Big Data is top-of-mind voor velen van ons in de informatietechnologiesector omdat het een grote uitdaging en een grotere kans biedt.
IDC schat dat het digitale universum elk jaar 1,8 zettabytes aan informatie creëert en vermenigvuldigt, oftewel 1,8 biljoen gigabytes. Om de waarde uit deze gegevens te halen, moeten bedrijven oplossingen gebruiken die niet alleen de informatie efficiënt ophalen en organiseren, maar die gegevens ook effectief gebruiken.
Big Data omvat van oudsher de complexe eventverwerking en contentanalyse van bedrijfstransacties, opgeslagen gegevens, metadata en – recenter – sociale en entertainmentmedia waar consumenten of andere bedrijven een constante stroom gegevens over zichzelf aanleveren. Dankzij de analyse van Big Data kunnen adverteerders, detailhandelaars, leveranciers van mobiele/internet-/kabelservices, overheidsorganisaties en nog veel meer intelligenter worden over hun bedrijf en hun klanten.
Contactcentertransacties worden vaak over het hoofd gezien bij Big Data-initiatieven omdat spraak een “ongestructureerde” bron is en de eerste spraakanalysetechnologieën complex, ontmoedigend en inflexibel waren. Veel spraakanalyse-oplossingen vertrouwen op langdurige spraak-naar-tekst conversieprocessen om de gegevens te sorteren, waardoor gebruikers weken of zelfs maanden moeten wachten op rapporten en analyses van hun spraaktransacties.
Het overkoepelende doel van Calabrio is om oplossingen te ontwikkelen die technologie eenvoudiger te gebruiken maken, zodat contactcenters niet langer worden beperkt door compromisloze technologie. Daarom benaderde mijn team spraakanalyse een beetje anders. Door gebruik te maken van een krachtige fonetische engine stelt onze aanpak gebruikers in staat om spraakgegevens direct te indexeren met unieke en gepersonaliseerde zoektermen die resulteren in “hits” op interessante zinnen uit honderdduizenden opgenomen gesprekken. Dit resulteert in wat ik een Google-probleem noem, waarbij je miljoenen hits kunt hebben op één dag met telefoontjes. Daarom hebben we ook het begrip ‘instelbare vertrouwensscore’ ontwikkeld, waarmee je eenvoudig de ruis kunt verwijderen. Het eindresultaat is een afgesloten doos met relevante treffers die patronen en inzichten onthullen in wat je klanten zeggen. Je begint dingen te zien die je opvallen in duidelijke dashboards.
Zet onze aanpak eens af tegen de traditionele spraak-naar-tekst conversiemethodes die een uitgebreid woordenboek vereisen om op te bouwen en te onderhouden, en maar al te vaak een onhoudbare hoeveelheid tijd en CPU-kracht voor de verwerking. Wat andere oplossingen in een paar dagen doen, bereiken wij in een paar seconden. De technologische benadering stelt klanten in staat om hun investering af te stemmen op hun bedrijfsbehoeften, zodat ze hun analyseomgeving zo uitgebreid of real-time kunnen maken als hun business case kan rechtvaardigen.
Het ontsluiten van spraaktransacties levert niet alleen meer inzicht op voor contactcentermanagers, maar zorgt er ook voor dat klantenservicetransactiegegevens deel kunnen uitmaken van strategische Big Data-initiatieven zonder dat ze complexer worden. We doen dit door middel van applicaties met doorzoekbare, interactieve dashboards die rapporteren over alles van agentprestaties tot verkoop- en marketingtrends. Big Data is al ingewikkeld genoeg – gelukkig kunnen contactcenters nu profiteren van vereenvoudigde software en tools die de complexe onderliggende analyses voor de eindgebruiker verdoezelen en eenvoudig de echte waarde van hun Big Data ontsluiten.
