Neukunden zu gewinnen und diese auch zu halten, stellt Unternehmen heutzutage vor ganz andere Herausforderungen als noch vor zehn oder zwanzig Jahren. Neue Technologien und Social-Media-Angebote haben weitere Kommunikationskanäle geöffnet, die von den Servicemitarbeitern eines Unternehmens bedient werden müssen. Gleichzeitig erwartet der Kunde von heute ein hyperpersonalisiertes Kundenerlebnis, bei dem von Anfang an auf seine persönlichen Präferenzen eingegangen wird.
Foto: Bojan Milinkov - shutterstock.com
Eine Analytics-Lösung für alle Contact- und Callcenter?
Allerdings haben Unternehmen insbesondere im Bereich der Contact- und Callcenter immer größere Schwierigkeiten, gut geschulte Mitarbeiter zu finden und zu halten. Die bestehende Belegschaft ist dadurch erhöhtem Druck ausgesetzt, verschiedenste Funktionen und Aufgaben zu erfüllen, ohne die Hilfe spezieller Software in Anspruch nehmen zu können. Dies führt oft zu Überforderung und Frust und kann nicht selten in einer Kündigung enden.
Für Unternehmen, die über Jahre und Landesgrenzen hinweg gewachsen sind, ergibt sich häufig zusätzlich das Problem regionaler Unterschiede. Wird es den Niederlassungen überlassen, ihre Technologien angepasst an die örtlichen Anforderungen selbst zu wählen, führt dies häufig zu einer Vielzahl von Lösungen, die nicht miteinander integrierbar sind. Entsprechend ineffizient, schwierig koordinierbar, unflexibel und oft auch teuer wird dann die Gesamtstruktur der Contact Center. Die Leistungen der einzelnen Center lassen sich zudem nicht vergleichen, da Quantifizierungsmechanismen und Qualitätskontrollen auf unterschiedlichen Metriken basieren. Erfolgreiche Ansätze eines Callcenters können nicht auf andere mit vergleichbaren Voraussetzungen übertragen werden.
Genau vor diesen Problemen stand auch Transcom. Der internationale Callcenter-Dienstleister betreibt über 21 Länder verteilt 50 Contact Center mit insgesamt 27.000 Agenten. Transcom hatte sich zum Ziel gesetzt, die Qualität innerhalb der Contact Center zu steigern, sowie seine Servicemitarbeiter besser in ihrem Arbeitsalltag zu unterstützen und sie so zu motivieren. Die Lösung für seine Probleme sah das Unternehmen in Data Analytics und so machte es sich auf die Suche nach der richtigen Lösung. Diese sollte flexibel sein und sich schnell und problemlos über alle Systeme und Infrastrukturen hinweg implementieren lassen - sowohl an den Standorten selbst als auch für Mitarbeiter, die im Homeoffice arbeiten. Gleichzeitig sollten Kosten reduziert werden, die durch veraltete oder inkompatible Systeme verursacht wurden.
Die richtige Analytics-Lösung finden
Bei der Wahl einer Analytics-Lösung ist es wichtig, dass Unternehmen den Unterschied zwischen Analysen und Data Analytics kennen: Während im Rahmen von Analysen bereits vergangene Herausforderungen und Chancen betrachtet werden, befasst sich Data Analytics mit der programmatischen Untersuchung von Daten. Dadurch lassen sich potenzielle Trends aufdecken, die Auswirkungen bestimmter Entscheidungen oder Ereignisse untersuchen, oder die Leistung eines bestimmten Tools oder Szenarios evaluieren. Dabei haben Analytics-Lösungen über die Zeit eine wichtige Entwicklung durchlaufen - von "beschreibend" über "diagnostisch", "prädiktiv" und seit neuestem "präskriptiv". Entsprechend sollten Unternehmen darauf achten, eine Lösung zu wählen, die auch die Vorteile dieser neuesten Entwicklung bieten kann.
Eine weitere entscheidende Frage ist, ob Unternehmen eine On-Premises- oder Cloud-basierte Lösung wünschen. Die lokalen Systeme bedeuten hohe Initialkosten in Form von neuer Hardware, Lizenzen und lokalen Servern. Dies sind jedoch Kosten, die zum Teil nur einmalig, zu Beginn der Installation, fällig werden. Dazu kommen Installationskosten für den Ersatz veralteter Hardware, der etwa alle fünf bis zehn Jahre ansteht. Insgesamt bedeutet ein On-Premises-Lösung für Unternehmen maximale Kontrolle über das System, jedoch auch mehr Eigenverantwortung bei Sicherheits- und Wartungsbelangen. Eine zentrale Koordination und Verwaltung anderer Standorte gestaltet sich hingegen eher schwierig.
Eine Cloud-Lösung hingegen hat den Nachteil, dass sie stark von der Internet-Verbindung abhängig ist. Für die Nutzung fallen monatliche Kosten an, dafür sind die Initialkosten vergleichsweise gering. Cloud-Lösungen lassen sich schnell und gleichmäßig über mehrere Standorte hinweg implementieren, was insbesondere für Betreiber mehrerer Contact oder Callcenter entscheidend ist. Dabei bietet ein Cloud-basiertes System ein deutlich höheres Maß an Flexibilität, Skalierbarkeit und ist direkt auf eine Integration mit anderen Systemen ausgelegt.
Nachdem sich Transcom für eine Lösung entschieden hatte, erfolgte als erster entscheidender Schritt während der Pilotphase die Festlegung der wichtigsten Daten, die künftig gesammelt, zusammengestellt und analysiert werden sollten. Hierfür arbeiteten Anbieter und Anwenderunternehmen sehr eng zusammen, um die speziell für Transcom optimale Datenauswahl zu finden und so den größten Mehrwert aus den Daten zu ziehen.
Der zweite - und Transcom zufolge wichtigste - Schritt war das umfassende Training des Business Improvement Teams. Es wurde im Umgang mit dem Programm geschult, lernte, welche Funktionen es bietet und welche Möglichkeiten sich bei der Nutzung dieser Features ergeben. Dies spielte bei der Implementierung und späteren Bewertung der Analyseergebnisse eine entscheidende Rolle. Das Team war so in der Lage, die Manager, die mit dem Programm im Arbeitsalltag arbeiten müssen, selbst einzuweisen und ihnen das "Wie" und "Warum" rund um die Lösung zu erklären. Diese Vorgehensweise war entscheidend für die erfolgreiche Einführung und Adaption.
- Dr. Christoph Hönscheid, NTT Security
„Erfolgreich ist, wer eine Gesamtstrategie zum Schutz vertraulicher Daten hat. Natürlich ist die EU-Datenschutzgrundverordnung eine unvermeidbare Herausforderung, der sich Unternehmen stellen müssen. Sie kann ein wichtiger Impuls sein, um beim Datenschutz wirklich zu handeln. Klug ist es aber, über Compliance und Regulatorik hinaus zu schauen. Ein Gesamtkonzept sollte erstens gesetzliche Vorgaben, zweitens Verpflichtungen gegenüber Partnern und drittens die ureigenen Interessen des Unternehmens, sein digitales Eigentum zu schützen, im Blick haben. Nur so entsteht eine tragfähige Grundlage, um entsprechende Technologien einzusetzen. Dazu gehören DLP, eine dateibasierte Verschlüsselung wie Digital Rights Management oder auch Tokenisierung. Eine Datenklassifizierung, die über diese Schutzmechanismen letztendlich die Entscheidung trägt, muss ein tragender Pfeiler in diesem Gesamtkonzept sein.“ - Christian Nern, KPMG
„Grundsätzlich existieren technische Lösungen oder BI-Lösungen um herauszufinden, wo der größte Schutzbedarf in Unternehmen besteht. Am wichtigsten ist aber, dass die Mitarbeiter aus den Fachbereichen nicht nur geschult werden, sondern auch wissen, was genau sie mit den Daten machen dürfen. Dies erreicht man viel besser über den Austausch über richtige oder falsche Verhaltensweisen beziehungsweise durch Beispielszenarien oder fachspezifische Templates. Auf diese Weise kommt man sukzessive in eine Qualitäts- beziehungsweise Sicherheitskultur, die jedes Unternehmen für Security by Design benötigt, um KI zielgerichtet anzuwenden.“ - Marisa Parrilla, Horn & Company
„Der kulturelle Aspekt muss über die Data Governance hinaus gehen und auch ethische Aspekte berücksichtigen. Denn nicht alles, was man laut DSGVO darf, sollte ein Unternehmen auch tun. Data Protection hat viel mit Vertrauen zu tun und man muß keine Angst haben, diese Transparenz auch nach außen zu schaffen. Vielmehr müssen Unternehmen beide Aspekte in eine Datenstrategie und somit einer Gesamtstrategie integrieren, um so langfristig Wettbewerbsvorteile aus den Daten zu erzielen.“ - Dr. Jean-Michel Lourier, Lufthansa Industry Solutions
„Bei Datenschutz muss man zwei Dinge unterscheiden: Security und Privacy. Während man beim ersten gut aufgestellt ist, herrscht bei letzteren bei vielen noch sehr große Unsicherheit. Durch die Schwammigkeit der DSGVO weiß man oft nicht genau wie weit man gehen muss, um wirklich compliant zu sein – und das ist das Problem. Das führt dazu, dass man immer versucht, auf der sicheren Seite zu sein, wodurch man sich viele Chancen für Data Analytics entgehen lässt.“ - Stefan Zsegora, Telefónica Germany NEXT
„Wenn zehn Data Scientists gleichzeitig beim Datenschützer nachfragen, ob das was sie tun ok ist, dauert es vermutlich zwei Jahre, bis das geklärt ist. Von daher braucht es zum einen eine Umgebung, in der der Data Scientist eine Use-Case-unabhängige Rechtssicherheit hat. Dafür haben wir zum Beispiel eine spezielle Anonymisierungsplattform entwickelt, die genau diese Sicherheit gibt. Zum anderen braucht es Zertifizierungsstellen, die für jeden transparent bescheinigen, dass das, was mit den Daten gemacht wird, rechtlich in Ordnung ist. Denn gerade im Kundengeschäft hat man keine Chance, wenn da auch nur ein Hauch von Schabernack in der Luft liegt.“ - Dominik Koch, Teradata
„Data Analytics und Data Protection schließen sich nicht aus, sondern gehen immer Hand in Hand. Data Scientists müssen sich daher unbedingt mit den allgemeinen und branchenspezifischen Richtlinien für Datenschutz und Datensicherheit auskennen. Um zu wissen, mit welchen Daten sie arbeiten dürfen und mit welchen nicht, müssen sie entsprechend geschult sein. Dafür müssen sie eng mit IT-Security-Spezialisten zusammenarbeiten und in komplexen Fällen auf deren Knowhow zurückgreifen können.“
Wie Data Analytics das Kundenerlebnis optimieren
Eine wichtige Einsatzmöglichkeit von Analytics ist die automatische Analyse von Kundeninteraktionen. Agenten erhalten auf Grundlage von Predictive Analytics Empfehlungen, welche Maßnahmen sie als nächstes ergreifen sollten. Dazu gehören auch automatische Warnungen, sollte die Analyse vorhergegangener Interaktionen mit einem Kunden implizieren, dass die bevorstehende Unterhaltung schwierig werden könnte.
Darüber hinaus ist es mit Analytics möglich, Business Intelligence und die Contact-Center-Leistung eines Unternehmens eng miteinander zu verknüpfen. So kann es beispielsweise für ein Qualitäts-Management in der gesamten Belegschaft eingesetzt werden oder um betriebliche Verbesserungen voranzutreiben. Dies bietet auf der einen Seite einen starken Wettbewerbsvorteil, zum anderen steigert es das Engagement und die Leistung der Mitarbeiter.
Data Analytics liefert zudem Erkenntnisse, die es Managern ermöglichen, ihre aktuellen Prioritäten bezüglich der Frontend- und Back-Office-Prozesse sowie der Performance nahezu in Echtzeit anzupassen. So können häufig auftretende Herausforderungen wie Über- oder Unterbesetzung und die Erstellung zeitaufwändiger Geschäftsberichte effektiver verwaltet oder sogar ganz eliminiert werden.
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. Transcom hat sich diese Möglichkeiten zunutze gemacht und konnte bereits nach wenigen Wochen erste wichtige Erkenntnisse aus seinen Daten ziehen. Diese halfen dem Unternehmen unter anderem dabei, die Qualität des Kundenservices zu verbessern, die durchschnittliche Bearbeitungszeit zu reduzieren, Compliance zu verbessern und wie gewünscht die Kosten für die IT-Infrastruktur sowie -Support zu reduzieren. Transcom plant nun, den Einsatz der Lösung auf andere Standorte auszuweiten. (mb/fm)