基于定性与定量分析的联络中心任务量预测法

陈国茹，李军祥

基于定性与定量分析的联络中心任务量预测法

陈国茹，李军祥

任务量预测是联络中心人员排班的第一步，如何精确预测联络中心的任务量并相应地安排适当数量的座席人员来处理客户的需求是联络中心管理人员面临的首要问题。提出采用定性分析与定量分析相结合的任务量预测方法。对于给定的任务量数据，首先，采用观察法进行定性的分析区分异常和正常数据，然后，分别选定合适的定量预测方法进行预测。任务量定量预测方法包括趋势拟合、线性回归、移动平均、时间序列分解等预测方法。通过定性分析与定量分析相结合的综合应用方法，给出更准确的联络中心任务量预测方案，帮助管理人员最大程度的减少放弃和被拥堵在队列中的任务数量，设计制定可行性高的座席人员数量及人员排班。

联络中心；时间序列；任务量预测；定性分析；定量分析

0 引言

联络中心作为语音交换和通讯产业的应用分支之一，是以信息技术（IT）为核心、以多渠道通信（如电话、Email、Internet、SMS、微信、Web聊天等）为手段，实现交互式的实时通讯和即时沟通的全网融合平台。随着社会竞争力的增大以及客户与公司联系日益密切，为提高服务质量，了解客户需求，进行准确的任务量预测非常重要[1]。

目前，很多联络中心都是有着几千个座席人员的大型联络中心[2]。联络中心的一个显著特点就是联络中心顾客需求在时间与业务上均表现出极大的不均衡性。时间上的不均衡性表现在：由于生活习惯、作息规律等因素的影响，联络中心忙时与闲时的任务量需求相差几十甚至上百倍。业务上的不均衡性表现在：业务种类繁多，不同业务任务到达量和变化规律有显著差异，座席人员变成多技能，在这种多对多的关系下，传统的Erlang排队理论[3]不再适用。特别地说中国幅员辽阔、人口基数庞大、人口流动性大，因为传统节日、广告促销或重大突发事件，都会引起顾客需求的非正常波动，这种不可预测性和不可控性使得顾客需求的不均衡性大大加剧，这直接导致按常规的定量预测方法估计顾客需求量与实际相差很大的情况发生。如果不考虑这些不均衡因素，仍然使用和制造业一样的排班模式安排人员上班，不但会使座席人员闲忙不均，影响服务质量，无法满足实际服务需求，而且会浪费大量的人力，使人力成本攀升。因此，准确预测任务到达量是联络中心座席数安排的前提。

由于任务量数据是典型的时间序列[4-6]，因此，目前许多联络中心是利用时间序列分析方法来计算或预测任务量的[7-10]。时间序列预测是时间序列分析中的一项主要工作，它根据系统有限长度的历史数据建立模型,并对系统的未来行为进行预测[11-13]。目前，实际应用的方法主要是移动平均、指数平滑、线性回归等[14-16]。但是，这些方法要求历史数据必须完整，而且不适用于有季节变动规律的月份话务量预测。

本文基于现实情况的突变性与不稳定性以及单纯依赖于定量方法预测存在的不准确和不适合性等缺点，采用定性分析与定量分析相结合的方式，给出一种考虑全面的联络中心任务量预测方法以便更准确地预测任务量。

1 任务量定性预测方法

定性分析法又称非数量分析法，是指由有关方面的专业人员根据个人经验和知识，结合预测对象的特点进行综合分析，对事物的未来状况和发展趋势做出定性判断与推测的一类预测方法。常用的定性预测方法有：德尔菲法、销售人员意见汇集法、名义小组法等[14]。

定量分析法是在完整掌握与预测对象有关的各种要素定量资料的基础上，运用现代数学方法进行数据处理，据此建立能够反映有关变量之间规律性联系的各种预测模型的方法体系。

不同时期的任务量构成时间序列，对时间序列的分析分为趋势分析与季节变动分析两类。

I.趋势分析。有些任务量的时间序列有显著的趋势，分析的目的就是要找到序列中的这种趋势，利用这种趋势对序列发展做出合理预测，通过趋势拟合法和平滑法进行趋势分析。常用的趋势分析[14-16]有趋势拟合法和平滑法。平滑法适用于中短期预测。

II.季节变动分析。当不同时期的任务量形成有规律的季节性周期变动时可以采用季节变动周期法。该方法适用于有季节性变动的中期任务量预测，采用时间序列分解模型。

本文采用的是一种新的定性和定量分析方法。这种方法就是根据以往数据的变化情况，结合图形，通过观察，区分异常数据和正常数据，采取分别对待进行预测的方法。在服务领域，这种方法常常适用于传统节假日、广告促销或重大突发事件所因起的任务量与正常情况显著不同而采取的预测方法。

2 定性和定量相结合进行任务量预测

对于联络中心任务量预测，给定历史任务量，首先，采用观察法定性分析历史任务量数据的稳定性，对于部分非规律性且波动程度很大的数据，定性分析其原因。例如，可能由于公司近期的一些特殊业务活动任务量突变而导致业务量突变、可能出现新服务、还可能服务出现了问题等等。分析出原因之后，在管理上要进行相应的处理措施，并采用这些异常数据进行未来同类事件发生的任务量预测。

对于特殊时日数据出现的有规律的波动，例如，月初或者月末使任务量出现有规律的波动现象，应该把这些特殊时日的数据与其他日期的数据分开讨论。

对于处理过且分类后的数据进行分析处理，根据数据的图像特征，结合不同时段的历史数据规律定性地分析判断，选用适合的定量预测方法，以实现更准确地任务量预测。

3 实例分析

I.采用定性与定量分析相结合的分析方法预测任务量。

某联络中心3-6月份日任务量统计：如图1所示：

图1 某联络中心3-6月份日任务量统计图

预测联络中心7月份日任务量如下：

综合组:男11例,女8例;年龄20-66岁,平均(41.53±3.30)岁;病程1个月-6年,均值(3.64±0.67)年。

定性分析：从图表中可以看出：在每个月初两天及月末两天任务量有大幅度上升，其他日期任务量稳定。将月初月末作为特殊日期与其他日期任务量分开分析。

对于其他日期任务量预测，由于其稳定性较高，可采用移动平均值进行预测，n取5，则预测其任务量就是去除特殊日期后最接近的5天任务量平均值，则7月3日任务量：

其他日期的任务量则分别取最近的去除特殊日期后的任务量进行计算。统计特殊日期的话务量如表1所示：

表1 联络中心3-6月份月初及月末日任务量统计表

绘出折线图：如图2所示：

图2 联络中心3-6月份月初及月末日任务量统计图

定性分析：由图表可以看出，其围绕平均值上下波动，且波动幅度稳定，每月第一天和最后一天处于波峰，每月第二天及倒数第二天波谷。图形呈现出季节性变化规律，利用时间序列分解模型进行预测。总平均数ζ=29149.6875；分别计算其季节因子：，同理计算出去除季节因子的影响得数据如表2所示：

表2 去除季节因子影响后的任务量

经趋势拟合得出其任务量回归直线为y=21.278x+28969，则7月1日预测任务量=(21.278×17+28968)×1.0831=31767.08次，同理得7月2日预测任务量为 27533.78次，7月30日预测任务量为25729.36次，7月31日预测任务量为32420.33次。

表3 MAD、MSE、MFE、MAPE计算一览表

MAD=1705/6=284.17， MSE=699113/6=116518.83，MAPE=6.09/6=1.02，MFE=701/6=116.83。由 MAD可知定性与定量方法的综合应用使得数量级在万级的任务量预测值的误差控制到284.17次，反映相对误差的MAPE值1.02进一步反映了其预测精度良好，MFE的值116.83次可以反映出预测结果偏差小，预测准确性高。

Ⅱ.仅按定量预测方法预测任务量。

仅采用移动平均的定量预测方法进行预测，取n为5，则7月1日任务量为：

同理算出其他日期的任务量如下表4所示：

表4 仅采用定量分析的预测任务量

对预测任务量进行误差分析，如表5所示：

表5 MAD、MSE、MFE、MAPE计算一览表（2）

MAD= 4760.23；MSE= 36545505.66；MAPE= 17.29；MFE= 2316.70。

我们将定性和定量相结合的分析方法和仅使用定量分析的方法的各误差分析指标进行比较，结果如表6所示：

表6 两种方法下的误差比较

从表6可以看出，单纯采用定量分析预测方法所得到的预测误差明显高于采用定性分析与定量分析相结合的预测误差。进一步说明了采用定性分析与定量分析相结合的任务量预测方法在实际的预测过程中有良好的优越性。

在该例题中，采用定性分析与定量分析相结合的任务量预测方法对七月份话务量进行预测过程中，根据定性的观察图像变化情况，将月初月末等特殊日期与其他日期分开讨论，分别运用移动平均方法和时间序列分解模型进行定量预测。之后对比进行了单纯的定量方法预测分析，通过对两种方法产生误差的比较，可以看出定性与定量方法的结合应用，使得预测的任务量更符合现实情况，极大地提高了预测的准确性。

4 结束语

联络中心任务量预测是排班前必须进行的一步，只有准确地预测任务量，才能使排班合理化。本文对定性和定量的预测方法进行分析，给出联络中心任务量应用定性分析与定量分析相结合的分析法，通过观察法定性分析去除偶然因素对任务量影响，定性地判断任务量数据的规律性，对数据进行分类，然后再分别选择合理的定量预测方法以使定量分析后的预测值更具准确性。该方法通过现实联络中心数据进行了验证和误差分析，结果表明这种分析方法是一种很实用有效的方法。

[1] 牟颖,王俊峰,谢传柳，夏正洪.大型呼叫中心话务量预测[J].计算机工程与设计,2010，31(21): 4686-4689,4719.

[2] 李军祥, 戴韬, 叶春明. 云计算下的分布式联络中心服务设计[J]. 上海理工大学学报. 2014.

[3] N. Gans, G. Koole, A. Mandelbaum, Telephone call centers: tutorial, research prospects,[J]Manufacturing and Service Operations Management, 2003, 5: 79-141.

[4] 董哈微，叶先一. 基于时间序列的呼叫中心话务量预测[J].闽江学院学报, 2008, 29(5): 27-30.

[5] 曾俊.话务量预测模型的建立与仿真研究. [J]计算机仿真, 2012, 29(2): 116-119 .

[6] 艾勇.电力呼叫中心话务量的指数平滑预测方法[J].中南民族大学学报(自然科学版), 2012, 31(3): 81-84.

[7] 刘童.话务量时间序列预测方法的实现[D].长春：吉林大学硕士学位论文，2008.

[8] 程伟.基于季节变动模型的话务量预测[J].湖北邮电技术，2000，55（3）：24-26.

[9] 彭宇,雷苗,郭嘉,等. 基于先验知识的移动通信任务量预测[J]. 电子学报. 2011, 39(1): 190-194

[10] 张辉,白波.客服中心话务量预测方法对比分析[J].山东通信技术,2012，32(3): 32-34.

[11] A. K. Kirshners;S. V. Parshutin and A. N. Borisov; Combining clustering and a decision tree classifier in a forecasting task; Automatic Control and Computer Sciences; 2010, 44(3): 124-132.

[12] Wing Yee Leea;Paul Goodw ina; Providing support for the use of analogies in demand forecasting tasks; International Journal of Forecasting; 2007, 23(3): 377-390.

[13] Z.B. Dong, D.Z. Yang, T. Reind. Short-term solar irradiance forecasting using exponential smoothing state space model[J]. Energy. 2013, 55: 1104-1113

[14] 陈荣秋，马士华.生产与运作管理[M].机械工业出版社，2006.

[15] 吴大军，牛彦秀.管理会计[M].东北财经大学出版社，2013.

[16] 严广乐，张宁，刘媛华.系统工程[M].机械工业出版社，2008.

The Forecast M ethod to the Tasks of Contact Center w ith Qualitative and Quantitative Analysis

Chen Guoru, Li Junxiang
(Business School, University of Shanghai for Science and Technology, Shanghai 200093, China)

The forecast of the arriving tasks is the beginning of the staff scheduling in contact center. The first issue that the staffs in contact center should faced is how to predict the tasks in contact center accurately, while arranging the number of agents who meet the customers’ needs appropriately. In this paper, the combination of qualitative and quantitative analysis is used to predict the tasks. The qualitative analysis to the original data of the tasks in contact center is first used to classify abnormal and normal data by the observational method. Next a method of the quantitative analysis, which includes trend fitting, linear regression, moving average, time series decomposition, is chosen to forecast the arriving tasks in terms of the classification. By means of method that combines qualitative and quantitative analysis, the solution is given to help staffs to forecast the arriving tasks effectively in contact center and helps staffs to reduce the numbers of abandoned or blocked tasks in the queue. It helps managers to design staff scheduling better as well.

Contact Center; Time Series; Forecasting Task; Qualitative Analysis; Quantitative Analysis

TP 391

A

2014.06.18）

国家自然科学基金项目（71090404/71090400，71102070，11171221，71271138，71202065，71103199，71371140）；上海市一流学科项目（XTKX2012，S1201YLXK）；上海市教委创新基金（14YZ088，14YZ089）；上海理工大学培育基金（13XGM 03,12XSY10）；上海市研究生和大学生创新项目（JWCXSL1302，SH2013054，XJ2014098）

陈国茹（1993-），女，安徽定远人，上海理工大学管理学院，硕士研究生，研究方向：服务运作管理，上海，200093

李军祥（1971-），男，山东乐陵人，上海理工大学管理学院，博士，副教授，博士后，研究方向：运营管理，上海，200093

1007-757X(2014)11-0005-03