本发明属于电力系统话务平台运维
技术领域：
，尤其是一种利用话务平台数据及时发现话务系统问题的方法。
背景技术：
：目前国家电网公司客户服务中心实现了全国27家省(市)公司全网全业务集中，实现了全网客户服务业务每天24小时不间断在线服务和实时管控，这标志着国家电网公司客户服务中心已经建成了世界规模最大、服务人口最多、服务功能最全的公共服务中心，业务运营压力的提高对信息系统的运维工作提出更高要求。尤其是近一年来，面临运维范围大、工作区域分散、运维设备的数目庞大、区域分散为问题的定位带来障碍，目前，国家电网公司客户服务中心所使用的电力系统呼叫平台主要包括运行95598大话务预测软件系统服务器端程序的数据服务器、用于客户端与服务器之间传输和处理数据的的交换机、运行大95598话务预测软件系统客户端程序的客户端，如图1所示，电力系统呼叫平台的基本运作过程为：客户向各省网sbc表达客户诉求信息，各省网sbc(sessionbroadcontroller，会话边缘控制器)通过骨干网向国网中心sbc转达客户诉求信息，国网中心sbc将客户诉求信息发送到呼叫平台，呼叫平台将客户诉求信息数据进行统计分析并存储到数据库，对于上述的电力系统呼叫平台及其数据统计分析存在无法准确定位现场话务异常原因、系统运行的稳定性差，仅凭运维人员的工作经验去排查呼叫平台话务出现的问题效率底下，不能第一时间捕捉与现场业务紧密关联的异常预警信息。对预警信息的发布运维部门是很被动的。传统的运维以追求系统稳定运维为主，互联网运维以业务驱动为主。对解决业务话务呼叫数据分析问题不能及时的分析业务指标的变动与人工、服务、设备等关联的关系。技术实现要素：本发明的目的在于克服现有技术的不足，提供一种利用话务平台数据及时发现话务系统问题的方法。1、一种利用话务平台数据及时发现话务系统问题的方法，其特征在于：包括步骤如下：(1)搭建数据库，对呼叫平台数据进行重新分类第一阶段，确定呼叫平台四张基本数据表和四张辅助数据表，四张基本数据表分别包括：ivr动作明细表，如下表1所示，软电话动作状态明细表，如下表3所示，排队明细表，如下表5所示，通话明细表，如下表7所示，四张辅助数据表分别包括：部分ivr部分动作参数表，如下表2所示，部分软电话动作参数表和软电话状态参数表，如下表4所示，部分排队明细业务类型表，如下表6所示，部分通话明细的业务类型表，如下表8所示，表1ivr动作明细表ivr动作明细表包括序列号、主叫号码、行政区编码、按键动作、按键时间，其中按键动作还包含ivr动作参数，ivr动作参数中又包含93个动作参数，如表2所示，给出部分ivr动作参数，若在数据库中查询客户拨打95598使用自助语音时触发的动作都通过表1中的字段结合ivr动作参数查询相应的数据，表2，部分ivr部分动作参数表如下表3所示，软电话动作明细表记录坐席的所有事件和状态，表3中软电话动作编码和软电话状态编码参照如下所示的表4，表4为软电话动作参数表和软电话状态参数表，在数据库中查询客户拨打95598时坐席的所有事件和状态,通过表3中的字段结合电话动作参数表和软电话状态参数查询相应的数据，表3软电话动作明细表表4，部分软电话动作参数表和软电话状态参数表如下表5所示，排队明细表记录着坐席的排队明细，包括排队开始时间,排队结束时间以及排队结束原因，表3中业务类型字段通过表6中的字段查询客户的排队等待时间，表5排队明细表表6，部分排队明细业务类型表如下表7所示，通话明细表记录着坐席的通话明细主要包括振铃开始时间，通话开始时间，通话结束时间，案头结束时间，业务类型，表7中业务类型字段通过如下表8中的字段查询客户的排队等待时间，表7通话