客服中心智能排班系统设计方案说明.docx

《客服中心智能排班系统设计方案说明.docx》由会员分享，可在线阅读，更多相关《客服中心智能排班系统设计方案说明.docx（19页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、客服中心智能排映统阿方案说明目录一、工程概述1二、排班管理系统流程图一2二、排班管理系统框架图一2川、需求视格描沐24。1历史话务统计一242异动与翅律34。3话务与人员预测_344人员与班次54 c 5自动排班_54。6绩效与报表5五、II/冬量与人员预测65。1日常数据的采集和统计65.2话务曷清济方法_65。3预测基本原理和方法_854 务量预测的最佳昂践125。5人员需求预测方法12六、门动排班介绍126。1排班要求136.2 日动排班方案136.3 班组排班方案17巴却动班方案186。5遵时度方案19一、工程概述排班管理系统工程概述：1、采集并保留各种业务类型的历史业务量数据，包括人

2、工及自动语音接听量、总抛却 量、平均通话时间、话后处理时间等。2、具备科学严谨的业务量预测方法和步骤。3、不晚于每年度12月完成对下一年度的长期预测，所预测的业务量需要精确到月。4、不晚于每月度25日完成对下一个月度的短期预测，所预测的业务量需要精确到每日 的每一个小时时段。5、在历史数据预测的基础上，应根据价格变动、暂时任务、宣传活动等因素，以周为单 位对短期业务量预测进行实时调整，并留存相关文档.常数，其取值范围为0, 1.预测计算年度增长系数Qr：QR=aQR（cr）+（）Qrc），其中Qrjd为实际增长参数，Qr（一）为预测 值，平滑常数a初始化为0。6o使用指数平滑法计算年度增长系数

3、.a年度话务量预测数据不足的说明：如果历史话务数据不足,不能应用正常的预测模型，则需初始化年度预测相关系数， 包括年度增长系数与各月份的月份比率，以完成年度话务量预测.例：年度话务量预测720000年度历史均值来话量总量xl.12年度增长系数806400预测年份的来话量xOo 071X月份比率57254X月份的来话量总量注：比率是根据历史数据得出的实际比率，例如月份比率=当月来话量/全年来话量（3）月份话务量预测方法（预测粒度到每半小时话务量）：（月份话务量预测相关表:wfm_month_forecast_source,wfm_month_forecast_modify,monthcallco

4、untforecast,month_forecast_date,wfm_month_timespan_rate,wfm_month_day_rate, wfm_week_exponent）今 月份话务总量M=月份历史均值总量（由。计算）*月份增长系数Qm；（注2）今 每日话务总量D=月话务总量M *日期比率（由0计算）；今 每日话务总量周指数修正值D1=每日话务总量D*周指数0 ； V今 时段话务量H=每日话务总量周指数修正值D，*时段比率（由。计算）；今 最终预测值F=时段话务量H+规律模型变化值.注2:A月份增长系数Qm的计算：（1）挪移平均法：由0中离预测月份最近的四个月份实际增长加权平

5、均计算，因为预测周期为月，所以预测月份之前月份的实际增长系数已经可以得到：Qm=Qm（c-1） . 0 +Q m（c-2） , J +Q M（c-3） - 3 +Q M（c-4）- -J%J ），其中c表示预测月份,c1表示预测月份前一月，其他类推；K表示权重（K-I2，A初始化为 0。4,0.3, 0o 2）o（2）指数平滑法：预测计算月份增长系数Qm：QM=a,QM（c-i）+（1a） QM （c1） 其中Qm Cl）为实际增长参数，Qm（cT）为 预测值,平滑常数a初始化为0。6.使用指数平滑法计算月份增长系数.a 月份话务量预测数据不足的说明：若历史数据未够一个周期，则0不能彻底由一年

