近年来，随着科技技术（互联网技术、人工智能技术、大数据分析技术）的不断进步与成熟，很多传统运营模式的企业都遭受到了冲击，其中以信息通信服务为核心的呼叫中心企业更是首当其冲。纵观整个呼叫中心行业的发展历程，从以热线电话为基础的第一代呼叫中心到多接入方式并配备大型数据库中心的第四代呼叫中心，科技技术一直在呼叫中心行业发展中占据举足轻重的地位，可以说每次通讯技术的跨越，都会带来一次呼叫中心行业大的变革。
毋庸置疑，新一轮科技技术的进步（例如5G通信技术）将会给呼叫中心行业带来新一轮的活力和机遇（据统计，我国呼叫中心的投资规模2010年仅为594亿元，至2017年上升至1821亿元，增长了两倍多，年复合增长率达17.4%）。呼叫中心行业的服务模式必然也会随着科技技术的发展向着智能化、多元化的方向发展。
在未来，科技让我们的生活更智能，但并不意味着传统人工客服被取代，人工客服区别于服务自主性较低的智能客服机器人，在第三服务产业有着得天独厚的优势，但服务自主性和服务体感这一点就是当下人工智能无法取代的。在未来，人工客服势必会作为企业服务核心竞争力，担负着更大的企业服务价值。所以，随着科技技术在呼叫中心领域发展和应用，呼叫中心企业的人力成本会大幅提高，也就需要更科学精准的人力管理方案来提升企业的竞争力。
提及人力管理，我们都知道人工客服最关心的两个方面无外乎薪资和班时，薪资在一个行业当中都有基本的薪资绩效算法，在呼叫中心运营管理当中，座席员除了不了解薪资绩效提出异议之外，很少有直接的反馈或者建议，即使有关于薪资的不满，大多情况下也只是当做一种抱怨；而提及与座席员有直接关系的班时，班时的好坏往往会直接会影响到座席员的状态及情绪。
在呼叫中心行业当中，员工经常把班时的好坏作为评价一个呼叫中心优劣的标准，使班时成为了呼叫中心企业的隐形竞争力。因此在新一代的呼叫中心革新发展中，对于座席员排班的管理，我们必须打破常规，与时俱进，考虑更科学精细管理思路。
预测
排班管理简单来说就是让合适的人出现在合适的位置，想要做好排班管理首先要做的就是对业务量进行预测，对人员属性进行预测。
目前很多传统的呼叫中心大多使用基于EXCEL的手工预测的方式，预测方法无外乎算术平均值，加权算法或者跟踪周期增长率等方式。预测结果也基本可以满足当前运营指标需求，但是在未来呼叫中心的发展当中，特别是大型呼叫中心的预测方向还是要科技技术的应用来做到更精细化的预测。
例如我们所运营的交通服务类的业务，服务需求的发生主要受人群、假日、活动、季节、天气、政策等等因素的影响，在进行服务量预测时候便需要借助大量数据分析技术，对人群——所服务城市的服务量占比、人员规模占比、人员的季节性流程趋势及周期性流动趋势进行跟踪预测：
例如周六日各城市人员流动比例上涨，引发服务需求量的提升；
对假日和活动——跟踪每个假日或者活动分别会对各服务城市服务需求量带来的影响比例；
对季节和周期——跟踪每个季节，以及在一日当中每个时段服务发生的频次和波动；
对天气——通过实时关联的天气系统跟踪各种不同程度等级天气情况引发的服务量波动；
对策略——跟踪活跃用户的群体属性、集中范围及作息规律等等，对所有可触发因素进行独立预测，再将最终的预测因子依次加权来得到更精准的预测结果。
区别于传统简单的预测方式，如此细致的因子的捕捉，如果单靠我们原本的传统预测方式根本无法实现或者投入成本会很高，但是随着大数据技术的发展，这些看似繁琐困难的问题，都将迎刃而解。
人员需求要求及排班
有了精准的预测之后，下一步就是人员需求要求及排班的流程，人员需求要求简单来说就是人力的计算以及人员属性的配置。
目前呼叫中心当中主流的人力计算方法主要有线性计算方式及基于ErlangC公式的人力计算方式，两种方式目前基本可以满足各企业对于服务指标保障的需求，但是随着人员管理精细化要求的提升，特别是在面向大型、多元化、多座席组别，多路由策略的呼叫中心来说，这两种预测方式已渐渐脱离企业对于预测准确度的要求。
