论文部分内容阅读
【摘要】在呼叫中心运营管理中，准确预测业务量直接关系着KPI指标完成的效果及效率，而目前呼叫中心行业中对于预测业务量的方法有较多分析，而对预测准确性衡量则分析较少。本文试通过建立“业务量预测准确性指数”，实现对业务预测准确性指标由概念化的定性分析转化为具体的定量分析。
【关键词】呼叫中心；预测；模型
【中图分类号】F8 【文献标识码】A
【文章编号】1007-4309（2012）07-0111-2.5
一、业务预测及衡量预测准确性的重要意义
呼叫中心KPI指标中最为关键的接通率①、服务水平②等，直接反映了呼叫中心整体运营管理质量。而在影响呼叫中心KPI指标的诸多因素中，业务量预测准确性是基础和前提。如果业务量预测不准确，则呼叫中心人力资源排班必然受到直接影响，造成KPI指标的大幅波动，甚至是人力资源配置失衡，进而反映在人力成本方面。
因此，如何客观反应、准确度量业务预测的准确“度”，成为摆在管理者面前的现实问题。具体来看，衡量预测准确性的必要性有如下几点：将预测准确的重要性，由概念化的定性分析转化为具体的定量指标。
通过对业务量预测准确性指标的跟踪观测，可以有效地发现预测误差，并及时展开分析厘清原因，当出现预测偏差时立即采取措施纠偏。针对大规模、分地域运营的呼叫中心，乃至整个呼叫中心行业，统一预测准确性指标的计算口径，便于在同一统计尺度下开展横向对比分析，查找差距，弥补自身。
二、行业标准
当前呼叫中心对与业务量预测准确性考量的方法主要有两类，一为总量评估法，一为区间统计法。具体分析如下：
总量评估法：总量评估法是以某时间区间内业务总量的预测值，与实际发生值之间进行对比。计算公式主要有两种：
1.公式一：预测准确率=■×100%（1）
或：预测准确率=■×100%（2）
2.公式二：预测准确率=■×100%（3）
或：预测准确率=■×100%（4）
以上两种计算公式并无本质上的区别，两种公式均是以总量为基础进行的计算。公式一是以预测量与实际量两者的总量进行的对比；公式二侧重于衡量预测值与实际值之间的数量差。
区间统计法：区间统计法是以预测误差率为基础，统计在不同误差率区间内出现的频次。举例说明，某年365天，预测误差率在不同区间内出现频次见下表。
说明：上表预测误差率计算取绝对值。公式为：
区间统计法在计算预测误差率的基础上，更加侧重其分布区间。该方法认为，越低的误差率区间内出现的频次越多，则预测越准确。
两类方法比较分析：上述两类计算方法各有侧重，优劣不同。总结如下：总量评估法最大的优点在于计算简单，准确率、误差率的计算结果一目了然。其不足之处在于只注重整体而忽略了整体中不同区间差异。举例说明，预测周期为3天，具体预测数据如下：
上表数据表明，该预测周期内，整体预测量为30，000通，实际业务量亦为30，000通，通过总量评估法两种计算方式，预测准确率为100.00%，预测误差率为0.00%。该结果表明从整体上讲，预测是非常准确。然而从分日的数据可以看出，除第1天预测准确之外，第2、3天的预测业务量与实际业务量均发生较大偏差。如若根据该预测业务量数据排定人力，则肯定将出现人力与业务的重大偏差。
区间统计法的优点在于关注了个体差异，并按不同区间进行频次统计。但其不足之处在于，计算结果只是一张区间分布统计表格，预测准确与否、误差率大小不能直观反映。
三、业务预测准确性指数
为了客观地从整体把握业务预测准确情况，又注重了区间表现的差异对整体的影响，同时计算结果直观、一目了然，本文构建“业务预测准确性指数”。公式为：
四、业务预测准确性指数验证测算
为了判别上述业务预测准确性指数能否客观、有效地判别不同情况下业务预测准确度，进行如下验证测算。
测算前提及假设条件。以某单日的业务预测数据进行验证测算。验证测算基于以下前提或假设：业务量预测以半小时为单位，全日共计48个时段（2×24小时）。假设各时段业务量来电符合正常规律，不考虑特殊情况（如系统异常等）对业务量的影响。预测误差计算公式采用公式（3）进行计算，同时计算结果取绝对值。假设预测误差率区间及对应区间系数如下表所示，据此进行验证测算。
环境模拟：在上述前提或假设条件下，模拟3种呼叫中心常见的业务情况模拟数据。数据统计结果如下表所示：环境一：某日，预测业务量为61，000通，实际业务量为67，982通。
环境二：某日，预测业务量为61，000通，实际业务量为67，982通。与环境一的预测业务量总量相同，但各时段预测量有所不同，同时实际业务量总量及个时段实际业务量均与环境一相同。数据为：
环境三：某日，预测业务量为61，000通，实际业务量为62，717通。与环境二的预测业务量总量、各时段业务预测量均相同，但实际业务量总量、各时段实际业务量均不相同。数据具体为：
测试小结：3种不同的测试环境，可以很好地模拟出预测业务量与实际业务量整体相同但各区间不同、预测业务量整体与时段均相同但实际业务量均不同的情况。小结如下：通过环境一与环境二的对比测试可以看出，两环境下实际业务量各时段表现和整体业务量均相同，而预测业务量时段和整体预测量不同。环境一的预测准确性指数为79.27%，环境二的预测准确性指数为79.79%，说明环境二的准确性高于环境一。通过环境二与环境三的对比测试可以看出，两环境下各时段预测量和整体预测量均相同，而实际的时段业务量和整体业务量均不同。环境三的预测准确性指数为90.94%，明显高于环境二，说明环境三准确性优于环境二。
预测准确性指数对于呼叫中心运营管理的实际意义在于，其可以相对客观地反映预测业务量与实际业务量之间的关系，可以运用于呼叫中心客观考量业务预测准确性的实际工作。
本业务量预测性指数的优点，最主要的是在不同日期、不同業务量、不同时段表现的情况下，能够较为客观、全面地反映业务预测准确性，可以进行横向比较，同时计算结果直观、清晰。当然其也有不足之处，即计算过程相对复杂，准确性分析依赖于前期较为充分、细致的数据预测，需要长期的数据积累。
同时，在笔者实际运用该指数指导呼叫中心运管管理过程中，有几点注意事项需要特别予以指出说明的是：预测误差率的区间划分根据各呼叫中心的实际情况而定，无法统一标准。在行业中，某些优秀的呼叫中心对于误差率的要求是控制在5%以内；计算结果也直接取决于区间系数的确定（Ai）。因此区间系数的分档设置的合理性将直接影响计算结果；建议在实际管理过程中剔除非正常原因（如系统异常等）等情况对指标的干扰；充分考虑夜班因素。按照常规来电规律，夜班时段（如：0∶00-6∶00）来电量偏少。由于来电量基数相对较少，因此在夜班时段中可能会出现即便较小的误差量却导致较大的误差率，并最终影响准确性指数。建议充分考虑夜班等来电波谷时段，指标计算过程不统计上述时段或将其单独列表明示。
【注释】
①接通率：客户拨打企业热线服务电话选择人工服务，电话能够被接起的比率。
②服务水平：在特定的阀值下已响应/被接花粉囊的客户呼入电话的百分比。一般为“X%的电话在Y秒内接起”。如80/20的服务水平，指85%的电话在15秒内被接起。
③预测误差计算公式采用公式（3）进行计算，同时计算结果取绝对值。表6、表7与此机同。
【作者简介】高昊鹏：天津财经大学在职研究生，中国农业银行客户服务中心（天津）。
【关键词】呼叫中心；预测；模型
【中图分类号】F8 【文献标识码】A
【文章编号】1007-4309（2012）07-0111-2.5
一、业务预测及衡量预测准确性的重要意义
呼叫中心KPI指标中最为关键的接通率①、服务水平②等，直接反映了呼叫中心整体运营管理质量。而在影响呼叫中心KPI指标的诸多因素中，业务量预测准确性是基础和前提。如果业务量预测不准确，则呼叫中心人力资源排班必然受到直接影响，造成KPI指标的大幅波动，甚至是人力资源配置失衡，进而反映在人力成本方面。
因此，如何客观反应、准确度量业务预测的准确“度”，成为摆在管理者面前的现实问题。具体来看，衡量预测准确性的必要性有如下几点：将预测准确的重要性，由概念化的定性分析转化为具体的定量指标。
通过对业务量预测准确性指标的跟踪观测，可以有效地发现预测误差，并及时展开分析厘清原因，当出现预测偏差时立即采取措施纠偏。针对大规模、分地域运营的呼叫中心，乃至整个呼叫中心行业，统一预测准确性指标的计算口径，便于在同一统计尺度下开展横向对比分析，查找差距，弥补自身。
二、行业标准
当前呼叫中心对与业务量预测准确性考量的方法主要有两类，一为总量评估法，一为区间统计法。具体分析如下：
总量评估法：总量评估法是以某时间区间内业务总量的预测值，与实际发生值之间进行对比。计算公式主要有两种：
1.公式一：预测准确率=■×100%（1）
或：预测准确率=■×100%（2）
2.公式二：预测准确率=■×100%（3）
或：预测准确率=■×100%（4）
以上两种计算公式并无本质上的区别，两种公式均是以总量为基础进行的计算。公式一是以预测量与实际量两者的总量进行的对比；公式二侧重于衡量预测值与实际值之间的数量差。
区间统计法：区间统计法是以预测误差率为基础，统计在不同误差率区间内出现的频次。举例说明，某年365天，预测误差率在不同区间内出现频次见下表。
说明：上表预测误差率计算取绝对值。公式为：
区间统计法在计算预测误差率的基础上，更加侧重其分布区间。该方法认为，越低的误差率区间内出现的频次越多，则预测越准确。
两类方法比较分析：上述两类计算方法各有侧重，优劣不同。总结如下：总量评估法最大的优点在于计算简单，准确率、误差率的计算结果一目了然。其不足之处在于只注重整体而忽略了整体中不同区间差异。举例说明，预测周期为3天，具体预测数据如下：
上表数据表明，该预测周期内，整体预测量为30，000通，实际业务量亦为30，000通，通过总量评估法两种计算方式，预测准确率为100.00%，预测误差率为0.00%。该结果表明从整体上讲，预测是非常准确。然而从分日的数据可以看出，除第1天预测准确之外，第2、3天的预测业务量与实际业务量均发生较大偏差。如若根据该预测业务量数据排定人力，则肯定将出现人力与业务的重大偏差。
区间统计法的优点在于关注了个体差异，并按不同区间进行频次统计。但其不足之处在于，计算结果只是一张区间分布统计表格，预测准确与否、误差率大小不能直观反映。
三、业务预测准确性指数
为了客观地从整体把握业务预测准确情况，又注重了区间表现的差异对整体的影响，同时计算结果直观、一目了然，本文构建“业务预测准确性指数”。公式为：
四、业务预测准确性指数验证测算
为了判别上述业务预测准确性指数能否客观、有效地判别不同情况下业务预测准确度，进行如下验证测算。
测算前提及假设条件。以某单日的业务预测数据进行验证测算。验证测算基于以下前提或假设：业务量预测以半小时为单位，全日共计48个时段（2×24小时）。假设各时段业务量来电符合正常规律，不考虑特殊情况（如系统异常等）对业务量的影响。预测误差计算公式采用公式（3）进行计算，同时计算结果取绝对值。假设预测误差率区间及对应区间系数如下表所示，据此进行验证测算。
环境模拟：在上述前提或假设条件下，模拟3种呼叫中心常见的业务情况模拟数据。数据统计结果如下表所示：环境一：某日，预测业务量为61，000通，实际业务量为67，982通。
环境二：某日，预测业务量为61，000通，实际业务量为67，982通。与环境一的预测业务量总量相同，但各时段预测量有所不同，同时实际业务量总量及个时段实际业务量均与环境一相同。数据为：
环境三：某日，预测业务量为61，000通，实际业务量为62，717通。与环境二的预测业务量总量、各时段业务预测量均相同，但实际业务量总量、各时段实际业务量均不相同。数据具体为：
测试小结：3种不同的测试环境，可以很好地模拟出预测业务量与实际业务量整体相同但各区间不同、预测业务量整体与时段均相同但实际业务量均不同的情况。小结如下：通过环境一与环境二的对比测试可以看出，两环境下实际业务量各时段表现和整体业务量均相同，而预测业务量时段和整体预测量不同。环境一的预测准确性指数为79.27%，环境二的预测准确性指数为79.79%，说明环境二的准确性高于环境一。通过环境二与环境三的对比测试可以看出，两环境下各时段预测量和整体预测量均相同，而实际的时段业务量和整体业务量均不同。环境三的预测准确性指数为90.94%，明显高于环境二，说明环境三准确性优于环境二。
预测准确性指数对于呼叫中心运营管理的实际意义在于，其可以相对客观地反映预测业务量与实际业务量之间的关系，可以运用于呼叫中心客观考量业务预测准确性的实际工作。
本业务量预测性指数的优点，最主要的是在不同日期、不同業务量、不同时段表现的情况下，能够较为客观、全面地反映业务预测准确性，可以进行横向比较，同时计算结果直观、清晰。当然其也有不足之处，即计算过程相对复杂，准确性分析依赖于前期较为充分、细致的数据预测，需要长期的数据积累。
同时，在笔者实际运用该指数指导呼叫中心运管管理过程中，有几点注意事项需要特别予以指出说明的是：预测误差率的区间划分根据各呼叫中心的实际情况而定，无法统一标准。在行业中，某些优秀的呼叫中心对于误差率的要求是控制在5%以内；计算结果也直接取决于区间系数的确定（Ai）。因此区间系数的分档设置的合理性将直接影响计算结果；建议在实际管理过程中剔除非正常原因（如系统异常等）等情况对指标的干扰；充分考虑夜班因素。按照常规来电规律，夜班时段（如：0∶00-6∶00）来电量偏少。由于来电量基数相对较少，因此在夜班时段中可能会出现即便较小的误差量却导致较大的误差率，并最终影响准确性指数。建议充分考虑夜班等来电波谷时段，指标计算过程不统计上述时段或将其单独列表明示。
【注释】
①接通率：客户拨打企业热线服务电话选择人工服务，电话能够被接起的比率。
②服务水平：在特定的阀值下已响应/被接花粉囊的客户呼入电话的百分比。一般为“X%的电话在Y秒内接起”。如80/20的服务水平，指85%的电话在15秒内被接起。
③预测误差计算公式采用公式（3）进行计算，同时计算结果取绝对值。表6、表7与此机同。
【作者简介】高昊鹏：天津财经大学在职研究生，中国农业银行客户服务中心（天津）。