2.觉得荒唐的
@ 数据分析精选：呼叫中心的大数据“中国梦”！
@松子无核：简直是扯蛋。
@Jack_VIVA：扯淡。
@abudie：这呼叫中心有妈咪的水准。
@icecile：真会忽悠，1、对现有客户客服偏好分析不属大数据分析概念；2、对新客户客服偏好基本没法判断，因为你对他掌握信息几为零。
@199IT-互联网数据中心:梦想与现实。
@复旦光华科技：达梦，这个名字好有先见 //@数据分析精选: 呼叫中心的大数据“中国梦”！
@呼叫中心日记:非诚勿扰看多了，楼主应没做过一线运营。
3.挺和赞的
@崔维力77：好文
@霹雳de小强：强悍
@Glory_丰勋：这个应该是一个预期比较好的想法。
@山东-齐鲁：牛逼的数据分析。
@高峡之数据时代:目前各大银行好像就在干这个事情，前段时间我才接到银行的电话，他说他是我的金融专门助理，为我提供1对1的专业金融服务。
@周兆其:华为可以挑战一下。
@邢焱Carol:谁匹配谁？
@郑雪珂_kmei: 数据能说明很多问题。
@CBC_Aers这个思路不错。
4.继续想象的
@maqiao：评论里的很多人没到重庆洗过脚吧？一进足疗城，领班就会问你有熟悉的技师没有。再熟悉一些的就会告诉你，不巧23号没下钟，让12号为您服务吧……
@小橙子孙孙：可以根据星座，生肖，血型进行初始匹配。
@黄河Tony:比如说，一个中年妇女来电（当然有儿子更好），分配给一个小伙子即可。大数据下的相关性已经被证明，同时，原因也很容易想明白。
@悠悠猫妈-爱哭的胖胖熊：很受不了他们用鼻音说话，以至于我一听到，骨子里那点女汉子的血液就开始不安分了……
@wangzx_sh:多找点声音甜美的妹纸。
总体分析下来，觉得荒唐的居多，认为理想化的也不少，包括我在内。
二、大数据下的ACD的难度在哪里？
几个微博比较典型：
1、@彭旻玺认为：案例支持是极端重要的。
2、@王厚东HD 认为：来电的随机性和匹配员工的可用性跟对运营效率的要求是相悖的；对排班和路由策略挑战不小，可以从高端小众VVIP客户做实验。
3、@赵磊--前进档：实时确定好感度是很困难的，如何在短时间内快速评价客户接受前的状态？是否还要考虑客户的性别、年龄、身份、职级、户籍、方言、学历、经常使用的语言风格、性格特质......并且需要一个切实可行的方案。
首先应该考虑一下大数据下的ACD的流程应该是怎样的？
大致分成一下四步：
1、在大数量的基础上进行数据分析，产生规则数据，注意千万不能在客户来电时进行计算，那就太晚了；
2、人工根据规则数据制作规则文档；
3、ACD系统加载规则文档，并实时采集坐席实时数据，如Ready、Busy等状态，并进行实时统计；
4、来电后，ACD系统获取客户数据、坐席实时数据，根据规则文档和规则数据进行分配。