6、的时间构成，将已有数据的月份 以每半小时统计计算得到历史数据均值0； 0,按照号数得到均值,组成一个月份131日 的历史数据均值；若数月份数据不足31天，则缺失的天数据采用已有日数据的均值.将由0计算的数据从0计算。例：月份话务量预测65000月份历史均值总量月份预测XXXX年X月SM T W TFS12345678910111213141516171819202122232425262728293031xl o 05M月份增长系数68250M月份预测话务总量X0.04D日日期来话量比率2730D日来话量xlo 47D日周指数4013D日来话量修正值x0 o 055时段H的比率比率0o050o

7、210o170o160o160o150o10221预测出时段H的来话量+30时段H规律模型变化值指数0o351.47lo19lo12lo12lo050o70251时段H最终预测来话量注：比率是根据历史数据得出的实际比率，例如日期比率=当日来话量/全月来话量 平均比率=1/实际工作天数，即1/7=0.143指数=比率/平均比率，即0.21/0 o 143=1 o 469（4）增长系数的说明：以上公式中的增长系数是指相对于历史均值的增长（均值增长系数），而不是相对于前 期的同比增长（同比增长系数），而实际上用户需获取与操作的是同比增长。所以最后需 计算出同比增长系数，用户操作的仍是实际意义上的同比

8、增长系数：A均值增长系数二；A同比增长系数= = = .5o 4业务量预测的最佳实践在呼叫中心业务量预测方面的最佳实践有以下几个方面：1 .具备和使用适合的业务量预测工具，能保证预测的准确性；2 .能正确理解和彻底掌握各种时段的来话量规律模型；3 .有专门的人员负责，并能够彻底胜任业务量预测的工作，该人员能熟悉并彻底掌握 系统的预测方法以及进行实际的手工计算预测，并可熟练使用相应的预测工具，完 成准确预测任务。5o 5人员需求预测方法人员需求预测计算公式：Erlang C （爱尔兰C）公式，利用这个公式来计算满足服务水平 目标所需要的人员数量以及中继线数量，即通常所说的根据每小时电话量要求20

9、秒达到 80%的接通率需要多少人。ErlangC（爱尔兰C）公式：公式的介绍：假设呼叫中心每半个小时进线量360通、平均处理时长4分钟、一共有55个座席人员、服务水 平目标为15秒（服务水平是指在N秒内的接通率）.1 .来电频率/密度2,平均每通电话时长Ts3 .座席数m4 .话务强度u5 .座席占用率p6o 代入 ErlangC公式7o呼叫等待的概率 Prob8。平均均等待时长Tw9。服务水平目标t（爱尔兰C公式参数保存:wfm_erlangc）（相应人员需求预测表:wfm_month_timespan_agent,wfm_year_agent）六、自动排班介名6o1排班要求人员排班要求：1

10、 .尽量以传统工作时间为主要排班班次.2 .排班班次之间以合适的时间间隔相交织罗列，以满足高峰时段业务的需求。3 .对小休、午餐、例会和下线培训时段的人员排班班次应进行相应调整。4 .根据短期预测，对常规的、非在线业务进行合理的规划。5 .建立内部应急机制，应对突发话务量。6 .对于暂时调整班次建议采取员工选择或者事先征求员工意见.7 .确保座席员理解班次时间安排，并且能够严格按照排班执行考勤.6o2自动排班方案自动排班过程如下：1 .时段业务量预测表由预测算法可得出时段业务量预测表(月份业务量预测).2 .各时段座席人员需求由Erlang-C公式可以计算出月份预测表中各时段所需座席人数.3

11、.进行班次划分(1)排班人员可依据时段业务量预测表与呼叫中心特点要求进行班次的手动划分。划分参考： 班次长度60小时0上班时间38 o 5小时飞 班段个数：1段0班段个数S3段； 班段长度：2小时S班段长度S5小时。(2)尽量以传统工作时间为主要排班班次.(3)划分班次时应根据时段业务量预测表尽量将业务量集中且数据趋势平缓的时间段 作为一个班次.(4)保证话务高峰时段及需要保证接通率的重点时段的服务水平。4 .各班次座席人员需求(班次人员需求表：wfm_frequency_staff,班次相关表：wfmjrequency, wfm_frequency_time)(1)使用ErlangC公式在班

