3、周期性分析
周期性分析是观察某个变量随着时间变化而呈现出某种周期变化趋势，周期性趋势相对较长的有年度周期性趋势、季节性周期趋势，相对较短的一般有月度周期性趋势、周度周期性趋势，甚至更短的天、小时周期性趋势。
一般情况下客服中心话务量数据受到众多因素影响，例如客户群体增长、新科技影响、营销活动或事件影响等，当然还有很重要的一个影响因素——周期因素。在此除去其他因素影响，单纯对话务量数据进行周期性分析会有怎样的结果？观察一个月中每天话务量的整体趋势，这样我们就可以发现每天的话务规律（如图4），从零点开始到六点的这段时间里话务量是骤减的，在之后的时间一直到中午12点话务量持续增长，在12点至23点之间话务量保持在一定水平。这样我们就知道了客户一般都在什么时间拨打电话，从而掌握了客户的拨打习惯。这对日常的话务预测起到不可忽视的参考价值（如图5），我们可以通过客户以往的拨打数据预测出下一期的拨打情况，同时对后续的排班也有很大的帮助，做到人员的充分利用和成本的有效降低。
注意：话务量变化是一个多因素影响的过程，这里的例子是在排除其他因素的理想化状态下分析周期性的影响，准确的话务量预测需要在此基础上加入客户群体增长、营销活动甚至气候等因素进行综合考虑。
周期性分析除了用于话务预测也可以用于日常运营数据的分析，能够从指标的周期性变化中发现管理上或人员服务质量上的问题。例如通过大量数据的周期性分析能够发现，一般情况下温度过高或过低都会对质检人员的打分尺度产生影响。
图4
图5
4、相关性分析
相关性是指两个指标或变量之间的联动关系，典型的表现是一个变量会随着另一个变量变化。相关又分成正相关和负相关两种情况，一般我们用相关系数作为衡量两个因素之间关联程度的指标，相关系数的绝对值越大说明两个因素之间关联程度越高；反之，关联程度越低。
在做相关性分析的时候，我们一般会用到散点图（如图6），当所有的点都集中在某条趋势线附近的时候我们就认为变量之间是相关的。集中程度越高则相关性就越高；如果是毫无规律，则认为其没有相关性。相关性分析可以用于客服中心指标间的关联分析，平衡质量指标与效率指标之间的变化关系，例如找出与客服人员服务质量关联性较强的指标、研究客户投诉与哪些服务质量指标有正相关的关系等。
图6
其实在日常的工作中我们不仅仅会用到对比分析、帕累托分析、周期性分析、相关性分析，还会用到回归分析、结构分析等方法，最重要的是我们应该选择简单有效的分析方法，能够达到我们预期的分析目标、解决实际工作中遇到的问题，这就足够了。再有还想重申一下，衡量一个优秀的数据分析人员不在于他会多少这样那样的分析方法、能够用到多么高深的数学理论，而在于他是否能够有最简单的方法揭示出最深层次的问题。最后希望这篇文章能够带给读者或多或少的帮助，随时欢迎就某些相关问题与笔者进行讨论。
本文刊载于《客户世界》2012年6月刊；作者单位为北京鹈鹕信息咨询有限公司。
