现在大数据技术这个话题火热程度已经逐渐开始取代云计算了，好像现在我们平常的任何事不与大数据扯上关系就落伍了，我们先来大致普及一下，现在常说的大数据技术指的是无法在一定时间内用传统数据库软件工具对其内容进行抓取、管理和处理的数据集合。

近些年，随着数据产生的成本急剧下降，我们日常使用所产生的数据量也正在呈指数倍的增长，其中80%以上都是传统数据库无法处理的非结构化数据，根据IDC的权威监测数据显示，全球已经从2010年就已经正式进入了ZB数据量的时代，并且预计到2020年开始，全球将总共拥有35ZB的数据量，如果把35ZB的数据全部刻录到容量为9GB的光盘上，其叠加的高度相当于在地球与月球之间往返三次。

随着近些年大数据在医疗服务、公共管理、政府关系以及交通、教育等等很多行业进行了广泛的应用，让我们已经能够切身感受到数据的巨大能力，有业内专家曾经表示，大数据对于未来客户服务行业来说将会带来一场巨大变革，也将会给客户带来极大的想象空间和无限的发展前景，甚至将会让客服部门从原来的成本中心转换为利润中心，这其中究竟如何转换，究竟有哪些关键步骤，本期我们将详细分析。

语音客服更智能化

目前，通信运营商在客服领域比较先进的企业已经实现了智能文字客服，通过文字识别技术和智能匹配算法对通过短信和网站文字客服提出的服务诉求进行智能匹配答案，不需人工判断，要实现智能语音客服，也要通过识别和匹配这两关。

早在Siri之前，就已经有很多语音识别工具问世，最早的基于电子计算机的语音识别系统是由AT&T贝尔实验室开发的Audrey语音识别系统，它能够识别10个英文数字，现在AT&T的语音系统Watson已经可以实现在线德语和英语的实时口译。

算法是软件的核心，目前的语音识别算法使用的语言模型仍是一种概率模型，还未发展成以语言学为基础的文法模型，算法不突破，效果无法取得突飞猛进的进展。算法的优化不是一朝一夕的事情，需要慢慢不断地进行，尤其语音这种非结构化数据，有了大数据，我们就可以对一些核心算法的特征进行提取和分析，并且通过一些搜索等技术对算法的结果进行更为强大的支撑。

由于方言、语气、环境和音色等因素的影响，限制了语音识别算法的效果，这就需要语言识别系统具有一定的自适应性，不同口音、方言的识别都需要以一个庞大的语音数据库为基础，对这些非结构化数据的管理分析就更加指望大数据技术了。

随着数据源越来越多，大数据技术的不断进步，语音识别系统也在持续地完善之中，说到底，算法依然是核心，而数据则是基础，对于这类非结构化数据，也许传统的数据库技术无法满足，但大数据技术却可以完全胜任。

语音转换怎样更准确？

对于任何企业的call center来说，对于工作人员的语音识别都是至关重要的，客服人员日常与客户的电话沟通都是需要进行录音的，这样一来所产生的数据量是十分庞大的，仅以广东移动为例，广东移动客服中心每年就要新增约60TB的数据存储，这个体量对于一般的企业来说已经是“大数据”了。

有人会质疑这些录音是为了便于追溯留证的，不是原始的录音记录，客户不认账怎么办？当然对于企业来说，也不是所有的录音都需要被转换成文本文件，对于客户投诉或办理业务的来电，仍然保留录音记录，一则便于企业对客服人员的服务态度进行监督，二来也是为了备份留存。

企业将大量的语音数据转换成文本信息之后进行存储，虽然减少了存储的空间，但是这些文本数据还可用于后续的信息挖掘，用来改进服务或发现商机，毕竟文本的信息分析要比语音的容易得多。

扩展一步：用户资源轻松挖掘

在当今的IT行业，数据成为了我们日常的核心资源，对于企业来说，利用数据来对用户信息进行挖掘和分析已经变成了家常便饭，比如用户的地域分布、购买能力、使用习惯等等，都是有助于提升企业利润的有效途径。

而客服部门作为企业前端的客户直接接触窗口，每天都可以从客户身上获取大量的信息，甚至可以在客户比较满意的时候，主动获取一些爱好、职业等信息，积少成多，某些时候，这些数据将为企业创造巨大的价值。

对于用户信息的挖掘现在也已经有很多企业开展这种服务，比如通过数据的挖掘，可以发现哪些用户是高尔夫球爱好者，进行精准营销，避免盲目营销导致的客户反感及投诉。以及像类似通过定位系统让个人位置信息成为客户服务领域待被开采的金矿等等。当然企业的这些数据收集和分析功能必须是要建立在保护和尊重用户个人隐私前提之下的。

编辑的话

本期我们聊了大数据在客户服务方面的大量应用，其实不单单是客服，对于企业来说，产品、技术、销售等等很多环节现在都开始利用大数据技术进行更加精准高效的运营，数据在行业用户当中的应用范围也在飞速扩张，当然，对于我们这些个人用户而言，大数据也同样重要。