呼叫中心排班三步走之人力安排篇
呼叫中心排班三步走之預(yù)測篇
話務(wù)預(yù)測，是科學(xué)，更是藝術(shù)
楊彥陽 2008/06/10
隨著呼叫中心規(guī)模的日益擴大和服務(wù)水平、運營管理的要求不斷提高，如何在現(xiàn)有人力條件下達到服務(wù)水平目標(biāo)、合理安排人力、優(yōu)化現(xiàn)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(wù)預(yù)測、人力安排、現(xiàn)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。
為什么要做話務(wù)預(yù)測
作為受理用戶電話呼叫的窗口部門，衡量呼叫中心最直觀的指標(biāo)就是服務(wù)水平。按照Erlang法則，服務(wù)水平受到話務(wù)量、平均處理時長和座席數(shù)目的影響。準(zhǔn)確的預(yù)測話務(wù)量是進行人力安排的依據(jù)，也是達到期望服務(wù)水平的根本。
歷史數(shù)據(jù)，話務(wù)預(yù)測的基石
- 選取具有相關(guān)性的歷史數(shù)據(jù)
- 歷史數(shù)據(jù)并非越多越好，最長不宜超過兩年
進行話務(wù)預(yù)測，首先要收集大量的歷史數(shù)據(jù)，但歷史數(shù)據(jù)并非越多越好。首先，歷史數(shù)據(jù)太多會加大工作量，無論是手工計算還是采用排班系統(tǒng)都會增加處理負(fù)擔(dān)；其次，過多的數(shù)據(jù)量有可能對預(yù)測準(zhǔn)確度產(chǎn)生負(fù)面影響。舉例來說，某銀行去年曾搞過一次信用卡銷售促銷活動，活動效果不錯，信用卡客戶激增15％，由于客戶激增，活動之前的話務(wù)量數(shù)據(jù)就沒什么參考價值了，僅僅選擇活動之后的歷史數(shù)據(jù)進行預(yù)測更貼近實際。
- 歷史數(shù)據(jù)統(tǒng)計間隔一般選擇15分鐘
歷史數(shù)據(jù)統(tǒng)計間隔以多長時間為宜呢，是15分鐘？還是30分鐘？統(tǒng)計間隔越小，越能反映實際話務(wù)量變動，如果統(tǒng)計間隔較大，由于平均值計算的削峰平谷特性，導(dǎo)致不能反映出統(tǒng)計間隔內(nèi)的實際話務(wù)變動。但統(tǒng)計間隔也不能無限度的小，統(tǒng)計間隔至少要大于1個平均通話時長，根據(jù)經(jīng)驗，通常選3－4個通話時長，因此，一般我們推薦15分鐘，只有在平均通話時長很長（如超過10分鐘）的情況下考慮加大統(tǒng)計間隔到30分鐘。
- AHT是歷史數(shù)據(jù)必不可少的組成部分
收集歷史數(shù)據(jù)，不僅要收集話務(wù)量，平均通話時長（AHT）也是一個必須收集的參數(shù)。眾所周知，影響服務(wù)水平的因素有話務(wù)量、座席數(shù)，還包括平均通話時長。平均通話時長與服務(wù)水平成反比，在座席數(shù)相同的情況下，平均通話時長越長，服務(wù)水平越低；反之，要維持恒定的服務(wù)水平，AHT越長，則需要安排的座席人員越多。而每個座席由于熟練度的不同，AHT不一致；即使同一個座席，在班次開始時，AHT一般較短，但臨近下班時，AHT會變長。由此可見，AHT并不完全取決與座席熟練度，還與時段、座席心情等多種因素相關(guān)，因此，收集歷史AHT對人力安排有很重要的意義。
話務(wù)預(yù)測模型如何構(gòu)建
利用歷史數(shù)據(jù)來進行預(yù)測，有幾方面的因素需要考慮：
- 歷史數(shù)據(jù)是不是全部相關(guān)，不相關(guān)數(shù)據(jù)如何處理
- 從歷史數(shù)據(jù)分析話務(wù)變化趨勢，同時要根據(jù)自身話務(wù)特點考慮時段因素
前面已經(jīng)說過，歷史數(shù)據(jù)并非越多越好，缺乏相關(guān)性的數(shù)據(jù)不僅不會給預(yù)測帶來幫助，還會產(chǎn)生負(fù)面影響，影響預(yù)測的準(zhǔn)確性。那么，什么是相關(guān)呢？回到我們收集歷史數(shù)據(jù)的初衷，收集歷史數(shù)據(jù)是希望數(shù)據(jù)能準(zhǔn)確的反映出話務(wù)的變化趨勢，年增長率是多少，月增長率是多少；此外，還要能夠反映時段對話務(wù)的影響，如某月、某天是不是有鮮明的話務(wù)特征。因此，如果客觀環(huán)境發(fā)生了重大變化，比如客戶量突然增大，或由于突發(fā)事件使話務(wù)量出現(xiàn)異動，那么，之前的數(shù)據(jù)就是不相關(guān)的。反之，在與現(xiàn)有環(huán)境基本吻合的情況下收集的數(shù)據(jù)就是相關(guān)的。
