新闻资讯/News

关注易米云通 让企业更轻松

您现在的位置:首页 - 呼叫中心 - 新闻详情

关注易米云通

易米云二维码

7*24小时服务支持海量解决方案提供

不完全听从于你的WFM软件你还会选择吗

2018-05-04 02:03    来源:呼叫中心数据分析    作者: 分享到微信 分享到新浪微博 分享到QQ空间

 

如果你的呼叫中心在使用劳动力资源管理软件,你很有可能听到过有关这类软件高投入产出比(ROI)的故事。但这些故事很有可能故意漏掉了几条劳动力资源管理(WFM)软件成功的关键信息——比如,支持这一系统的大量“基础设施”建设或改造、识别正确的参数假设所需的不同部门间的协作、提供给业务量预测师的预测算法缺乏必要的灵活性等等。事实是,劳动力资源管理应用是相对比较复杂且耗时较长的;业务量预测算法的代码并不是开源的,很难交由业务量预测师自主管理;软件本身强迫用户按照预先设定的规则行事等。

此外,用户还经常碰到其它一些陷阱。你的软件可能在时段细分上比较固执(比如,任何数据都必须是以事先设定的30分钟时段来统计的)。软件从交换机收集原始数据的方式导致了落后的数据挖掘陋习;一些软件把这一过程完全自动化,阻止用户对异常数据的修正。它并不总是能够提供从可替换的固定预测类型到灾难恢复或特殊事件记录的转换途径,因此对于特殊事件的过程数据记录不得不在系统外来完成。一些软件总是试图采用最近的平均处理时长,导致业务量预测结果完全忽视了平均处理时长的波动性。它们非常难以开发和跟踪新员工的AHT曲线,尤其是当你不得不考虑到新员工班级规模、影响的时间长度,以及同时发生的很多其它的特殊事件。

自动和手动方法相结合保持预测的一致性

在我看来,劳动力资源管理软件最严格也是最具有害性的一点是它的单一化预测方法论。大多数厂商都在使用时间序列预测法。如果你有超过24个月的连续话务数据,你的话务组很稳定(意味着坐席不需要经常签入不同的话务组接听不同类型的客户来电),并且你的来电驱动因素简单、稳定的话,这种预测方法是非常好的。

undefined

它常常是我建立预测模型的第一选择,但我却不记得有任何时候仅仅依靠时间序列一种预测方法就能够达到比较满意的预测结果。业务量预测总是需要在时间序列法的基础上融合进某种形式的回归预测、驱动因素调整(有着具体的起始和终止区间)、市场部门提供的应用数据、以及基于当前外部经济形势的季节性波动趋势等。这种预测方法与数据的整合还要仔细地进行不断的平衡调整:影响业务量波动的新元素被加进来,而后又被剥离出去,而且这种情况并不会以一种整齐有序的方式发生。

一种更加负责任的业务量预测方式是以坚实的数据统计和正常的条件假设开始,然后逐步加入市场及活动信息、中心内部及部门间协作沟通的结果信息,并以某种核对与验证流程结束预测。这种预测方式将会给你一个更加准确和一致(并可据此配置资源)的预测结果。手工做出一份预测,并把结果与软件的预测进行对比总是一件非常有趣的事。

但是,劳动力资源管理软件商总是喜欢说:“使用类似EXCEL这样的工具,你是不能完成高质量的业务量预测工作的。你需要我们的产品才能更好地帮你完成这项工作。“今年3月份我参加了在拉斯维加斯举行的”业务量预测焦点研讨会“(并没有WFM厂商参会),很有意思的是听到与会的大多数人都说他们也非常喜欢用EXCEL来进行业务量预测。一些人给EXCEL增加了插件和宏(就像我所使用的一样),但他们所采用的预测方法论仍然是非常先进和严谨的。另外,EXCEL预测中所采用的预测方法都将关注重点放在了预测结果的准确性上——预测结果是准确的还是不准确的,如果不准确,可以很快发现是哪种方法或工具出了问题,并能够在后续预测中进行矫正——这也是WFM工具所普遍缺乏的另一个功能。

了解软件的局限性

劳动力资源管理(WFM)软件的发展与进化到现在,终于出现了一些折衷的版本,允许用户手工输入、甚至导入比系统自主生成的数据质量更高的相关历史数据记录、处理时长以及预测数据。利用导入的数据进行业务量预测的价值在于你可以充分利用你自己非常专业、更加精准预测数据,但仍然利用劳动力资源管理软件进行相关的数字计算与分解工作,把每日数据分解成时段数据,并生成员工排班表,进行日间数据跟踪和管理员工班表例外情况数据库。

WFM软件可以完美地完成这些工作,不论你的呼叫中心 规模大小。因此,一切都要归结于你是否充分了解了软件的局限性。

软件最大的局限性是它不会像人的思维一样去验证数据的合理性。把业务量预测过程完全自动化就会完全忽略合理性验证。例如,我曾经使用过WFM软件来为一个业务量急剧下降的坐席组生成为期两年的业务量及人员需求预测。在第15个月的时候,系统测算出这个坐席组将会接收到0来电量。在第16个月的时候,系统预计该坐席组将会接听的来电量为负数。更加糟糕的是,系统生成的成本需求报表把这几个月的成本自动转换成了利润数据。

这些过度简化了的WFM系统算法无法胜任多层级、多类型来电组别的运营环境。如果有新的事件的加入,系统的反应将会滞后。这时,来电量趋势的调整、均摊以及调整后的曲线拟合都是必要的,但WFM软件却不像人工预测专家那样知道该何时采取这些措施。事件的清除同样重要,它并不会简单地突然停止,而是需要仔细地按照规划退出。一旦预测模型相对稳定了,预测方法也就相对固定下来。但如果仍然有很多的来电量波动影响因素,那么我们则需要一个更加成熟和复杂的模型。

软件购买前应考虑哪些因素?

如果你正打算采购WFM软件,以下是供你在决定购买前考虑的两条建议:

向多家厂商发送WFM软件招标书。招标书应该把最大的比重向最关键的功能(必须具有不可的功能)倾斜。例如,如果你的呼叫中心是呼入/呼出混合型的,你应该把呼出功能组件放在“通过/拒绝”选项里,而不仅仅是赋予较高的权重。

让厂商参与“业务量预测/排班测试”。为每一家厂商提供一份完全相同的原始数据让他们来展示他们的软件应用。这将使你了解到选取不同厂商的产品时你所不得不面对的不同的工作任务和工作量是什么。如果他们的预测结果太笼统,你就会知道你将需要在系统外要做哪些附加的细化工作。再看一下他们给出的排班表,是否大都是你的一线坐席愿意接受的班次安排。把所有厂商的测试结果进行对比,将会使你很容易选择最后的赢家。

一旦你购买了一套WFM系统,你将需要知道你想让系统做哪些工作,并把相关的参数和设置调整优化到位。这将需要你使用原始数据进行一系列的相关测试,知道系统产生的结果可以被接受。WFM软件中一般没有人工智能的成分,它只会做你想让它做的工作。

你还需要做一些工作,以保持供应商/客户间的和谐关系。当他们征求你的反馈时,全心地对待他们,加入产品用户组,对于最新的WFM话题保持知晓。还有,参加供应商组织的用户会议是得到最新培训、了解软件的更新信息、以及与具有同样问题的客户进行交流的很好的方式。

服务7*24小时服务

答疑在线答疑