商业智能（BI）是得到正确预测的一个关键组成部分。什么是商业智能？它对内部和外部运作的影响，可以驱动呼叫量或效率。这个过程的一部分要求几个部门之间有亲密的关系和定期接触点，包括客户管理、运营、营销、财务、销售和IT。通常，WFM（人力资源管理）在这些部门的交互当中必须担当起一个非常积极的角色。你不能等待他们来找你，因为他们经常弄不懂或不理解这一影响。但WFM是懂的。
让我们看看一些预测的领域。首先是影响工作效率的事情：
工工作效率的变化
一般来说，工作效率是由“AHT”或联络中心的平均处理时间来体现的。一个电话需要的时间越长，一个座席一天可以处理的呼叫就越少。当平均处理时间增加，工作效率下降，所需员工的数量增加。这个概念对于劳动力管理（WFM）专业人士来说很简单。所以，我们如何才能得到一个更精确的工作效率的预测呢？
首先，跟运营的领导团队沟通。这与使处理时间高于或低于过去有本质上的影响吗？这里一些例子可能是一个政策的改变，之前的政策需要座席阅读较长的脚本，或花费较长的时间验证客户的信息。通常这些变化是由WFM独立完成的，因为它们一般被视为对于平均处理时间、关注法律或客户服务需求等来说是“小变化”。它对于平均处理时间的影响可能被其他因素抵消了。除非这是通过WFM来进行测试的，它可以打乱预测。
让我们来看看一个小变化对于平均处理时间的影响
在下面的这个例子中，一个呼叫中心每月平均花费5分钟处理95000个呼叫，制定了一个80/30的服务水平目标。平均处理时间上下浮动5%的预测会导致6FTE需求上的摇摆。一旦你的负载处于收缩的下限，6FTE变成了10个员工。这对企业的财政影响还是较大的，因为你会有额外的工资及福利成本的支出。
哪些地方对呼叫量有影响呢？
下面的驱动因素将受行业和接触类型的不同而有所改变，但它们在许多联络中心中是普遍的，可以对中心的呼叫量产生重大的影响。
WFM必须与业务团队积极沟通，使其真正理解未来的平均处理时间与过去的是如何的不同。创建一个清单也是值得的，所以你不必记住每一个影响因素。这里有一些例子，包括在清单内：
- 改变影响呼叫时长的政策或流程
- 改变路由策略（例如，IVR菜单的更改）
- 改变产品或服务
- 将市场或计费资料发送给客户或潜在客户
- 改变客户期限（新客户占比越高就意味着呼叫时间越长）
- 经济或行业的外部因素
- 导致投诉电话增加的服务中断
- 预测长时间队列（如果你知道你将会人手不足，预测平均处理时间将会走高）
如何把你的预测时间在数据分析和商业智能之间合理分配？我的经验是，至少花1/3的时间在商业智能方面是最佳的。这意味着如果你用一周40个小时的时间来建立一个预测，你应该花约13小时与业务合作伙伴讨论并理解业务的变化对预测的影响，以及如何最好地捕捉那些因素用来做出你的预测。
上面的经验法则会有所不同，当你的关系愈加成熟和定期接触点愈加稳定，你在商业智能上所花时间会越来越少。此外，企业的数据分析是沉默寡言的，或者在回归分析当中有很多自动的成分，你可能会有更多的时间再投入到商业智能方面以得到更高质量的预测。第一步是建立商业智能，并确保有一个话题清单，这样你才不会偏离你所需要的信息。你不仅会得到更准确的预测，你还会得到更强有力的关键业务伙伴合作关系。
声明:版权所有非合作媒体谢绝转载
