數字化業務的渠道已經大面積產生，而現在的消費人群則還沒有習慣用很大的金額在網上直接成交一個金融產品（理財類是有可能的），大家可能因為認知的復雜性很難接受這個概念，但是你們可以想像，當00后，甚至00后的下一代他們出來工作，成家立業之后，這一代伴隨QQ成長起來的用戶，一定所有的生活，衣食住行的全部解決方案都來自互聯網，那么像保險、金融服務這樣的產品同樣的也會在各種各樣的渠道接觸的場景當中看到這樣的產品露出，看到相關的品牌露出，我們做簡單產品的獲客是完全有可能的。未來金融產品的獲客的初次場景都在互聯網上。這種場景下，金融行業需要應對除了來自自身消費者、產品創新、消費行為模式改變的挑戰，最多的還是互聯網企業帶來的挑戰。面向金融行業，他們也在提供金融產品服務的時候，他們的優勢是什么，天然的數據優勢，接觸渠道的優勢，服務場景各種碎片化的交互場景的優勢，在傳統金融行業來說，現在就必須為未來做好準備。這個準備就是要靠科技，靠我們的數字化轉型，靠我們的以客戶為中心的經營理念，重新帶動傳統金融企業向未來應對互聯網企業的金融業務競爭來打造我們自己的核心競爭力。 　　回到剛才那句話的另一個概念：什么叫以客戶為中心？以客戶為中心可以簡單理解為兩句話：客戶數據洞察以及客戶數據洞察結果的應用。過去傳統金融行業，把客戶數據洞察做得很好的有嗎？我可以告訴大家，幾乎沒有。很多公司花了很大的價錢，建了CRM系統，但實際上真正能夠把數據洞察輸出為業務模型，再把業務模型賦予到業務流程的策略制定和實施上，少之又少，微乎其微。因為傳統金融的業務開展起來太容易了，我們開個銀行，有個門店在那里，有個招牌掛銀行兩個字，自然就有人來存錢了。政策優勢讓我們在存貸差當中獲取很大的利益，消費者的信息溝通不對稱，也能夠讓我們的業務員團隊、渠道活得非常滋潤。所以直接toC的業務模式，傳統的金融過去幾乎是沒有的，因為我們不開展這些科技投入，不做這些大規模的經營變革、經營戰略的變革，已經活得很好。這導致我們現在的核心競爭力離將來要應對的這場互聯網業務和數字化模式轉型帶來的挑戰是遠遠不夠的，所以實際上在座的廠商，今天來的廠商很多，我覺得你們還有很多可作為的市場空間。客戶數據洞察，大家為什么說他們做得不太好呢？實際上是因為我們接觸客戶的場景太少，我們的接觸點太少了，我們能夠獲取的數據靜態的、動態的數據管理并不全面，我們數據字段維度不夠豐富，這些都是洞察的來源，數據源的管理還有很大的提升空間。數據來源都做不好，何談數據洞察結果的應用呢？當然數據洞察結果的應用，如果有優秀企業在行業當中積累業務經驗，可以讓其他同業學習和借鑒的時候，可以快速把洞察結果的應用推向我們的市場，但是當我們的業務流程，當我們的營銷、服務渠道還非常傳統的情況下，這類數據洞察的結果要付諸實踐，也還是相當不靈活或者沒有辦法直達客戶。我們讓客戶感受到的體驗創新非常的膚淺，很表面，我們能把一個界面設計得非常友好，在我們的業內已經是很不錯的標桿。 　　前陣子我們看到太保出了一個智能決策投保方案的H5的動畫，其實里面沒有多少"智能"技術含量，最大的成果是營銷界面的設計，模仿大白的機器人的形象，讓我們看到原來咨詢保險的顧問方案的過程可以變得相對有趣，相對活潑，這已經是我們很大的提升。 　　數字化業務，主要是指未來消費者利用手機和互聯網跟服務供應商接觸的業務處理方式。這類業務所有的接觸方式、溝通方式都是以計算機和網絡科技的移動互聯技術來連接的，我們需要在這個過程中向用戶提供數字化服務的渠道、方式，我們的產品呈現出來要更加的像一個電子商務的產品，這些都是我們要應對的所謂數字化業務轉型的目標和方向。 　　那么，我們怎么實現呢？技術手段有哪些呢？