應用型數據分析的價值來自于數據分析工具和方法的掌握與業務理解的融合，單靠任何一方面，都無法全面挖掘出數據的價值，并應用到業務決策與指導中。

以一個簡單的例子來說明一下。絕大多數呼叫中心每天匯總分析的數據中有一項是服務水平數據（或仍被習慣稱為X秒的接通率）。當某一天的這項數據發生了異常的時候，比如說，某一時段的服務水平指標下降的很厲害，在波動趨勢上形成了一個谷底，我們的分析思路應該是什么呢？

均值會低，標準差會加大，放棄率會升高......，這些都有可能，但這些都是現狀描述(what)。到底是什么原因造成了突入起來的服務水平下降呢（why）？想找到原因，則必須對這項指標的業務邏輯有一個清晰的理解。

如上圖所示，服務水平指標本身是來電負荷與接聽能力平衡的結果。當來電負荷大于接聽能力時，服務水平指標會下降；而當來電接聽能力逐漸匹配或超過來電負荷時，服務水平指標就會上升（注：實際應用中，應考慮在一定的來電負荷下，所設定的不同服務水平指標對來電接聽能力的不同需求）。

因此，當服務水平指標下降時，我們第一個想到的可能原因就是來電負荷上升了。而來電負荷是由來電數量和AHT構成的，因此對這一原因的確認或排除就應該從這兩個要素的分析著手。如果來電量與預測業務量相比較沒有明顯異常同時AHT也相對穩定的話，則可以排除來電負荷意外波動的原因，而把目光轉向接聽能力。

接聽能力中的兩個重要因素是當班人數和人均有效工時。當班人數與排班計劃有沒有差距？由于呼叫中心來電的隨 機性特點，有時候幾個人的差距就會造成服務水平的巨大波動。如果當班人數沒有差距，則要重點看人均有效工時這項指標。這項指標再拆解的話，應該能夠分析到遵時率、ATT、ACW以及AUX或離席等指標，尤其是沒有在正確的時間出現在正確的地點干正確的事的情況，應該是重點關注和分析的。

當然，除此之外還有可能是排班需求測算、班次安排、系統故障等原因，當在核心因素上找不到答案時，就需要跳出一層，從更廣泛的視角來看問題。

標簽：鶴崗 朝陽 株洲 葫蘆島 衡水