話(huà)務(wù)預測是客服中心現場(chǎng)運營(yíng)管理中的第一個(gè)環(huán)節，也是最重要的一個(gè)環(huán)節。只有精準的話(huà)務(wù)預測才可以進(jìn)行準確的人力排布，提高人工座席利用率，進(jìn)而提高服務(wù)水平并降低人力成本。精準的話(huà)務(wù)預測也可以提前對未來(lái)運營(yíng)做出預警，為提高服務(wù)水平奠定基礎。話(huà)務(wù)預測不僅對時(shí)段、日、月這種較小時(shí)間維度內的人力排布起決定性作用，而且可以對年度運營(yíng)起到較大的指導作用。例如客服中心年度人員需求、何時(shí)需要進(jìn)行人員招聘等客服中心運營(yíng)管理中的各個(gè)環(huán)節。
光大銀行客戶(hù)滿(mǎn)意中心已走過(guò)十五個(gè)年頭，最初業(yè)務(wù)類(lèi)型單一、規模小、來(lái)電較為穩定，預測基本采用的是平均值預測法及移動(dòng)平均預測法行預測。隨著(zhù)光大銀行業(yè)務(wù)增加、客戶(hù)群體擴張、客戶(hù)黏度增加，來(lái)電逐年增長(cháng)。影響話(huà)務(wù)的因素也隨之增加，為預測帶來(lái)不小的挑戰。例如目前光大銀行信用卡就有10個(gè)以上的客戶(hù)群按照不同的還款周期帶來(lái)相似規律的話(huà)務(wù)量，如果再使用平均值的預測方法進(jìn)行預測，很難再做到預測的精準。我們現在SAS系統中使用ARIMA時(shí)間序列預測模型進(jìn)行預測。附圖為信用卡兩個(gè)不同的還款周期的來(lái)話(huà)量圖示（如圖1）。
圖1：不同還款周期的來(lái)話(huà)量
一、不同話(huà)務(wù)預測方法適用不同階段的呼叫中心
話(huà)務(wù)預測屬時(shí)間序列預測范疇，預測方法從簡(jiǎn)至難，多種多樣，但是需要根據客服中心的主要業(yè)務(wù)、規模、話(huà)務(wù)來(lái)電規律及需達到的服務(wù)水平目標進(jìn)行合理選擇。否則，你即使選擇最復雜的預測方法，但如果不適合自己的預測環(huán)境，那只能給你帶來(lái)較多的麻煩，而結果相差無(wú)幾。下面是幾種常見(jiàn)的預測方法：
1、平均值預測法
平均值預測法廣泛應用在業(yè)務(wù)單一、話(huà)務(wù)較穩定的客服中心。
具體公式為：預測值＝所有歷史數據的平均值。
2、移動(dòng)平均預測法
移動(dòng)平均預測法僅對與預測時(shí)間內數據相關(guān)性最大的N個(gè)歷史數據求平均值。
具體公式為：預測值＝N個(gè)相關(guān)性較大的歷史數據的平均值。
3、指數平滑預測法
指數平滑預測方法是對移動(dòng)平均法的改進(jìn)，是將不同大小權重賦予與目前時(shí)間段相關(guān)的N個(gè)歷史數據。
具體公式為：預測值＝n1（歷史數據1）＋n2（歷史數據2）+…+（1－nn）（ 歷史數據n） 。
4、ARIMA模型
ARIMA是自動(dòng)回歸積分滑動(dòng)平均模型，它主要使用在有長(cháng)期趨勢與季節性波動(dòng)的時(shí)間序列的分析預測中。ARIMA的思路很簡(jiǎn)單，首先用差分去掉季節性波動(dòng)，然后去掉長(cháng)期趨勢，然后平滑序列，最后用一個(gè)線(xiàn)性函數+白噪聲的形式來(lái)擬合序列。