所以目前很多大型呼叫中心已开始使用基于计算机技术的计算机模拟法进行计算，所谓计算机模拟法就是将预测的颗粒细化到手工无法支撑更小时段，结合实际路由，座席员属性，中继线组合，预测弃呼参数，耗损参数等数据通过计算运算中心模拟呼叫中心实际话务参数、队列状态、座席员状态等情况。
类似于我们接触比较多的天气预报，就是结合实时的云层动态和历史情况来预测天气一样，通过不断地案例收集，精度会不断的提高。同时计算机模拟法还能模拟特殊事故发生下的业务参数情况，来寻求更精确的人力计算结果。
排班所追求的是座席员对于班表满意度的反馈，目前手工班表面临的压力一是员工班次偏好收集和预测，再一个便是手工班表的产出效率。
目前，在面对几百号座席员的班表安排时，排班管理者无法对每一个的员工的喜好进行良好的评估，因此当下的呼叫中心排班基本上都是在班时平衡上煞费苦心，想通过班次的平衡来提升排班满意度，于此同时为了迎合座席员的个性化需求，部分呼叫中心会在排班周期前调研员工需求，班表下发后开设简单快捷的换班途径，来提升排班满意度。
对于班表的产出效率，排班管理者在接收到业务场景变更或者需求变更的问题后，从新预测的调整到新班表的下达，所需要的排班周期一般都得几个小时的处理时间，而且随着运营规模的大小和复杂程度还要增加。而呼叫中心话务趋势本身会受很多像天气的突发因素的影响，是一个动态的变化过程，需要排班管理者及时作出回应及修订，在此过程无论对于排班管理者来说还是对于业务需求来说都是一个比较大的挑战。
记忆存储能力和运算能力是智能计算机的优势，面临此类问题我们不妨考虑交给人工智能来处理，通过对每个座席员属性、历史班次记录，出勤情况等参数进行分析，做出每个呼叫中心座席员的自画像，定义每个员工的偏好班时，在进行班表排布时，在设定的平衡规则内，由每个座席员的偏好属性安排相应的偏好班次。
在保障座席员疑难班次相对平衡的情况下，结合每个员工的系统画像，安排个性班次。例如通过座席员基础信息的收集，对女性座席员生理期的时间进行预测，并提前进行月度班次的规划，给女职员安排一些福利班次和休班，会让员工的幸福感大幅提升，同时也变相的提升了业务的工作效率。设想一下如果是对于传统的手工班表的来说，要求排班管理者去记忆几百个女座席员的生理周期可以说几乎是一个不可能的事情。但是如果我们依附于新兴人工智能技术的发展，整个事情似乎就变得明朗起来。
实时管理
实时管理为排班管理流程当中的最后一步，主要作用便是对于排班结果的跟踪及执行的监控。
新技术的发展给我们带来挑战的同时，更多的还是给了我们新的问题处理方法，例如实时监控中的问题，通过大数据技术及计算技术的结合，可以实时的监控业务服务量的波动，并且给出新的预测结果和建议解决方案。同样对于座席员执行水平的监控，利用智能识别技术可以保障座席员按时准确的出勤，而且可以对座席员的工作水平进行跟踪，保障座席员解答的准确性。
当下有很多公司引人了健康管理系统，员工每天上班后的健康状态、情绪水平都会被准确的纳入监控管理，在体现企业的人性化管理，增加员工归属感的同时，保障企业人员有一个良好的工作状态和效率。
总之，随着科技技术的成熟与发展，呼叫中心行业在不久的将来就会迎来新一轮的技术变革。这种高新技术的变革，对我们当前相对传统的管理方式来说是一种挑战，更是一种机遇。挑战是逼迫我们从机械简单的工作当中总结经验，优化工作流程，提升工作效率及产能。机遇是原本很多因为操作流程复杂或者搭建成本过高的细致化管理理念和方法都将有机会被付诸实践。
我相信，随着科技技术的加入，未来的呼叫中心排班管理当中人员舒适水平和话务趋势需求的症结将会变得更加顺畅，我们一直所摸索的效率和满意度的平衡点将更加清晰。
