服務(wù)預(yù)測與排班是大部分服務(wù)行業(yè)有效管理的關(guān)鍵環(huán)節(jié)，尤其是客服中心，對服務(wù)預(yù)測準(zhǔn)確度要求高，對排班的舒適性和效率均衡的博弈最為繁復(fù)，以至每個客服中心都有一個老法師一般的Excel高手，或出神入化，或大道至簡地進行著預(yù)測與排班。
網(wǎng)絡(luò)上也能找到一些前輩們的預(yù)測與排班的概括指導(dǎo)或經(jīng)驗之談，但多數(shù)文章在實際操作層面語焉不詳或點到為止，對于亟需手把手指導(dǎo)的排班菜鳥來說，往往看得云山霧繞。
本文試圖為菜鳥排班師提供一個淺顯的服務(wù)量預(yù)測入門，文中提供的方式是極簡甚或簡陋的，方便新排班師入門理解之用，可以通過Excel工具進行適合自己業(yè)務(wù)情況的粗略的服務(wù)預(yù)測，并在此基礎(chǔ)上優(yōu)化、添加符合本中心特點的算法或預(yù)測因素。
需要說明的是，如今在很多客服中心，非語音服務(wù)占比已經(jīng)超過了語音服務(wù)量，非語音服務(wù)的預(yù)測原理和語音服務(wù)是共通的，下文中將語音服務(wù)和非語音服務(wù)統(tǒng)稱為話務(wù)。
1
基礎(chǔ)準(zhǔn)備
話務(wù)預(yù)測的第一步工作是要搞清楚，客服中心是分成幾個組別進行接續(xù)的，一般小型客服中心會在IVR中設(shè)置不同的來電通路，如業(yè)務(wù)咨詢、投訴建議等，但進入人工服務(wù)的時候，實際上是進入到同一個隊列中。在大型客服中心，往往會對VIP提供服務(wù)質(zhì)量更高的服務(wù)，或者將電話服務(wù)與在線客服分開，分別由兩撥或更多分組的人各自接續(xù)。
各自獨立且正常情況下不溢出話務(wù)的分組就需要單獨預(yù)測話務(wù)，所需的歷史話務(wù)數(shù)據(jù)，及預(yù)測結(jié)果都是按分組呈現(xiàn)的。
要點：明確客服中心的話務(wù)預(yù)測是否分組，分成幾個組。
2
數(shù)據(jù)獲取
話務(wù)預(yù)測可不是掐指一算就能算準(zhǔn)的，其預(yù)測依據(jù)主要是客服中心的歷史話務(wù)，從歷史話務(wù)中尋找規(guī)律和一般趨勢，再根據(jù)行業(yè)未來景氣狀況和企業(yè)總體發(fā)展態(tài)勢設(shè)置合理的企業(yè)趨勢系數(shù)。
所以，準(zhǔn)備工作的第一步是要獲得較長時間段的完整歷史話務(wù)，一般客服中心是按半小時作為一個時間節(jié)點來統(tǒng)計基礎(chǔ)數(shù)據(jù)，計算各類指標(biāo)。一天48個數(shù)據(jù)，一年17520個數(shù)據(jù)，每個數(shù)據(jù)下文簡稱時間點話務(wù)（量）。為了讓預(yù)測依據(jù)更扎實，有條件的客服中心可以用最近四年的月匯總話務(wù)量，也就是有48個月度數(shù)據(jù)，和最近一年的分時話務(wù)量作為預(yù)測的基礎(chǔ)數(shù)據(jù)。現(xiàn)在社會發(fā)展日新月異，更早的分時數(shù)據(jù)已沒多大參考價值。
要點：我們先拿到最近4年的月匯總話務(wù)量，以及最近1年分時話務(wù)量。
3
數(shù)據(jù)維度
在這個入門指南中，將每一個分時（半小時）數(shù)據(jù)的維度拓展到月和周的維度，換句話說，一天48個半小時的時間片段中任意一個數(shù)據(jù)都帶有day和weekday兩個屬性。如圖1中，8月28日這一天是周一。我們?nèi)∩衔?0點30分的數(shù)據(jù)為例，這個時間點，可以作為周一上午10點30分話務(wù)量平均值的來源，也可以作為每月第28天上午10點30分的話務(wù)量平均值來源。于是我們可以得出周一上午10點30分的話務(wù)量均值為1210，每月28日上午10點30分的話務(wù)量均值為1400。
[圖1：]話務(wù)量平均值計算數(shù)據(jù)來源
到這一步，大家已經(jīng)了解到這種簡化預(yù)測方式的核心：平均值，我們預(yù)測結(jié)果都是從相應(yīng)的維度均值乘以相應(yīng)的系數(shù)得來的。大部分客服中心都有周規(guī)律特征或月規(guī)律特征，我們就從這兩個維度的規(guī)律特征入手，分別計算這兩個維度下的日分時話務(wù)量均值。
要點：每個時間點話務(wù)量，都帶有周維度（weekday）和月維度（day）。
4
數(shù)據(jù)清洗
數(shù)據(jù)清洗這名詞看著就透著些許逼格，但在這里，做法挺簡單，就是把一些因為各種原因?qū)е碌脑拕?wù)突增的歷史數(shù)據(jù)給清理掉，因為這些數(shù)據(jù)往往因為一次故障或者某個促銷活動，導(dǎo)致歷史上某天的某些時段話務(wù)量大大超過正常值，而此類事件往往不會重復(fù)發(fā)生或者不確定在何時重復(fù)發(fā)生。這樣的數(shù)據(jù)就要在歷史數(shù)據(jù)中清理掉，否則某些時間點上偶發(fā)事件的話務(wù)量會造成預(yù)測結(jié)果的很大偏差。
我們需要在歷史話務(wù)數(shù)據(jù)的每個分時值上添加一個新的屬性——標(biāo)準(zhǔn)差。（標(biāo)準(zhǔn)差在數(shù)據(jù)統(tǒng)計和質(zhì)量管理方面有極廣泛的應(yīng)用，具體概念及使用范圍請自行搜索，在excel中有一個自帶公式計算標(biāo)準(zhǔn)差：stdev）我們對歷史數(shù)據(jù)中的每個分時值都按照周、月可以分別統(tǒng)計計算出均值和標(biāo)準(zhǔn)差，針對具體的每個歷史話務(wù)分時值，也就有了與均值的差是標(biāo)準(zhǔn)差的倍數(shù)的一個關(guān)鍵值。
以圖1中8月周一上午10點30分的值，分別從周和月的維度上計算平均值和標(biāo)準(zhǔn)差，以及當(dāng)前值與平均值的差，以及這個差值與標(biāo)準(zhǔn)差的倍數(shù)。這么說可能有的人有點暈。看下面的圖2就明白了。
[圖2：]話務(wù)量數(shù)據(jù)清洗方法
從圖2中可以發(fā)現(xiàn)，一個數(shù)據(jù)在周和月維度上的同系列值形成周和月的平均值、標(biāo)準(zhǔn)差，并依照與平均值的差形成的標(biāo)準(zhǔn)差倍數(shù)作為這個數(shù)據(jù)是否該被清洗掉的判斷依據(jù)。在圖2中，這個數(shù)據(jù)在周維度上落在允許的波動范圍內(nèi)，而在月維度上超過了1個標(biāo)準(zhǔn)差的上限。若采用苛刻的OR規(guī)則，兩個標(biāo)準(zhǔn)差中有一個超過上限，這個數(shù)據(jù)就會被清洗掉；在圖2中，是采用了寬容的AND規(guī)則，則只有在兩個維度上都超過標(biāo)準(zhǔn)差倍數(shù)上限，這個數(shù)據(jù)才會被清洗掉。
采取OR規(guī)則還是采取AND規(guī)則，可以根據(jù)客服中心實際情況進行測試，一般來說規(guī)律性越強的傾向于采取OR規(guī)則，而波動性較大的客服中心更適用AND規(guī)則。
要點：數(shù)據(jù)清洗是在周、月維度上檢查每個歷史話務(wù)值是否可信，把歷史話務(wù)中的“噪音”清洗掉，可以得到可信賴的預(yù)測依據(jù)。
5
權(quán)重系數(shù)
通過數(shù)據(jù)清洗，我們把不可信的歷史數(shù)據(jù)都清洗掉了，剩下的數(shù)據(jù)就可以生成周、月維度的分時平均值，這個均值就去掉意外事件對預(yù)測的干擾。接下來，我們就要利用這兩個維度的均值分別乘以權(quán)重系數(shù)再乘以月度系數(shù)生成預(yù)測值。
公式可以寫成:預(yù)測值=（周平均值*周權(quán)值+月平均值*月權(quán)值）*月系數(shù)
我們以預(yù)測12月的話務(wù)量，以12月4日（周一）上午10點30分的預(yù)測量生成為例來說明這個過程。
假設(shè)清洗后的（多個周一的上午10點30分話務(wù)量）周平均值為1210，（多個月4號的上午10點30分話務(wù)量）月平均值為1500，那要如何來確定這個周權(quán)值、月權(quán)值和月系數(shù)呢？
我們先來獲得月系數(shù)，我們把之前準(zhǔn)備好的48個月的月話務(wù)量列成表格，這里請注意，由于2017年12月的月話務(wù)是待預(yù)測的值，所以我們準(zhǔn)備的前48個月的月話務(wù)量最早的值是2013年12月的，在這里為了方便計算，把2013年的12月話務(wù)量計入2014年，2014年12月話務(wù)量計入2015，以此類推。結(jié)果如表1。
