周逸松

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(nèi)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(diào)”、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(nèi)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。

《數(shù)據(jù)的魔力》這本書的成書大約歷時三個月左右，最初在構(gòu)思書的結(jié)構(gòu)時還是費了一些時間，當時預想的是希望能用很多案例串聯(lián)起整本書，但是當實際動筆的時候卻發(fā)現(xiàn)篇幅很難滿足要求，而且案例數(shù)量也遠遠不足，所以只能推翻最初的結(jié)構(gòu)重新思考。因為時間緊迫，最后只好采取現(xiàn)在這樣的結(jié)構(gòu)內(nèi)容，也就是理論體系+案例集的方式，最終成書時還是覺得有諸多遺憾，因為太有邏輯的理論總顯得趣味性不足，而我說故事的能力又向來不強，因此我覺得這本書應該可以更好些，算是給自己一個努力的方向。

數(shù)據(jù)分析與流程改善之間到底是什么樣的關(guān)系？這是我在每場讀書會開始的時候拋給聽眾的一個問題，也是我引申出后面分享內(nèi)容的一個切入點。大家的反饋往往差異比較大，有的人會說數(shù)據(jù)分析是流程改善的工具；有的人會說數(shù)據(jù)分析可以看出流程結(jié)果；還有人會說數(shù)據(jù)分析可以建模，通過模型找到流程規(guī)律；也有的人會一臉茫然，顯然沒有思考過這個問題。通過這個問題的回答，基本可以了解每個呼叫中心對于數(shù)據(jù)分析的應用到了哪個層級。通常這時候我會說數(shù)據(jù)分析就是一種決策工具，我們可以將它應用在運營結(jié)果分析上，也可以用于客戶信息挖掘上，而任何一種決策結(jié)果是否能被最終采信，一是其成熟度如何，二是邏輯是否嚴密。簡而言之，就是你的分析過程是否能夠讓別人確信，而數(shù)據(jù)分析這個工具最大的優(yōu)點是通過量化的指標了解流程的輸出能力，通過指標的提升直接測量出流程改善了多少。

我們來舉一個通過數(shù)據(jù)分析來改善服務水平波動的例子：

先看下面這張折線圖（如圖1），這是某呼叫中心2月份每日服務水平。

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(nèi)，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(guān)？

3、這些流程的指標有哪些？

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(guān)？

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（如圖2）。

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（如圖3）。

從圖3的兩張圖中可以看出，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(jié)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（如圖4）。

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(diào)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(jié)果。

初步結(jié)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(diào)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(jié)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(jié)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月份變成了圖5這個結(jié)果。

4月的30天在目標帶內(nèi)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得很完整，如果各位讀者想了解更多，可以讀我的書，將你的想法與我分享。