投入和努力可以分为两种不同的类型：多数，它们只能造成少许的影响；少数，它们造成主要的、重大的影响。比如对一个公司来讲，80的利润常常来自于20最畅销的产品；80的利润来自于最忠诚的20客户；80的收获往往来自于20的时间或投入，而其他80的投入只产生了20的收益。所以经典的商业理论都是提醒大家找到那最有效的20的热销产品、渠道或者销售人员，在最有效的20上投入更多努力，尽量减少浪费在80低效的地方。例如各项业务的投诉情况（如图3），前五项业务类型的投诉量占总体投诉的80以上，我们只需要重点关注这前五项业务类型，及时有效地降低其投诉量，这样就能够在整体上降低整体投诉，提高日常运营水平。帕
f累托分析适用于找出数据中的主要影响量，可以用于研究哪些业务或哪些客户群体创造了大部分的贡献或者投诉等。
图33、周期性分析周期性分析是观察某个变量随着时间变化而呈现出某种周期变化趋势，周期性趋势相对较长的有年度周期性趋势、季节性周期趋势，相对较短的一般有月度周期性趋势、周度周期性趋势，甚至更短的天、小时周期性趋势。一般情况下客服中心话务量数据受到众多因素影响，例如客户群体增长、新科技影响、营销活动或事件影响等，当然还有很重要的一个影响因素周期因素。在此除去其他因素影响，单纯对话务量数据进行周期性分析会有怎样的结果？观察一个月中每天话务量的整体趋势，这样我们就可以发现每天的话务规律（如图4），从零点开始到六点的这段时间里话务
f量是骤减的，在之后的时间一直到中午12点话务量持续增长，在12点至23点之间话务量保持在一定水平。这样我们就知道了客户一般都在什么时间拨打电话，从而掌握了客户的拨打习惯。这对日常的话务预测起到不可忽视的参考价值（如图5），我们可以通过客户以往的拨打数据预测出下一期的拨打情况，同时对后续的排班也有很大的帮助，做到人员的充分利用和成本的有效降低。注意：话务量变化是一个多因素影响的过程，这里的例子是在排除其他因素的理想化状态下分析周期性的影响，准确的话务量预测需要在此基础上加入客户群体增长、营销活动甚至气候等因素进行综合考虑。周期性分析除了用于话务预测也可以用于日常运营数据的分析，能够从指标的周期性变化中发现管理上或人员服务质量上的问题。例如通过大量数据的周期性分析能够发现，一般情况下温度过高或过低都会对质检人员的打分尺度产生影响。
图4
f图54、相关性分析相关性是指两个r