的服务针对性。

3、大数据精准营销：大数据精准营销包含两方面的内容，即用户需求挖掘以及目标客户识别。以中国移动业务为例，大数据在用户需求挖掘，助力精准营销方面。

为满足特定营销活动推广的需要，常常需要甄选或圈定目标客户群进行营销资源投放，在目标客户群识别方面，需要通过大数据建模，输出满足条件的客户，给到营销策划部门。

4、提升话务预测精度：影响话务预测的精度，主要由数据和算法来决定。目前，业内在话务预测上常用的算法主要有小二乘法、移动平均法、指数平滑法等，这些算法的共性特点就是对数据量要求不高，故预测的精度自然也就不高。

大数据技术支撑下的话务预测，不仅可以拓宽数据量，同时还可以采用为优秀的算法基于大数据建模，譬如多元非线性回归方法和人工神经网络BP算法。

在这之前，受限于数据量，这些优秀的算法无法逞强施威，正所谓“巧妇难为无米之炊”。一旦话务需求影响因子的维度尽可能的广，同一影响因子的历史样本数据量尽可能的多，话务预测的精度完全可以有质的飞跃，甚至是近乎**的结果。而实践证明，通过大数据采集与清洗、算法择优、模型拟合等，预测准确率可以高达99.3%以上。这对后续人员排班、现场调度、资源配置、人力招聘等工作将带来加精准的指导。