一：无限的可扩展性。
过去，呼叫中心系统的数据容量是有限的，'X'坐席人员在'Y'时间段内将创建'Z'数据，这就产生了’V’的数据容量。X和Y是可预测的，Z是静态的，因此V可以被精确计算出来，数据的存储和检索系统可以在此基础上构建。
在全新的托管呼叫中心中，系统几乎已具备无限可伸缩性，因此本质上是无法预知的。随着系统变量的增加，数据就变成了大数据”。
：具体的数据项目。
系统每次只能收集关键绩效指标——通话时长、扩展等待时长、单次通话等。新的行业发展趋势需要无限可扩展性，甚至定义新的指标，以及定制和扩展能力。
所有报表可以涵盖的时间段并没有改变，并且仍然是可设置的，可以跨越几分钟到几年的时间。
四：可以使用的工具。
大数据量的存储和检索速度十分关键。传统的数据库无法快速读写，因此用户纷纷转向其他产品。
为了明白数据爆炸的意义，需要正确的工具，而这些工具即将问世。为了加快提取结果的速度，很多工具都使用了数据汇总方法。
五：实时汇总。
这种方法中，实时数据被用于更新计数——例如现场连接、中断的呼叫等等——和其他指标——例如平均通话时间。总数可以被用于报表中，无需其他处理或数据交互，得到结果的速度也超过其他方法。这种方法还减少了对更加耗时的周期汇总的需求。
六：周期汇总。
使用这种方法，汇总工作可以同时在多个处理器上进行，或者在相同的服务器或分散的数据群集中进行。结果作为报表系统的输出结果被反馈回到主过程中，或写入数据库。因为这种方法是处理器密集型的，它不能被用于实时的大数据处理。
实时和周期处理相结合以后，不同级别的汇总是可能实现的，这取决于所需数据的要求，是每小时、每周、每月还是每年?由于分辨率降低，所需的细节水平也就降低，更高层次的汇总也是可能的。由于指标是可用的，快速加载时间就能保证。当然，没有完全相同的用户需求，所以汇总的水平必须是可根据需要定制的。
为了保持准确度，一定要谨慎行事。汇总一定要伴随单个交互事件的捕获，这样数据就不会丢失，并且能被进一步精确。