在波士頓咨詢的行業分析報告里提出來，金融科技包括：圖上的人工智能、大數據、互聯技術、移動互聯、物聯網以及支撐這些應用運算的基礎的平臺，是云計算和分布式架構，未來的系統都會做得非常模塊化、組件化，現在一個系統幾十個模塊，一個公司有幾十個應用系統，一個保險公司有六七十個業務系統，綜合業務多一點的百十來個。現在已經有很多金融企業的CIO預見到了未來我們公司的系統是一千個，絕對不是幾十個上百個，而是上千個，所有的這些都是由分布式架構，我們新的靈活的微服務的系統架構來支撐的運行模式。 　　下面來看一張圖（今天早上工信部通信企業協會電信增值委的胡主任提到CCSO的標準，我本人也是這個標準的專家評審，這個標準的注冊培訓課程我是其中主要的核心講師），這是我的課件中經常講的一張圖片：呼叫中心的定位。不管是叫客戶聯絡中心還是叫什么客服體驗中心，呼叫中心的定位就是一個技術平臺，這個平臺上面加載了什么樣的業務應用決定它屬于哪個部門和哪個業務單元，也決定了它能夠參與企業的業務價值鏈的哪個深度和哪個廣度。而只要做客戶溝通管理的業務策略，我們都將之歸屬為CRM的策略。呼叫中心永遠都是CRM策略的最佳執行者。它參與企業經營的售前、售中、售后，那就被賦于不同的業務價值。一個呼叫中心在企業的地位往往是由它參與到企業的業務價值鏈的廣度和深度來決定的，你電話接得很好，滿意度很高，那么售后這個層面就算做得很好。所有的企業都不可能和客戶做一次性買賣賺錢，我們電商的平臺更是貫徹CRM的理念--重購才是利潤的來源。所以只有滿意了才能再買東西，所以我們最多的CRM應用都是在售后，服務過程中滿意以及更多的客戶接觸點上可以讓客戶和我們發生互動，發生有價值的互動，我可以生產產品、推銷產品，服務好的同時，我也可以宣傳產品、推銷產品，這都是呼叫中心的業務價值輸出在我們的企業的經營活動的價值鏈上，創造產出。所以一個呼叫中心既能夠做營銷，又能夠做銷售，還能做好客戶服務，這是最高級別的定位。 　　要把呼叫中心運營好，我們認為從專業的咨詢或者運營專家的角度出發，呼叫中心要運營好就是三個方面：管好數據，管好流程，管好人。每個方向重點又是什么呢？我們要看到，數據最核心的是要管理三個方面：一是規模，數據一定要海量數據才談得上大數據，這個數據才有價值。數據的質量，是指它的完整性、準確性、唯一性，這些都是我們做CRM特別關注的一點。現在很多技術在表面上說大數據，但是我們去問有幾個呼叫中心能做到客戶身份唯一識別，很少。特別是傳統的金融行業里的某些領域，真的都是業務員的電話，都是代理人的電話，都是渠道留下來的電話，你根本找不到本人，所以我們做數據的管理、獲取、清洗規則的統一、識別，這是我們要做好服務、做好營銷策劃的最核心的基礎。當所有的數據達到可用級別的時候，規模和質量都達到一定標準的時候，才能做洞察，不要一堆垃圾數據在那里建模，建出來的也是錯誤的。有可用性達到可用標準的數據才能做洞察，洞察是找規律，業務成交規律，客戶消費行為規律，我們要看很多的方向。這個領域永遠不缺技術，永遠不是哪家公司大數據運算能力好、工具好，我們缺的是業務經驗、業務策略，有業務經驗的人來掌握和使用或者帶領我們的技術團隊來進行洞察、分析。我想知道我的成交客戶的畫像、高價值客戶的畫像、高風險客戶的畫像，這些畫像不是簡單一次性提交的模型就能跑出來的，當真正要做技術植入解決方案的時候，業務專家一定離不了，而且我們要知道他是持續、長效的機制，要把它建立起來，這樣的客戶數據洞察才是我們真正以客戶為中心的經營所需要的。 　　再比如，客戶身份識別的時候，一旦客戶接觸過來，我們都要做校驗，可以自動的做校驗，也可以在關鍵的業務場景做人工校驗，一旦識別是某個客戶就進行信息歸并，如果一旦識別是新客戶，就馬上新增客戶記錄。