隨著基礎技術的成熟和業務實踐的深入，大數據忽如一夜春風來，千樹萬樹梨花開”，如何管理和利用數據資產，從曾經縈繞在少數戰略規劃者、IT從業者心頭的問題，迅速演變成為了各行各業經營者、業務管理者、技術從業者的案頭計劃。當今市場上現有的最大數據資產擁有者無疑是政府、銀行、電信運營商、互聯網服務商，受限于基礎、技術、成本及管理意識等因素，在這些機構中現存的海量結構化數據、文本、音頻、視頻信息仍然沒有得到充分的挖掘和利用。
以銀行、電信行業呼叫中心為例，大部分呼叫中心會對人工服務過程進行全程錄音，一方面，其生命周期通常在3個月到3年之間，在此期間除了因業務需要、法律取證等原因偶爾被提取訪問之外，語音數據絕大部分時間是運維人員眼中存管成本高、利用價值小的包袱”，而另一方面，錄音數據中包含了大量信息，客戶的投訴抱怨、咨詢建議、個性特征、服務偏好、流失風險，競爭對手的市場動態、業務優勢等，這些為財務、市場、產品部門所艷羨的信息，絕大部分隨同束之高閣的語音數據被奢侈地埋沒了。
那么，呼叫中心的海量語音數據可能在哪些方面貢獻價值呢？以下方向的應用有些已經普遍推廣，有些正在實驗室探索階段，它們將向我們展示一個前景燦爛的呼叫中心大數據藍圖：
服務質量控制。包括基于語調、語氣等要素對電話服務過程中雙方情緒進行監控和對通話過程中的特定內容要素（如服務禁語、規范用語等）進行監控，無論是實時提取還是事后使用語音數據完成這些分析，可以輔以系統警告、實時干預、事件升級、事后培訓等方式，做到對服務質量風險更有效地控制，重要的是，這一切可能在更少人力投入的情況下發生。
問題根源分析。對于大量流失客戶通話的集中分析，可以發現流失高發的主要原因；對于大量重復來電的集中分析，可能發現業務流程中某個導致用戶普遍不滿的問題節點。中金數據曾經在電信運營商的手機營銷失敗通話記錄中分析發現，原來地址表達不清是南方地區電銷失敗的三大原因之一，下一步也許需要在電銷人員的平臺上引入手機定位信息。
用戶特征分析。VIP客戶中的某一位女士來電時通常聲調高亢、語速急促、通話經常帶著各種背景噪聲，系統在下次電話打入時會自動選擇一個思路清晰、表達簡潔男性接線員以匹配她的溝通方式。性別、年齡區間、個性特征、出行方式、生活節奏…每一個客戶都可能在通話過程中透露更多為業務人員所迫切知曉的信息。
客戶行為預判。你的客戶曾經在三次電話中分別問到：在某地附近是不是有網點？是不是6點以后還提供服務？掛失是否必須在網點柜臺辦理？下一次打電話過來的時候，系統可以自動提示坐席人員該用戶是上班族，最近為卡遺失煩惱，這次來電可能是咨詢補辦新卡流程…對特定客戶較長周期內的多次通話過程進行分析，可能讓你的坐席人員成為客戶的知心人，更重要的是也許可以在某些跡象出現時采取措施防止他的流失。
業務熱點發現。坐席通話錄音首先是一種記錄，從個別記錄可以發現一些問題的真相，而海量記錄會告訴我們更多。對上千萬同電話的分析，可以讓你清楚地勾勒出過去一個月之內引發大部分電話咨詢的那些熱點。呼叫中心可以根據熱點規劃新的服務產品、調整業務流程、設計更人性化的電話營銷話術…
營銷機會挖掘。信用卡、抵押貸款、企業年金…哪些業務經常會被人們關聯性地提及，在咨詢過程中哪些電話曾經表達過對某種理財產品的需求？哪一種個性的客戶通常電話營銷成功率更高？這些通話過程的分析將構成對BI營銷數據篩選的有效支持和驗證手段。
人和機器訓練。海量的數據蘊藏著豐富的業務經驗，無論是為坐席代表提供各種場景下的實景案例培訓，還是使用機器學習技術將大量的語料用于智能自動應答系統的訓練，特定行業特定場景的真實對話，都是同類場景下可提升人/機器專業技能（如專業術語識別率、語義理解準確度）成本最低、價值最大的訓練資料。
把以上藍圖變成現實，需要幾個關鍵條件。首先，基于大數據、語音分析、人工智能等基礎技術的發展成熟，當前以上技術在不同應用領域都已有明顯突破，故不形成障礙；其次，數據所有者是否具備先進的數據資產經營意識是至關重要的一點，業務需求的驅動是絕大部分先進技術得以推廣應用的先決條件；此外，是否有統一的數據管理平臺作為基礎，技術廠商能否基于先進的技術能力提供緊貼業務需求的服務，也是大數據業務探索中不可或缺的因素。
中金數據系統有限公司在業界首先將大數據技術和云服務模式應用于呼叫中心語音數據處理和分析，目前已有平臺穩定運行一年的成功案例。自2009年開始投入大型團隊研究云計算和大數據相關技術以來，中金數據一直以呼叫中心為大數據技術的重要實踐領域，積極響應和挖掘客戶需求，全面整合先進技術資源和能力，幫助呼叫中心客戶掘金語音數據。
隨著云服務的進一步發展，數據資產的分布在行業上會進一步向終端廠商、數據中心服務商、軟件開發商和醫療、教育等公共服務行業的新興平臺服務商轉移，數據價值的挖掘和放大將迅速改變各行業的當前業態，具有前瞻性的數據資產持有者將在這個過程中獲得前所未有的發展機遇。