對不相關(guān)數(shù)據(jù)的處理辦法一般有兩種，剔除或修正。還看上面銀行的例子，由于在促銷活動后對呼叫量的影響很容易衡量，即客戶量增長15％。對之前的數(shù)據(jù)進行修正，增加15％，則可以認(rèn)為基本環(huán)境和現(xiàn)有環(huán)境吻合，這些不相關(guān)數(shù)據(jù)就變成了相關(guān)數(shù)據(jù)，可以用來做預(yù)測了。但現(xiàn)實情況比這復(fù)雜的多，能夠有確定影響的例子少之又少，僅僅靠算法就遠遠不夠了，排班員必須在預(yù)測模型的基礎(chǔ)上作些藝術(shù)性的加工。
假定我們對歷史數(shù)據(jù)進行了剔除、修正，所有數(shù)據(jù)都是相關(guān)的，OK，來看看我們的預(yù)測模型，這里面，不僅要考慮變化趨勢，同時要考慮月、日、星期等對話務(wù)的影響。
這里，舉一個移動公司神州行業(yè)務(wù)預(yù)測模型的例子。移動公司話務(wù)具有典型的以月為周期的特點，在結(jié)帳日附近，話務(wù)量明顯占比較大；此外，星期中的每天話務(wù)量分布特點也很明顯，周一、周二、周三略多，其他時候略少。按照其特點，其預(yù)測模型如下：
- 收集神州行業(yè)務(wù)過去2-3年的數(shù)據(jù)；
- 對數(shù)據(jù)進行處理，按照同期增長率計算出平均月增長率，考慮各月的異常事件修正系數(shù)，從而按照去年數(shù)據(jù)及增長率計算出本年各月呼叫量；
- 從歷史數(shù)據(jù)中計算月中每天數(shù)據(jù)占比，及星期中每天修正系數(shù)，計算出每天的話務(wù)量，日話務(wù)量＝月話務(wù)量×日數(shù)據(jù)占比×星期中天修正系數(shù)；
- 按照每天中話務(wù)時段分布計算出各時段（每半小時）的話務(wù)量，時段話務(wù)量＝日話務(wù)量×?xí)r段占比。
- 這個模型即考慮了話務(wù)量增長、異常事件影響因子，又考慮了日、星期中某日對話務(wù)的影響，是筆者見到的考慮比較完善的預(yù)測模型。但在實際預(yù)測過程中，還存在幾個問題：
- 異常事件影響因子很難確定，在預(yù)測時很少利用該因子進行調(diào)整；
- 月同期增長率隨機性非常大，采用月平均增長率實際上效果并不好；
- 該模型沒有考慮AHT；
- 對特殊時期話務(wù)（如取消長假后的第一個五一）不能進行預(yù)測。
由此可見，即使是比較好的模型，在實際環(huán)境中也會存在各種各樣的問題，排班師對預(yù)測結(jié)果進行修正是必不可少的。
排班師的藝術(shù)
建立預(yù)測模型，利用歷史數(shù)據(jù)，可以很快得到預(yù)測數(shù)據(jù)，但遺憾的是，這些數(shù)據(jù)經(jīng)常是不準(zhǔn)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(xué)基礎(chǔ)上的數(shù)學(xué)模型難以適應(yīng)現(xiàn)場情況的千變?nèi)f化。一方面，模型需要不斷的調(diào)優(yōu)，甚至針對不同時段，需要多個預(yù)測模型；另外，在模型預(yù)測的基礎(chǔ)上，還需要排班師進行干預(yù)，利用排班師經(jīng)驗對預(yù)測結(jié)果進行調(diào)整。在傳統(tǒng)手工排班的情況下，排班師忙于應(yīng)付繁瑣的數(shù)據(jù)操作，很少能夠?qū)δＰ瓦M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(fù)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(yù)測過程中藝術(shù)性的一面。