[表1：]排列話務(wù)量數(shù)據(jù)求取預(yù)測加權(quán)系數(shù)
月度系數(shù)的產(chǎn)生是以2017年9、10 、11月的年度話務(wù)占比除以最近4年這三個月的年度話務(wù)占比的平均值，計算出三個值，求平均。若2017年9月的單元格是L11的話，公式是：(L11/L12+M11/M12+N11/N12)/3 算出結(jié)果1.004 。（這里需要注意，若月度是1月或2月，則需要考慮春節(jié)所在月和上幾年是否一致，若不一致就不能簡單用這個方式計算。需要將假日話務(wù)特殊對待，在后一節(jié)中會說到如何處理。）
希望看到這里您沒暈，接下來我們要確定周權(quán)值和月權(quán)值。我們的入門教程就只講簡化版的，我們假設(shè)周權(quán)值+月權(quán)值=1。并且根據(jù)經(jīng)驗值設(shè)置一個值，比如周權(quán)值是0.6，月權(quán)值是0.4。接下來，我們按這個權(quán)值和月系數(shù)，計算出11月的預(yù)測話務(wù)，因為11月實際話務(wù)已經(jīng)產(chǎn)生（一般預(yù)測在11月下旬，可以將未發(fā)生的話務(wù)以11月的預(yù)測值來作為11月的實際值），并且異常數(shù)據(jù)已經(jīng)剔除，可以將兩者一一對應(yīng)相減求絕對值，全月的差額絕對值之和在可接受的范圍內(nèi)，則說明這個周、月權(quán)值設(shè)置是合理的。
既然Excel如此強大，完全可以在Excel中通過規(guī)劃求解的方式來獲取最優(yōu)的周、月權(quán)值。（具體過程請自行搜索學(xué)習(xí)，不再贅述）
要點：通過計算月度系數(shù)、周、月權(quán)重的方式，來獲得話務(wù)預(yù)測的加權(quán)系數(shù)。
6
節(jié)日調(diào)整
在獲得了周、月均值，周、月權(quán)重和月度系數(shù)的前提下，話務(wù)量計算水到渠成。當(dāng)你看到1440（30天）個話務(wù)預(yù)測結(jié)果時，成就感滿滿！
但作為精益求精的排班師來說，節(jié)日話務(wù)是不得不考慮的。尤其是國慶長假和春節(jié)長假，其話務(wù)特征迥異平日。如銀行信用卡中心的話務(wù)在國慶節(jié)前一到兩天話務(wù)量就高企，假期中則話務(wù)量下降，到長假第七天和節(jié)后的三四天話務(wù)量也會保持在較高位。對于如此有固定特征的節(jié)日，就需要把節(jié)前2天加上節(jié)后3天，一共12天時間的話務(wù)整塊挖出，單獨處理。與往年的假期一一對應(yīng)，構(gòu)建假日分時話務(wù)模型，同時調(diào)整增長系數(shù)，生成節(jié)假日的預(yù)測量，再替換掉現(xiàn)有預(yù)測結(jié)果中相應(yīng)的日期。
如此，一份為期30天，1440個節(jié)點的話務(wù)預(yù)測結(jié)果就新鮮出爐了。
要點：節(jié)假日話務(wù)要單獨處理，尤其是有固定話務(wù)特征的節(jié)假日尤其需要認(rèn)真對待，這將大大影響節(jié)假日的排班，而假日排班則是排班師需要細(xì)調(diào)班務(wù)的重點。
7
總結(jié)
話務(wù)預(yù)測并不是要做到毫厘不差，而是預(yù)測結(jié)果與實際偏差控制在一定區(qū)間內(nèi)，在這個區(qū)間內(nèi)，后續(xù)班務(wù)的人力安排能夠覆蓋，從而使得接通率和服務(wù)水平控制在穩(wěn)定的水平內(nèi)。
而在處理能力范圍內(nèi)，預(yù)測時能考慮到的要素越多，能正確量化、計算這些要素，則話務(wù)預(yù)測的準(zhǔn)確度就越高，而之后的人員排班就越合理。現(xiàn)場的調(diào)度意料之外的突發(fā)狀況就越少，就越能體現(xiàn)客服中心的運營水平。要達(dá)到很高的水準(zhǔn)就不能僅僅依賴排班師的經(jīng)驗和粗略工具了，而是需要引入符合客服中心實際的預(yù)測與排班系統(tǒng)了。
