呼叫中心排班三步走之人力安排篇

楊彥陽 2008/06/10

　　 隨著呼叫中心規(guī)模的日益擴大和服務水平、運營管理的要求不斷提高，如何在現有人力條件下達到服務水平目標、合理安排人力、優(yōu)化現場管理成為排班師面臨的巨大挑戰(zhàn)。呼叫中心勞動力管理（WFM），也就是常說的排班包含了話務預測、人力安排、現場管理三個基本步驟。在本文中，針對這三個步驟，把筆者近年來參與排班項目的一些體會與大家分享。



　　建立預測模型，利用歷史數據，可以很快得到預測數據，但遺憾的是，這些數據經常是不準確的。為什么會這樣呢？呼叫中心系統(tǒng)是一個隨機系統(tǒng)，呼叫量雖然有些規(guī)律性的分布，但建立在精確科學基礎上的數學模型難以適應現場情況的千變萬化。一方面，模型需要不斷的調優(yōu)，甚至針對不同時段，需要多個預測模型；另外，在模型預測的基礎上，還需要排班師進行干預，利用排班師經驗對預測結果進行調整。在傳統(tǒng)手工排班的情況下，排班師忙于應付繁瑣的數據操作，很少能夠對模型進行分析、修正。

　　可喜的是，隨著排班系統(tǒng)的逐步采用，排班師從繁瑣的重復性工作中解脫出來，可以更專注于模型的優(yōu)化，充分發(fā)揮預測過程中藝術性的一面。

• 針對不同時段制定不同的預測模型

　　遇到五一、十一、春節(jié)等特殊時段，呼叫中心話務量會與平時呈現出極大的差異。業(yè)務類別不同，影響也不同。以春節(jié)為例，如果是電信類業(yè)務，通常呼叫量比平時低大約10％；而如果是信用卡業(yè)務，由于刷卡消費增多，相應的呼叫量則比平時要高。針對這種情況，排班員就需要建立正常日、不同假日的預測模型。

• 歷史數據靈活選擇，相對時間模型、絕對時間模型并用

　　平日模型：以移動公司為例，話務呈現鮮明的以月為周期的特點，選取歷史數據則以相對時間模型為宜，如可以選取前三月相應時段、去年本月相應時段的數據作為參考；而對于銀行信用卡類業(yè)務，則基本呈現以周為周期的特點，這時，可以選取最具有代表意義的幾周的數據作為參考，建立絕對時間模型。


　　絕對時間模型：模型建立在固定時間段的歷史數據基礎上，舉例來說，以固定周的歷史數據做為基礎進行預測；

　　相對時間模型：模型建立在與預測時間段設定間隔的歷史數據基礎之上，舉例來說，以話務預測目標周的前三周歷史數據為基礎進行預測。

　　假日模型：假日模型歷史數據一般選類似假日時間段的數據作為預測的基礎。如，預測春節(jié)話務量一般選去年、前年春節(jié)話務量作為基礎；而十一則以去年、前年十一話務量作為基礎；對于更為特殊的一些時段，則需要另案考慮，比如今年的五一，由于取消了七天長假，以前五一的數據已經不具有相關性，這種情況下，可以考慮采用正常日數據作為基礎。

• 歷史數據不夠怎么辦

　　現實往往不能那么隨人所愿，很多情況下，我們沒有足夠的相關數據可用，就像上面說的今年五一，還有呼叫中心剛建立等情形。這種情況下，相關數據很少，就需要排班師分析預測時段的特點，從歷史數據中選擇最接近的數據進行預測。反過來說，這對排班軟件也提出了要求，即預測模型可以由排班員指定歷史數據時段，能夠同時支持相對時間模型、絕對時間模型。

• 預測結果出來了，預測工作還遠未結束

　　在前面我們也談到過，預測絕不僅僅是數學模型。公共假期的變化、突發(fā)事件、促銷活動等等因素都會對話務量帶來模型無法理解的異動。要反映這些異動，必須由排班員對預測結果進行調整，這些都是排班工作的藝術性體現，也是預測過程比不可少的一個步驟。

　　整體調整：如由于客戶量上升20％，則話務量需要在預測結果基礎上整體調高20％；

　　局部調整：如采取了校園促銷活動，那么在學校下課后，話務量將可能上升10％，則僅將下午4點后的話務量調高10％；

　　AHT的調整：如近期呼叫中心有大量的新座席人員加盟，則需要加大AHT值。如新座席集中在某時段上班，則調整該時段AHT即可。

　　總之，預測決不僅僅是一門科學，不能期望通過建設排班系統(tǒng)、建立數學模型一勞永逸。排班系統(tǒng)也不僅僅是減輕排班員工作強度，而是提供了一個平臺，讓排班員更加藝術性的工作。

　　楊彥陽 上海寶東信息技術有限公司 高級咨詢顧問 yyy5000@sohu.com

CTI論壇編輯