呼叫中心運營管理的核心是對座席的規范并且人性化的管理，尤其座席規模大并且服務內容眾多的客服中心。
智能排班系統ZWM，正是在ZingFramework的一體化架構和統一數據的基礎上，綜合考慮了業務發展帶來的話務量因素、領導層戰略規劃所帶來的服務架構調整，以及各級別座席人員人性化要求等多方面的因素，為呼叫中心的現場運營和績效考核提供高效的管理平臺。
智能排班系統ZWM真正達到了"數據-座席-客戶"之間的指標平衡：
智能排班系統ZWM基于統一的歷史數據，進行獨有專利的集群算法，精準的預測話務量和趨勢走向。
智能排班系統ZWM的智能排班算法，結合話務量預測和企業資源狀況（如交通、餐飲等因素），擬合出未來每個時段的座席數量，并自動生成詳細的排班表。
智能排班系統ZWM提供了排班結果的分析和修正，支持對預測的、期望的和實際的排班結果進行對比分析。
智能排班系統ZWM提供基于排班表的現場管理，管理者可按照座席現場分布實時監視座席工作狀態和系統運行狀態，及時發現話務量偏差并對超過閥值的座席進行實時預警。
智能排班系統ZWM結合人力資源模塊，對座席綜合情況進行考慮，例如缺勤、假期、加班等，為薪資計算、勞動成本分配以及績效考評提供準確依據。
智能排班系統ZWM流程運行的結果是在未來的某段時間內確定的員工工作日程，即最終班表的生成，在正式實施精確排班之前，首先需要確定排班的初始條件。初始條件用來描述排班工作的總體概況，是排班工作的立足點和出發地，貫穿整個排班工作流程，沒有明確初始條件，將無法正常開展排班工作。
初始條件包括4項，第一是時間精度是管理者要求可控和可管理的最小時段，通常定義為0.5小時或1小時；
第二是資源精度是管理者要求可控和可管理的最小人力資源單位（通常是1 個班組或1 個人為單位），以及最小的座席單位（通常是1 組座席或1 個座席為單位）；
第三是排班的周期是指管理者期望的最小排班管理周期，通常定義為周或月；
第四是排班時段是呼叫中心正式提供服務的工作時間。
多種話務預測算法靈活運用
英立訊智能排班系統ZWM第一個環節是進行話務預測時，必須掌握未來一段時間的話務量，才能安排相應的座席代表數量予以匹配，以達到期望的服務水平。話務預測的目的是根據歷史的資料來預測未來的數據，在這里需要預測的數據包括兩個量，人工請求次數和平均處理時長。這兩個量對于將來的座席測算是至關重要的。例如某呼叫中心話務量變化情況，橫坐標表示日期，縱坐標表示當日的人工請求次數，呼叫中心的話務指標是一個典型的時間序列，在一月之中，一天之內的變化都很大，可以應用預測理論中的時間序列預測方法來進行預測。不同的時間序列的預測模型適用的條件不同，英立訊采用的時間序列的預測模型歸納起來有如下幾類。
圖 某呼叫中心話務量變化情況
上期值預測法
上期值預測法忽略了除最后一個數據點外的時間序列上的所有的數據點，使用最后的一個值作為下一個數據點的預測值：預測值＝上期值。當有更多的相關數據可用時。僅選擇單樣本的做法是較為簡單的；但是當條件迅速變化時，這不失為一個簡單有效的方法。
平均值預測法
平均值預測法使用了時間序列的全部數據點，而非一個，并簡單的求了平均值。所以下一個數據點的預測值：預測值＝所有數據求平均值。平均值預測法在環境比較穩定的時間序列中使用得非常廣泛，但是，在呼叫中心而言，話務隨多方面的因素而波動（并且很多因素是不可控制的），因此平均值預測法在淡季使用效果要相對好一些。
移動平均預測法
