客服中心智能排班系统与设计及方案说明.docx

客服中心智能排班系统与设计及方案说明.docx

《客服中心智能排班系统与设计及方案说明.docx》由会员分享，可在线阅读，更多相关《客服中心智能排班系统与设计及方案说明.docx（42页珍藏版）》请在冰点文库上搜索。

客服中心智能排班系统与设计及方案说明

客服中心智能排班系统设计方案说明

一、工程概述3

二、排班管理系统流程图4

三、排班管理系统框架图5

四、需求规格描述6

4.1历史话务统计6

4.2异动与规律8

4.3话务与人员预测9

4.4人员与班次11

4.5自动排班11

4.6绩效与报表12

五、业务量与人员预测13

5.1日常数据的收集和统计13

5.2话务量清洗方法13

5.3预测基本原理和方法15

5.4业务量预测的最佳实践20

5.5人员需求预测方法21

六、自动排班介绍23

6.1排班要求23

6.2自动排班方案23

6.3班组排班方案27

6.4机动班方案29

6.5遵时度方案30

工程概述

排班管理系统工程概述：

1、收集并保留各种业务类型的历史业务量数据，包括人工及自动语音接听量、总放弃量、平均通话时间、话后处理时间等。

2、具备科学严谨的业务量预测方法和步骤。

3、不晚于每年度12月完成对下一年度的长期预测，所预测的业务量需要精确到月。

4、不晚于每月度25日完成对下一个月度的短期预测，所预测的业务量需要精确到每日

的每个小时时段。

5、在历史数据预测的基础上，应根据价格变动、临时任务、宣传活动等因素，以周为

单位对短期业务量预测进行实时调整，并留存相关文档。

6、具备对短期业务量预测准确性的分析和管理机制。

7、根据短期预测数据进行人员的合理排班，并不晚于每月度25日完成对下一月度的人

员排班。

8、能够根据对每一时段的业务量预测和服务水平要求，合理安排人员数量与班次，实现人员数量与业务量的最佳匹配。

9、员工排班符合国家相关法律法规和公司的相关规定，符合呼叫中心的业务特点及满足人员利用效率最大化的需求。

班管理系统流程图

排班管理系统主要流程图:

采集历史业务量数据

清洗与异常业务

剔除茅数据

反馈

长期业务

量增长系数

正常业务数据

（预测依据值）

短期业务

量增长系数

反馈

长期业务量预测

短期业务量预测

业务需求

客户需求

绩效目标

预测准确性分析

d

长期业务量预测结果

1

短期业务

量预测结果

预测准

确性分析

服务水平目标

长期人员

需求预测

服务水平目标

时段人员需求预测

1

r

班次

划分

人力资源/

班次人员

人员信息

需求预测

排班班次表

排班条件与排班需求

班次实际人员分配

人力资源/人员信息

X

三、排班管理系统框架图

排班管理系统整体框架图：

排班管理系统

预测参数计算与设置

月份呼入量预测

月份预测结果与调整

年度呼入量预测

月份人员需求预测

|_

月份预测准确性分析

预测参数计算与设置

年度预测结果与调整

年度预测准确性分析

预测参数设定

月份人员预测结果/调整

四、需求规格描述

本章分功能模块描述排班管理系统需求规格说明。

4.1历史话务统计

模块

子功能

功能项

描述

业务话务统计

异常数据处理

异常数据处理

剔除异动话务数据，自动清洗异动话务数据，或人工剔除异动话务的数据。

呼入量统计曲线

时段呼入量统计（周报）

以周”为统计周期，每天一个曲线周期，按时段显示数据统计话务曲线，如图4.1所示。

每日呼入量统计（月报）

以月”为统计周期，每月一个曲线周期，按天显示每日日均数据统计话务曲线，如图4.2所示。

每周呼入量统计（月报）

以月”为统计周期，每周一个曲线周期，每周按天显示每日日均数据统计话务曲线，如图4.3所

示。

每月呼入量统计（年报）

以年”为统计周期，每年一个曲线周期，按月显示一年之内每个月数据统计话务曲线，如图4.4

所示。

图4.1:

以半小时为间隔的一周每日来话量模型图（2004年X月X日）

每乃汀均来iA吊權空舟:

咏

1357911131S171521曲25172911

图4.2:

每月日均来话量模型图（2004年X月1日-31日）

每覺日匀壬诗量嘎誥嚅摄

图4.3:

