英立訊ZingSwitch®智能排班系統(tǒng)ZWM
2011/05/26
呼叫中心運營管理的核心是對座席的規(guī)范并且人性化的管理，尤其座席規(guī)模大并且服務內(nèi)容眾多的客服中心。
智能排班系統(tǒng)ZWM，正是在ZingFramework®的一體化架構(gòu)和統(tǒng)一數(shù)據(jù)的基礎上，綜合考慮了業(yè)務發(fā)展帶來的話務量因素、領導層戰(zhàn)略規(guī)劃所帶來的服務架構(gòu)調(diào)整，以及各級別座席人員人性化要求等多方面的因素，為呼叫中心的現(xiàn)場運營和績效考核提供高效的管理平臺。
智能排班系統(tǒng)ZWM真正達到了“數(shù)據(jù)—座席—客戶”之間的指標平衡：
- 智能排班系統(tǒng)ZWM基于統(tǒng)一的歷史數(shù)據(jù)，進行獨有專利的集群算法，精準的預測話務量和趨勢走向。
- 智能排班系統(tǒng)ZWM的智能排班算法，結(jié)合話務量預測和企業(yè)資源狀況（如交通、餐飲等因素），擬合出未來每個時段的座席數(shù)量，并自動生成詳細的排班表。
- 智能排班系統(tǒng)ZWM提供了排班結(jié)果的分析和修正，支持對預測的、期望的和實際的排班結(jié)果進行對比分析。
- 智能排班系統(tǒng)ZWM提供基于排班表的現(xiàn)場管理，管理者可按照座席現(xiàn)場分布實時監(jiān)視座席工作狀態(tài)和系統(tǒng)運行狀態(tài)，及時發(fā)現(xiàn)話務量偏差并對超過閥值的座席進行實時預警。
- 智能排班系統(tǒng)ZWM結(jié)合人力資源模塊，對座席綜合情況進行考慮，例如缺勤、假期、加班等，為薪資計算、勞動成本分配以及績效考評提供準確依據(jù)。
智能排班系統(tǒng)ZWM流程運行的結(jié)果是在未來的某段時間內(nèi)確定的員工工作日程，即最終班表的生成，在正式實施精確排班之前，首先需要確定排班的初始條件。初始條件用來描述排班工作的總體概況，是排班工作的立足點和出發(fā)地，貫穿整個排班工作流程，沒有明確初始條件，將無法正常開展排班工作。
初始條件包括4項，第一是時間精度是管理者要求可控和可管理的最小時段，通常定義為0.5小時或1小時；
第二是資源精度是管理者要求可控和可管理的最小人力資源單位（通常是1 個班組或1 個人為單位），以及最小的座席單位（通常是1 組座席或1 個座席為單位）；
第三是排班的周期是指管理者期望的最小排班管理周期，通常定義為周或月；
第四是排班時段是呼叫中心正式提供服務的工作時間。
多種話務預測算法靈活運用
英立訊智能排班系統(tǒng)ZWM第一個環(huán)節(jié)是進行話務預測時，必須掌握未來一段時間的話務量，才能安排相應的座席代表數(shù)量予以匹配，以達到期望的服務水平。話務預測的目的是根據(jù)歷史的資料來預測未來的數(shù)據(jù)，在這里需要預測的數(shù)據(jù)包括兩個量，人工請求次數(shù)和平均處理時長。這兩個量對于將來的座席測算是至關重要的。例如某呼叫中心話務量變化情況，橫坐標表示日期，縱坐標表示當日的人工請求次數(shù)，呼叫中心的話務指標是一個典型的時間序列，在一月之中，一天之內(nèi)的變化都很大，可以應用預測理論中的時間序列預測方法來進行預測。不同的時間序列的預測模型適用的條件不同，英立訊采用的時間序列的預測模型歸納起來有如下幾類。
圖：某呼叫中心話務量變化情況 上期值預測法
上期值預測法忽略了除最后一個數(shù)據(jù)點外的時間序列上的所有的數(shù)據(jù)點，使用最后的一個值作為下一個數(shù)據(jù)點的預測值：預測值＝上期值。當有更多的相關數(shù)據(jù)可用時。僅選擇單樣本的做法是較為簡單的；但是當條件迅速變化時，這不失為一個簡單有效的方法。
平均值預測法
平均值預測法使用了時間序列的全部數(shù)據(jù)點，而非一個，并簡單的求了平均值。所以下一個數(shù)據(jù)點的預測值：預測值＝所有數(shù)據(jù)求平均值。平均值預測法在環(huán)境比較穩(wěn)定的時間序列中使用得非常廣泛，但是，在呼叫中心而言，話務隨多方面的因素而波動（并且很多因素是不可控制的），因此平均值預測法在淡季使用效果要相對好一些。
移動平均預測法
與使用無關的舊數(shù)據(jù)不同，移動平均預測方法僅對最近一段時間的數(shù)據(jù)求平均值。令：n＝被認為是與預測下一個時期相關的最近的時期數(shù)，于是下一個時期的預測值：預測值＝最后 n 個值的平均。移動平均法考慮了環(huán)境的變化，但對環(huán)境變化的響應有些慢。一個原因是時間序列過去的n 個值賦予相同的權(quán)重，盡管較老的數(shù)據(jù)在目前的情況下與新的觀察值相比缺乏代表性。
指數(shù)平滑預測法
指數(shù)平滑預測方法是對移動平均法的改進，將最重的權(quán)重賦予時間序列最近的值，將比較輕的權(quán)重賦予較老的值。指數(shù)平滑預測方法所示：預測值＝α（上期值）＋（1－α）（上次預測值）。這里的 α 是一個介于0 和1 之間的常數(shù)，成為平滑常數(shù)。平滑常數(shù)α 的選取對預測的影響非常大，小的α 值（如α＝0.1）適合于環(huán)境相對穩(wěn)定的情況。較大的α 值（如α＝0.5）適合于環(huán)境變化相對較快的情況。但是由于呼叫中心的話務變化比較頻繁，而且幅度比較大，呼叫中心建議選取了這種方法，并且選取了α＝0.5作為預測的基準。（大多數(shù)情況下，α 取值在0.1 至0.3 之間比較合適）。
趨勢性指數(shù)平滑預測法
趨勢性指數(shù)平滑使用時間序列最近的數(shù)據(jù)來估計當前的向上或向下的趨勢。趨勢性指數(shù)平滑所示：預測值＝α（上期值）＋（1－α）（上次預測值）＋趨勢估計。趨勢性指數(shù)平滑方法常應用于趨勢非常明顯且經(jīng)常出現(xiàn)的環(huán)境。
綜上所述，時間序列的預測模型的結(jié)果都是未來1 個月內(nèi)的，每個半小時之內(nèi)的話務量的預測值及平均處理時長的預測值。在話務預測結(jié)果出來以后，進入精確排班流程的第二個環(huán)節(jié)，即動態(tài)評估環(huán)節(jié)。呼叫中心的排班管理員將根據(jù)其豐富的經(jīng)驗對話務預測的結(jié)果進行評估，并進行調(diào)整。通常情況下，調(diào)整的方法包括兩種，系數(shù)調(diào)整和絕對量調(diào)整。其中，系數(shù)調(diào)整是指以話務預測的結(jié)果作為基礎，乘以某個調(diào)整系數(shù)，用來成比例放大或縮小相關的數(shù)據(jù)。絕對量調(diào)整是指以話務預測的結(jié)果作為基礎，加減某個調(diào)整值，用來增大或減小相關的數(shù)據(jù)。
強有力的決策支持
通過預測算法的公式推理可以得到一系列核心重要指標：
- 中繼運行情況
- 半小時內(nèi)最大電話并發(fā)量
- 中繼占用率
- 座席分布情況
- 半小時最大并發(fā)排隊量
- 座席占用率
- 座席工作效率
- IVR分布情況
- ACD排隊情況
優(yōu)化的座席預測算法
話務預測和動態(tài)評估之后，進入精確排班的第三個環(huán)節(jié)，即座席預測環(huán)節(jié)。座席預測環(huán)節(jié)的職能是將前一環(huán)節(jié)的話務預測調(diào)整值轉(zhuǎn)換為人力資源（即座席）的預測值。座席預測環(huán)節(jié)是精確排班過程中的一個非常關鍵的環(huán)節(jié)，話務預測值，以及管理者期望的服務水平在這個環(huán)節(jié)中輸入，最終轉(zhuǎn)換為該時段內(nèi)的座席預測值，即該時段要需要配置的座席數(shù)，這也是精確排班第四環(huán)節(jié)的輸入條件。在進行座席預測時，有兩種方法可供選擇：愛爾蘭公式法和黑匣子預測法。
呼叫中心是一個典型的排隊系統(tǒng)。電話一個接著一個到來，接受各種服務。如果一個到達的客戶不能立即接受服務，這個客戶就加入到一個隊列中進行等待，圖示是一個單隊列的排隊模型，如果呼叫中心擁有多個隊列，則需要構(gòu)造多個上述的排隊模型。
愛爾蘭公式法是基于排隊模型的算法，愛爾蘭公式法作為一個精確的座席預測算法。在直接使用的時候也存在局限性，即愛爾蘭公式有兩個使用前提：客戶愿意無限期的等待、沒有重復撥打情況發(fā)生。然而在呼叫中心，這兩個前提條件是不能滿足的。首先，每個客戶有不同的耐心程度，在等待一段時間后會主動放棄；同時，在大多數(shù)呼叫中心在客戶等待60秒左右，自動語音導航系統(tǒng)將會提示座席代表繁忙而主動掛斷客戶的電話。其次，客戶在放棄之后，往往會再次至電呼叫中心，希望能夠接通人工獲得服務，于是就會形成重復撥打。重復撥打率與接通率呈明顯的負相關關系。
智能排班系統(tǒng)ZWM座席預測模式,在erlang模型基礎上進行了修改呼叫中心管理模式：
