客服中心智能排班系统设计方案说明
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
客服中心智能排班系统设计方案说明
目录
一、工程概述2
二、排班管理系统流程图3
三、排班管理系统框架图4
四、需求规格描述5
4.1历史话务统计6
4.2异动及规律9
4.3话务及人员预测10
4.4人员及班次14
4.5自动排班15
4.6绩效及报表15
五、业务量及人员预测17
5.1日常数据的收集和统计17
5.2话务量清洗方法17
5.3预测基本原理和方法21
5.4业务量预测的最佳实践28
5.5人员需求预测方法28
六、自动排班介绍30
6.1排班要求30
6.2自动排班方案31
6.3班组排班方案38
6.4机动班方案40
6.5遵时度方案41
一、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,合理安排人员数量及班次,实现人员数量及业务量的最佳匹配。
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。
二、排班管理系统流程图
排班管理系统主要流程图:
三、排班管理系统框架图
排班管理系统整体框架图:
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
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)
图4.2:每月日均来话量模型图(2004年X月1日-31日)
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-2004年)
4.2异动及规律
4.3话务及人员预测
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及调整。
图4.5:月份话务量预测准确性分析对比模型图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人员及班次
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。
班组划分及管理
班组划分及班组组员及
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
4.6绩效及报表
块
绩效及报表座席值班统计
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。
绩效及考核绩效及考核指标
根据值班统计报表,计算
人员工作质量及服务水
平,设定绩效及考核指
标,进行绩效考核。
图4.9:每日时段报表
五、业务量及人员预测
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W)Z时段的话务数据(话务量为S):
X月指数C m = X月话务总量/全年月份话务总量均值;
Y日周指数C w = 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去除月指数及周指数的影响,清洗参考值,
②对于1~12月,每月Y日的清洗参考值都计算出来:A1~A12,
③对A1~A12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加回周指数及月指数的影响,,
⑥设R为清洗度(可配置),则若,则为正常数据,
否则若为异常数据,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:
则属于异常数据,其中为样本期望,为样本标准差,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