明细表表8，部分通话明细的业务类型表对上述基本数据表的各个字段之间的关联关系进行分析，四张基表将呼叫平台数据分为四类，每个基表的每个字段都能查询一类数据，各个基表之间表面上看是相互独立的，但是各个基表中字段的相互结合，通过公式计算得到相应的数据，(2)细化数据表节点，将四张基表的数据节点细化为63个节点，细化节点的方法是四张基表中每个字段以及每个字段所涉及的参数或业务类型根据呼叫平台的整个呼叫流程所涉及的数据进行排序，汇总得出63个节点，如表9所示：表963个节点汇总表(3)确定研究关键节点，通过研究上述63个节点之间的关系，最终确定23个节点作为关键节点，如表10所示：表1023个关键节点表呼入欢迎语普通话紧急播报ivr自助服务转人工服务进入排队排队时长0秒排队时长1秒排队时长2秒排队时长3-5秒排队时长6-10秒排队时长11秒以上分配/放弃/其他软电话呼入振铃摘机通话15s内通话16s-50s内通话51s-150s内通话151s-300s内通话300s以上挂机(4)利用上述23个关键节点关联得到的数据进行公式计算，分别得到丢失率，人工接听率和放弃率，将公式计算结果与异常现象、平台服务、设备及数据相关联，①通过上述的23个关键节点得到的平台数据准确的检测到话务异常现象,数据库中的数据应该和业务系统的数据是相匹配的,通过查询呼入量能够监测话务是否异常，如果数据库中的数据与业务系统的数据相差很大，说明在这个时间段话务是有丢失的；通过关键节点与数据与业务系统数据相比较及时发现ivr异常，语音播报异常；通过异常分析追踪所属服务和所属设备是否异常；该方法的应用使得运维人员主动排查异常，将异常追踪到某个服务和设备；②利用上述23个关键节点关联得到的数据进行公式计算，分别得到丢失率，人工接听率和放弃率，通过关键节点得到的关联数据的计算，大大提升了计算速度及计算的准确性。而且，所述步骤(4)中②步的丢失率，人工接听率和放弃率的计算公式如下：丢失率率＝(呼入量-普通话话务量)/呼入量，丢失率为客户主动放弃本次通话；人工接听率＝(1-(转人工服务量-软电话呼入量))/转人工服务量，人工接听率为坐席成功接听后占转人工服务电话量比；放弃率＝(普通话-ivr-转人工服务量)/普通话，ivr为自助服务请求量。本发明的优点和积极效果1，本发明系统化应用大数据的理念，通过数据实时分析，第一时间捕捉与现场业务紧密关联的异常预警信息,预警信息的发布实现了主动运维；2，本发明将呼叫中心常见的电话接通率、电话放弃量和满意推送率常见指标与信息运维有效结合；附图说明图1是目前电力系统呼叫平台的基本运作流程图。具体实施方式以下结合附图对本发明实施例做进一步详述，需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，不能以此作为对本发明保护的范围的限定。一种利用话务平台数据及时发现话务系统问题的方法，包括步骤如下：(1)搭建数据库，对呼叫平台数据进行重新分类第一阶段，确定呼叫平台四张基本数据表和四张辅助数据表，四张基本数据表分别包括：ivr(interactivevoiceresponse)动作明细表，如下表1所示，软电话动作状态明细表，如下表3所示，排队明细表，如下表5所示，通话明细表，如下表7所示，四张辅助数据表分别包括：部分ivr部分动作参数表，如下表2所示，部分软电话动作参数表和软电话状态参数表，如下表4所示，部分排队明细业务类型表，如下表6所示，部分通话明细的业务类型表，如下表8所示，表1ivr动作明细表ivr动作明细表主要包括序列号、主叫号码、行政区编码、按键动作、按键时间，其中按键动作还包含ivr动作参数，ivr动作参数中又包含93个动作参数，如表2所示，给出部分ivr动作参数，若在数据库中查询客户拨打95598使用自助语音时触发的动作都可以通过表1中的字段结合ivr动作参数查询相应的数据。表2，部分ivr部分动作参数表如下表3所示，软电话动作明细表记录坐席的所有事件和状态，表3中软电话动作编码和软电话状态编码参照如下所示的表4，表4为软电话动作参数表和软电话状态参数表，在数据库中查询客户拨打95598时坐席的所有事件和状态,可以通过表3中的字段结合电话动作参数表和软电话状态参数查询相应的数据。表3软电话动作明细表表4，部分软电话动作参数表和软电话状态参数表如下表5所示，排队明细表记录着坐席的排队明细，主要包括排队开始时间、排队结束时间以及排队结束原因)，表3中业务类型字段可以通过表6中的字段查询客户的排队等待时间。表5排队明细表表6，部分排队明细业务类型表如下表7所示，通话明细表记录着坐席的通话明细主要包括振铃开始时间，通话开始时间，通话结束时间，案头结束时间，业务类型，表7中业务类型字段可以通过如下表8中的字段查询客户的排队等待时间。表7通话明细表表8，部分通话明细的业务类型表对上述基本数据表的各个字段之间的关联关系进行分析，四张基表将呼叫平台数据分为四类，每个基表的每个字段都能查询一类数据，各个基表之间表面上看是相互独立的，但是各个基表中字段的相互结合，通过公式计算可以得到相应的数据，如人工接通率，是利用ivr动作明细表中按键动作字段和软电话动作明细表中通话标识符的总和计算而来的。第二阶段，细化数据表节点，将四张基表的数据节点细化为63个节点，细化节点的方法是四张基表中每个字段以及每个字段所涉及的参数或业务类型根据呼叫平台的整个呼叫流程所涉及的数据进行排序，汇总得出63个节点，如表9所示：表963个节点汇总表第三阶段，确定研究关键节点，通过研究上述63个节点之间的关系，最终确定23个节点作为关键节点，通过上述的63个节点利用生命周期理论的方法，将95598国家电网客服中心的话务分为客户呼入，ivr自助语音，转人工，挂机这几个阶段。在结合客户拨打95598客服专线最常用的几个节点确定了23个关键节点。如表10所示：表1023个关键节点表呼入欢迎语普通话紧急播报ivr自助服务转人工服务进入排队排队时长0秒排队时长1秒排队时长2秒排队时长3-5秒排队时长6-10秒排队时长11秒以上分配/放弃/其他软电话呼入振铃摘机通话15s内通话16s-50s内通话51s-150s内通话151s-300s内通话300s以上挂机第四阶段，将关键节点与异常现象、平台服务、设备、数据关联，得到话务数据公式处理的数据。(1)通过上述的23个关键节点得到的平台数据准确的检测到话务异常现象，数据库中的数据应该和业务系统的数据是相匹配的，通过查询呼入量能够监测话务是否异常，如果数据库中的数据与业务系统的数据相差很大，说明在这个时间段话务是有丢失的；通过关键节点与数据与业务系统数据相比较及时发现ivr异常，语音播报异常；通过异常分析追踪所属服务和所属设备是否异常；该方法的应用使得运维人员主动排查异常，将异常追踪到某个服务和设备。(2)利用上述23个关键节点关联得到的数据进行公式计算，分别得到丢失率，人工接听率和放弃率，通过关键节点得到的关联数据的计算，大大提升了计算速度及计算的准确性。其中，丢失率率＝(呼入量-普通话话务量)/呼入量，丢失率为客户主动放弃本次通话；人工接听率＝(1-(转人工服务量-软电话呼入量))/转人工服务量，人工接听率为坐席成功接听后占转人工服务电话量比；放弃率＝(普通话-ivr-转人工服务量)/普通话，ivr为自助服务请求量。当前第1页12