與使用無關的舊數據不同，移動平均預測方法僅對最近一段時間的數據求平均值。令：n＝被認為是與預測下一個時期相關的最近的時期數，于是下一個時期的預測值：預測值＝最后 n 個值的平均。移動平均法考慮了環境的變化，但對環境變化的響應有些慢。一個原因是時間序列過去的n 個值賦予相同的權重，盡管較老的數據在目前的情況下與新的觀察值相比缺乏代表性。
指數平滑預測法
指數平滑預測方法是對移動平均法的改進，將最重的權重賦予時間序列最近的值，將比較輕的權重賦予較老的值。指數平滑預測方法所示：預測值＝α（上期值）＋（1－α）（上次預測值）。這里的 α 是一個介于0 和1 之間的常數，成為平滑常數。平滑常數α 的選取對預測的影響非常大，小的α 值（如α＝0.1）適合于環境相對穩定的情況。較大的α 值（如α＝0.5）適合于環境變化相對較快的情況。但是由于呼叫中心的話務變化比較頻繁，而且幅度比較大，呼叫中心建議選取了這種方法，并且選取了α＝0.5作為預測的基準。（大多數情況下，α 取值在0.1 至0.3 之間比較合適）。
趨勢性指數平滑預測法
趨勢性指數平滑使用時間序列最近的數據來估計當前的向上或向下的趨勢。趨勢性指數平滑所示：預測值＝α（上期值）＋（1－α）（上次預測值）＋趨勢估計。趨勢性指數平滑方法常應用于趨勢非常明顯且經常出現的環境。
綜上所述，時間序列的預測模型的結果都是未來1 個月內的，每個半小時之內的話務量的預測值及平均處理時長的預測值。在話務預測結果出來以后，進入精確排班流程的第二個環節，即動態評估環節。呼叫中心的排班管理員將根據其豐富的經驗對話務預測的結果進行評估，并進行調整。通常情況下，調整的方法包括兩種，系數調整和絕對量調整。其中，系數調整是指以話務預測的結果作為基礎，乘以某個調整系數，用來成比例放大或縮小相關的數據。絕對量調整是指以話務預測的結果作為基礎，加減某個調整值，用來增大或減小相關的數據。
強有力的決策支持
通過預測算法的公式推理可以得到一系列核心重要指標：
中繼運行情況
半小時內最大電話并發量
中繼占用率
座席分布情況
半小時最大并發排隊量
座席占用率
座席工作效率
IVR分布情況
ACD排隊情況
優化的座席預測算法
話務預測和動態評估之后，進入精確排班的第三個環節，即座席預測環節。座席預測環節的職能是將前一環節的話務預測調整值轉換為人力資源（即座席）的預測值。座席預測環節是精確排班過程中的一個非常關鍵的環節，話務預測值，以及管理者期望的服務水平在這個環節中輸入，最終轉換為該時段內的座席預測值，即該時段要需要配置的座席數，這也是精確排班第四環節的輸入條件。在進行座席預測時，有兩種方法可供選擇：愛爾蘭公式法和黑匣子預測法。
呼叫中心是一個典型的排隊系統。電話一個接著一個到來，接受各種服務。如果一個到達的客戶不能立即接受服務，這個客戶就加入到一個隊列中進行等待，圖示是一個單隊列的排隊模型，如果呼叫中心擁有多個隊列，則需要構造多個上述的排隊模型。
愛爾蘭公式法是基于排隊模型的算法，愛爾蘭公式法作為一個精確的座席預測算法。在直接使用的時候也存在局限性，即愛爾蘭公式有兩個使用前提：客戶愿意無限期的等待、沒有重復撥打情況發生。然而在呼叫中心，這兩個前提條件是不能滿足的。首先，每個客戶有不同的耐心程度，在等待一段時間后會主動放棄；同時，在大多數呼叫中心在客戶等待60秒左右，自動語音導航系統將會提示座席代表繁忙而主動掛斷客戶的電話。其次，客戶在放棄之后，往往會再次至電呼叫中心，希望能夠接通人工獲得服務，于是就會形成重復撥打。重復撥打率與接通率呈明顯的負相關關系，
智能排班系統ZWM座席預測模式,在erlang模型基礎上進行了修改呼叫中心管理模式：
