大约50多年前，PDCA循环发起人、管理大师爱德华兹·戴明说：“除了上帝，任何人都必须用数据说话。”随着数字经济时代的快速发展，数据已成为驱动社会发展的生产要素，数据什么时候进入我们的生活，成为我们衡量工作或生活的标准，是不得而知的。但是数据已经渗透到我们工作或生活的角角落落，成为工作中必不可少的环节，也影响到各个行业。
客户中心的运营管理离不开数据的支撑，数据管理可以帮助客户中心提高工作效率、找出工作问题、改善客户满意度，从而减少成本。
客户中心每天都会产出各种数据，通过获取到的数据发现问题、找到原因，可以让我们更快速找到合适的解决方案，用数据说话已经成为合格管理者的基本能力素养之一。
客户中心的排班管理同样离不开数据，排班前的准备工作需要收集数据，对数据进行整理、清洗、分析、计算，从而出具最佳排班方案；排班后实际执行班表及服务指标达成情况进行分析，找出实际与排班差异点，发现问题解决问题。
排班管理需要大量的数据支撑，在笔者所在的客户中心，建立了一套现场管理的数据收集模型，称之为时段播报表；时段播报表是实时关注时段指标、话量、缺勤等数据达成并进行分析，根据现场发生的不同情况做出不同的方案进行改进；时段时间根据业务现状情况而定，一般分为15分钟、30分钟和60分钟，笔者所在的客户中心按照30分钟进行监控。
时段播报表分为三大模块进行数据的收集分析：“需求、排班与实际出勤”、“线路交付”、“现场管理”；其中“现场管理”模块需结合“现场实时管理应急方案”来进行填写，现场实时管理应急方案是根据业务日常管理的方案总结出来的一套方案，根据不同的预警情况执行不同的方案来确保现场无异常问题发生，具体如图1所示。
图1：现场实时管理应急方案
“现场实时管理应急方案”不是固定不变的，可以根据各业务现场管理的实际情况进行制定。言归正传，下面就由笔者带领各位了解时段播报表的组成。
需求、排班与实际出勤
图2：时段播报表需求、排班与实际出勤模块
图2为时段播报表中“需求、排班与实际出勤”模块，此模块主要是进行现场人员的管理，各条目定义如下：
客户需求人数：客户提供的各时段需求人数；
排班人数：排班师根据各时段需求人力的分布情况进行拟合安排的实际排班人力；
时段出勤人数：各时段实际出勤的人数；
排班耦合度：排班师排班人数/客户需求人数，排班耦合度主要查看排班师时段拟合是否合理；
时段出勤人数差异值：时段出勤人数-排班人数，此部分主要了解现场各时段缺勤的情况，如果时段指标达成异常可通过人数差异进行分析。
“需求、排班与实际出勤”模块可以了解到排班与客户需求的拟合情况，并能了解各个时段的缺勤情况，缺勤率也是影响指标达成的重要因素之一。
线路交付
图3：时段播报表中的“线路交付”模块
图3为时段播报表中的“线路交付”模块，此模块主要是进行现场话量和指标数据的跟踪，各条目定义如下：
实际来话量：当日各时段实际来话量；
昨日来话量：昨日各时段实际来话量；
排班承接量：排班师通过排班人力和预测效能测算的预估承接话量；
实际承接量：当日各时段实际接起量；
昨日承接量：昨日各时段实际接起量；
排班完成比例：实际承接/排班承接，通过此数据可了解排班师预测的承接量是否有问题，现场的达成是否有问题；
“线路交付”模块是作为指标分析的重要模块之一，当服务指标不达标时，首先分析现场承接是否有问题，如实际承接低于排班承接，可进一步分析现场管控是否存在问题，如效能，耗损等是否高于或低于预测；根据分析结果校准话量、效能和耗损，并重新制定预测方法。
现场管理
图4：时段播报表现场管理模块
图4为时段播报表中的“现场管理”模块，此模块主要是进行现场状态的跟踪和管控，各条目定义如下：
呼等个数：各时段的平均呼等；
剩余接待数：各时段的剩余接待数（语音业务填写空闲数）；
时段集中问题：导致各时段呼等或空闲的问题；
采取行动：针对集中问题采取的措施；
就餐/活动/培训应安排人数：班表中安排的就餐/活动/培训人数；
就餐/活动/培训实际安排人数：实际执行中就餐/活动/培训人数；
就餐/活动/培训问题：安排过程中出现的问题；
“现场管理”模块可以了解到每个时段的话量呼等/空闲情况，现场会根据实际各时段的话量情况结合“现场实时管理应急方案”进行现场管理，对于现场集中性问题记录清楚，现场的用餐及培训情况也需进行如实记录，此处需注意为现场实时问题记录清晰明了，便于后期回顾分析使用。
除上述三个模块之外，此模型还需备注早班负责人及晚班负责人，及当天交接注意事项，可以了解当天值班人员明细，及当天有无特殊情况发生，便于追溯。
图5：某天时段播报表
图5即为某业务某天完整的时段播报表，通过此表中的数据可以清晰的了解到当天所发生的一切，可以有效的还原业务问题，及时避免后续重复问题的发生，从而有效的提升预测、排班，现场管理能力。
此为排班后的数据管理中的一部分，使用中会根据实际情况有或多或少的差异，想要更好的数据管理还需要我们不断的去尝试，去优化，去总结。
结合客户中心实际情况通过对数据进行有效管理、对比、分析、运用，从而提升公司的利益，数据管理显得尤为重要，即将进入人工智能时代，未来需要走的路还很长。
