都说呼叫中心的管理难：人多难管，数杂难理，班表难排，流程难定，质量难一致。。。。。。而这当中受个人影响最大，与每个话务员相关性相大，影响数据最多的，最受争议的，当数班表。
班表一边关系着话务量的拟合、人力的成本，另一方面影响着管理的方向和管理指标的落实。他会影响着大部分的KPI指标，如：接通率、服务水平、平均等候时长、平均占线率、考勤率、人员流动率、单次呼叫成本。。。。。。呼叫中心的大部分工作都跟他密不可分，串联和影响着呼叫中心的日常管理、考勤、培训、绩效等，因此班表排得好与差直接影响着呼叫中心的整体运作。曾有一个说法是：一个好的排班师能顶上半个呼叫中心。
现时帮助我们排班的工具通常有EXCL手工排班，以及软件系统排班。在这里我们就呼入队列使用手工排班的过程做一个简要的讲述。
手工排班的过程总的来说可分前期分析、话务预测、排班与合理性检验四个部分，现就这四个部分进行简要的阐述。
前期分析
每个呼叫中心排班前，我们都需要对其基本情况进行分析，了解你所排线路的线路走势、话务规律、影响话务的具体因素、管理层面的要求、员工层面的实情等等。
在这些因素当中最重要，同是也最难克服的是话务自有规则，一般而言，针对服务于公众客户和服务于商业客户的话务会有两个完全不一样的规律。商业客户主要是呈周规律特征，周一到五呼入量相对较高，节假日呼入量低。下图为某呼叫中心08年9月日呼入图：
时走势是典型的早上10：00，下午15：00两个双驼峰的趋势。班次主要是以行政班次为主，对话务员的身体影响相对而言不大，排班时还需注意一下话务员的公平性及总工时的落差不能过大。时趋势如下图所示：
而对于服务对象为公众客户的话务服务而言，主要受服务提供者的商业活动影响较大。移动的动感地带就是比较明显的个案。他们受每月的帐期影响，月初呼入量较大，公众休息日对其影响不大，下图为某地动感地带的业务日走势图：
时走势方面与商业客户的走法也有很大的区别，呼入的重点时段是每天两个就餐时段和晚上。而这些时段正是对话务员身体规律影响较大的时段。时话务走势图如下：
其他的影响因素会因应各个呼叫中心的不同情况而进行相关的分析，具体可以参看《排班前期分析》。前期的分析是基础，不单只是手工排班的时候需要，通过系统排班时也是会影响着后面参数的设定。
前期的分析工作做得如何会直接影响排班的效果的执行，一份好的班表不单是让接通率和人员利用率达到最大化，还要看他是可行性如何？是否跟管理方法相一致？是否跟中心的关注点相吻合？对于电信业而言，中心的关注点是人员利用率，成本效应。但对于银行业而言，他们则更关心人员的稳定性了。
话务预测
做了相关的一些前期数据的分析后，下一步，就要开始下一排班周期的话务预测，下图为话务预测的基准线路。
1、历史话务数据分析：
在话务数据的预测当中最主要的数据一定是呼入量、接通率和平均处理时长三个数据，其中平均处理时长是指平均通话时长加上平均事后处理时长而得，这个数据我们可以通过内部管理、流程简化、统一处理口径等方法来进行控制。平均处理时长的长短直接影响到人力资源的分配，如果平均处理时长的落差不大，我们可以暂时不做预测，而取平均值来进行计算，但是如果落差太大，同样的也要进行一定相关的预测。
平均处理时长的长短在同一呼入量的情况下，直接影响着接通率，而接通率一般而言是我们的考核指标，我们是希望他能达到某一合理数值。
呼入量的预测是我们最主要的预测对象，他不受排班师或者是内部管理人员的主要控制。前文中已提到了两个类别的走势图，其他线路的呼入也是跟相类似，或者是两者兼有，如政务类的，呼入量会跟商务客户的走势相似，但一般而言周一的呼入量最大。银行业务兼有商业客户和公众客户的特点，他们午餐时段的呼入量很大，晚上8：30后呼入量减少比较明显（受每个城市的消费习惯影响）。
在历史话务数据中，我们需要对他的年业务呼入量、月呼入量、日呼入量、周呼入量和时呼入量进行相关的列表分类统计，画出相应的曲线或柱状图。对我们所需排班线路的整体呼入量有个全局的了解。
2、剔除异常数据：
在已有的数据中，受各种因素的影响，如故障、系统割接、外来因素，统计口径不统一等，数据上会有一些异常，明显高于或低于原有话务量，这些我们都认为他是不符合话务规律的点；另外个别时间，如果接通率过低，而这个低的量明显是由于重复呼入而造成的；在话务预测前，需要对他进行剔除，否则影响到下一周期话务预测的准确性。这个过程我们称为高音清洗。
3、找到话务规律：
清洗了数据以后，我们可以通过EXCL图表方式找到他的主要规律，包括年规律、月周规律、周规律、日规律和时规律。
一个成熟的呼入线路，每个业务会有比较明显的规则，但目前国内呼叫中心相对都比较年轻，而年呼入量更多的是受中心所属企业的政策、战略影响，因此年规律相对而言没有太明显的规律，我们需要的是找到他的增长系数。
每个业务在每年的不同时期都会有淡旺季的分别，月规律图表中，重要是的找到每个月的淡旺季，并找到相关中数、众数与正负增长系数。
如果呼叫中心所在的城市中，大学生的比例较多而他们又是我们服务的主要群体之一，这时6、7、8、2月的呼入可能就会比较低了。
在每天的呼入中，对不同的业务，有些是周规律，有些是呈月规律。这些数据我们都可以在日报表的数据中可以直接取数分析。
对于时报表，重点就是找出哪个时段是重点时段，他对整体接通率的影响是多少？
中国大部分的业务都会受到农历节假日的因素影响，而影响量可能是正也可能是负，不同的城市不同的业务有不同的方向及量。
在采用系统排班时，这些规律都将直接呈现，而不需要再做太多的分析工作。
4、生成下期基准量：
话务预测的方法比较多，业内用得较多的是包括：上期预测法、移动平均值法、加权移动平均值法、指数平滑法、多元向量法等。
每个业务都有自己独特的预测方法，以及综合两到三种的方法而产生下一周期话务量，排班师在些之前需要仔细摸索与分析。如果114的话务中可能采用移动平均法来设定会比较好，但10086可能会采用上期预测法及指数平滑法就合适多了。
采用不同时段为基数，预测方法也因应而变。
5、附加相关因素
生成了下一阶段的呼入预测基准量后，如果没有其他影响因素这个话务预测即已完成，但对于大部分的话务都会有很多的影响因素。实际上会出现下面的情况：
这时，在话务预测中就需要加入相关的影响因素和影响系数和绝对量，这些因素包括有：营销策略、营销方法、系统升级、天气、节日活动、外在因素等等，排班师需要充分考虑各个因素及历史业务量。
6、生成下期预测量
完成以上步骤后，下期的话务预测量基本可以完成。
当然，上述步骤在排班软件都会充分考虑，并根据其具体情况生成下一周期话务预测量。
本期我主要从操作实务的角度，分析了排班的第一、二部分——前期分析与话务预测，所谓凡事预则立、不预则废，成功的预测为我们建立优秀的班务奠定了基础。我将利用以后的机会，和朋友们一起分享手工排班的经验。
高咏姿
