首先，当然是整体规划与策略制定。目标是什么？到什么状态就算达成目标了，能不能清晰地描述出来。目前的状态是什么？跟目标相比主要差距在哪里？这些差距如何去弥补，难度大不大？是不是可以罗列一个从易到难的清单，排列一下优先级。需要哪些内外部支撑？内部支撑要满足什么要求？外部支撑要达到什么效果？项目进度及时间线与里程碑确定了没有？这里先不谈项目考核与激励。

以上都没问题了，可以考虑以下几个点：

一、数据质量确保

这是困扰和消耗客服中心大量精力的一个很大问题。数据维度口径不一，数据来源五花八门，数据时效严重滞后，数据格式乱七八糟等普遍存在的问题严重制约着数据处理与分析自动化的实现。只有实现了数据获取的相对固定格式、固定来源、统一口径、匹配时效，才能为数据的集中整理以及多维分析提供坚实的前提保障。目前能不能做到？哪些能哪些不能？可以可以推进改善？关键制约是什么？需要哪些支持？

二、数据工具匹配

客服中心的运营管理团队极少是数理统计科班出身的人，本身数据工具的使用能力欠缺，尤其是代码为主的数据开发应用能力的欠缺。用什么样的平台、系统和工具，使运营管理人员，而不是专职IT技术人员，感到得心应手，是数据化应用在运营管理中长期持续贯穿及下沉与前置的重要前提。另外，EXCEL及VBA、Power BI、SQL基础、Python基础也都应该是一线业务人员处理与应用数据必备的技能。目前的工具可用性如何？工具熟练度如何？跟数据量级、复杂度及分析维度是否相匹配？

相信很多客服的伙伴都在找适合呼叫中心的Python课4月16-17王厚东老师将会带着他最新的Python课与大家相约线上，有兴趣的可以联系福禄网的咨询顾问，给企业内部做定制化课程。

三、数据人才培养

数据的落地应用除了数据、工具之外，另一个最核心的因素是人，具有基本数据化素养的人。这样的人一方面要能够熟悉客服业务，对业务运营所表现出来的数据有深度洞察能力，能够透过数据准确定位业务问题。另一方面，他们应该至少数量应用一种以上数据分析工具，能够把手头的数据及时高效地转化为运营决策支撑信息。这样的人目前有多少？还可以去哪里找？能不能自己培养？如何培养？