Как управлять эффективностью контакт-центра за счет точного прогнозирования и правильного планирования?

Алексей Ильев

Специалист по планированию и анализу

Вместо стандартного вопроса «зачем нужно прогнозирование» я расскажу вам о том, как проходит цикл прогнозирования в нашей компании.

В первую очередь, мы начинаем с составления долгосрочных прогнозов, которые необходимы для определения бюджета и стратегического планирования. Для того чтобы понимать, достаточно ли нам будет наших рабочих мест и ресурсов для реализации бизнес планов текущих и потенциальных проектов. После, мы переходим к составлению среднесрочных прогнозов, а именно прогноз будущего года по месяцам. Это необходимо для распределения бюджета, планирования наборов по локациям, планирования сезонных корпоративных мероприятий, а также для определения ключевых показателей для большинства сотрудников. Последний в этом цикле стоит еженедельное прогнозирование на предстающую неделю, в основном это необходимо для формирования графиков работы операторов на неделю вперед.
Какие инструменты мы используем: На рынке есть много хороших софт решений для составления прогноза, но минус большинства решений — это стоимость лицензий. Поэтому, мы остановились на условно бесплатном решении, это Excel, и иногда используем InVision, так как лицензии на этот софт есть у нашей компании. Переходя к прогнозированию, стоит сказать, что есть Качественные и Количественные методы прогнозирования.


Качественные методы используются, когда у нас совсем нет никаких данных, либо, когда мы прогнозируем общие тенденции, без точных результатов.
Количественные методы применяются для составления прогноза продаж и прогноза обращений в контактный центр.
В большинстве случаев обращений в контактный центр — это временные ряды.
Важно понимать, что для разных временных рядов подходят разные модели прогнозирования.

Из чего состоит процесс прогнозирования:
Первый этап, это сбор исторических данных, в своих системах, либо мы запрашиваем у клиента, если это новый проект. Далее, мы переходим к анализу данных, определяем наличие тренда, сезонности и интервенций. После чего, мы переходим к построению моделей прогнозирования, смотрим, необходима ли редукция данных, либо замена. Далее мы проверяем модели и выбираем наилучшую, которая является более точной. И следующим этапом мы внедряем наилучшую модель в работу компании. Бывают ситуации, когда данных крайне мало, к примеру 3-4 месяца. Этого недостаточно чтобы определить тренд и сезонность.
В таких случаях мы используем прогнозный модуль в системе InVision. Достаточно лишь загрузить данные в систему, InVision на основании данных составит паттерн распределения нагрузки по часу для каждого дня недели. Далее составляем паттерн нагрузки по дням недели, на основании тех же данных. После чего с помощью линейного тренда система рассчитывает прогнозное количество обращений и формирует прогноз на неделю исходя из имеющихся паттернов. Когда данных достаточное количество, примерно 3-4 года, то мы составляем прогноз в Excel.

В нем присутствуют все те этапы, о которых я рассказал. Исторические данные, определение сезонности, выбор тренда, модель прогноза, проверка модели, и итоговая прогнозная модель в нужном нам формате. На основании среднесрочного прогноза мы создаем операционную бизнес модель работы проекта, и отталкиваясь от модели выставляем цели для большинства сотрудников в компании. Помимо бюджетирования, формирования целей и составления планов наборов, с помощью модели, мы создаем индивидуальные дашборды, на которых отображаются все необходимые показатели. Это может быть как сравнение необходимого и фактического количества операторов на проекте, так и средняя отработка часов в месяц на агента.
Отталкиваясь от помесячного прогноза мы создаем еженедельные прогнозы и в результате получаем вот такие данные.

Это необходимое количество операторов с разбивкой по часу/15-ти минутному интервалу, а также погнозная эффективность работы оператора по дням недели и часам. После этого мы загружаем данные о количестве агентов в InVison, в нем удобно отображается сравнение необходимого количества операторов и запланированного.
На основании графиков нагрузки мы формируем расписание в ВФМ системе, которая хранит все детали и правила. Включая контроль запланированного времени, тип смены, навыки операторов и прочее. Также мы не смогли бы достигать высокой эффективности без онлайн мониторинга. Специалисты мониторинга создают такие дашбоды,

это реальный дашборд нашего проекта, он контролирует достижение целей ежечасно, а так же контролирует эффективность работы операторов. Этот дашборд сделан на базе Павер БИ, он интерактивный и его можно настраивать индивидуально.
Также важна «гибкость» в жестком расписании. Ранее мы тратили много ресурсов на внесение корректировок в сформированное расписание, это была ручная работа специалистов мониторинга, так как большинство наших операторов это студенты, их планы могут меняться каждый день, и жесткий график был для них критичен. Жесткий график стал еще более критичным для бизнеса, поэтому мы разработали веб приложение, которое назвали ШифтСваппер. Теперь агенты могут вносить корректировки в свое расписание без помощи администрации. Это освободило время специалистов мониторинга для решения более приоритетных проектных задач. А операторы могут в случае опоздания, к примеру, сделать обмен 15ти минутной части смены, по договоренности с другим оператором.

Это не затронет показатель дисциплины, и не повлияет на работу бизнеса.
В завершении хочется сказать о том, как влияет прогнозирование на работу компании:
1. Цели большинства сотрудников в компании выставляются на основании операционных бизнес моделей, основой которых является среднесрочный прогноз.
2. И благодаря модели мы в 2017 году увидели необходимость расширения количества локаций. В 2018 году мы открыли новую локацию в Никополе, что позволило нам реализовать бизнес модель того проекта, для которого открывалась эта локация.

 

 

Поделиться вShare on FacebookShare on Google+Tweet about this on TwitterShare on LinkedIn

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *