不要完全聽從於你的WFM軟體
如果你的呼叫中心在使用勞動力資源管理軟體，你很有可能聽到過有關這類軟體高投入產出比（ROI）的故事。但這些故事很有可能故意漏掉了幾條勞動力資源管理（WFM）軟體成功的關鍵信息——比如，支持這一系統的大量「基礎設施」建設或改造、識別正確的參數假設所需的不同部門間的協作、提供給業務量預測師的預測演算法缺乏必要的靈活性等等。事實是，勞動力資源管理應用是相對比較複雜且耗時較長的；業務量預測演算法的代碼並不是開源的，很難交由業務量預測師自主管理；軟體本身強迫用戶按照預先設定的規則行事等。
此外，用戶還經常碰到其它一些陷阱。你的軟體可能在時段細分上比較固執（比如，任何數據都必須是以事先設定的30分鐘時段來統計的）。軟體從交換機收集原始數據的方式導致了落後的數據挖掘陋習；一些軟體把這一過程完全自動化，阻止用戶對異常數據的修正。它並不總是能夠提供從可替換的固定預測類型到災難恢復或特殊事件記錄的轉換途徑，因此對於特殊事件的過程數據記錄不得不在系統外來完成。一些軟體總是試圖採用最近的平均處理時長，導致業務量預測結果完全忽視了平均處理時長的波動性。它們非常難以開發和跟蹤新員工的AHT曲線，尤其是當你不得不考慮到新員工班級規模、影響的時間長度，以及同時發生的很多其它的特殊事件。
自動和手動方法相結合保持預測的一致性
在我看來，勞動力資源管理軟體最嚴格也是最具有害性的一點是它的單一化預測方法論。大多數廠商都在使用時間序列預測法。如果你有超過24個月的連續話務數據，你的話務組很穩定（意味著坐席不需要經常簽入不同的話務組接聽不同類型的客戶來電），並且你的來電驅動因素簡單、穩定的話，這種預測方法是非常好的。
我本人就是一個時間序列法的推崇者。它常常是我建立預測模型的第一選擇，但我卻不記得有任何時候僅僅依靠時間序列一種預測方法就能夠達到比較滿意的預測結果。業務量預測總是需要在時間序列法的基礎上融合進某種形式的回歸預測、驅動因素調整（有著具體的起始和終止區間）、市場部門提供的應用數據、以及基於當前外部經濟形勢的季節性波動趨勢等。這種預測方法與數據的整合還要仔細地進行不斷的平衡調整：影響業務量波動的新元素被加進來，而後又被剝離出去，而且這種情況並不會以一種整齊有序的方式發生。
一種更加負責任的業務量預測方式是以堅實的數據統計和正常的條件假設開始，然後逐步加入市場及活動信息、中心內部及部門間協作溝通的結果信息，並以某種核對與驗證流程結束預測。這種預測方式將會給你一個更加準確和一致（並可據此配置資源）的預測結果。手工做出一份預測，並把結果與軟體的預測進行對比總是一件非常有趣的事，就像John Henry所做的那樣。
但是，勞動力資源管理軟體商總是喜歡說：「使用類似EXCEL這樣的工具，你是不能完成高質量的業務量預測工作的。你需要我們的產品才能更好地幫你完成這項工作。「今年3月份我參加了在拉斯維加斯舉行的」業務量預測焦點研討會「（並沒有WFM廠商參會），很有意思的是聽到與會的大多數人都說他們也非常喜歡用EXCEL來進行業務量預測。一些人給EXCEL增加了插件和宏（就像我所使用的一樣），但他們所採用的預測方法論仍然是非常先進和嚴謹的。另外，EXCEL預測中所採用的預測方法都將關注重點放在了預測結果的準確性上——預測結果是準確的還是不準確的，如果不準確，可以很快發現是哪種方法或工具出了問題，並能夠在後續預測中進行矯正——這也是WFM工具所普遍缺乏的另一個功能。
了解軟體的局限性
勞動力資源管理（WFM）軟體的發展與進化到現在，終於出現了一些折衷的版本，允許用戶手工輸入、甚至導入比系統自主生成的數據質量更高的相關歷史數據記錄、處理時長以及預測數據。利用導入的數據進行業務量預測的價值在於你可以充分利用你自己非常專業、更加精準預測數據，但仍然利用勞動力資源管理軟體進行相關的數字計算與分解工作，把每日數據分解成時段數據，並生成員工排班表，進行日間數據跟蹤和管理員工班表例外情況資料庫。WFM軟體可以完美地完成這些工作，不論你的呼叫中心規模大小。因此，一切都要歸結於你是否充分了解了軟體的局限性。
軟體最大的局限性是它不會像人的思維一樣去驗證數據的合理性。把業務量預測過程完全自動化就會完全忽略合理性驗證。例如，我曾經使用過WFM軟體來為一個業務量急劇下降的坐席組生成為期兩年的業務量及人員需求預測。在第15個月的時候，系統測算出這個坐席組將會接收到0來電量。在第16個月的時候，系統預計該坐席組將會接聽的來電量為負數。更加糟糕的是，系統生成的成本需求報表把這幾個月的成本自動轉換成了利潤數據。
這些過度簡化了的WFM系統演算法無法勝任多層級、多類型來電組別的運營環境。如果有新的事件的加入，系統的反應將會滯後。這時，來電量趨勢的調整、均攤以及調整後的曲線擬合都是必要的，但WFM軟體卻不像人工預測專家那樣知道該何時採取這些措施。事件的清除同樣重要，它並不會簡單地突然停止，而是需要仔細地按照規劃退出。一旦預測模型相對穩定了，預測方法也就相對固定下來。但如果仍然有很多的來電量波動影響因素，那麼我們則需要一個更加成熟和複雜的模型。
軟體購買前應考慮哪些因素？
如果你正打算採購WFM軟體，以下是供你在決定購買前考慮的兩條建議：
向多家廠商發送WFM軟體招標書。招標書應該把最大的比重向最關鍵的功能（必須具有不可的功能）傾斜。例如，如果你的呼叫中心是呼入/呼出混合型的，你應該把呼出功能組件放在「通過/拒絕」選項里，而不僅僅是賦予較高的權重。
讓廠商參與「業務量預測/排班測試」。為每一家廠商提供一份完全相同的原始數據讓他們來展示他們的軟體應用。這將使你了解到選取不同廠商的產品時你所不得不面對的不同的工作任務和工作量是什麼。如果他們的預測結果太籠統，你就會知道你將需要在系統外要做哪些附加的細化工作。再看一下他們給出的排班表，是否大都是你的一線坐席願意接受的班次安排。把所有廠商的測試結果進行對比，將會使你很容易選擇最後的贏家。
一旦你購買了一套WFM系統，你將需要知道你想讓系統做哪些工作，並把相關的參數和設置調整優化到位。這將需要你使用原始數據進行一系列的相關測試，知道系統產生的結果可以被接受。WFM軟體中一般沒有人工智慧的成分，它只會做你想讓它做的工作。
你還需要做一些工作，以保持供應商/客戶間的和諧關係。當他們徵求你的反饋時，全心地對待他們，加入產品用戶組，對於最新的WFM話題保持知曉。還有，參加供應商組織的用戶會議是得到最新培訓、了解軟體的更新信息、以及與具有同樣問題的客戶進行交流、應商組織的用戶會議是得到最新信息的用戶會議是得到最新信息和是你的很好的方式。
TAG:呼叫中心數據分析 |