Kommentar von Thore Babin-Ebell, NICE Analyse ist nicht gleich Analyse

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

INFOMOTION GmbH

QUNIS GmbH

In den vergangenen zehn Jahren ist der Analytics-Markt erheblich gewachsen. Das liegt vor allem daran, dass Analytics gegenüber der einfachen Analyse von Daten deutlich mehr Geschäftschancen und Vorteile bietet. Am besten lässt sich dies in der Contact-Center-Branche beobachten. Hier ist der effektive Einsatz von Analytics zu einem wichtigen Werkzeug geworden. Es ermöglicht Unternehmen, ihre Kunden wirklich zu verstehen, ihnen ein nahtloses Erlebnis über alle Kanäle hinweg zu bieten und sich von der Konkurrenz abzuheben.

Zu den treibenden Faktoren hinter dem jüngsten Marktwachstum gehören unter eine Reihe hochkarätiger Fälle von Datenschutzverletzungen wie bei der Hotelkette Mariott oder auch bei der Gesichtserkennungsfirma Clearview AI. Dazu kommt noch die zunehmende Bedeutung von Vorschriften wie der DSGVO sowie drohende Geldbußen im Falle einer Nichteinhaltung bzw. groben Verletzung. So wurde beispielsweise Ende vergangenen Jahres gegen 1&1 eine Geldstrafe von knapp zehn Millionen Euro verhängt, weil der Konzern es Unbefugten zu leicht machte, über die Telefon-Hotline die Daten von Kunden und Kundinnen abzufragen. Die Österreichische Post wiederum muss wegen der Sammlung und Vermarktung von individuellen Datenprofilen, unter anderem zur Parteiaffinität von Bürgern, eine Strafe von 18 Millionen Euro zahlen.

Vor diesem Hintergrund müssen Unternehmen sehr genau prüfen, wie sie Daten nutzen und schützen – und ob sie in der Lage sind, das vom Kunden geforderte Maß an Datenschutz und Personalisierung zu bieten.

Transformation – aber wie?

Unternehmen stehen heutzutage bei der Expansion und Gewinnung neuer Kunden vor deutlich komplexeren Herausforderungen als vielleicht noch vor zehn bis zwanzig Jahren. Um sich diesen stellen zu können, sind Transformationen unabdingbar. Für 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.

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. Dies dient der Aufdeckung potenzieller Trends, der Untersuchung der Auswirkungen von Entscheidungen oder Ereignissen oder auch der Evaluierung der Leistung eines bestimmten Tools oder Szenarios. Dabei hat Analytics eine wichtige Entwicklung durchlaufen – von „beschreibend“ über „prädiktiv“ und seit neuestem „präskriptiv“. Entsprechend mussten sich auch Unternehmen weiterentwickeln und neue Prozesse einführen.

Einsatzmöglichkeiten von Data Analytics

Durch Analytics lassen sich Business Intelligence und die Contact-Center-Leistung eines Unternehmens eng miteinander verknüpfen. So kann es beispielsweise für Qualitätsmanagement in 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.

Eine weitere Einsatzmöglichkeit ist die automatische Analyse von Kundeninteraktionen. Agenten erhalten auf Grundlage sogenannter Predictive-Analytics-Empfehlungen, welche Maßnahmen am besten als Nächstes zu ergreifen sind. Zudem erhalten sie automatisch eine Warnung im Voraus, sollte die Analyse vorhergegangener Interaktionen mit einem Kunden implizieren, dass der bevorstehende Austausch schwierig werden wird. 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.

Unternehmen benötigen dementsprechend eine Lösung, die sich problemlos an die Kundenerwartungen anpassen lässt und diese optimal erfüllt. Sie soll sich außerdem schnell implementieren lassen, immer auf dem neuesten Stand und dem Bedarf entsprechend skalierbar sein. Ältere, lokale Lösungen können diese Anforderungen oftmals aus verschiedenen Gründen nicht erfüllen. Cloud-basierte Lösungen bieten im Vergleich ein deutlich höheres Maß an Flexibilität, Skalierbarkeit und Zugänglichkeit.

In Hinblick auf Analytics müssen Unternehmen verschiedene Herausforderungen bewältigen. Die größte Herausforderung besteht jedoch darin, herauszufinden wie die riesigen Mengen von strukturierten und unstrukturierten Daten am besten genutzt werden können, damit nützliche Erkenntnisse gewonnen werden können. Eine wichtige Grundvoraussetzung hierfür ist eine kostengünstige und schnelle Erfassung sowie Verarbeitung der Daten auf Grundlage individuell festlegbarer Kriterien.

Die richtigen Tools und Ansätze für ein optimales Erlebnis

Unternehmen müssen ihren Kunden heutzutage ein umfassendes Omnichannel-Erlebnis bieten, das sowohl die persönliche Interaktion mit einem Agenten ermöglicht als auch digitale Kontaktpunkte über sozialen Medien, Messenger Diensten und Live-Chat bedient. Dabei müssen die Verlaufsdaten sowie etwaige Prognosen zu den einzelnen Accounts auf allen Kanälen synchronisiert sein. Dafür reicht es jedoch nicht aus, einfach einige Analysten und Datenexperten anzustellen. Unternehmen benötigen Lösungen, die als Kernprozess in alle Bereiche des Unternehmens eingebettet werden können.

Die Analysen liefern Managern Erkenntnisse, die es diesen ermöglichen ihren aktuellen Prioritäten entsprechend Front-End-Prozesse, Back-Office-Prozesse sowie die Performance nahezu in Echtzeit anzupassen. So können häufig auftretende Herausforderungen wie Über- oder Unterbesetzung und die Erstellung zeitaufwendiger Geschäftsberichte effektiver verwaltet oder sogar ganz eliminiert werden.

Trotz der wachsenden Bedeutung eines gut organisierten Backoffice sind die Arbeitsabläufe häufig viel zu komplex. Typische Backoffice-Aktivitäten stoßen im Schnitt bei einer Produktivität von 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.

Ein Blick in die Zukunft

Data Analytics wird in der Zukunft von Contact Centern eine entscheidende Rolle spielen. Deskriptive und prädiktive Analytics, die in den letzten Jahren wachsenden Zuspruch gefunden hat, werden in den nächsten Jahren zunehmend durch präskriptive Analytics ergänzt werden. Während die ersten zwei dazu dienen, Interaktionen zu beschreiben, Kundenbedürfnisse vorherzusagen und die Fragen der Kunden zu antizipieren, kann letzteres Mitarbeitern Informationen und Handlungsempfehlungen zur Verbesserung der Kundeninteraktionen liefern. Zudem können sie eingesetzt werden, um zu erklären, warum Probleme auftreten und wie sie behoben oder vermieden werden können. Dies ist ein wesentliches Unterscheidungsmerkmal, mit dem sich Unternehmen von ihren Wettbewerbern im Bereich „Kundenerlebnis“ abheben können. Dies ist nicht nur kundenorientiert, sondern kann auch in die Schulung der Mitarbeiter einbezogen werden, um deren Soft Skills zu verbessern.

Ein weiterer wichtiger Trend im Analytics-Bereich wird die zunehmende Integration von Machine Learning und KI (Künstliche Intelligenz) sein. Mithilfe dieser Technologien lassen sich beispielsweise Ausdrücke hervorheben, die die Kundenzufriedenheit über Stimmungsindikatoren anzeigen, oder Channel-übergreifende Einblicke in Serviceanomalien und Kundenschmerzpunkte liefern. Insgesamt können Contact Center durch KI und Machine Learning Probleme schneller identifizieren und sofort Maßnahmen zur Lösung ergreifen, um so das Kundenerlebnis zu verbessern.

(ID:46510900)