1、固定服務率：人員擬合相對穩(wěn)定較erlang模型準確度有非常大的提高;
2、可變服務率：人員擬合較固定服務率更加穩(wěn)定，但是需要現(xiàn)場管理根據(jù)電話情況對座席服務率進行要求。
智能排班系統(tǒng)ZWM在erlang模型基礎上，結(jié)合傳統(tǒng)啟發(fā)式算法如(免疫遺傳算法,模擬退火算法,蟻群算法)來進行求解的基礎上，開發(fā)了自適應多目標神經(jīng)網(wǎng)絡優(yōu)化求解方法。
人性化的班次規(guī)則生成
座席預測環(huán)節(jié)之后，進入精確排班的環(huán)節(jié)，即班次設計和資源規(guī)劃環(huán)節(jié)，獲得了未來1 個月內(nèi)每半小時所需要的座席數(shù)量，班次設計和資源規(guī)劃環(huán)節(jié)的職能在于解決這一問題：如何安排員工上班，使每半小時實際安排的座席數(shù)量不少于需要的座席數(shù)量；如果實際安排的座席數(shù)量不足要求的座席數(shù)量，那么服務水平將達不到管理者所期望的服務水平。
要滿足每半小時實際安排的座席數(shù)量不少于需要的座席數(shù)量的要求，首先就需要進行班次的設計，這是為第五環(huán)節(jié)資源規(guī)劃而準備的。“班次設計”是指設計出一系列的班次，比如早班，中班，晚班，等等。而將來只要告訴員工，你下個月每天各上什么樣的班次即可。在班次設計時，需要充分考慮前面提到的一些影響因素：如下所示。
在班次設計上，呼叫中心必須注意，班次的數(shù)量要適中。如果班次數(shù)量較少，則可能會導致話務的擬合效果偏差；如果班次數(shù)量較多，座席代表會由于難于記憶而開始反感。
靈活的排班現(xiàn)場管理
智能排班系統(tǒng)ZWM實現(xiàn)靈活的排班管理，其中參數(shù)生成功能是指生成一系列的用于評價排班優(yōu)劣的參數(shù)。評價參數(shù)的選取和對未來風險的評估，是在班表出來之后的一個重要的工作。既是對前期精確排班工作的小結(jié)，也是對可能出現(xiàn)的問題的一次分析，通過該環(huán)節(jié)可以很好的實現(xiàn)對全局的掌控。
對于呼叫中心運行情況的考核必須做到及時、全面并按周期連續(xù)地進行，以便促進其服務不斷提升。從管理經(jīng)驗來看，在考核指標上主要考慮呼叫中心的接通能力、業(yè)務處理技能、服務親和力三大類指標。
而對于呼叫中心排班工作優(yōu)劣的考核，建議通過下列評價參數(shù)來衡量。評價參數(shù)的生成是幫助排班師和上級領導來快速查詢和總體上把握排班情況的，通常包括：1、管理者設置的期望服務水平；2、在排班中引用的話務利用率指標數(shù)值；3、每天各時段安排的班組個數(shù)以及全天的總數(shù)；4、每天休息的班組數(shù)量；5、每天各班次的出現(xiàn)次數(shù)；6、每天各班組上班的工時數(shù)量以及月總工時數(shù)量；7、每月各班組上的各種班次數(shù)量統(tǒng)計和休息天數(shù)統(tǒng)計。
關于英立訊科技
英立訊科技（Zinglabs）作為國際領先的高效能一體化架構(gòu)聯(lián)絡中心平臺倡導者，一直秉承“創(chuàng)新設計 追求卓越”的理念，經(jīng)過多年研發(fā)在ZingFramework®高效能一體化架構(gòu)的引領下，成功推出ZingSwitch® CVNET(i) （Contact-Center Versatile Network）系列產(chǎn)品，為用戶開創(chuàng)一個全面支持業(yè)務、融合全媒體、安全可信賴的一體化架構(gòu)聯(lián)絡中心平臺和運營績效管理平臺，并被業(yè)界譽為第四代聯(lián)絡中心的代表。公司專心致力于CallCenter和CTI領域，多年來成功為中國農(nóng)業(yè)銀行全國95599、中國人民銀行總行、中央國債總局、商務部全國12312、中國石化全國服務熱線、國家電網(wǎng)95598、上海世博會、北京人民廣播電臺等眾多行業(yè)高端用戶構(gòu)建聯(lián)絡中心平臺�；貧w民族品牌后，英立訊將立足于一個嶄新的起點，作為原廠商繼續(xù)在聯(lián)絡中心領域不斷專研和探索，創(chuàng)一流產(chǎn)品品牌和服務品牌，并通過 ZingSwitch® CVNET(i)系列產(chǎn)品帶您輕松跨入全媒體聯(lián)絡中心的“感•動”時代。
CTI論壇編輯
相關閱讀: