各位從事呼叫中心的管理者們，大家是否都會有這樣的疑惑：XX指標我定多少比較合理？通關考試應多少分算通過？當指標達成到多少時我需要進行預警上級？
在面對以上問題時，我們通常是選取與此指標相關的其他歷史數(shù)據(jù)來進行計算，確定目標值或及格線等問題的答案。但在進行上述計算時，我們通常也會遇到以下兩個問題：
01相關數(shù)據(jù)不完整
因為我們無法判斷與此指標相關的數(shù)據(jù)中，誰的影響最大，誰的影響次之，所以一旦缺失一項我們認為會對其有影響的數(shù)據(jù)，且仍執(zhí)意進行計算時，我們很容易對最終結果產(chǎn)生質疑，或者容易被其他人質疑；
02我們無法想到影響此指標的所有參數(shù)
在一個開放性的世界中，一件讓人意想不到的事件，往往是由非常多的因素所影響的最終結果，而不是由一個單一的原因所導致。盡管使用相關數(shù)據(jù)進行計算可以得到一個確定的、準確的答案，但由于我們無法想到所有相關的參數(shù)，這個答案可能會非常難以確定。
以上的兩個問題其實都可以歸類為數(shù)據(jù)不完整，這個時候，我們就需要改變一下思路，使用一個整體的歷史數(shù)據(jù)來進行計算，不再將它們區(qū)分成哪些原因，而是看成一個整體，計算一個概率或區(qū)間，使用回歸分析中的邏輯回歸方法，告訴我們一個概率的答案。
邏輯回歸
邏輯回歸是并不是回歸，而是分類與預測算法中的一種，也是入門機器學習時學習的第一個算法。它不僅可以來預測相關數(shù)據(jù)的影響程度，還可以尋找影響其指標的因素有哪些。例如銀行業(yè)使用邏輯回歸來判斷信譽達到多少時可以成為優(yōu)質客戶；在醫(yī)學上用來判斷蛀牙與刷牙、飲食習慣、年齡等影響之間的關系；以及電影行業(yè)為了保證收入，會調研社會群體中的平均年齡和性別比例，來安排不同類型電影的拍攝與上映等等。在呼叫中心行業(yè)，我們也可以使用邏輯回歸來幫助我們進行以下工作：
01相關性與目標
在進行數(shù)據(jù)分析時，都需要一個前提：盡可能的獲取所有與此有關的數(shù)據(jù)。所以我們在進行數(shù)據(jù)分析之前，需要先進行判斷，此指標數(shù)據(jù)與我們要進行分析的指標數(shù)據(jù)之間，是否存在相關性。例如我們在分析氣候異常與汽車尾氣排放時，需要先判斷汽車尾氣排放與氣候異常存在相關性，然后再計算確定尾氣每排放多少會影響天氣多少度。同樣呼叫中心數(shù)據(jù)在分析時，也需要做這一步。
例如我們在分析服務水平如何能達標時（當然我們可以通過Erlang_C公式來計算，但大家應該都知道，Erlang_C公式是有缺陷的，公式無法考慮呼損，以及人力配備不足時計算結果會非常不準確），我們聯(lián)想到缺勤、人員配備、AHT等可能會影響服務水平的達成，那我們需要使用相關性分析來判斷以上數(shù)據(jù)是否與服務水平會有相關性，此時我們通常使用Excel中的CORREL函數(shù)來進行判斷，CORREL函數(shù)也叫皮爾遜相關系數(shù)，計算的結果是在【-1,1】區(qū)間中的一個值，正數(shù)為正相關，負數(shù)為負相關，結果的絕對值越趨向于1或-1，表示相關性越強。
在確定出有相關性的指標后，我們就需要使用邏輯回歸來判斷其影響幾率，較為限制的一點是，邏輯回歸只可以判斷其他數(shù)據(jù)“是、否”會影響本指標。
例如我們想看一下服務水平考核10秒80%這個指標是否合理。首先我們需要收集與服務水平相關的指標，這里使用大家普遍都認可的接通率作為與服務水平具有相關的指標，并設為X。收集的數(shù)據(jù)為日度維度，每天的接通率對應的服務水平不是具體數(shù)據(jù)，而是達標或未達標，達標用“1”表示，未達標用“0”表示（達標即為達成10秒80%服務水平），并設為Y。使用Excel的規(guī)劃求解功能可以計算出邏輯回歸方程中斜率和截距的最優(yōu)解，之后我們將從1%~100%每級遞增1%的接通率X數(shù)據(jù)分別帶入方程式中，與規(guī)劃求解計算出的斜率和截距的最優(yōu)解進行計算，將會得出1%~100%的100個接通率X數(shù)據(jù)所一一對應的100個概率數(shù)據(jù)點，將這100個數(shù)據(jù)節(jié)點做成折線圖：
折線圖橫軸代表接通率，豎軸代表服務水平達標的幾率，可以看到當接通率達成100%時，只有82.28%的概率服務水平可以達標（達標的意思是說達成10秒80%），這明顯不太合理，一個月內即使天天接通率100%也只有24天服務水平可以達標。所以我們需要調整服務水平考核的數(shù)據(jù)，既可以調整秒級也可以調整百分比，再使用邏輯回歸模型進行驗證目標值。
一般來說，較為正常的邏輯回歸圖形，會呈現(xiàn)S狀，例如：
02預警與管理
在可以熟練運營邏輯回歸計算概率后，我們可以將更多的指標相互關聯(lián)，通過管理其中一項來影響另一個無法管控的指標，例如流失。無論員工因為工作不合適、職業(yè)規(guī)劃還是家庭原因等何種原因離職，往往都會伴隨著在離職前7天或10天內的服務品質有所下降，針對這個點，我們可以分別收集離職員工在離職前10天、10天~20天、20天~30天內的品質數(shù)據(jù)的平均值記為X，其中離職前10天的X對應的Y值為1，即為會影響流失的數(shù)據(jù)；10天~20天、20天~30天的X對應的Y值為0，即為不會影響流失的數(shù)據(jù)。之后再使用邏輯回歸模型，統(tǒng)計出品質數(shù)據(jù)對于流失影響的概率。
我們可以在大腦中模擬一下形成的S型曲線的樣子，大致會在品質數(shù)據(jù)的某個節(jié)點員工流失的概率會大幅提升，作為管理人員我們應該在日常的管理中，對品質達成在此附近的員工多加關注，他們可能由于一些其他事情的影響，導致無心服務品質下降，且很可能會在10天內因為這些“其他事情”向管理者提出離職申請。
最后
作為呼叫中心行業(yè)的從業(yè)人員，會發(fā)現(xiàn)管理人員與一線員工之間的代溝越來越大，此時我們就需要有較好的管理工具與分析方法來進行協(xié)助，從數(shù)據(jù)入手找到員工的行為規(guī)律，才能在數(shù)據(jù)分析與運營管理中無往而不利。
