近几年，我发现生活里很多“政事儿”办理越来越方便了；有什么不懂的，打电话或者留个言很快就有人反馈；跟了个12345市民热线分析系统的项目，深刻感受到G端对民意舆情的关注；也发现这一类项目在实施过程中的问题和痛点，以下为梳理总结，仅供参考。

目前300多个城市设立了政务热线，目前大多数城市仅仅将其作为倾听民众声音、派员处理市民难事的渠道；存在对热线数据的分析应用，但基于数据和技术的原因，对政务热线数据进行挖掘比较有限。

01 市民热线发展背景

热线的存在首先要依托90年代技术的发展，电话、手机、APP、互联网，增加了诉求公开透明的渠道。

对政务热线的发展阶段进行分类：信息化阶段、数字化阶段、智能化阶段。

1、信息化阶段

背景是电话的普及，打电话极其方便。

但这个时候政务热线主要目标是“听”，解决问题。

但发生了多少相似的问题，诉求接听之间是不互通的，这其中的相关性也无法得知。

2、数字化阶段

背景是互联网、物联网的发展，网上政务大厅、政务服务APP等各种应用逐渐发展。

同时，这样热线数据由原来的分散式转变为集中式，数据得以汇集。

相关部门对热线不再停留在“听”的阶段，更加重视热线数据背后的应用价值。

典型的表现是相关部门的周报、月报、季度报告、年报等周期性报告。

有对应部门的人员进行定期报告的整理，以达到发现集中问题，辅助决策的目的。

这个阶段也是目前的主流阶段。

3、智能化阶段

随着人工智能的接入，对热线数据的分析、解析得以应用，这个时候的智能主要体现在“接听”和“派单”。

• 由原来的人工接听，转为机器人接听，由机器人对问题进行初步处理，缓解接听压力；
• 由原来的人工派单，转为系统派单，系统将问题工单派发给相关解决部门，缓解派单压力。

将智能技术应用数据采集和数据流转过程之后，对沉淀的数据应用的要求也更高了。

不再满足于人工报表，报表自动生成、数据可视化大屏、数据解析舆情分析、治理流程可视化等等。

02 市民热线数据流转模式

热线流转流程为 多对一对多 的形式，集中式处理，并对处理结果进行回访，实现流程闭环。

03 市民热线数据数字化痛点

从上面的热线流转可以看到，数据经过了接听、分类、办理、反馈、分析五个过程。

在调研过程中，用户痛点主要集中在接听、分类、分析中，我把它对应到常说的数据收集、数据清洗、数据分析三个方面。

1、接听：诉求量大，接听压力大

在整个诉求过程中，话务员是数据收集的最前端，接听电话，将诉求内容记录下来，才有接下来的分类、派单等等。

但是信息在传播过程中是逐渐递减的。

当话务员在接听市民诉求时，一般情况是需要在非常短的时间内记录市民反馈的问题

这样就导致对市民问题的记录描述无法进行格式统一化，

而且一旦格式统一化容易改变来电人的真实诉求表达。

2、分类：诉求识别能力不足，系统分类局限性

话务员对诉求记录之后，要根据诉求内容按照热线系统中给定的分类进行标记。

举例如下：

（1）系统分类无法自动更新

这样将热线进行分类时，系统设定的各级分类无法准确标记诉求问题。

（2）问题分类人工主观划定

工单分类由人工划定，不同话务员面对相似问题时，也会出现将相似问题划分在两个分类的主观情况。

（3）不同地区之间的分类标准不一

分类标准不一，对热线数据标记会出现差异性，数据无法在更高一级实现汇聚共享、分类就会受限。

3、分析：分析维度不一、深度分析有限

客户对热线数据的业务分析需求周期性分析、专题分析。

• 周期性分析：常规的周报、月报、年报等；
• 专题分析：拖欠工资专题、环境治理专题等；

分析是整个热线数字化最难的一部分。

比较容易做到的是标准化数据的分析，比如来电量、满意率、各固定分类的占比、各承办单位的占比；

难点在于非标准化数据的分析，比如拖欠工资分类中主要集中在哪些企业、哪些行业；某个镇街反映集中的问题是哪个分类等等。

这类分析通常依靠人工借助 【固定分类】筛选后，再进行人工判断，进行【再次辅助标记】统计，其人工工作量巨大。

一份常规性月报的形成往往需要业务人员一周时间的准备。

04 市民热线数据数字化需求

了解了热线业务流程和痛点，甲方的需求是什么呢？想做些什么呢？拥有这么丰厚的数据资产，该如何利用呢？甲方的痛点如何解决呢？

首先，一个稳健、灵活的热线接办系统对整个热线业务来说非常重要。

如何利用系统灵活、准确的对非标准化的诉求数据进行 准确记录、标准化处理？

而标准化处理的数据是数据分析应用的重要前提。

1、接听：智能客服

智能客服引入，对非人工解决的咨询类、常规类、知识库类进行了过滤，承接部分热线压力。

（1）即时文字转换

以自然语言处理为核心模块的文字转换、语义判断、内容自动提取工具，实现对来电人口头表达的即时文字转换。记录完整通话内容。

（2）语义语境识别

自动识别来电人的基本信息，并根据信息进一步询问，自动提取关键字段以供话务员进一步筛选、编辑、点选，大幅提高话务员的分类效率。识别来电人的语义和语境,自动为接线员实时给出话术指引，降低沟通成本和工作压力。

（3）知识库调用

针对常规咨询类问题，智能客服可以直接调用知识库的相关内容进行解答，诉求止于智能客服，无需进一步流转。

2、分类：灵活与标准

这两个词感觉是矛盾对立的，但是确实是话务员的实际需求。

统一分类指的是同一地区，同一监管需求的统一，在相同的业务流程和业务环境中，使用同一套分类标准，能最大程度上保障分类数据的标准化。

在标准化的基础上，支持话务员在末级分类进行细分，将数据做到尽可能精确。

3、分析：自动与监测

（1）常规报表自动生成

对常规的来电量统计、分类占比统计可以自动即时生成，能看到数据的，一目了然看到数据。

（2）舆情热词监测

通过关键词、舆情重点词监测等，对诉求内容进行监测和提取，形成舆情热点图、热点地区图等。

05 市民热线数字化产品

1、热线接办平台

主要功能有：

• 来电接听、其他渠道诉求汇集；
• 生成、派发、承办办理工单；
• 催办、督办办理工单；
• 回访、办理结果反馈；
• 知识库搭建、更新；
• 工单分类管理；

2、数据分析驾驶舱

主要功能有：

• 常规数据可视化：接听量、办理量、满意率；
• 专题分析：专题事件的频次、高发地区等；
• 热词舆情：热点词、敏感词、高频词；
• 高发区域：事件高发区域；
• 满意度分析：回访不满意情况分析；

06 总结

业务过程是非常痛苦的，给我印象最深刻的就是数据。

对系统的整体要求是：

• 数据采集减少失真；
• 数据清洗尽量标准；
• 数据分析更加联动。

这些的实现不仅是技术的支持，还需要对业务的深刻理解才能发现诉求之间的关联，也需要更多企业库、地点库、知识库等数据库的关联，才能支撑更深度的分析。