12、次的整个大时段内计算整个班次时间内所需要的座席人数. 如班次之间有重叠交叉时段，则按照不同的情况进行计算.(2)规则:从非通宵班的最早班次开始.如图示，分解一个完整的划分模型： 共划分了一、二、三、四、五共五个班次。班次之间浮现时间段重叠交叉，将 全天时间划分成为了 1、2、3、4、5、6、7、8共八个没有重叠或者交叉的时间段； 用B1B5表示班次一至五各分配人数，使用ErlangC计算厂8时间段各需要人数为X1X8(假若：X8=X2 (X1X3=X4X7X6X5).将这8个时段按照需求人数的升序、包含班次数目的降序罗列这8个时段，得到的序列如下： 从排序后的时段序列第一个时段开始，该时段包括

13、班次五，因此B5=X8； 有序序列2包括班次一、三，此独立时段内都是新的未安排人员的班次，因此,B1=B3=X2/2； 有序序列3包括班次一、二，班次一已安排人员，那末B2=X1-B1=X1-X2/2; 有序序列4包括班次一、二、三，班次一、二、三均已安排有人员，那末将该时段需求人数将已安排在班次一、二、三的人数得到T=X3-B1-B2-B3,将剩余人数T按班次一、二、三人数比例分配到班次一、二、三中，即：B1=B1+T*(B1/ ( B1+B2+B3) ,B2=B2+T * (B2/ ( B1+B2+B3) ),B3=B3+T * ( B3/(B1+B2+B3)； 按照以上步骤，遍历完有序序

14、列之后，可以得到班次人数BB5。(3)调整由ErlangC及上述计算公式得出的班次人员需求预测结果，调整参考： 根据班次内各时段的人员需求预测值进行调整； 保证话务高峰时段及需要保证接通率的重点时段的服务水平。5 .排班方案：排班说明1座席总人数：呼叫中心所有岗位为座席的总人数.2个性需求不值班人数:个性需求中为“不值所有班次”总人数。3应歇息人数=座席总人数-可排班人数.(每天安排歇息的人数)4可排班人数=每天实际参预值班的人数.5理想排班人数=班次人员需求预测人数总和。（理想参预值班的人数）为保证全月下来座席歇息时间总体保证“工作时间：歇息时间=5： 2”，每天可排班人数 与应歇息人数的确

15、定方法：5 x - x A 每天可排班人数一座席总人数X当月总工作天数7 当日话务量比率； A每天应歇息人数座席总人数可排班人数。今排班算法及步骤：（排班相关表:wfm_scheduling,wfm_algorithm_setting, wfmj）ersonal_require）核心规则：先排歇息，再根据各班次开始时间的先后顺序安排相应座席；各班次分配座 席的原则：从本月累计上该班次次数至少的且可供排班的座席中选取。1 .去除个性需求中不值班人数，计算应歇息人数X与可排班人数K.2 .安排应歇息人数X：依据排班规则优先级判定安排歇息，优先级由高至低依序安排。（1）若应歇息人数X小于排班规则中所

16、需安排歇息的人数，优先级由高至低依序安排.（2）若所有排班规则均已满足，应歇息人数名额仍有多余，则安排给当前已连续工作时 间最长的座席；若符合条件的人数大于名额，则安排给当月累计歇息天数至少的座 席；若符合条件的人数小于名额，则安排给当月累计歇息天数次少的座席。依此安 排。3.安排可排班人数K：先排残酷班（通宵班），再根据各班次开始时间的先后顺序安排相 应座席。（1）可排班人数K与班次理想排班人数L做比较，（k=K/L）为实际排班指数，各班次 实际排班人数=各班次理想排班人数（即该班次人员需求预测值）* k。（2）残酷班（通宵班）的判断依据:班次跨越零点;如果排班规则中有指定,则指定的班次 也

