呼叫中心行业，根据顾客预期和服务类型，会有服务水平和接通率的不同指标的考量，和接通率相对应的即是放弃率。服务水平和放弃率是有一定的相关性的，本文旨在看一下放弃率和服务水平存在的相关性，并将日常常见的问题做一解答：
以团队规模50人的业务为例，收集其在90天内的放弃率和服务水平的数据，做散点图，放弃率和服务水平存在相关性，在使用相关性，我们能知道的是R方值越大，存在的相关性越强，我们如何判定使用其指数相关、对数相关还是其他相关呢？
下面做一简单的展示，我们采用了四种函数关系及分别对应的R方值（如表a），每种函数关系下，都推断了一组放弃率下的可能达成服务水平值（如表b），数据展示如下：
在以上表格中展示的数据中，我们可以很明显的看出的是，R方值最大的指数关系中，更符合于现实情况，故而采用此数学相关，散点图如下：
基于以上测量的相关公式，在数学关系上可推算出，相对应的放弃率下服务水平指标达成情况，对应数据如下表，即可看出，当放弃率超43%时，服务水平已近乎0；而在实际运营中，经常会遇到如下几种情况：
部分天数的放弃率在符合要求的情况下，服务水平却很低，同时对应的人员利用率也会很低，因此会引发是否会和人员利用率相关联的设想，在此基础上，我们抽取了某业务14天的数据，做了如下分析：
1
将人员利用率、服务水平看相关性，两者是不相关的；在这个基础上，我们来看人员利用率的公式中，包含的分子分母，分子是员工的通话时长和就绪时长之和，分母是员工的登录时间；那我们是可以相信，利用率达成相近的两天，可能一天是通话时间长，空闲低，服务水平达成较低；另外一天是通话时间短，空闲时间长，服务水平达成较高。这也是符合实际情况的，线路越忙的情况下，人员利用率的达成是越高的，但是相对应的，当有足够多的人排队的时候，相对应的服务水平的达成即会是越低的；
2
再看，登录时间中，除了通话时间、就绪时间、持机时间、话后处理时间，还有培训、会议等非工作时间，当这部分时间如果占用了排班时间，那一定是会服务水平达成造成影响，这就对排班做了要求，培训、会议等需要提前预估到的需要直接排入线路，现场管理人员实际运营中，在业务规模较小的团队中，是不可以随便安排的；
3
除以上情况外，还会存在部门员工的利用率相近，但是占用率相差会很多的情况，我们还是用分析上一个问题的同周期的各个指标数据来分析。
在分析中发现，此团队中，合计整体来看达成指标，但是其中是分2条技能条线，每条技能条线的话量占整体话量的比例预计是1：2，而且员工技能之间互相不为多技能，那我们就可以把数据拆分来看，发现一个很有意思的现象。
运营时间一致的两个业务，话量低的业务整体的占用率达成偏低，从排班上看，在用Erlang-C测量话量和需求人力时，对应着有小数的情况，而实际的排定中，不可能排上0.2个人，只能按整数1安排，从全天来看，全部都是进位的情况下，实际的人力是比需求多的，线上会有更多的空闲，相对应的占用率就会低；
4
那把员工拿到同一技能下来看，也会是有以上说的这种情况。
排班拟合度会直接影响周期内员工的实际达成，比如，一周内，安排A员工全是话量高的时段上班，而B员工全部是晚班，晚班的时段话量在话务趋势上普遍是低于白天的，用上文中我们提的逻辑来看，B员工的占用率是低于A员工，这个理论在实际的数据验证中也是可以验证的。
在放弃率、服务水平都有要求的业务下，我们其实更要看的是服务水平要求下，员工的数据达成在一个什么样子的水平才是符合正常的情况。这就对排班提出了更高的要求，如何在服务水平和员工满意度之间寻求一个高效的平衡点，是一个值得深究的问题， 如何再深入中探究更多，需要在实践中慢慢探索。
