因為拙作《數(shù)據(jù)的魔力——基于數(shù)據(jù)分析的呼叫中心流程改善》一書發(fā)布，從七月底開始在各大城市召開讀書會，讀書會的主題圍繞著新書的內容——基于數(shù)據(jù)分析的呼叫中心流程改善而展開。對于我這樣一個說好叫低調”、說不好聽就是羞怯”的人來說要這樣密集地拋頭露面，我還是有幾分不適應，但這是市場的需要，況且我也不能確信自己寫的內容真的會酒香不怕巷子深”，于是頂著炎炎烈日，開始了我的讀書會之旅。七個城市下來，雖然有點累，慶幸沒有出現(xiàn)身體上的狀況，倒也收獲頗豐，粉絲數(shù)漲了不少，名片也收集了一大摞，當然還有在讀書會過程中大家拋出的一些引發(fā)我思考的問題，讓我這個專職培訓講師找到了下一步學習的方向。

圖1 服務水平趨勢圖

這個呼叫中心在2月的28天里只有5天的服務水平指標是在目標要求內，而另外23天都在目標帶外，雖然平均值表現(xiàn)很好（79.9%），然而這樣的服務水平對于顧客感受而言是非常不一致的，所以需要改善。但是改善應該從哪里入手呢？這個時候有人會說先把那些差異大的日期進行更深入分析，解決這個問題。但是我會跟聽眾講，先別著急去找細化數(shù)據(jù)，我們來思考幾個問題：

1、你需要解決的是什么問題？

2、這個問題與哪些流程有關？

3、這些流程的指標有哪些？

4、從哪些維度來組織數(shù)據(jù)，這些數(shù)據(jù)能得出充分的結論嗎？

為什么要去這樣思考？這就好比一條河流，如果它的上游受到了污染，這個時候我們再如何努力去治理下游的污染、減少排放物都解決不了問題，還必須從源頭去了解這個污染產(chǎn)生的原因。這就是根源解決法，而我們數(shù)據(jù)分析的邏輯也是建立在根源分析的基礎上，所以上述的這四個問題就是幫助我們去探究源頭的方法。

我們先來回答前兩個問題：

要解決什么問題？

服務水平波動

這個指標與哪些過程相關？

預測量是否準確

人員安排是否匹配

現(xiàn)場是否按計劃執(zhí)行

接下來我們就可以根據(jù)這些過程來找到對應的指標進行分析。

圖2 關聯(lián)數(shù)據(jù)分析

先看第一個影響因素，每日預測準確率，我們將實際呼入量與預測呼叫量做個對比分析：

圖3 每日預測準確率

從上面兩張圖中可以看出，每日預測準確率的偏差很大，低的時候超過-40%，而高的時候則接近30%，下一步我們需要了解排班的人員又是根據(jù)什么樣的計算結果進行人員安排的，所以要找的下一組數(shù)據(jù)是預測人員數(shù)量與實際安排數(shù)量的對比，如下圖：

圖4 預測人員需求與實際安排人數(shù)

通過與預測話量的比對，可以觀察出預測人員需求是按照預測話量擬合的，但實際安排時做了簡化處理，每周一至周日是按照同一規(guī)律進行人員安排的。如果預測話量是準確的話，這個人員安排問題不是很大；但是因為預測偏離太大，這種人員安排就會帶來現(xiàn)場調控上的難度，因此通過上面幾組數(shù)據(jù)的分析可以得出如下的過程結果。

初步結論：

預測排班流程的問題比較大，每日預測準確率在正負40%左右波動，需要先解決預測精度問題

實際人員安排與預測人員數(shù)基本持平，但是人力需求數(shù)據(jù)不完全是按預測業(yè)務量擬合，而是進行了調整。

現(xiàn)場數(shù)據(jù)暫時無法采集到，在此可以先不進行分析。

下一步的行動：

先解決預測排班模型問題，重新擬合預測公式，提升每日預測準確率，短期目標為正負15%，長期目標為正負10%。

根據(jù)預測量進行人員需求測算，并進行排班，排班周期縮短為兩周。

現(xiàn)場數(shù)據(jù)的收集。

根據(jù)以上的分析思路可以總結出這個分析過程涉及的流程包括：話量預測流程、人員安排流程、人員招聘流程（出現(xiàn)實際安排人員不足時必須進行人員招聘的分析）和現(xiàn)場管理流程。從數(shù)據(jù)分析的過程中可以得出結論，是預測流程的問題比較大，所以先解決預測話量問題，在預測精度滿足要求后根據(jù)預測需求進行人員安排，同時增加現(xiàn)場數(shù)據(jù)監(jiān)控（在線人數(shù)與計劃人數(shù)的對比），通過這些改善方案后，這個指標在4月份變成了下面這個結果。

圖5 4月服務水平趨勢

4月的30天在目標帶內的服務水平天數(shù)從5天增加到了18天，而未達到目標值的那12天，其服務水平的波動也明顯小于2月。當然，從流程改善的定義來說這是個循環(huán)過程，還需要持續(xù)改善。

這篇專稿由于篇幅的原因，有些分析思路沒有敘述的很完整，如果各位讀者想了解的更多，可以讀我的書，將你的想法與我分享。