行业聚焦 > 呼叫中心排班师的另类艺术

呼叫中心排班师的另类艺术

呼叫中心系统是一个随机系统,呼叫量虽然有些规律性的分布,但建立在精确科学基础上的数学模型难以适应现场情况的千变万化。

呼叫中心系统是一个随机系统,呼叫量虽然有些规律性的分布,但建立在精确科学基础上的数学模型难以适应现场情况的千变万化。一方面,模型需要不断的调优,甚至针对不同时段,需要多个预测模型;另外,在模型预测的基础上,还需要排班师进行干预,利用排班师经验对预测结果进行调整。在传统手工排班的情况下,排班师忙于应付繁琐的数据操作,很少能够对模型进行分析、修正。 可喜的是,随着排班系统的逐步采用,排班师可以从繁琐的重复性工作中解脱出来,更专注于模型的优化,充分发挥预测过程中艺术性的一面。 呼叫中心针对不同时段制定不同的预测模型 遇到五一、十一、春节假期等特殊时段,呼叫中心话务量会与平时呈现出极大的差异。业务类别不同,影响也不同。以春节为例,如果是电信类业务,通常呼叫量比平时低大约10%;而如果是信用卡业务,由于刷卡消费增多,相应的呼叫量则比平时要高。针对这种情况,排班员就需要建立正常日、不同假日的预测模型。 呼叫中心历史数据灵活选择,相对时间模型、绝对时间模型并用 平日模型:以移动公司为例,话务呈现鲜明的以月为周期的特点,选取历史数据则以相对时间模型为宜,如可以选取前三月相应时段、去年本月相应时段的数据作为参考;而对于银行信用卡类业务,则基本呈现以周为周期的特点,这时,可以选取最具有代表意义的几周的数据作为参考,建立绝对时间模型。 假日模型:假日模型历史数据一般选类似假日时间段的数据作为预测的基础。如,预测春节话务量一般选去年、前年春节话务量作为基础;而十一则以去年、前年十一话务量作为基础;对于更为特殊的一些时段,则需要另案考虑,比如今年的五一,由于取消了七天长假,以前五一的数据已经不具有相关性,这种情况下,可以考虑采用正常日数据作为基础。
绝对时间模型:模型建立在固定时间段的历史数据基础上,举例来说,以固定周的历史数据做为基础进行预测;
相对时间模型:模型建立在与预测时间段设定间隔的历史数据基础之上,举例来说,以话务预测目标周的前三周历史数据为基础进行预测。
呼叫中心历史数据不够怎么办 现实往往不能那么随人所愿,很多情况下,我们没有足够的相关数据可用,就像今年五一的假期缩短了,还有呼叫中心刚建立等情况。这种情况下,相关数据很少,就需要排班师分析预测时段的特点,从历史数据中选择最接近的数据进行预测。反过来说,这对排班软件也提出了要求,即预测模型可以由排班员指定历史数据时段,能够同时支持相对时间模型、绝对时间模型。
呼叫中心预测结果出来了,预测工作还远未结束 在前面我们也谈到过,预测绝不仅仅是数学模型。公共假期的变化、突发事件、促销活动等等因素都会对话务量带来模型无法理解的异动。要反映这些异动,必须由排班师对预测结果进行调整,这些都是排班工作的艺术性体现,也是预测过程比不可少的一个步骤。