每周日均来话量模型图（2004年X月1日-31日）

图4.4:

每月来话量模型图（2002年一2004年）

-*-2002

-■-2003

2004

4.2异动与规律

模块

子功能

功能项

描述

异动与规律

类别管理

异动与规律类别管理

类别管理定义异动话务与规律模型的类别属性，如“临时任务”、

“特殊时期”等，方便对异动话务和规律模型进行分类管理以及应用。

异动话务管理

异动话务提示

通过自动提示的异动话务，可便捷快速地将异动话务保存为规律模型，完善规律模型数据。

异动标记记录

“异动标记记录”记录的是从历史话务统计和话务预测中执行

“标记异动话务”操作标记的异动话务，同时可将记录的异动话务转化成规律模型。

数据规律模型

规律模型管理

对规律模型进行编辑、删除等管理操作，冋时亦可手动添加规律模型。

规律应用记录

记录应用过的规律模型。

4.3话务与人员预测

模块

子功能

功能项

描述

话务与人员预测

呼入量预测

月份呼入量预测

月度预测参数计算与设置。

包括有：

月份业务增长预测系数，历史月份话务信息（指数，平均比率，时段比率）。

并且可以对自动计算出的预测参数作修改与调整。

1.按照预测算法，得到月度业务量的预测结果图表。

图例参见历史业务曲线图。

2.业务量预测结果调整，并留存相关文档，备注修改调整原因。

1.准确性分析：

每月生成相应

的实际的话务量曲线图”，

与预测的话务量预测曲线图”对照，分析预测的准确性。

2.可查看全月每日的准确性对比，以及每日各时段的准确性对比，对预测值超出实际值设定偏差范围后给予提示。

如图4.5和4.6所示。

年度呼入量预测

年度预测参数计算与设置。

包括有：

年度业务增长预测系数，月份比率，历史年份话务数据。

并且可以对自动计算出的预测参数作修改与调整。

1.按照预测算法，得到年度业务量的预测结果图表。

图例参见历史业务曲线图。

2.业务量预测结果调整，并留存相关文档，备注修改调整原因。

1.准确性分析：

每年生成相应

的实际的话务量曲线图”，

与预测的话务量预测曲线图”对照。

2.分析预测的准确性，对预测值超出实际值设定偏差范围

后给予提示。

如图4.7所示。

人员需求预测

月份人员需求预测

月份班次参数设定（Erlang-C参

数设置），包括有：

服务水平，平均处理时长。

根据Erlang-C计算各班次人员需求，以及对预测结果进行修改和调整。

年度人员需求预测

年度人员预测参数设定

（Erlang-C参数设置），包括有：

服务水平，平均处理时长，座席占用率。

根据Erlang-C计算各时段人员需求，以及对预测结果进行修改和调整。

班次人员需求预测

自动排班岗位的各班次人员预测结果与调整。

20000

18005

12000

10000

raw

40）0

0

A

A

A

A

A

jfz

-

1

\

JF^

k

/

r

J

Z

V

V

J

<

V

V.

p

*

X

7

■

v

1

2

3

£

E

T

5

IZ

门

X

IE17II

im

血

2'

22

為

24

25

毘

Z7

2B

29

3Q

就•’

号啞4萱

36DS

1102

1^9

=7«!

1230

&530

1217

I1Z2

76SD

77M

ll：

e1124UK-

1EQ010KI2&J

•曲

74CC

I40C-

1TOO

1032

I-3CU

3&7D

1K-3

-"-MWW壬血

UK

1357

1慨

"550

IKff

1234

9!

TO

1W

IT75

5+00

li-92

IMS

«T«

IQW

1305

1TJ5

1SJT

HK-

saw7FD

WM

I2K-

■1%

'1%

叭

・1轩

■IE%

in

>S%

6%

■'2%

22%

.|R%

E|跻

■16%

■I典

州

?

*S■晴

「ir

1%1!

