例如我們所運營的交通服務類的業務,服務需求的發生主要受人群、假日、活動、季節、天氣、政策等等因素的影響,在進行服務量預測時候便需要借助大量數據分析技術,對人群——所服務城市的服務量占比、人員規模占比、人員的季節性流程趨勢及周期性流動趨勢進行跟蹤預測:
有了精準的預測之后,下一步就是人員需求要求及排班的流程,人員需求要求簡單來說就是人力的計算以及人員屬性的配置。
目前呼叫中心當中主流的人力計算方法主要有線性計算方式及基于ErlangC公式的人力計算方式,兩種方式目前基本可以滿足各企業對于服務指標保障的需求,但是隨著人員管理精細化要求的提升,特別是在面向大型、多元化、多座席組別,多路由策略的呼叫中心來說,這兩種預測方式已漸漸脫離企業對于預測準確度的要求。
所以目前很多大型呼叫中心已開始使用基于計算機技術的計算機模擬法進行計算,所謂計算機模擬法就是將預測的顆粒細化到手工無法支撐更小時段,結合實際路由,座席員屬性,中繼線組合,預測棄呼參數,耗損參數等數據通過計算運算中心模擬呼叫中心實際話務參數、隊列狀態、座席員狀態等情況。
類似于我們接觸比較多的天氣預報,就是結合實時的云層動態和歷史情況來預測天氣一樣,通過不斷地案例收集,精度會不斷的提高。同時計算機模擬法還能模擬特殊事故發生下的業務參數情況,來尋求更精確的人力計算結果。
排班所追求的是座席員對于班表滿意度的反饋,目前手工班表面臨的壓力一是員工班次偏好收集和預測,再一個便是手工班表的產出效率。
目前,在面對幾百號座席員的班表安排時,排班管理者無法對每一個的員工的喜好進行良好的評估,因此當下的呼叫中心排班基本上都是在班時平衡上煞費苦心,想通過班次的平衡來提升排班滿意度,于此同時為了迎合座席員的個性化需求,部分呼叫中心會在排班周期前調研員工需求,班表下發后開設簡單快捷的換班途徑,來提升排班滿意度。
對于班表的產出效率,排班管理者在接收到業務場景變更或者需求變更的問題后,從新預測的調整到新班表的下達,所需要的排班周期一般都得幾個小時的處理時間,而且隨著運營規模的大小和復雜程度還要增加。而呼叫中心話務趨勢本身會受很多像天氣的突發因素的影響,是一個動態的變化過程,需要排班管理者及時作出回應及修訂,在此過程無論對于排班管理者來說還是對于業務需求來說都是一個比較大的挑戰。
記憶存儲能力和運算能力是智能計算機的優勢,面臨此類問題我們不妨考慮交給人工智能來處理,通過對每個座席員屬性、歷史班次記錄,出勤情況等參數進行分析,做出每個呼叫中心座席員的自畫像,定義每個員工的偏好班時,在進行班表排布時,在設定的平衡規則內,由每個座席員的偏好屬性安排相應的偏好班次。
實時管理為排班管理流程當中的最后一步,主要作用便是對于排班結果的跟蹤及執行的監控。
新技術的發展給我們帶來挑戰的同時,更多的還是給了我們新的問題處理方法,例如實時監控中的問題,通過大數據技術及計算技術的結合,可以實時的監控業務服務量的波動,并且給出新的預測結果和建議解決方案。同樣對于座席員執行水平的監控,利用智能識別技術可以保障座席員按時準確的出勤,而且可以對座席員的工作水平進行跟蹤,保障座席員解答的準確性。
當下有很多公司引人了健康管理系統,員工每天上班后的健康狀態、情緒水平都會被準確的納入監控管理,在體現企業的人性化管理,增加員工歸屬感的同時,保障企業人員有一個良好的工作狀態和效率。
總之,隨著科技技術的成熟與發展,呼叫中心行業在不久的將來就會迎來新一輪的技術變革。這種高新技術的變革,對我們當前相對傳統的管理方式來說是一種挑戰,更是一種機遇。挑戰是逼迫我們從機械簡單的工作當中總結經驗,優化工作流程,提升工作效率及產能。機遇是原本很多因為操作流程復雜或者搭建成本過高的細致化管理理念和方法都將有機會被付諸實踐。
我相信,隨著科技技術的加入,未來的呼叫中心排班管理當中人員舒適水平和話務趨勢需求的癥結將會變得更加順暢,我們一直所摸索的效率和滿意度的平衡點將更加清晰。
下一篇:跳出排班本圈看預期