所有的這些都需要把數據的字段健全，要填充這些字段的場景，其實不僅僅是在一次接觸當中，很有可能在很多次接觸當中，甚至在一個服務流程、銷售流程的多個關鍵節點當中來捕捉，也就是說業務流程的設計，也能夠幫助到我們做數據獲取。我們所有的流程都希望快速解決用戶的需求，快速成交，成交過程中讓客戶滿意。當然還要注重風險控制。金融行業過去過多的考慮風險控制，但是我們可以看到，流程在電商領域、電商企業進入到傳統金融業務的競爭領域的時候，我們的流程設計往往就比我們傳統金融企業來得更高效、更靈活、更友好。這是我們要向他們學習和借鑒的地方，當然流程當中的風險控制關鍵點是什么，我們仍然要把握大的前提，只是不需要過多添加束手束腳的重復設置。此外，一旦流程出現問題，或者一旦我們的數字化的管理績效分析出現問題，我們希望大家能夠盡量從流程上找原因。這是呼叫中心運營非常核心的思路，因為所有的作業，無論是現在人工還是將來的機器人，最多的時候是在控制作業流程，流程當中有數據獲取的節點，流程當中有操作規范的落實，流程當中有客戶滿意度的KPI相關績效輸出，這是我們呼叫中心也非常關注的一點。流程需要被控制，需要持續改善，而不是呼叫中心搭建的時候才畫一次流程圖。真正的流程管理要求應該是所有作業人員都可以看懂流程圖，所有人都能清楚流程哪個環節輸出什么、輸入什么，我們應該怎樣去觀察流程的有效性，觀察流程有沒有被改善的機會點。 　　呼叫中心運營的第三個核心管理對象就是人。我認為金融行業不可能出現無人值守的呼叫中心，可能短暫的某個特定時間點有，但是絕對不會出現無人值守的呼叫中心，因為金融產品的特性，我個人非常悲觀。我覺得三五年內把和客戶直接打交道的事情交給機器人是絕對不可能的，所以說金融行業的呼叫中心離不開人，但幫助人員管理做好選、育、用、留，HR管理的全流程、全生命周期，我覺得也有很多技術手段可以提供幫助。與其想讓AI發生巨大的經濟效益，直接干掉座席，何不緩一緩，讓AI幫助我們的座席快速成長呢？我覺得這是更現實的考慮。因為在溝通互動的過程中，你要控制客戶的思想、行為非常難，但是在呼叫中心運營管理過程中，要控制一個座席的行為、思想、規范，則相對容易。 　　我剛剛說的較為悲觀的AI應用的觀點，我們知道AI之父圖靈，他說AI有一個簡單的判斷標準：當第三者已經無法區分是人還是機器在提供服務，在做行為表現的時候，我們才能判斷說這個機器具備了人工智能。我們現在看到的很多智能化這個、智能化那個，他們離人工智能都還有很大的距離。在呼叫中心我們要讓機器向人一樣自如的溝通、交流太難。自然語言的處理是一個難題，大量的科技公司，特別是有技術、有大規模戰略資源投入的公司，在致力于解決這方面的問題，它背后是一個企業成百上千的技術團隊在進行自然語義分析、自然語言管理的模塊研發，實際上我們現在市面上能看到的機器人座席，大部分時候表現都非常白癡。 　　金融科技能夠怎樣幫助呼叫中心提升我們以客戶為中心的經營能力和未來應對數字化渠道、數字化運營場景服務和營銷的挑戰？我分享的第一個場景是客戶信息洞察能力的提升，怎么樣用科技來提升它？實際上還是大數據的范疇。我們要在各種場景、各種流程當中創造性的去采集數據、捕捉數據反饋出來的機會點，可能是改善服務的點，降低服務不滿意率的點，也可能是銷售的點。這是數據采集方面，這時候由我們的業務專家來設計的場景來幫助我們、豐富我們數據來源。第二個是數據匯集到一起后借助我們的大數據平臺做清洗和挖掘，還有洞察分析這樣的處理。業務專家一定要參與到我們的技術服務當中來，我們所有的大數據建模，在很多業務領域和很多行業領域是帶有行業屬性的，它非常狹隘。比如銀行，銀行的咨詢業務的場景完全不同于保險，保險的接報案處理場景，保監要求我們做風險回訪的業務場景和銀行也不一樣。我們所提到的專業術語在其他行業都沒有，每個行業就需要一個模型，甚至解決某個交互場景的模型也要單獨一個，可見大數據要做的事情太多了。我們要建的模型也太多了，我們的畫像，各種各樣的畫像，有銷售漏斗，每個銷售動作還分好幾個階段，不同模型都需要去識別客戶到底處于哪個階段。如果我們只做最后成交的客戶畫像，是為了營銷階段去找精準的目標人群，但是真正目標人群來了之后，我們轉化率其實也很低，金融行業在線的無論是電銷還是電商平臺上的在線成交率、轉化率都非常低，每個漏斗分段的流失節點，如果能夠努力讓客戶的留存更高，都有著巨大的經濟貢獻，所以我們的業務場景的畫像絕對不僅僅是最后的成交客戶。再比如我們想做差異化服務，VIP客戶怎么設定，過去VIP客戶是講直接經濟收入價值，按照客戶在我們這里花多少錢來核算，這是非常不科學的。客戶的價值評估是豐富的、多維度的，應該怎么畫像是由業務專家幫助我們的技術平臺一起跑出來的。 　　銷售流程，無論電商平臺或者電話平臺，銷售流程分幾步？有黃金四步法（還有五步法），我們分很多段，銷售漏斗的每個階段，我們的座席人員、機器人客服，都需要使用相應的話術。這時，不同的話術還可以整理為靈活、可調用的組件化、模塊化的數據。當我們想要做這些智能化提升的時候，有一個前提是智能語音的識別，像科大訊飛這樣的公司的技術已經達到一定的標準、成熟度的時候，才可以有更多的應用。那我們根據業務專家總結出來的，客戶提到的關鍵詞，客戶的語氣、語調、語速，甚至通話時長，甚至我們相應的座席交互的頻次，都有可能經過觀察總結出規律，這個客戶銷售到那個銷售節點，對應的節點就自動為座席彈出最有幫助的話術指引。電銷中心招人很困難，流失很快，我們的培訓周期很短，經常一個星期上完課，介紹完產品就上線，就去電話里面實打實的練，那些名單難道不寶貴？我們銀行好不容易累積的開卡名單交給一個新上線的座席賣電銷產品，這也是很寶貴的資產啊。我們的座席經驗技能不足的情況下，讓他死記硬背話術，天天模擬銷售流程，都不及他到現場練幾通。有這樣輔助的工具就能幫助座席在實踐當中更快成長、更靈活的得到我們系統的幫助來完成我們的銷售。這其實是我們的咨詢公司已經做出來的相關業務模型。把話術放入知識庫，我們叫智能話束的知識庫導覽模型（接下來我們會把它輸出成系統化的產品）。我們在一些項目中已經進行了實踐，用Excel表格實現的，技術上相當low，但是業務場景實踐的效果非常棒，新人成交率迅速提升30%-50%，這是大家很難想象的經濟效益。 　智能語音識別技術的成熟度已經可以支持我們做機器質檢，讓質檢率提升，讓質檢的打分從人工變成機器，它可以更加客觀，更加不容易出錯。還有自動的錄音篩選，識別出優秀錄音件和需改善的錄音件。優秀錄音庫是我們呼叫中心運營當中座席培訓特別需要的輔助工具，我們培訓座席，告訴他方法、技巧，真的不如他聽一段錄音來體會摸索來得快。我在銀行有一個電銷外包團隊，最出色的那一兩個銷售每天下班之后就會到質檢那里聽錄音，我們也給她這個權限，把今天成交的錄音都聽一遍。這個女孩子真的很棒，是現場特別出色的標桿。優秀錄音是非常好的培訓輔助工具。還有需改善的錄音，我們知道做呼叫中心運營有一個績效面談，團隊主管必須掌握的管理動作。我們要求團隊主管，每個星期至少或者一個月要跟每個組員輪一遍績效面談，但是我們的團隊主管工作非常繁忙，實際上只能達到我們提出的最低要求，那就是每個人輪一遍。但是每個人的技能和成熟度差異很大，你總需要關注幾個特別的，好的可以少關注，差的要多關注一些。但你怎么定位某個人的銷售技能、溝通技巧在某個方面不足呢？還是得聽錄音來篩選。我們的智能錄音分析系統是完全可以幫助到他對自己內部組員的錄音進行評估。通過建立篩選模型，可以幫助我們的現場輔導人員、一線主管人員迅速識別需要培訓和改進的對象。還有一對多實時追蹤溝通效果的應用，通話過程中實時生成語音轉換文字的文檔，過去監聽電話，一個人同時刻只能聽一個通道，但是在實時語音識別轉換的技術支持下，可以在一個屏幕打開若干個界面，可以看到不同座席的通話語音轉換成文字之后變成同時出現的好幾份文檔模塊，我們能看到哪個有問題，或者哪個快要成交了，需要怎樣的在線支持。它可以幫助到我們現場的運營管理。 　　在人員管理方面有一個勝任力素質模型和測評的應用，它也是基于大數據的分析。我們公司電銷業務的團隊主管勝任力測評模型做了差不多5年，這個模型已經非常成熟，我們說的成熟是可以在從來沒有接觸過的電銷呼叫中心，我給你一份問卷，把所有主管拖到我這個平臺來完成調研，馬上可以識別出來所有團隊主管在這幾個我們認為最核心、最關鍵的、應該具備的勝任素質維度方面的表現是什么樣的。這個測評，最早我們是脫胎于保險的呼叫中心電銷運營總結出來的，但它很快幫助我們拿到了銀行、外包還有能源企業等很多服務的合同。他們認為你都沒有到我的現場，你根本不知道我的業務是做什么的，完成一份問卷就知道我的電銷主管的勝任力和他們的業績表現怎么樣，這很神奇。所以說大數據絕對不只是一個技術平臺，沒有業務專家的引導和幫助根本做不出來有價值的建模與分析成果。我們借鑒了人力資源管理的勝任力素質的研究成果，HR把任何人在工作績效方面影響他工作績效表現的勝任力素質分為20多個（有的理論是30多個），我們公司經過自己大量的業務實踐，不斷的比對，不斷的提煉，我們總結了8個和銷售主管相關度最密切的出來。勝任力素質指的不是通過培訓能夠讓你掌握的業務技能，素質是人內在的特征或者內在的一種驅動力，他能夠指引人在面對不同的場景時表現出不同的言行。所以我們需要測量的是在所有的業務實踐當中，管理場景當中，團隊主管可能會面臨哪些問題，這些人面臨這些問題會產生什么樣的表現行為。我們不斷總結和積累這樣的數據，生成我們的測試題庫，而我們總結歸納的這些數據還沒有大到必須由系統處理的規模，我們只是Excel就能處理。我們在5年當中，不斷優化我們的測試題目，其實我的題庫就是各種各樣的管理的、實戰的場景，和我們所有的團隊主管，優秀的、不優秀的他們會出什么樣的行為表現，現在的題庫三千多道題，每次會隨機的在每個維度當中把它從高到低組成若干問卷，然后答完就可以判斷主管的管理水平或者將要產生什么樣的管理水平。這個測評的好處：1、招聘環節，呼叫中心，特別是電銷領域跳槽很頻繁，很多輪跳槽工資翻番，要求到新的呼叫中心有保護期，保護期是3-6個月，意思是做不做出來業績都必須有這么高的工資。你很難了解他真實的業績管理水平是怎么樣的，你只能從他自己說之前在某個公司做到團隊主管或者現場經理，但是他的表現是什么樣的，你并不清楚。招聘的時候做測評，可以簡單幫助你識別這個人。2、培訓當中做測評進行需求診斷，在哪個方面、哪個維度上，普遍都有欠缺，那就針對性的做培訓課程組織。3、還有考核，我們銷售的基本法，晉級、降級，這是其中一個參考要素，不是唯一的。4、晉升的前提還是主要看績效KPI或業績這樣的產出，我們的測評成績則是一個參考輔助。 　　這四個應用方向恰好將HR選、育、用、留幾個維度都能覆蓋到，我們現在只做團隊主管的模型，實際上座席的模型一樣可以產出，只不過需要借助更多的數據來完成這個模型。所以我們認為勝任力素質模型也是大數據可以應用的場景。這是我們測評出來的報告的模板（見PPT）。 　　一些金融行業的客服負責人跟我吐槽，他們接觸了很多、很多客服機器人的廠家，但是最終測試體驗下來的效果都更象人工智障，而不是人工智能。比如你問某國產手機的客服機器人和Google的客服機器人："今天天氣怎么樣？"，兩家都能準確回答出來。但你若再加一句"明天呢？"，請注意你這不是一句完整的問話，只是"明天呢"，國產手機機器人的回答是"明天我會聯系你！"。