笔者在此之前有谈过关于大型呼叫中心普遍面临的六大困难：现场人员管理难、排班难、招聘难、服务一致性难、完成投诉积压难、提升员工工作自豪感难。本篇，笔者将针对呼叫中心该如何进行手工排班这一问题，来和大家分享。
众所周知，呼叫中心管理金三角为“数据——排班——现场管理”。整个金三角以数据为中心，只有基于准确的数据基础，排班师才能做到相对准确的话务预测与人员排班，而现场管理的职责是对排班师的班表做出最圆满的执行。所以，无论是系统排班还是手工排班，准确的数据基础是保证服务水平的关键。
我们一起看看系统排班与手工排班的共同点与不同点：
共同点：
①以真实的历史数据为基础，数据点需12个月以上（才能看出变化趋势）才能被参考；
②同一周期内的增长率，如去年X月与今年X月的比较增率（可为负数）；
③同一周期内的季节因素；
④同一周期内的节假日因素；
⑤营销活动影响；
⑥重复拨打情况；
⑦放弃率（客户主动放弃电话比率）；
⑧人员损耗（日损耗及时段损耗），如员工请病事假等不可预知的缺勤；
⑨排班师经验。
不同点：
①自动化VS手工。
系统排班可直接得出话务日/月/年模型，并可随时适当调整话务影响因子，以符合要求。手工排班需手工建立EXCEL表格及公式，数据录入稍有不慎则结果大相径庭。
②模版化VS灵活。
系统排班往往有固定的班别模式，对于人性化较高或排班限制较多的呼叫中心（如员工班车限制、休假限制等）较不合适，因系统排班往往是为耦合话务量排班，而缺乏人性管理的考虑。而手工排班则可考虑这些人性化因素。
系统排班是科学的排班工具，准确率较高。目前大部分排班软件都是应用爱尔兰C公式进行的话务预测，但爱尔兰C公式是假设客户永远在等待，不会放弃电话的前提下进行运算的，与呼叫中心的实质有较大出入。很少手工排班的呼叫中心排班师会用爱尔兰C公式进行话务预测与话务员人数预测。接下来，笔者将和大家共同探讨手工如何更好地拟合话务量进行排班。
首先，谈谈如何进行话务预测。
一、真实的历史呼入号码数据
真实的、准确的数据是话务预测的基础。我们每天都得到很多数据，呼入量2.1万，服务水平75％/20s等等。如果排班师利用的是这些时/日/月的呼入量数据进行话务量预测，那预测的结果绝对偏离事实。因为这些呼入量是假定在100％接通率，所有电话都在一次内被接起的前提，而事实并非如此，我们的服务水平仍然不高。我们往往很容易忽略了重复拨打率。即2.1万的呼入量里，也许有3000个，甚至5000个都是客户的重复拨打。造成重复拨打的原因有很多，如一次性问题解决率、服务水平等等，其中排班的好坏是主要因素。那这些我们每天看到的数据难道就没有意义了吗？其实不是，它们可以帮助管理者深入分析员工的一次性问题解决率情况及排班师的水平。
排班师在进行话务量预测时，需要用真实的呼入号码数据作为预测基础。真实呼入号码数的定义为客户拨打呼叫中心的号码的个数，反映的是客户的真实需求。即当日呼入量2.1万，但也许有3000个是客户的重复拨打，则真实的客户需求只有1.8万个（假设所有客户当天只有同一个需求）。我们需要取到时段/日的真实呼入号码数，才能得出客户的需求模型。
从日模型、周模型及月模型的数据结果，我们发现该话务具有强烈的日规律与周规律，月规律不明显，但注意到每月月初、6日-10日、月底话务均较高。故在进行手工排班的时候，人员安排要遵守日规律、周规律、月固定忙日来进行调整。
二、同一周期内的增长率
根据手头上已有的真实号码数据，我们可以对比去年与今年的年增长率、月增长率等统一周期内的增长率，从而估算本次排班话务预测的增长话务。也可以从市场部门拿到全年的客户增长计划，估算每月的客户增长率。
三、同一周期内的季节因素
对比去年每个月之间真实号码数受季节因素变化的情况，因季节因素是较为抽象的概念，故多评排班师经验判断。但在呼叫中心工作多年的运营主管会发现，冬天全月的呼入量较夏天要少，冬天早上与晚上的呼入量也较夏天少，客户拨打电话时间集中在白天；而夏天客户的电话可能从一大早一直忙碌到夜晚。这就是存在了明显的季节影响。在做手工排班的时候，排班师需参考历年的数据去判断季节因素的影响，同时在设置班次时也需要考虑到季节因素对客户拨打行为的影响。
四、同一周期内的节假日因素
