L’un des défis les plus déconcertants pour les responsables des centres de contact modernes est de rendre compte de toute mesure de performance qui nécessite des informations provenant de plusieurs systèmes ou applications, chacun d’entre eux étant un silo de données autonome. Alors que les marques suivent l’exemple de leurs clients et adoptent de nouveaux canaux, le paysage des données des centres de contact devient de plus en plus complexe. Les responsables de centres de contact avisés recherchent des solutions modernes pour éliminer les silos de données et créer une vue d’ensemble du parcours du client.
Les luttes du passé
Traditionnellement, les centres de contact sont confrontés à deux défis principaux en matière de données.
Données en temps réel
Les données en temps réel sont traitées par un moteur distinct, dédié au temps réel, qui alimente une série de rapports distincts. Bien que ce processus dédié soit rapide et fiable, la plupart des données en temps réel “disparaissent” après une brève apparition d’une seconde dans un rapport. Les centres de contact s’efforcent d’intégrer ces informations aux données provenant d’autres systèmes afin de comprendre les performances au fil du temps et entre les différents canaux.
Données historiques
Les données historiques – données agrégées et résumées, avec une variété de mesures calculées pour les rapports de tendance basés sur des intervalles de temps plus longs – sont généralement traitées dans des processus par lots qui ne s’exécutent que périodiquement. Ces processus d’extraction, de transformation et de chargement par lots alimentent une base de données relationnelle secondaire optimisée pour l’établissement de rapports, généralement un entrepôt de données (data mart) ou un entrepôt de données (data warehouse). Bien que ces données soient souvent plus riches et plus complètes que les flux de données en temps réel, le chargement par lots est relativement inefficace pour traiter de très grandes quantités de données en temps réel, et les performances peuvent en pâtir lorsque les intervalles de “rafraîchissement” sont ramenés à quelques minutes, voire quelques secondes.
La naissance du Big Data
Il existe aujourd’hui des technologies capables de traiter de grandes quantités de données. Ces technologies sont à la base de nombreuses applications parmi les plus importantes de l’internet. Google, Facebook, Twitter et d’autres ont contribué à développer un grand nombre de ces technologies qui renforcent ce que nous appelons aujourd’hui le Big Data, capable de traiter des centaines de millions d’éléments de données par seconde, et presque infiniment extensible. Ils ont fait leur entrée dans la sphère des centres de contact lorsque les médias sociaux sont devenus un canal important d’interaction entre les clients et les marques.
Bien que ces mêmes technologies puissent être utilisées pour traiter les rapports en temps réel, elles ne bénéficient pas nécessairement de toute la richesse à valeur ajoutée que permet l’intégration de technologies de centre de contact plus conventionnelles. Les applications de surveillance et de reporting des médias sociaux ne sont souvent pas connectées à d’autres systèmes de centres de contact, ce qui empêche les responsables de centres de contact de rendre compte des interactions sur les médias sociaux dans le cadre de l’ensemble des activités du centre de contact, y compris les appels, les courriels, les chats et autres interactions.
La technologie du futur pour le reporting des centres de contact
Ce qu’il fallait, c’était une nouvelle architecture qui combine le meilleur des deux mondes : l’évolutivité et l’instantanéité des technologies Big Data, et le contexte plus riche et axé sur les règles de l’entreprise de l’entrepôt de données.
C’est ainsi qu’est née l’architecture Lambda, conçue pour le traitement robuste de quantités massives de données à travers de nombreux systèmes et canaux de centres de contact. L’architecture vise à trouver un équilibre entre la latence des données (le temps qui s’écoule entre un événement réel et l’apparition de ses données dans un rapport) et le volume des données.
Cette architecture Lambda, sur laquelle repose Calabrio Advanced Reporting powered by Symmetrics, est conçue pour répondre à l’ensemble des besoins de reporting des centres de contact, depuis la collecte et le traitement de grandes quantités de données en temps réel jusqu’aux rapports très spécifiques et riches en contexte dont les responsables de centres de contact ont besoin pour la gestion des performances. Les responsables des centres de contact et les analystes ont désormais accès à des données en temps réel, à des données détaillées sur les contacts et à des données agrégées et résumées sur n’importe quel intervalle de temps qu’ils souhaitent mesurer, à partir de n’importe quelle source ou canal. Les silos sont éliminés et les marques peuvent mieux comprendre l’ensemble du parcours du client.
Trouvez votre chemin vers un rapport complet. Téléchargez notre livre blanc, Un meilleur reporting pour les centres de contact : Une feuille de route pour améliorer l’analyse afin d’atteindre les principaux objectifs de l’entreprise.