%11%

皿

图4.5:

月份话务量预测准确性分析对比模型

Jf

i

A

4

1

*

f

7

1

J

A

J

¥

/

J

f

MKI

*

/

\

X

V

X

/

严T

*

/

/

7

<

■

2

*

*

*

*

*

♦

•

*

»

■

-Oh

i_M

■a

&

■=■

£

sni

£

z

■<

S曲

-

U

g

I

呈

«L

DD甘

>□

g

■a，El

□a

O

a

■a

0

曲

=

■p

C'

cffl请

■ac

0

<3

n

■aa

■a

a

£

0

c

H

o

ikiz

c

EX

c

M

N

1

J

S-

A

u

JI

K

□B谎淤£

M

HA

He

綁

立

X

2*5

oJ

»C

MC

呷

Mf

，工LK士

.11

u

：

»

u

*

1I

-■-着"鷲占■!

i

A

X

.1

:

■:

as

JC

a=

U

Bh

*■

*

KU£

_K

IE

ns

tea

a=

3二

IK

-1U

ICS

kK

_>r

■:

=

KE

EK

KE

kJ=

■ra

TH

込

二-：

A

27

u

1=L3

■i

i|

*•jig

4

<*

0

A

■

1*l|1*-3*

!

*

a*

>11*

*

■:

*

■_-

A

'-■

■1*

*

■能

A

0

dh

ft

i*

*1*1

图4.6:

每日话务量预测准确性分析对比模型

图4.7:

年度话务量预测准确性分析对比模型

4.4人员与班次

模块

子功能

功能项

描述

人员管理

人员管理

人员信息管理

座席基本信息管理：

增删改查。

班组划分与管理

班组划分与班组组员及组长的管理。

岗位管理

岗位信息管理

岗位基本信息的管理，岗位排班设置管理。

岗位班次管理

各岗位对应班次的管理。

4.5自动排班

模块

子功能

功能项

描述

自动排班

自动排班

个性需求管理

个性排班需求添加与管理，自定义个性化排班。

机动班管理

设置管理机动班。

排班表

1.排班因子调整，设定与修改排班算法与参数。

2.自动生成月度排班表，排班表样式如图4.8所示。

调整排班结果，对自动排班结果进行调整和修改。

3.历史排班快照，对每一次生

成的排班表保存相应的排班数据依据快照信息。

4.6绩效与报表

模块

子功能

功能项

描述

绩效与报表

座席值班统计

座席值班及遵时率统计

座席值班统计报表。

统计参数有：

值班天数，休息天数，总工作时间，值各班次统计，遵时率。

绩效与考核

绩效与考核指标

根据值班统计报表，计算人员工作质量与服务水平，设定绩效与考核指标，进行绩效考核。

图4.9:

每日时段报表

五、业务量与人员预测

5.1日常数据的收集和统计

1.相关数据包括：

通话时长，话后处理时长，平均处理时长，呼叫量，接听量，服务水平。

2.统计周期：

时段、日、周、月、年。

5.2话务量清洗方法

1.清洗粒度：

以半小时话务量为最小清洗粒度。

2.清洗模型：

原始话务量去除月指数影响，去除周指数影响，得到某一个时段的清洗参考

基数后，再加回周指数和月指数的影响，得到清洗的数据范围，原始数据处于正常数据

范围之外的为异常数据，即异动话务。

3.模型分解

（原始数据统计结果表：

timespancallcounthistory,datecallcounthistory,

yearcallcounthistory,week_total,year_total）

（1）以年（自然年）为清洗单位，每一年计算一套清洗标准。

则一年的数据总量为：

1~12月•每月总天数-48个时段，按时段清洗。

（2）清洗X月份Y日（星期WZ时段的话务数据（话务量为S）:

X月指数cm=X月话务总量/全年月份话务总量均值；

y日周指数cw=X月星期w话务量均值/X月中星期一至日话务量均值的均值；

清洗步骤：

1去除月指数与周指数的影响，清洗参考值q一.；'一门飞一

2对于1~12月，每月Y日的清洗参考值都计算出来：

A~A12,

3对A1~A2使用肖维勒准则（见附录）剔除异常的数据，

4计算剔除了异常数据的A1~A12的均值A'

5加回周指数与月指数的影响，二二二，「•・「.，

6设R为清洗度（可配置）,则若岸忙爲机？

鸞，则为正常数据,否则若層应旺纟園为异常数据，需进一步修正，

7对.：

：

_.的数据，用参考值A替换S,修正数据，清洗完毕。

备注：

清洗度的确定跟呼叫中心的话务水平稳定程度有关，稳定程度高时，可设置

更小的清洗度，稳定程度低时，应设置更大的清洗度。

附录:

①肖维勒准则，若满足其残余偏差:

