话务预测是客服中心现场运营管理中的第一个环节，也是最重要的一个环节。只有精准的话务预测才可以进行准确的人力排布，提高人工座席利用率，进而提高服务水平并降低人力成本。精准的话务预测也可以提前对未来运营做出预警，为提高服务水平奠定基础。话务预测不仅对时段、日、月这种较小时间维度内的人力排布起决定性作用，而且可以对年度运营起到较大的指导作用。例如客服中心年度人员需求、何时需要进行人员招聘等客服中心运营管理中的各个环节。
光大银行客户满意中心已走过十五个年头，最初业务类型单一、规模小、来电较为稳定，预测基本采用的是平均值预测法及移动平均预测法行预测。随着光大银行业务增加、客户群体扩张、客户黏度增加，来电逐年增长。影响话务的因素也随之增加，为预测带来不小的挑战。例如目前光大银行信用卡就有10个以上的客户群按照不同的还款周期带来相似规律的话务量，如果再使用平均值的预测方法进行预测，很难再做到预测的精准。我们现在SAS系统中使用ARIMA时间序列预测模型进行预测。附图为信用卡两个不同的还款周期的来话量图示（如图1）。
图1：不同还款周期的来话量
一、不同话务预测方法适用不同阶段的呼叫中心
话务预测属时间序列预测范畴，预测方法从简至难，多种多样，但是需要根据客服中心的主要业务、规模、话务来电规律及需达到的服务水平目标进行合理选择。否则，你即使选择最复杂的预测方法，但如果不适合自己的预测环境，那只能给你带来较多的麻烦，而结果相差无几。下面是几种常见的预测方法：
1、平均值预测法
平均值预测法广泛应用在业务单一、话务较稳定的客服中心。
具体公式为：预测值＝所有历史数据的平均值。
2、移动平均预测法
移动平均预测法仅对与预测时间内数据相关性最大的N个历史数据求平均值。
具体公式为：预测值＝N个相关性较大的历史数据的平均值。
3、指数平滑预测法
指数平滑预测方法是对移动平均法的改进，是将不同大小权重赋予与目前时间段相关的N个历史数据。
具体公式为：预测值＝n1（历史数据1）＋n2（历史数据2）+…+（1－nn）（ 历史数据n） 。
4、ARIMA模型
ARIMA是自动回归积分滑动平均模型，它主要使用在有长期趋势与季节性波动的时间序列的分析预测中。ARIMA的思路很简单，首先用差分去掉季节性波动，然后去掉长期趋势，然后平滑序列，最后用一个线性函数+白噪声的形式来拟合序列。
