万丈高楼平地起，数据治理要从数据源头质量抓起

现在对热线数据的挖掘应用，以及基于热线数据的赋能基层治理与领导决策的方向已被大家广泛接受，作为长期服务政务热线行业的专精特新型企业，我们提出热线要“从公众服务走向数据治理”，广东热线的也有同仁提出热线要“从呼叫中心走向数据中心”，真有些英雄所见略同的感觉。

但是热线的“数据治理”前，我们要好好研究一下“热线数据”，好好分析一下热线数据的质量，否则“数据治理”就是浮沙之上筑高台，只是一个美好的期望而已。

 

首先我们分析一下热线数据都有哪些？ 

一、热线基础数据源

从数据内容上看12345热线行业不断产生的数据源主要有：

1. 话务数据（包括呼入呼出通话记录、录音数据等）、

2. 工单数据（包括工单受理、分派、办理、督办、回访等全流程数据，是热线数据核心）

3. 知识库数据（收集群众可能会咨询到各类政策信息）

4.群众信息数据（来电群众记录、情绪、职业等）
 

根据数据类型可以分为静态数据与动态数据、结构化数据与非结构化数据、文字数据与语音数据、视频数据等多种分法。

二、热线运营数据分析

 

以上都是热线在运营中不断产生的，基于以上基础数据我们可以分析出以下有价值的运营数据：

1. 话务运营数据（如呼损率、平均等待时长、平均通话时长、座席工作效率、话后梳理时长外呼成功率...)

2、全流程绩效数据（响应率、解决率、满意率、超期率、退单率等），

3、知识库使用率、缺失率、部门知识库完善情况、缺失情况等。  

通过这些对基础数据的初步分析，我们就可以清晰地看到热线平台的运营“健康指数”，这也是目前各地热线主管机构及第三方机构热线评估排名的重要指标。

 

三、热线治理数据

以上数据还属于热线内部应用数据，热线的数据中的“治理”价值包括群众诉求中挖掘的热点、新点、难点、重点、堵点以及区域顽疾、高频高发问题，包括通过历史数据进行规律预判、趋势预判后产生的预警数据，如苗头隐患，潜在风险等，这也是各地热线在近几年来普遍探讨的话题，北京提出从“接诉即办”到“未诉先办”也是异曲同工。但是说起来简单做起来复杂，究其原因有以下三点：

1. 数据源质量问题：所谓“巧妇难为无米之炊”，很多热线平台软件对于热线数据采集比较简单，加上话务员流动性大，很多数据分类、标准不科学不规范，这就导致原始数据质量不高，对于这样的数据分析出来的成果自然不能有过高期望。

2. 分析方法问题 ：现在业内大部分数据只有统计，没有分析，表现出来的效果就是大屏只显示统计，没有剖析，没有研判，只是展现。郑教授曾说过全国各地热线大屏，大部分三分钟看完，因为没有治理内容可看。

3. 分析方向问题：热线行业的需求来自于政府治理，但是服务热线的企业以软件公司为主，一般软件公司在统计分析方面以及公共管理方面的人才是比较稀缺的，而熟悉热线行业又懂数据分析的人才更是稀缺，这就导致需求侧与供给侧的不匹配，从而导致热线数据治理分析落地难，落地成效差。

今天我们第一个原因，“数据质量”问题来深入探讨，要保障数据质量，实际上就是要做好热线的“治理“数据工作，为热线的“数据治理”从源头打好基础，这是万里长城的第一步，也是最重要的一步。

如何“治理”好源头数据？我们就先分析一下是什么原因造成了"源头"数据质量不高的问题？  作者从十余年行业服务实践出发总结以下几点，请各位批评指正：

1. 软件平台的问题：全国热线建设的起点、投入、创新脚步各不相同，导致各地热线平台建设质量水平参差不齐，另外长期专注于热线建设的企业并不多，所以对行业深入持续研究的企业少之又少，这就导致各地建成的热线平台 ，对于数据的采集规范、采集标准、采集质量相差较大，实践中看到很多地方的热线建设单位对于工单的定义就是来电人、时间、标题、内容。这样的数据源如何保障精细化的高质量的治理数据挖掘？

2. 行业标准建设滞后：全国12345热线建设中除了国办53号文件、12号文件这种业务指导性文件外，对于热线数据采集标准、热线诉求分类标准、知识库建设标准、效能考评标准等都存在着标准滞后和欠缺的问题。近两年来，部分省份如陕西、江苏、河南等才开始了诉求分类标准的发布和统一，但是这都是各地市热线建设运营了多年后才开展的工作。

3. 人员经验和操作技能问题：热线工作是一个人员流失率较高的工作，因此一线操作人员的实际业务能力参差不齐，而工单录入、分类、标注以及人、事、地、时、涉事主体等要素的提取又需要座席人员参与，特别是数据标注与分类更是要考验一线座席的业务能力，现实中仅“诉求分类”的精准性，依靠人工其准确率就不理想。

从“数据治理”方面考虑需要数据标准与分类“越细越好”，从座席工作效率上考虑希望“越粗越好，越快越好”，这就形成了矛盾，我们经常在平台升级中发现，新版软件功能精细，相对于老版只记录标题内容，对座席人员要求高，实际工作量有所增加时，必然导致座席运营人员的反对。

4. 智能化应用不够智能：现在语音识别技术、NLP技术不断发展，在行业内也广泛的应用到实践中，对热线数据质量的提升有了一定的辅助作用，但是实际效果大部分差强人意，因为人没有想明白的事情，机器人同样搞不精准，所以实际中很多地市都对人工智能的认知从“人工替代”转为“人工辅助”，这是非常务实的观点和做法。

以上原因导致我们的“数据源”质量不高，对于各省平台同样存在这样的问题，当我们通过“数据汇聚”把全省各地市数据汇聚上来后发现，数据质量太差，全省范围的全量数据分析层次较浅，或只能通过简单的运营数据和考核数据分析，这都是实践中客观存在的问题。

因此郑教授提出，谈“数据治理”先考虑下“治理“数据，既然问题想明白了，解决方法也就有了：

1. 定标准：数据采集标准（包括采集项标准、地理信息标准、诉求分类标准......), 用标准倒逼各软件公司优化升级软件，倒逼各运营团队从源头保障数据质量。

2. 做智能：我们要相信座席人员的流失率、人员培训难度、人员业务不熟悉这一现象是长期存在的，不会以我们的意志为转移，因此一方面要加强业务培训，更重要的是要重视业务智能化工作的开展，特别是融入到12345实际业务中的智能化，如标题归纳、地址提取与解析、涉事主体提取、智能分类推荐、智能分派推苑、工单类型智能判断、情绪智能分析、急难险重工单智能判断、文本智能纠错、知识项智能推荐、高频专项问题知识图谱建设......

 通过这些深入业务的微创新，为座席提供强大的智能辅助工具集，用一线丰富实践经验不断训练提升机器人，唯有此才能在不增加人工工作量的下提升数据治理。

万丈高楼平地起，数据治理源头抓起，希望就数据源质量问题与全国各地的专家学者、一线运营管理专家一起切磋，共同提升。以上仅代表个人浅薄认识，欢迎大家批评指正。

来源：韩聊热线