用了你們的排班軟件，預測準確性可以達到多少？”

在交流勞動力資源管理（WFM）的過程中，用戶常常會問到類似的問題。其實，這里有一個誤區，預測準確性并不能完全由軟件工具決定，WFM工具能夠輔助使用者更好的對歷史數據進行管理、分析，減輕使用者手工處理的繁瑣勞動，而要做到精準的預測，使用者的業務經驗同樣有著非常關鍵的影響。

筆者認為，無論是手工預測，還是采用WFM工具，要想做好預測，一定要從以下幾方面綜合入手；

1．選取合適的歷史數據
2．在預測基礎上參考業務經驗進行必要的修正
3．在運營過程中對話務異動的分析及處理

歷史數據的選取

歷史數據是話務預測的基石，但歷史數據并非越多越好。在進行預測時，一定要選取具有較大相關性的歷史數據，數據的相關性越強，對預測準確性的幫助就越大。所謂相關性，是指歷史數據所依存的業務環境與現有環境具有較大的相似性。如果由于客服中心業務變化，例：技能路由策略調整，各技能間話務占比變化，增加了新的技能隊列等，都會造成之前的歷史數據相關性變差，以之作為預測基礎，則會帶來較大的不確定性。因此，在預測之前，一定要明確歷史數據的相關性，盡量選取相關性強的數據作為預測基準。

但是，在選取預測基準數據時，往往沒有足夠的相關性數據。這其中很重要的一個原因是：直接從ACD獲得的數據往往存在著各種異常因素。如：系統故障等原因引起的數據缺失，促銷活動、公共假日、異常天氣等引起的話務量異動等。這些數據與實際業務環境差異很大，也就是相關性差。為了解決相關性數據缺乏的問題，通常，需要對歷史數據進行清洗，如剔除缺失數據，修正異常數據等，這個過程其實就是要提高數據的相關性，使之更能反映業務現狀的特點。

數據相關性修正中，最小顆粒度（可修正的最小單元）非常關鍵。如果是手工預測，通常會預測到每天的話務量，因此，對歷史數據的修正最小單元也要以天為單位，粒度過大則不能完全消除異常話務的影響；如采用WFM軟件，預測可以精確到天、甚至時段（每15分鐘、每30分鐘），則在修正時，不僅要考慮基于天的修正，同時，還要考慮時段話務量分布的修正。

相關性修正能夠保證歷史數據符合當前業務特性，能夠反映話務變化的特點。但在實際預測時，針對不同的排班應用場景，還需要有針對性的進行選擇：

• 手工周預測：前幾周、上月對應周、歷年對應周等都可以作為基準數據的選擇對象，但需要考慮話務月分布特性的影響；
• 手工月預測：前幾個月、歷年對應月都可以考慮作為基準數據，同時，也需要考慮周分布特性的影響；
• 系統預測：不同的WFM工具，其預測算法及模型不同，基準數據的選取方式也不同。但無論如何，數據相關性、月分布特性、周分布特性都是取得準確預測比不可少的考慮因素。

精細化修正

客戶中心的話務量受到多方面的影響，因此，在選取相關性數據，完成基礎預測后，還必須綜合各方面可預見的影響因素進行精細化修正。

首先，要考慮業務整體趨勢的影響。如公司產品部門發布新的產品，銷售部門銷售業績的增加等都會帶來客戶量的增長，同時帶來呼叫量的增加。而這種客戶增長有可能是平滑的穩定增長，也可能是跳躍式的突增，因此，必須根據業務量增長的趨勢及特點有針對性的對話務量進行修正。

其次，還要考慮外部環境的影響。客服中心話務量同時還會受到外部環境的影響，如公共假日、大型活動、異常天氣等。對于不同業務類型的客服中心，其影響的方式、幅度、作用時間范圍都不相同。在預測時，要盡可能的考慮其影響并適當的修正預測結果。

此外，還需要考慮臨時擾動因素的影響。臨時擾動因素指的是可以預見但不存在特定規律的事件，比較典型的是市場部門不定期的促銷活動。如果能夠預見到類似事件，則一定要預估其作用時間及幅度，并相應的修正話務量。

從話務修正環節，我們可以看到，客服中心話務量受到企業其他各部門的影響，因此，建立良好的內部流程，提前獲知影響話務量的事件不容忽視。

異動的處理

客服中心的目標是服務客戶，因此，話務預測是實現客戶服務目標的手段，而非目的。而影響話務的因素很多是無法提前預知的，在現場運行中，如何對話務異常波動進行分析、處理是達成這一目標的關鍵，也是后續預測更加準確的保證。

發現話務異動，首先要做的是分析話務異動的原因，找到異動原因后，要進一步分析其影響幅度及時間范圍，進而采取必要的排班調整措施。異動產生的原因不同，其處理方式也會有所不同。通常，話務異動可能由以下因素導致：

預測中關鍵因素的缺失：發現話務異動，首先需要考慮是否在預測過程中考慮了所有可能的影響因素。如：選取的歷史數據是否相關？是否考慮了業務的增長趨勢？是否針對業務的月分布、周分布等特性進行了相關的校驗？是否考慮了可預知的外部環境變化、臨時擾動事件的影響？

一旦確定是上述原因，則需要進行以下幾方面的調整：

• 當天人力安排的調整：如果話務量突然變大，則要根據實際情況安排必要的后臺人員上線，員工臨時加班，調整員工吃飯、休息時間，通知候補班組上班等操作；如話務量變小，則可以適當的安排部分臨時培訓，員工提早下班等；
• 后續班表的調整：按照分析結果對預測值進行修正，并重新調整后續班表；
• 預測方法的改進：總結預測關鍵因素缺失的原因，注意在今后的預測中充分考慮所有可預知因素。

天氣、系統故障等突發事件的影響： 這類事件對話務的影響是突發的，事先很難去預估，但這類事件影響往往是短期的，因此，調整措施主要包括：

• 當天人力安排調整；
• 后續班表調整：如果影響事件較長，則同時要進行后續班表的調整。

事先未得到其他部門的通知： 其他部門的臨時活動有時不能及時通知到客服中心。發現異動后，如果排除了上述預測、突發事件的影響，則要考慮是否是臨時活動引起的異動。遇到這方面的異動，一方面要進行當天、后續班表的調整，同時更重要的是與其他相關部門進行溝通，建立起信息傳遞的流程，在以后預測中盡可能預先考慮類似事件的影響。

事件的影響程度考慮不足：還有一種比較特殊的情形，所有影響話務量的因素都考慮到了，但預測話務量與實際值仍有一定的偏差。遇到這種情況，則需要考慮該事件的影響幅度、客戶對該事件的反應模型（撥打機率、呼叫量衰減）等因素并參考歷史數據中該事件的影響，逐步形成較為完善的事件影響模型。

在實際生產環境中，情況要復雜的多，有時，多種因素會疊加作用，很難清晰的判斷是哪種事件造成的影響。在此，僅僅是結合筆者的經驗給出了處理話務異動問題的思路，具體處理還需要數據預測人員結合客戶中心的實際情況綜合分析，這也就是我們常說的‘預測、排班的藝術性’所在。但一定要建立起對異動進行分析、響應、總結的工作習慣，從而實現預測流程的逐步優化及預測準確率的持續穩定。

如需更多信息，請聯系
葉城
Teleopti AB（北京瑞捷訊科技有限公司）中國區代表
中國北京東城區東直門外大街48號 東方銀座C座22 B&H 郵編：100027
Mobile: +86 135 8175 3587 | Phone: +86 10 5139 6200 | fax: +86 10 5139 6400
Email：cheng.ye@teleopti.com | skype: cye.chinapartners