数据化管理已经深入到客服运营管理中的各个方面和环节。质量管理是其中重要的一环。那么如何运用数据驱动质量管理提升呢？下面就大家一直关心的几个问题给出个人粗浅的解答。

1. 质量管理应该看什么数据？

     这里要区分狭义的质量管理和广义的质量管理。狭义的质量管理仅指质检管理，主要看质检数据。广义的质量管理指的是整体运营循环的质量管理，要看客户满意、投诉、一解以及质检等数据。

2. 数据应该从什么角度去看？

     两个大的维度：时间和颗粒度。时间维度上主要看趋势和当前截面。趋势包括整体质量趋势、质量热点变化趋势、员工技能表现变化趋势、客户对服务质量的评价趋势等。截面主要是每一期当前数据的表现，包括分布形态、达标与否、差距如何、主要问题点及变化、员工当期质量表现、客户当期质量评价等等。颗粒度维度上主要看中心整体质量、班组或技能组或分部门团队质量、员工个体质量表现等。这两个大的维度上的分析是相互交叉的，比如，整体质量趋势既可以看整个中心，也可以看班组或团队。

3. 应该用哪些分析方法？

     趋势分析看质量趋势

     控制分析看质量表现稳定性

     对比(差距)分析看质量差距及优劣势

     构成分析与排列分析(帕累托)看主要问题点位

     关联分析看质量与其它运营维度间的联动关系

     分布分析看员工质量表现分布形态、客户评价分布形态、以及质量改进点的优先级定位

     聚类分析对员工及客户进行质量分群

     因果分析分析定位影响质量的关键因素

4. 主要图表可视化手段有哪些？

     直方图看质量分布

     控制图看质量稳定性

     散点图看指标关联与分布

     排列图(帕累托)看主要质量表现问题点

     折线图看趋势

     条形图、柱形图看对比

     雷达图看优劣势

     鱼骨图分析因果（非量化)

5. 需要哪些数据工具？

      EXCEL及WPS基本上可以满足大部分需求；更专业化的分析与呈现也可以考虑SPSS、Minitab或JMP；自主开发分析自动化工具以及动态质量报表的化建议Python(Streamlit)、PowerBI。