Schwerpunkte

Data Analytics

Detaillierte Einblicke für ein besseres Verstehen und Planen

23. Juli 2020, 09:00 Uhr   |  Autor: Thore Babin-Ebell / Redaktion: Diana Künstler | Kommentar(e)

Detaillierte Einblicke für ein besseres Verstehen und Planen
© Nice

So manches Unternehmen hat die Geschäftschancen und Vorteile erkannt, die Analytics gegenüber der einfachen Analyse von Daten bietet. Ein Vorzeigebeispiel hierfür ist die Contact-Center-Branche, in der Analytics bereits jetzt ein wichtiges Werkzeug ist. Und doch stehen wir erst am Anfang.

Wer verstehen möchte, welche Bedeutung Analytics in der Zukunft von Unternehmen einnehmen wird, muss sich zunächst vergegenwärtigen, was Analytics im Kern tatsächlich ist. Viele, die Data Analytics hören, denken in erster Linie an die Analyse von Daten auf einen bestimmten Aspekt hin. Damit liegen sie nicht ganz falsch. Dennoch ist diese Betrachtungsweise zu eindimensional. Denn während im Rahmen von Analysen Herausforderungen und Chancen betrachtet werden, die in der Vergangenheit liegen, befasst sich Data-Analytics mit der programmatischen Untersuchung von Daten.

Anders gesagt, konzentriert sich Analytics nicht nur auf Aussagen zur Vergangenheit, sondern geht darüber hinaus. So können mithilfe von analytischen Programmen potenzielle Trends aufgedeckt werden, die Auswirkungen von Entscheidungen oder Ereignissen untersucht werden oder auch die Leistung eines bestimmten Tools oder Szenarios evaluiert werden. In Kombination mit einer dedizierten Künstlichen Intelligenz (KI) lassen sich so Prognosen sowie darauf basierende Handlungsempfehlungen erstellen. Dabei hat Analytics in den vergangenen Jahren eine wichtige Entwicklung durchlaufen – von „beschreibend“ über „prädiktiv“ und zu seit neuestem „präskriptiv“. Entsprechend mussten sich auch Unternehmen weiterentwickeln und neue Prozesse einführen.  

Analytics im Contact CenterUnternehmen befinden sich bei der Expansion und Gewinnung neuer Kunden mitten in einer Transformation. Im Umgang mit Kunden reicht es nicht mehr nur, reaktiv auf deren Wünsche und Probleme einzugehen. Stattdessen wird erwartet, dass Unternehmen sich proaktiv einbringen, als Partner an der Seite des Kunden stehen und für diesen entsprechend leicht zugänglich sind. In Contact Center reicht diese Transformation von AI und Analytics, die sie darin unterstützen, die Bedürfnisse ihrer Kunden vorherzusagen, bis hin zu einem hyperpersonalisierten Kundenerlebnis, bei dem nicht nur Bedürfnisse erfüllt werden, sondern auch persönliche Präferenzen von Anfang an mit einbezogen werden.

Ein Beispiel hierfür ist die automatische Analyse von Kundeninteraktionen. Agenten erhalten auf Grundlage sogenannter prädiktiver Analytics Empfehlungen, welche Maßnahmen am besten als nächstes zu ergreifen sind. Implizieren die Daten, dass das nächste Kundengespräch schwieriger werden könnte, erhält der Agent automatisch eine Warnung, bevor er den Kontakt aufnimmt. Mithilfe von Data Analytics können die durchschnittlichen Bearbeitungszeiten optimiert, das Anrufvolumen reduziert, die Wartezeiten verkürzt, die Fehlerbehebungsquote beim ersten Anruf erhöht und sogar Probleme vorhergesagt werden, bevor sie auftreten.

Doch kommt Analytics in Contact Centern nicht nur im Kundenkontakt zum Einsatz. So kann es beispielsweise für Qualitätsmanagement innerhalb der gesamten Belegschaft eingesetzt werden oder auch um betriebliche Verbesserungen voranzutreiben. Dies bietet auf der einen Seite einen starken Wettbewerbsvorteil, zum anderen steigert es das Engagement und die Leistung der Mitarbeiter. Gleichzeitig liefert Analytics Managern wichtige Erkenntnisse. Auf diesen basierend können sie ihre aktuellen Prioritäten für Front-End-Prozesse, Back-Office-Prozesse sowie die Performanz nahezu in Echtzeit anzupassen. Häufig auftretende Herausforderungen wie Über- oder Unterbesetzung oder auch die Erstellung zeitaufwändiger Geschäftsberichte lassen sich so effektiver verwalten oder sogar ganz eliminieren.

Im Moment sind die Arbeitsabläufe in den Backoffices häufig noch viel zu komplex. Im Schnitt stoßen sie in ihrer Produktivität bei 50 bis 60 Prozent an ihre Grenzen. Mit Analytics-Software lässt sich die Produktivität jedoch um 10 bis 25 Prozent steigern. Data Analytics kann die Komplexität der Abläufe verringern, indem sie eine Echtzeitansicht des Betriebs bereitstellt, Prozessineffizienzen aufzeigt und zeitsparende Alternativen liefert. 

Seite 1 von 2

1. Detaillierte Einblicke für ein besseres Verstehen und Planen
2. Analytics-Einsatz in der Zukunft

Auf Facebook teilenAuf Twitter teilenAuf Linkedin teilenVia Mail teilen

Das könnte Sie auch interessieren

Wo die wilden Daten leben
Der Chief Data Officer
Data Warehouse als Kern der Datenstrategie
Vom Datenpool zum Mehrwert

Verwandte Artikel

funkschau