则舊属于异常数据，其中「为样本期望，「为样本标准差，隹J为系数（查表）。

②剔除异常数据之后，对剩余数据重新使用肖维勒准则剔除异常数据，循环判断直至

不再有异常数据。

W1系数表

n

w

n

w

n

w

3

1.38

11

2

25

2.33

4

1.54

12

2.03

30

2.39

5

1.65

13

2.07

40

2.49

6

1.73

14

2.1

50

2.58

7

1.8

15

2.13

100

2.8

8

1.86

16

2.15

9

1.92

18

2.2

10

1.96

20

2.24

（当前月份清洗参照表：

wfm_current_referenee，清洗后结果表

timespan_remove_tran）

4.模型补充

（1）数据量不足一个清洗周期（自然年）时，采用移动周期的方法补足一个清洗周期的

数据，以求得清洗参考值。

例：

假若系统初始安装时为2010年5月15日，原始的话务数据从2009年1月1日开

始采集。

那么清洗2009年的数据时，可用正常的清洗方法完成。

而2010年的数据则需

移动周期补充完整。

具体方法如下表:

时间

1月1日〜4月30日

5月1日〜12月31日

2009每月话务总量

M1~M4

M5~M12

2010每月话务总量

N1~N4

N5~N12（未知）

计算平均月增长系数K（M/Mn

的均值，即每个月增长的均值），每完成一个自然月时，更新K

M5~M12相应放大K倍，得到

N5~N12

特殊地：

1运行之后每年的1月份，清洗1月份数据时，增长系数K为该年的年度增长系

数，1月份完成后再使用月增长计算系数K;

2初始安装时为1月份，清洗1月份数据时，此时并未指定年度增长系数，则需

手工指定年度增长系数。

（2）所有原始话务数据，不足一年时，相应缩小清洗参考值的计算来源范围。

例：

假若系统初始安装是为2010年5月15日，原始的话务数据从2010年1月1日开始采集，那么，此时清洗参考值A不足12个，使用已经完成了的自然月1~4月数据计算清洗参考值。

以后每完成一个自然月重新计算一次。

特殊地，若只有一个月的原始数据，不能完成清洗计算，提示至少需要一个完整月

份的原始历史数据。

5.3预测基本原理和方法

1.

长期预测以月为单位预测

通过长期预测规划下一个

通过对历史数据的分析或假设可以反映未来趋势的系列预测,

整年的电话量，短期预测以小时为单位来预测近期的电话量。

年度的人员及系统配备，通过短期预测调整日常排班，合理安排员工工作。

2.历史业务数据准备

（1）剔除异动话务数据，使用话务量清洗方法剔除异动话务数据，得到不受异动话务影

响的话务数据P。

之后所有计算的数据依据均采用不受异动话务影响的话务数据P。

（2）对所有不受异动话务影响的话务数据P,按其所属周几统计计算周指数，周指数每

年按月份划分，每年每一个月一套周指数。

计算C年X（X为”~12”月份周Y（Y为”一〜日”）指数的方法：

统计计算P中C年X月份里周一〜周日的话务量均值W~W,计算周Y的指数：

VY=，其中Y,n=1,2,3,…,7。

（3）计算历史数据集P经过去除周指数影响的数据集P'

（wfm_timespan_remove_effect,wfm_date_remove_effect,

wfm_month_remove_effect,wfm_history_exponent）

K甲，-杆p

去除周指数影响的数据集P=，周指数V为每一年相应月份的周指数。

（4）将去除周指数影响的数据集P取最近三年数据，用加权平均得到一个包含一年时

间的历史话务数据均值表O

（wfm_timespan_average,wfm_date_average,wfm_month_average,

wfm_exponent_average）

O=f-1?

<1++P'3?

1K-K2）,

其中c表示预测年份，c-1表示预测年份前一年，其他类推；K表示权重（心,K2初

始化为0.6,0.3）。

若只有最近两年数据，则：

O=P>1?

<1+P'?

1-K1）,其中K1初始化为0.6。

若只有最近一年数据，则：

O=Po

历史话务数据均值表O按照一年12个月份划分，并以每半小时为粒度保存话务数据。

历史话务数据均值表结构示意图

月份

123456789101112

日期

1|2|35678「9丨10〕11121314]15161718[1920212223丨24252627丨28丁293031

时段

1|2卜|4]5|6|丨||||||||门||||]||[||||||||||]||[|||||]464|48

（5）取最近三年的周指数V,用类似求均值表0的方法计算出一个预测周指数