17、属于残酷班。残酷班后必须安排歇息。残酷班（通宵班）默认安排给（以下条件 优先级由高至低）：i. 前一天不是残酷班的座席；ii. 本月累计上该残酷班次数至少的座席；iii. 已经连续工作时间最长的座席.（3）若排班规则中没有设定歇息先后的班次，则系统默认歇息之后不安排残酷班（通宵 班），默认安排开始时间最早的非通宵班次，如果排班规则中有指定，则依据排班规则 为准。(4)其他非残酷班次安排原则：按照班次开始时间的先后顺序，各班次分配座席从当月 累计上该班次次数至少的选取. 若班次X为非残酷班开始时间最早的班次，安排班次X原则为当月累计 上该班次X次数至少的座席； 若符合条件的人数多余,则随机抽取；

18、若人数不够，则安排累计上该班次X次数次少的，依此安排. 安排班次开始时间次早的班次，依此安排。(5)正常的排班过程如上，过程中触碰到排班限定规则时避开。比如排班规则设定晚班 后不安排早班,则在排班过程中安排晚班之后的班次时，同等条件优先安排早班给 其他前一天非晚班的座席，尽量不安排早班给前一天为晚班的座席。排班规则说明:序号规则说明1人员利用效率最大化在保证座席能够正常轮休的情况下，使人员利用效 率最大化。具体实现为：如果呼叫中心实际人力大 于预测所需人力，则将各班次需求人员按比例放大， 最大程度安排人员2安排歇息时尽量安排双休安排歇息时，在可以满足的条件下，连续安排同一 个座席歇息两天3连续

19、工作天数大于或者等于X 天后安排歇息当座席连续工作天数为X天时，安排歇息；特殊地， 某些情况下会浮现连续工作了 X天仍不安排歇息 的，则在连续工作X+1天后必须安排歇息4班次x为残酷班,残酷班后安排 歇息若班次跨越零点，则系统自动设定该班次为残酷班， 亦可手工设定某班次为残酷班，残酷班后安排歇息5歇息之前安排班次X将歇息之前的班次安排为X,在其他条件均等的条 件下，将可安排歇息的名额分配给前一天值班次X 的座席6歇息之后安排班次X将歇息之后的班次安排为X7保证各时段有X技能座席值班各个时段均安排有X技能的座席值班8班次x后不安排班次y安排班次y时，不安排给前一天值班次X的座席9每人值班次x天数

20、不少于m天 且不多于n天限定每一个月每人值班次x的天数在mn之间，实 现排班规则的优先级可调整,排班选人的过程中触碰到排班限定规则时避开，触碰到多个排班限定规则时，按照优先级从高到低依序避开，按优先级高低满足排班限定规则。6.3班组排班方案1 .现在的排班过程：在第4步“班次人员需求”后，进行“排班”，按照各班次需要的人及呼叫中心实际人员 情况进行选人填班。2 .班组排班过程：在原来的排班过程中增加“各班次班组需求”这一过程，在第4步“班次人员需求”计 算得到各班次人员需求后，将各班次需求的人力转换成需要的班组数，然后按照各班次需求 的班组数及呼叫中心的班组实际情况进行选组填班。3 .班组需求

21、计算：需求班组数=需求人数/班组人数按(6人/组)计算，四舍五入取整数:班次需求人数需求班组数备注1163271311存在即合理合计245为保证全月下来座席歇息时间总体保证“工作时间：歇息时间=5： 2”,每天歇息班组的确定方法：A 每天应歇息班组 班组总数当月总工作天数当日话务量比率;A 可排班班组数=班组总数-应歇息班组数。班次班组数需求，限定条件：(1)存在即合理，所有的班次均有班组分配覆盖；(2)班组人数均等，可配置班组人数；(3)若呼叫中心班组人数不够预测出来的需求数，等比例缩小再分配,但仍然要保证所有的 班次均有班组分配覆盖，此间由于“存在即合理”被压缩需缩小删减的班组从“四舍五