排班师在进行次月话务预测时，需要考虑到节假日的影响。同样参考历年的节假日真实号码数的变化情况。像元旦、春节、五一、中秋、十一、圣诞、寒暑假等大的节假日，排班师需慎重考虑。在每次重大节假日过后，排班师都需要回顾并且分析节假日话务模型，作为日后排班的有力参考数据。
五、营销活动影响
每月进行排班工作前，排班师需要向业务管理员或市场部了解次月的营销活动情况，是属于常规的营销活动，还是新上线的大型营销活动。每次营销活动后，排班师都需要记录该次活动对话务的影响作为日后参考。同样，在每次排班前，排班师需参考曾经做过的营销活动记录，如遇新上线的影响活动，则需提前做话务影响预判。话务预判工作需和业务管理员共同讨论进行。
六、重复拨打情况
客户的重复拨打行为由很多原因造成，如中继不足、排班安排人数不足、问题没有解决，等等。故每日报表呈现给我们的呼入量数据对排班没有很大的意义。但是，我们不难发现，在大部分常规的日子里（除重大故障影响或重大营销活动影响外），同一周期内的真实号码数与呼入量之间的重复拨打率是基本相近的。排班师根据历史数据，可以分别计算出月/日/时的重复拨打率情况。
做到第六步的时候，排班师基本可以估算出次月的话务情况。我们连贯性地回顾一遍：①根据历史真实呼入号码数的得出话务的日/周/月模型。②参考历年的真实号码数情况，分别计算出同一周期内的增长率、季节影响因素、节假日影响因素。③参考历年的营销活动影响，计算出因营销活动而带来的话务量。④综合以上的数据，得出次月真实号码数预测量。⑤根据历史真实号码数情况，计算出日/时的话务量占比情况。⑥根据预测的次月真实号码总量，按日话务占比及时段话务占比，分配到每天及每时段。⑦根据历史呼入量及真实呼入号码数，计算出月/日/时的重复拨打率情况。⑧将次月的月/日/时预测的真实号码数，乘上月/日/时的重复拨打率，则可得出次月的月/日/时的预测呼入量。
排班师在做好了话务预测后，第二项主要工作就是要进行人员排班了。
一、放弃率（客户主动放弃电话比率）
放弃率映射了客户等待的耐心度，一般呼叫中心的放弃率为2％-5％之间，甚至有更高的。虽然我们理解这部分放弃来话的客户也是属于有需求的（在真实呼入号码数里就有体现），但由于客户在未得到话务员服务之前主动放弃了电话，则相当于在等待服务的过程中呼损了。呼叫中心的客户放弃率一般都较为稳定，我们可以剔除掉这部分的话务需求。即假如预测了5000通的呼入量，放弃率为2％，则我们实际需要去应付的是5000*（1-2％）＝4900通。我们在进行人员排班的时候则按4900通的需求进行安排。
二、计算需求话务员人数
排班师根据预测出来的月/日/时D的呼入量，乘以服务水平，再除以当前话务员的平均处理时长（通话均长+整理时长），则可相应得出月/日/时的话务员需求数。但是，我们都知道，话务员不可能满负荷工作的，必然存在一些人员损耗。如出勤损耗（病事假等）、时段损耗（如申请小休等），这些损耗排班师必须额外计算。如日出勤损耗为8％，则需求话务员数要再增加8%。时段损耗也需考虑在内，特别是吃饭前后、交接班前后的时段的人员损耗。这样才能保证时段接通率的平滑过渡。很多时候我们会发现某些时段的服务水平很低，但排班没有问题，人员也都在岗位上，是什么原因导致该时段的服务水平低呢？通过数据报表，我们不难发现是员工的通话利用率很低，大都在申请小休或整理工单。这些员工虽然在岗位上，却没有从事有效生产的活动。这就需要排班师需关注到这些特殊时段的人员损耗，同时需提醒现场主管关注这些时段的人员效率，勿让某些时段成为客户的倒霉时段。
排班师在计算了人员需求后，需告诉领导目前的人力资源状况是盈还是亏，并告知领导根据目前的人力资源现状，服务水平是否可以达标。
三、班次设计
排班师根据计算出来的每日各时段需求人数及日需求人数，综合考虑公司的人性化排班要求，设计出相应的班次。应注意的是，最后根据排班师设计出来的班次得出的每时段在线人数与日在线人数，应该是和每时段呼入量及日呼入量的模型是一致的。
以上是笔者对大型呼叫中心如何进行手工排班手工排班了解到的一些方法，科学性不如系统排班强。但是，对目前仍在使用手工排班的呼叫中心，希望能有一些帮助。笔者也很希望大家可以对大型呼叫中心如何进行手工排班手工排班这个问题进行讨论与分享，以便得出一套更为科学的方法。
作者卢巧环单位为广东移动客户服务（深圳）中心。