1、固定服務率：人員擬合相對穩定較erlang模型準確度有非常大的提高;
2、可變服務率：人員擬合較固定服務率更加穩定，但是需要現場管理根據電話情況對座席服務率進行要求。
智能排班系統ZWM在erlang模型基礎上，結合傳統啟發式算法如(免疫遺傳算法,模擬退火算法,蟻群算法)來進行求解的基礎上，開發了自適應多目標神經網絡優化求解方法。
人性化的班次規則生成
座席預測環節之后，進入精確排班的環節，即班次設計和資源規劃環節，獲得了未來1 個月內每半小時所需要的座席數量，班次設計和資源規劃環節的職能在于解決這一問題：如何安排員工上班，使每半小時實際安排的座席數量不少于需要的座席數量；如果實際安排的座席數量不足要求的座席數量，那么服務水平將達不到管理者所期望的服務水平。
要滿足每半小時實際安排的座席數量不少于需要的座席數量的要求，首先就需要進行班次的設計，這是為第五環節資源規劃而準備的。"班次設計"是指設計出一系列的班次，比如早班，中班，晚班，等等。而將來只要告訴員工，你下個月每天各上什么樣的班次即可。在班次設計時，需要充分考慮前面提到的一些影響因素：如下所示。
在班次設計上，呼叫中心必須注意，班次的數量要適中。如果班次數量較少，則可能會導致話務的擬合效果偏差；如果班次數量較多，座席代表會由于難于記憶而開始反感。
靈活的排班現場管理
智能排班系統ZWM實現靈活的排班管理，其中參數生成功能是指生成一系列的用于評價排班優劣的參數。評價參數的選取和對未來風險的評估，是在班表出來之后的一個重要的工作。既是對前期精確排班工作的小結，也是對可能出現的問題的一次分析，通過該環節可以很好的實現對全局的掌控。
對于呼叫中心運行情況的考核必須做到及時、全面并按周期連續地進行，以便促進其服務不斷提升。從管理經驗來看，在考核指標上主要考慮呼叫中心的接通能力、業務處理技能、服務親和力三大類指標。
而對于呼叫中心排班工作優劣的考核，建議通過下列評價參數來衡量。評價參數的生成是幫助排班師和上級領導來快速查詢和總體上把握排班情況的，通常包括：1、管理者設置的期望服務水平；2、在排班中引用的話務利用率指標數值；3、每天各時段安排的班組個數以及全天的總數；4、每天休息的班組數量；5、每天各班次的出現次數；6、每天各班組上班的工時數量以及月總工時數量；7、每月各班組上的各種班次數量統計和休息天數統計。
關于英立訊科技
英立訊科技（Zinglabs）作為國際領先的高效能一體化架構聯絡中心平臺倡導者，一直秉承"創新設計 追求卓越"的理念，經過多年研發在ZingFramework?高效能一體化架構的引領下，成功推出ZingSwitch? CVNET(i) （Contact-Center Versatile Network）系列產品，為用戶開創一個全面支持業務、融合全媒體、安全可信賴的一體化架構聯絡中心平臺和運營績效管理平臺，并被業界譽為第四代聯絡中心的代表。公司專心致力于CallCenter和CTI領域，多年來成功為中國農業銀行全國95599、中國人民銀行總行、中央國債總局、商務部全國12312、中國石化全國服務熱線、國家電網95598、上海世博會、北京人民廣播電臺等眾多行業高端用戶構建聯絡中心平臺。回歸民族品牌后，英立訊將立足于一個嶄新的起點，作為原廠商繼續在聯絡中心領域不斷專研和探索，創一流產品品牌和服務品牌，并通過 ZingSwitch? CVNET(i)系列產品帶您輕松跨入全媒體聯絡中心的"感o動"時代。
京公網安備 11010502049343號