22、入”中“五入”的班次中删减；(4)若呼叫中心班组人数超过预测出来的需求数，等比例放大再分配，此时原先是“存在即 合理”只分配一个班组的班次，仍保留只分配一个班组，由于此原于是富余的班组分配 到“四舍五入”中“四舍”的班次.补充说明：(1)个人的排班表依从其所属班组的排班;配置系统采用班组排班方案时,排班界面不作变更,直接将现在坐席的自动排班表中安排班次为其所属的班次，此外增加一个班组排班表于 座席排班表之后。(2)在执行排班规则时，原先的排班过程每次选人时，需判断是否满足个性需求限定的这一 步骤，班组排班时，取销这一步骤。(3)个性需求中除了不值任何班次(请假、年假等)的个性需求外，其他无效，

23、个性需求在班 组排班后安排个人班表时生效，不影响整个班组的排班。6.4悯的案机动班主要指的是座席在已定的排班表已排定班次之外的暂时上班，机动班主要应对话 务量突增的突发状况。主要有四种安排机动班人员的方案：(机动班相关表：wfm_random_frequency)(1)当交接班浮现话务量突增时，刚下班的人员需回来上班；(2)当交接班浮现话务量突增时，正准备下班的人员需延迟下班；(3)当行政班下班后夜班前浮现话务量突增时，需夜班人员提前上班；(4)当人员不足时，需抽调歇息的人员上班.每天独立管理当天的机动班信息。机动班方案说明，从时间A起设置机动班，各班次人员抽调方案：(1)已经下班：结束时间在

24、机动班开始时间A之前的班次，若设置这种班次人员上机动班，则这些班次的人员需重新回到岗位上班；(2)正在上班:结束时间在机动班开始时间A之后的正在上班的班次，若设置这种班次人 员上机动班，则这些班次的人员需延迟下班；(3)还未上班：开始时间在机动班开始时间A之后的班次，若设置这种班次人员上机动班，则这些班次的人员需提前上班；(4)正在歇息：当人员不足时，抽调正在歇息的人员上班。6.5遵时度方案排班系统的遵时度，可以直接通过排班表查看座席员工上班的遵时情况。主要思路为: 通过获取座席每天实际工作工作时间，与排班安排的班次时间作比较，得出座席员工实际上班 是否遵时。主耍功能包括：1 .遵时度设置功能

25、(1)正常开始和结束工作时间的容忍度设置，即允许员工登入登出工作系统的时间 偏差；(2)实际工时与排班工时差异值设置，对实际上班时间少于排班时间的值，超过设 定值的，在遵时度表标记为工时不足.2 .遵时度表显示功能汇总座席员工的上班遵时情况，每日更新一次。3 .实际工时与排班工时的比对功能超出设定值的遵时表要标记为“工时不足”，“工时不足”标记的颜色优先级高于绿 色(遵时)、低于红色(不遵时).4 .遵时度调整操作功能可对遵时的情况操作为实际上班时间不遵时”，对不遵时的情况可作”实际上班时 间遵时”.6、具备对短期业务量预测准确性的分析和管理机制.7、根据短期预测数据进行人员的合理排班，并不晚

26、于每月度25日完成对下一月度的人员排班.8、能够根据对每一时段的业务量预测和服务水平要求,合理安排人员数量与班次，实现 人员数量与业务量的最佳匹配.9、员工排班符合国家相关法律法规和公司的相关规定，符合呼叫中心的业务特点及满足 人员利用效率最大化的需求。二、排班管理系统流程图排班管理系统主要流程图：三、排班管理系统框架图排班管理系统整体框架图：需求规格描述本章分功能模块描述排班管理系统需求规格说明。4.1 历史话务统计模块子功能功能项描述业务话务统计异常数据处理异常数据处理剔除异动话务数据，自动清洗异动 话务数据，或者人工剔除异动话 务的数据.呼入量统计曲线时段呼入量统计（周报）以“周”为统计