遇到五一、十一、春節(jié)等特殊時段，呼叫中心話務(wù)量會與平時呈現(xiàn)出極大的差異。業(yè)務(wù)類別不同，影響也不同。以春節(jié)為例，如果是電信類業(yè)務(wù)，通常呼叫量比平時低大約10％；而如果是信用卡業(yè)務(wù)，由于刷卡消費增多，相應(yīng)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(yù)測模型。
- 歷史數(shù)據(jù)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(wù)呈現(xiàn)鮮明的以月為周期的特點，選取歷史數(shù)據(jù)則以相對時間模型為宜，如可以選取前三月相應(yīng)時段、去年本月相應(yīng)時段的數(shù)據(jù)作為參考；而對于銀行信用卡類業(yè)務(wù)，則基本呈現(xiàn)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(shù)據(jù)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(shù)據(jù)基礎(chǔ)上，舉例來說，以固定周的歷史數(shù)據(jù)做為基礎(chǔ)進行預(yù)測；
相對時間模型：模型建立在與預(yù)測時間段設(shè)定間隔的歷史數(shù)據(jù)基礎(chǔ)之上，舉例來說，以話務(wù)預(yù)測目標(biāo)周的前三周歷史數(shù)據(jù)為基礎(chǔ)進行預(yù)測。
假日模型：假日模型歷史數(shù)據(jù)一般選類似假日時間段的數(shù)據(jù)作為預(yù)測的基礎(chǔ)。如，預(yù)測春節(jié)話務(wù)量一般選去年、前年春節(jié)話務(wù)量作為基礎(chǔ)；而十一則以去年、前年十一話務(wù)量作為基礎(chǔ)；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(shù)據(jù)已經(jīng)不具有相關(guān)性，這種情況下，可以考慮采用正常日數(shù)據(jù)作為基礎(chǔ)。
現(xiàn)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(guān)數(shù)據(jù)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(guān)數(shù)據(jù)很少，就需要排班師分析預(yù)測時段的特點，從歷史數(shù)據(jù)中選擇最接近的數(shù)據(jù)進行預(yù)測。反過來說，這對排班軟件也提出了要求，即預(yù)測模型可以由排班員指定歷史數(shù)據(jù)時段，能夠同時支持相對時間模型、絕對時間模型。
- 預(yù)測結(jié)果出來了，預(yù)測工作還遠未結(jié)束
在前面我們也談到過，預(yù)測絕不僅僅是數(shù)學(xué)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(wù)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(yù)測結(jié)果進行調(diào)整，這些都是排班工作的藝術(shù)性體現(xiàn)，也是預(yù)測過程比不可少的一個步驟。
整體調(diào)整：如由于客戶量上升20％，則話務(wù)量需要在預(yù)測結(jié)果基礎(chǔ)上整體調(diào)高20％；
局部調(diào)整：如采取了校園促銷活動，那么在學(xué)校下課后，話務(wù)量將可能上升10％，則僅將下午4點后的話務(wù)量調(diào)高10％；
AHT的調(diào)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(diào)整該時段AHT即可。
總之，預(yù)測決不僅僅是一門科學(xué)，不能期望通過建設(shè)排班系統(tǒng)、建立數(shù)學(xué)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(shù)性的工作。
楊彥陽 上海寶東信息技術(shù)有限公司 高級咨詢顧問 yyy5000@sohu.com
CTI論壇編輯
相關(guān)鏈接: