银行工作心得体会：透过“数据”谈“应用”（客户服务部 陈芳）.doc

银行工作心得体会：透过“数据”谈“应用”（客户服务部 陈芳） “数据”的含义很广，不仅指“123456”这样一些数字，还指“ABC”、“语文”、“09/02/01”等符号、字符、日期以及声音、图像、照片等各类信息的载体。石主任在上半年工作总结会上要求：要正确处理好数据分析与数据应用的关系，要通过数据分析，把无用数据变成有用数据，把局部的、零散的数据变成集中的、可利用的数据，通过数据转换为劳动成果增值。下面，我将结合自身工作实际，就数据分析及其在管理上的应用谈几点想法： 一、提升数据敏感性，构建数据化管理思维 开展数据分析，首先要具备一定的数据敏感性，即要有发现数据异常以及将异常转化为知识的能力。譬如，观察各托管行接通率可发现浙江行全天接通率略高于其他行，细致挖掘数据可发现：浙江行客户致电时间大多集中在日间，夜间时段致电比率相对偏少;同时，且午间时段(12:45-14:45)电话量占比明显高于其他行，日间话务增长时间及夜间话务下降时间均早于其他行。由此推测，江浙一带客户的作息时间明显异于中部地区，其工作及休息时间偏早且基本无午间休息习惯。 提升数据敏感性，主要靠经验积累，看的数据量越多、种类越丰富，敏感性则越强。日常可从以下三方面努力提升：一是看到实际数值前，先依据其他数据，凭主观感觉进行估算;二是通过横向、纵向以及目标结果等方式进行比较以发现异常，其中包括正确的异常(即有特殊事件发生)以及错误的异常(即出现统计等人为错误);三是反复询问“为什么”，探寻深层次原因，将其转化为知识并应用到日常工作中。 二、强化数据分析工具，透过表面数据看本质 “工欲善其事，必先利其器”。石主任提到：我们在分析结果的应用上还有较大的提升空间，如果数据挖掘工作做得好，可以省很多事情。因此，只有不断完善、创新数据分析工具，才能更全面、深入地发现问题。 1.强化相关性分析，挖掘数据之间的内在联系 相关性分析，是指对两个或多个变量进行分析，以了解其间的密切程度及关联程度。沃尔玛超市通过分析小票数据，发现尿布与啤酒这两个看似毫无关系的商品具有很强的关联性，购买尿布的顾客一般会同时购买啤酒，故特意将两样商品摆放在一起。同样，要提升中心接通率水平，除提高员工产能、缩短通话时长之外、还可以从优化语音菜单、提高转接成功率等方面入手，进一步挖掘这些看似与接通率不相关而实际上又密切联系的指标，多措并举以提高接通率。将看似不关联而实则有紧密影响的要素查找出，不仅有利于下一步工作的开展，更对提升工作质量起到一定作用。 2.加强时间序列分析，探索历史规律预测未来 时间序列分析，是指依照时间先后顺序对一个或一组变量进行排列，观测其发展过程并判断其发展规律。古埃及人将尼罗河的涨落情况逐日记录下来，通过观察发现并掌握了尼罗河的涨落规律，据此编制了太阳历法，促使农业迅速发展，创建了灿烂的史前文明。同样，人工服务来电量也具有一定的规律性，摸索相关规律，建立合适模型，即能预测未来一段时间的话务量。譬如，每年八月下旬，武汉中心话务量会因高校开学、学生返校等因素出现较大幅度增长，届时需安排更多的人力以确保中心整体接通率。 3.开展标准差分析，实现差异化及精细化管理 标准差分析，是指通过把多个同一属性的数据汇总后，在趋势变化的基础上进一步关注距离平均数的离散程度，评估稳定状态。譬如，两名员工，A的质检成绩为95、85、75;B的质检成绩为86、85、84，两者平均成绩均为85，但两者质检成绩离散系数分别为0.12与0.01。离散系数偏大说明该员工成绩波动较大，稳定性较差，组长应优先对A员工进行辅导。在日常管理中，采用标准差分析法，能更有效地了解员工实际工作情况，并有针对性地开展差异化管理。 三、开辟数据分析新渠道，提高服务质量和效能 电话银行中心是数据化的中心，数据是中心运营的重要资源，深入的数据分析已成为运营管理者高度重视的问题。石主任提到：无论是客户还是总行、托管分行对我们的要求都很高，我们需要在数据分析和应用上再下深功夫，摸索规律、把握规律，进一步提高服务质量和效能。深入工作实际，我们将从以下几方面入手，开辟数据分析及应用的新渠道： 1.加大工单分析力度，全面了解客户问题及需求 电话银行中心作为全行的服务窗口，具有直接倾听客户诉求，了解客户需求的先天优势，我们能在第一时间了解客户咨询热点、了解客户对建行产品、网点服务、规章制度以及系统支持等方面的意见，这些宝贵的数据信息可通过分析工单获得。今后，我们会加大工单分析力度，从行别、业务、数量等方面进行分类，定期撰写分析报告，及时发现总行层面、托管行层面以及员工层面上存在的问题，并提出相关建议。 2.建立托管行话务模型，提前发现客户咨询变化 各托管行来电量具有一定的规律性，按照相关规律比照实际，可提前发现托管行话务的异常，提前察觉托管行相关业务的变化，如此可将我们的服务变被动为主动。收集各托管行历年数据，剔除话务自然增长等因素，建立相关话务模型，再将按历史规律预测的话务量(可细化到十五分钟)与实际话务量进行比较，发现话务出现异常的时间，以为下一步的原因分析提出相关依据。 3.创建员工指标数据库，实时了解员工工作状态 员工接线能力普遍遵循成长周期规律，由陌生、了解、熟悉、熟练到掌握。到了掌握阶段，员工话务量、通话时长以及质检成绩一般维持相对稳定，