27、周期，每天一个曲 线周期，按时段显示数据统计话务 曲线，如图4.1所示。每日呼入量统计（月报）以“月”为统计周期，每月一个曲线 周期，按天显示每日日均数据统 计话务曲线，如图4。2所示.每周呼入量统计（月报）以“月”为统计周期，每周一个曲线 周期,每周按天显示每日日均数据统计话务曲线，如图4o 3所示。每月呼入量统计（年报）以“年，为统计周期，每年一个曲 线周期，按月显示一年之内每一 个月数据统计话务曲线，如图4.4所图4。1：以半小时为间隔的一周每日来话量模型图（2004年X月XH）图4.2：每月日均来话量模型图（2004年X月1日31日）图4。3：每周日均来话量模型图（2004年X月1日3

28、1日）图4.4：每月来话量模型图（2002年2004年）4.2 异动与规律模块子功能功能项描述异动与规律类别管理异动与规律类别管理类别管理定义异动话务与规律模 型的类别属性，如“暂时任务”、 “特殊时期”等，方便对异动话 务和规律模型进行分类管理以及 应用.异动话务管理异动话务提示通过自动提示的异动话务，可便 捷快速地将异动话务保存为规律 模型，完善规律模型数据。异动标记记录“异动标记记录”记录的是从历 史话务统计和话务预测中执行“标记异动话务”操作标记的异 动话务，同时可将记录的异动话务 转化成规律模型。数据规律模型规律模型管理对规律模型进行编辑、删除等管 理操作，同时亦可手动添加规律模 型

29、.规律应用记录记录应用过的规律模型.4.3 话务与人员预测模块子功能功能项描述话务与人员预测呼入量预测月份呼入量预测月度预测参数计算与设置。包括 有：月份业务增长预测系数，历史 月份话务信息（指数，平均比率， 时段比率）。并且可以对自动计算 出的预测参数作修改与调整.1.按照预测算法，得到月度业 务量的预测结果图表。图例参见历史业务曲线图.2.业务量预测结果调整，并留 存相关文档，备注修改调整原 因。1 .准确性分析：每月生成相应 的“实际的话务量曲线图”，与 “预测的话务量预测曲线图” 对照，分析预测的准确性。2 .可查看全月每日的准确性对 比，以及每日各时段的准确性 对照，对预测值超出实际

30、值 设定偏差范围后赋予提示。如图4.5和4.6所示.年度呼入量预测年度预测参数计算与设置。包括 有：年度业务增长预测系数，月 份比率，历史年份话务数据。并 且可以对自动计算出的预测参数 作修改与调整.1 .按照预测算法，得到年度业 务量的预测结果图表。图例 参见历史业务曲线图.2 .业务量预测结果调整，并留 存相关文档，备注修改调整 原因。1 .准确性分析：每年生成相应 的“实际的话务量曲线图”，与 “预测的话务量预测曲线图” 对照.2 .分析预测的准确性，对预测 值超出实际值设定偏差范围 后赋予提示。如图4.7所小。人员需求预测月份人员需求预测月份班次参数设定（ErlangC参 数设置），包

31、括有：服务水平，平均 处理时长.根据Erlang-C计算各班次人员 需求，以及对预测结果进行修改 和调整。年度人员需求预测年度人员预测参数设定（Erlang C参数设置），包括有：服务水平， 平均处理时长，座席占用率。根据ErlangC计算各时段人员 需求，以及对预测结果进行修改 和调整.班次人员需求预测自动排班岗位的各班次人员预测结果与调整。图4。5：月份话务量预测准确性分析对照模型图4.6:每日话务量预测准确性分析对照模型图4 o 7:年度话务量预测准确性分析对照模型4o 4人员与班次模块子功能功能项描述人员管理人员管理人员信息管理座席基本信息管理:增删改查。班组划分与管理班组划分与班组组

