随着基础技术的成熟和业务实践的深入，大数据“忽如一夜春风来，千树万树梨花开”，如何管理和利用数据资产，从曾经萦绕在少数战略规划者、IT从业者心头的问题，迅速演变成为了各行各业经营者、业务管理者、技术从业者的案头计划。当今市场上现有的最大数据资产拥有者无疑是政府、银行、电信运营商、互联网服务商，受限于基础、技术、成本及管理意识等因素，在这些机构中现存的海量结构化数据、文本、音频、视频信息仍然没有得到充分的挖掘和利用。

　　以银行、电信行业呼叫中心为例，大部分呼叫中心会对人工服务过程进行全程录音，一方面，其生命周期通常在3个月到3年之间，在此期间除了因业务需要、法律取证等原因偶尔被提取访问之外，语音数据绝大部分时间是运维人员眼中存管成本高、利用价值小的“包袱”，而另一方面，录音数据中包含了大量信息，客户的投诉抱怨、咨询建议、个性特征、服务偏好、流失风险，竞争对手的市场动态、业务优势等，这些为财务、市场、产品部门所艳羡的信息，绝大部分随同束之高阁的语音数据被奢侈地埋没了。

　　那么，呼叫中心的海量语音数据可能在哪些方面贡献价值呢？以下方向的应用有些已经普遍推广，有些正在实验室探索阶段，它们将向我们展示一个前景灿烂的呼叫中心大数据蓝图：

　　服务质量控制。包括基于语调、语气等要素对电话服务过程中双方情绪进行监控和对通话过程中的特定内容要素（如服务禁语、规范用语等）进行监控，无论是实时提取还是事后使用语音数据完成这些分析，可以辅以系统警告、实时干预、事件升级、事后培训等方式，做到对服务质量风险更有效地控制，重要的是，这一切可能在更少人力投入的情况下发生。

　　问题根源分析。对于大量流失客户通话的集中分析，可以发现流失高发的主要原因；对于大量重复来电的集中分析，可能发现业务流程中某个导致用户普遍不满的问题节点。中金数据曾经在电信运营商的手机营销失败通话记录中分析发现，原来地址表达不清是南方地区电销失败的三大原因之一，下一步也许需要在电销人员的平台上引入手机定位信息。

　　用户特征分析。VIP客户中的某一位女士来电时通常声调高亢、语速急促、通话经常带着各种背景噪声，系统在下次电话打入时会自动选择一个思路清晰、表达简洁男性接线员以匹配她的沟通方式。性别、年龄区间、个性特征、出行方式、生活节奏…每一个客户都可能在通话过程中透露更多为业务人员所迫切知晓的信息。

　　客户行为预判。你的客户曾经在三次电话中分别问到：在某地附近是不是有网点？是不是6点以后还提供服务？挂失是否必须在网点柜台办理？下一次打电话过来的时候，系统可以自动提示坐席人员该用户是上班族，最近为卡遗失烦恼，这次来电可能是咨询补办新卡流程…对特定客户较长周期内的多次通话过程进行分析，可能让你的坐席人员成为客户的知心人，更重要的是也许可以在某些迹象出现时采取措施防止他的流失。

　　业务热点发现。坐席通话录音首先是一种记录，从个别记录可以发现一些问题的真相，而海量记录会告诉我们更多。对上千万同电话的分析，可以让你清楚地勾勒出过去一个月之内引发大部分电话咨询的那些热点。呼叫中心可以根据热点规划新的服务产品、调整业务流程、设计更人性化的电话营销话术…

　　营销机会挖掘。信用卡、抵押贷款、企业年金…哪些业务经常会被人们关联性地提及，在咨询过程中哪些电话曾经表达过对某种理财产品的需求？哪一种个性的客户通常电话营销成功率更高？这些通话过程的分析将构成对BI营销数据筛选的有效支持和验证手段。

　　人和机器训练。海量的数据蕴藏着丰富的业务经验，无论是为坐席代表提供各种场景下的实景案例培训，还是使用机器学习技术将大量的语料用于智能自动应答系统的训练，特定行业特定场景的真实对话，都是同类场景下可提升人/机器专业技能（如专业术语识别率、语义理解准确度）成本最低、价值最大的训练资料。

　　把以上蓝图变成现实，需要几个关键条件。首先，基于大数据、语音分析、人工智能等基础技术的发展成熟，当前以上技术在不同应用领域都已有明显突破，故不形成障碍；其次，数据所有者是否具备先进的数据资产经营意识是至关重要的一点，业务需求的驱动是绝大部分先进技术得以推广应用的先决条件；此外，是否有统一的数据管理平台作为基础，技术厂商能否基于先进的技术能力提供紧贴业务需求的服务，也是大数据业务探索中不可或缺的因素。

　　中金数据系统有限公司在业界首先将大数据技术和云服务模式应用于呼叫中心语音数据处理和分析，目前已有平台稳定运行一年的成功案例。自2009年开始投入大型团队研究云计算和大数据相关技术以来，中金数据一直以呼叫中心为大数据技术的重要实践领域，积极响应和挖掘客户需求，全面整合先进技术资源和能力，帮助呼叫中心客户掘金语音数据。

　　随着云服务的进一步发展，数据资产的分布在行业上会进一步向终端厂商、数据中心服务商、软件开发商和医疗、教育等公共服务行业的新兴平台服务商转移，数据价值的挖掘和放大将迅速改变各行业的当前业态，具有前瞻性的数据资产持有者将在这个过程中获得前所未有的发展机遇。