Google機器人則能繼續正確反饋明天的天氣狀況。區別在哪里呢？因為英文的表述方式和中文不一樣，英文的問話帶有標準語法"What about tomorrow？"中文誰知道你問我明天做什么，可見中文的語義處理難過英文。咱們漢語的自然語義處理技術還沒有取得突破的現階段，我個人認為大家匆忙上機器人客服和機器人電銷都非常盲目。我們知道金融行業，過去特別強調客戶體驗，我們希望客戶滿意度高，但是今天引進客服機器人的定位和目標是替代人工座席，我覺得這個目標有一點奇怪，難道我們就想節省那點人工成本？當然不是！我們的目標應該是希望既能節省成本，還要保持體驗（都沒說改善體驗了），至少不要降低體驗。但是現在我們的絕大部分智能客服機器人真的是在降低客戶體驗。 　　很多回訪業務是標準化的，標準化自然而然就可以機器化，這是理所應當的想法。但是你們要知道，當你打一個電話給客戶的時候，客戶是被打擾的狀態，他接到你的電話，一句沒聽出來，兩句話就聽出來是機器人和我說話。客戶會覺得我也很忙，你打電話騷擾我，竟然還派個機器人來？你時間寶貴，難道我的時間就不寶貴？實戰當中執行回訪任務的客服機器人對人工的替代率很有限。我們上了回訪客服機器人的機構有體會，問卷的完成率不夠預期，節省下來的人力非常有限，但是帶來的客戶體驗的挫傷卻很難估量。而直接處理呼入的客服機器人，無論是文本類還是在線語音的，都會讓人覺得我的意思你根本不懂。前陣子運營商要求每個人做實名制認證，當時短信通知我必須到營業廳辦理。但是運營商的話術里面，營業廳就只能是叫"營業廳"，而我平常習慣講的是叫"門店"。所以我當時找了在線的客服，描述說"我在xxx，請告知離我最近的門店地址"，這句話可能太長，它理解不了，完全答非所問。后來我又精簡一下，我說"請告訴我南山科技園的門店地址"，這個機器人完全不能識別門店是什么意思，直接告訴我打12580可以訂酒店、訂餐廳，這就是運營商的在線客服機器人，這個體驗真的很糟糕！所以我認為，現階段哪怕未來3-5年很長一段時間，至少金融機構的客服、電銷，把機器人推到一線和客戶做互動是不太成熟的做法，這是危險的做法。但是，大數據、AI能不能幫助我們控制已有員工的行為？我認為這個是可以做到的。客戶思想和行為很難控制，但是員工則可以引導和約束。所以我們認為人工智能這樣的技術可以根據成熟度逐步引入呼叫中心的管理和服務場景。 　　下面總結一下金融科技在呼叫中心的創新應用的成熟度。移動互聯，每家呼叫中心都接入了這樣的溝通渠道。大數據肯定是現在我認為對我們最有可能起到幫助的先進技術，并且這個技術用的并不是很充分。AI，我建議再多了解看看。這里說的AI指的是直接能夠和人媲美的智能處理的替代手段，而不是說我們自動化的流程控制帶來的輔助性的智能化處理手段。我們認為云平臺驅動下的這三類創新應用，科技金融范疇的應用成熟度目前就是這個狀態。我們希望從運營管理方的角度出發，更多關注對自己有實際指導意義和落地意義的新技術。 　　最后，專家們總結說，未來金融科技高度發展的金融企業其治理模式也會相應發生巨變，那么它會是什么樣的組織架構？我們認為，未來的金融企業可能就只剩下兩類人：一是懂業務的IT人，大量的標準化后臺處理的工作全部將被機器代替。這是絕對的，將來銀行的信用卡、貸款、審批不需要人了。保險的理賠、核保也不需要人，都是機器；這些運營專家則變成了我們自動化處理系統的產品經理。他們都歸納入IT系列，未來金融企業的IT人員占比會越來越高。二就是用科技武裝起來的一線的營銷服務人員。因為金融產品有它的特性，消費者需要被人來服務，需要被人追蹤，被人引導和管理。所以未來的金融企業呼叫中心從業人員，我們非常欣慰的看到我們不會被淘汰，我們只需要關注好科技的發展，學習將技術應用于實踐的方法，我們就一定能保留我們自己的價值。