32、员及组长的管 理.岗位管理岗位信息管理岗位基本信息的管理，岗位排班 设置管理。岗位班次管理各岗位对应班次的管理.4o 5自动排班模块子功能功能项描述自动排班自动排班个性需求管理个性排班需求添加与管理，自定 义个性化排班.机动班管理设置管理机动班。排班表1 .排班因子调整，设定与修改 排班算法与参数。2 .自动生成月度排班表，排班 表样式如图4o 8所示。调整 排班结果，对自动排班结果 进行调整和修改.3 .历史排班快照，对每一次生成 的排班表保存相应的排班数 据依据快照信息。4o 6绩效与报表模块子功能功能项描述绩效与报表座席值班统计座席值班及遵时率统计座席值班统计报表.统计参数有： 值班天数

33、，歇息天数,总工作时间， 值各班次统计，遵时率。绩效与考核绩效与考核指标根据值班统计报表,计算人员工作 质量与服务水平，设定绩效与考 核指标，进行绩效考核。图4。9：每日时段报表五、业务量与人员预测5o1日常数据的采集和统计1 .相关数据包括:通话时长，话后处理时长，平均处理时长，呼叫量，接听量，服务水平.2 .统计周期：时段、日、周、月、年.3 .2话务量清洗方法1 .清洗粒度:以半小时话务量为最小清洗粒度。2 .清洗模型：原始话务量去除月指数影响，去除周指数影响，得到某一个时段的清洗参考 基数后，再加回周指数和月指数的影响,得到清洗的数据范围，原始数据处于正常数据范 围之外的为异常数据,即

34、异动话务。3 .模型分解（原始数据统计结果表:timespancaUcounthistory,datecallcounthistory,yearcallcounthistory, week_ total, year_total）（1）以年（自然年）为清洗单位，每一年计算一套清洗标准。则一年的数据总量为：112月每月总天数48个时段，按时段清洗。（2）清洗X月份Y日（星期W）Z时段的话务数据（话务量为S）：今X月指数C =X月话务总量/全年月份话务总量均值；今Y日周指数C =X月星期W话务量均值/X月中星期一至日话务量均值的均值；m清洗步骤：w去除月指数与周指数的影响，清洗参考值， 对于112月

35、，每月Y日的清洗参考值都计算出来:AA? 对A?使用肖维勒准则（见附录）剔除异常的数据， 计算剔除了异常数据的A4?的均值A,加回周指数与月指数的影响,，设R为清洗度（可配置），则若，则为正常数据，否则若为异常数据，需进一步修正， 对的数据，用参考值A替换S,修正数据，清洗完毕.备注：清洗度的确定跟呼叫中心的话务水平稳定程度有关，稳定程度高时，可设置更 小的清洗度，稳定程度低时，应设置更大的清洗度。附录： 肖维勒准则，若满足其残存偏差：则属于异常数据，其中为样本期望，为样本标准差，为系数（查表）.剔除异常数据之后，对剩余数据重新使用肖维勒准则剔除异常数据，循环判断直至不 再有异常数据。Wn系数

36、表nW nnWnInWn31.38112252o 3341.54122.03302o 3951.65132o 07402o 4961.73142.150Z.S871 o O186152.131002.881 o 92162o 1591.96182。210202 o 24（当前月份清洗参照表:wfm_currentjreference,清洗后结果表：timespan_remove_tran）4.模型补充（1）数据量不足一个清洗周期（自然年）时，采用挪移周期的方法补足一个清洗周期的 数据，以求得清洗参考值.例：假若系统初始安装时为2022年5月15日，原始的话务数据从2022年1月1日开 始采集。

37、那末清洗2022年的数据时，可用正常的清洗方法完成。而2022年的数据则 需挪移周期补充完整。具体方法如下表：时间1月1日4月30日5月1日12月31日2022每月话务总量M1M4M5 M122022每月话务总量N1 N4N5N12（未知）计算平均月增长系数K（Nn/Mn 的均值,即每一个月增长的均值） ,每完成一个自然月时，更新 KM5M12相应放大K倍，得 至lj N5N12特殊地： 运行之后每年的1月份，清洗1月份数据时，增长系数K为该年的年度增长系 数,1月份完成后再使用月增长计算系数K； 初始安装时为1月份，清洗1月份数据时，此时并未指定年度增长系数，则需 手工指定年度增长系数.(2

38、)所有原始话务数据,不足一年时，相应缩小清洗参考值的计算来源范围.例：假若系统初始安装是为2022年5月15日，原始的话务数据从2022年1月1日 开始采集，那末，此时清洗参考值A不足12个，使用已经完成为了的自然月14月数据 计算清洗参考值。以后每完成一个自然月重新计算一次.特殊地，若惟独一个月的原始数据，不能完成清洗计算，提示至少需要一个完整月 份的原始历史数据。5o 3预测基本原理和方法1 .通过对历史数据的分析或者假设可以反映未来趋势的系列预测，长期预测以月为单位预 测整年的电话量，短期预测以小时为单位来预测近期的电话量.通过长期预测规划下一个年度的人员及系统配备，通过短期预测调整日常

39、排班，合理安排员工工作。2 .历史业务数据准备(1)剔除异动话务数据，使用话务量清洗方法剔除异动话务数据，得到不受异动话务影响的话务数据Po之后所有计算的数据依据均采用不受异动话务影响的话务数据P.(2)对所有不受异动话务影响的话务数据P,按其所属周几统计计算周指数，周指数每年按月份划分，每年每一个月一套周指数.A 计算c年X (X为“：T12”)月份周Y (Y为“一日)指数的方法：统计计算P中C年X月份里周一周日的话务量均值WjW,，计算周Y的指数：丫丫=淇中 Y, n=l, 2,3,.，7o(3)计算历史数据集P经过去除周指数影响的数据集P：(wfm timespan remove eff

40、ect, wfm date remove effect,wfm_month_remove_effect,wfm_history_exponent)A 去除周指数影响的数据集P=,周指数V为每一年相应月份的周指数。(4)将去除周指数影响的数据集P，取最近三年数据，用加权平均得到一个包含一年时 间的历史话务数据均值表0：(wfm_timespan_average,wfm_date_average, wfm_month_average, wfm_exponent_average)A 0=P K+P -K+P (1KK ), c-l 1c2 2c-312其中c表示预测年份，c-l表示预测年份前一年，其

41、他类推；K表示权重(K-J初 始化为0。6,0。3)oA若惟独最近两年数据，贝人O=PcrKi+Pc /(1-KJ,其中 初始化为 0。6o C1 1CL11若惟独最近一年数据，贝I：O=p.历史话务数据均值表。按照一年12个月份划分，并以每半小时为粒度保存话务数据。(5)取最近三年的周指数V,用类似求均值表0的方法计算出一个预测周指数均值表 0 , 一共对应112个月份，每一个月份一套周指数.V3.业务量预测(1)预测思路：预测值=历史均值增长系数周指数+规律模型变化值.(年度话务量预测相关表：yearcallcountforecast, wfm_year_forecast_modify,

42、year_ total, wfm_month_rate)(2)年度话务量预测方法(预测粒度到每月话务总量)：今 年度话务总量R=年度历史均值总量E (由0计算)*年度增长系数Qr；(注1)今 每月话务总量=年度话务总量R*月份比率(由。计算)。注1：A年度增长系数Qr计算：(1)挪移平均法：预测年份之前每年相对于当时年总话务量均值的增长率的均值：QRMQdK+QdJ+QddK1人)，其中C表示预测年份，C1表示预测年份前一年，其他类推；K表示权重(K , K2 初始化为0.6 ,0.3).(2)指数平滑法：指数平滑法基本公式：St=a -yt+(l -a) St l ,其中.为时间t的平滑值,又为时间t的实际值，St-1为时间t-1的平滑值,a为平滑