下载文档原格式
基于技术的智能客服系统建设方案第一章概述 (3)1.1 项目背景 (3)1.2 项目目标 (3)1.3 技术发展趋势 (3)第二章需求分析 (4)2.1 用户需求分析 (4)2.1.1 客户服务效率提升 (4)2.1.2 个性化服务体验 (4)2.1.3 用户隐私保护 (4)2.2 业务流程分析 (5)2.2.1 客户咨询接入 (5)2.2.2 自动问答与智能转接 (5)2.2.3 用户反馈与评价 (5)2.3 系统功能需求 (5)2.3.1 自动回复功能 (5)2.3.2 个性化推荐功能 (5)2.3.3 用户隐私保护功能 (6)2.3.4 多渠道整合功能 (6)第三章技术选型 (6)3.1 技术概述 (6)3.2 人工智能算法选择 (6)3.2.1 自然语言处理算法 (6)3.2.2 语音识别算法 (7)3.2.3 机器学习算法 (7)3.3 系统架构设计 (7)第四章数据处理与建模 (8)4.1 数据采集与清洗 (8)4.2 特征工程 (8)4.3 模型训练与优化 (9)第五章系统设计与开发 (9)5.1 系统模块划分 (9)5.2 系统界面设计 (10)5.3 关键技术实现 (10)第六章系统集成与测试 (11)6.1 系统集成 (11)6.1.1 集成概述 (11)6.1.2 集成内容 (11)6.1.3 集成方法 (11)6.2 功能测试 (11)6.2.1 测试目的 (11)6.2.2 测试内容 (11)6.2.3 测试方法 (12)6.3 功能测试 (12)6.3.1 测试目的 (12)6.3.2 测试内容 (12)6.3.3 测试方法 (12)第七章系统部署与运维 (12)7.1 系统部署 (13)7.1.1 部署流程 (13)7.1.2 部署策略 (13)7.2 运维管理 (13)7.2.1 运维团队建设 (13)7.2.2 运维工具选型 (13)7.2.3 运维工作内容 (14)7.3 故障处理 (14)7.3.1 故障分类 (14)7.3.2 故障处理流程 (14)7.3.3 故障处理策略 (14)第八章安全与隐私保护 (14)8.1 数据安全 (14)8.1.1 概述 (14)8.1.2 数据加密 (14)8.1.3 数据存储安全 (15)8.1.4 数据备份与恢复 (15)8.2 用户隐私保护 (15)8.2.1 概述 (15)8.2.2 用户信息收集 (15)8.2.3 用户信息存储 (15)8.2.4 用户信息处理 (15)8.2.5 用户信息传输 (16)8.3 法律法规遵守 (16)8.3.1 概述 (16)8.3.2 法律法规梳理 (16)8.3.3 法律法规培训与宣传 (16)8.3.4 法律法规合规性检查 (16)第九章项目实施与推广 (16)9.1 项目实施计划 (16)9.2 培训与推广 (17)9.3 项目评估与改进 (17)第十章总结与展望 (17)10.1 项目成果总结 (18)10.2 存在的问题与挑战 (18)10.3 未来的发展方向 (18)第一章概述1.1 项目背景互联网技术的飞速发展，客户服务已成为企业竞争的关键环节。
客服中心智能排班系统设计方案说明目录一、工程概述 (3)二、排班管理系统流程图 (4)三、排班管理系统框架图 (5)四、需求规格描述 (6)4.1历史话务统计 (6)4.2异动与规律 (8)4.3话务与人员预测 (9)4.4人员与班次 (11)4.5自动排班 (11)4.6绩效与报表 (12)五、业务量与人员预测 (13)5.1日常数据的收集和统计 (13)5.2话务量清洗方法 (13)5.3预测基本原理和方法 (15)5.4业务量预测的最佳实践 (20)5.5人员需求预测方法 (21)六、自动排班介绍 (23)6.1排班要求 (23)6.2自动排班方案 (23)6.3班组排班方案 (27)6.4机动班方案 (29)6.5遵时度方案 (30)一、工程概述排班管理系统工程概述：1、收集并保留各种业务类型的历史业务量数据，包括人工及自动语音接听量、总放弃量、平均通话时间、话后处理时间等。
2、具备科学严谨的业务量预测方法和步骤。
3、不晚于每年度12月完成对下一年度的长期预测，所预测的业务量需要精确到月。
4、不晚于每月度25日完成对下一个月度的短期预测，所预测的业务量需要精确到每日的每个小时时段。
5、在历史数据预测的基础上，应根据价格变动、临时任务、宣传活动等因素，以周为单位对短期业务量预测进行实时调整，并留存相关文档。
6、具备对短期业务量预测准确性的分析和管理机制。
7、根据短期预测数据进行人员的合理排班，并不晚于每月度25日完成对下一月度的人员排班。
8、能够根据对每一时段的业务量预测和服务水平要求，合理安排人员数量与班次，实现人员数量与业务量的最佳匹配。
9、员工排班符合国家相关法律法规和公司的相关规定，符合呼叫中心的业务特点及满足人员利用效率最大化的需求。
二、排班管理系统流程图排班管理系统主要流程图：三、排班管理系统框架图排班管理系统整体框架图：四、需求规格描述本章分功能模块描述排班管理系统需求规格说明。
呼叫中心智能客服系统设计与优化随着科技的不断进步，呼叫中心作为企业对外沟通的重要渠道，也在不断发展和优化。
智能客服系统作为呼叫中心的一项重要技术，通过人工智能的技术手段，为企业提供更高效、更智能的服务。
本文将围绕呼叫中心智能客服系统的设计与优化展开讨论。
一、智能客服系统的设计1.多渠道接入随着用户对沟通渠道的多样化需求，智能客服系统需要支持多种渠道的接入，如电话、邮件、社交媒体等。
通过综合各种渠道的信息，企业能够更全面地了解用户需求，并提供更精准的服务。
2.自动化应答智能客服系统应具备自动应答的功能。
通过预设的常见问题和答案，系统能够快速响应用户的问题，提高服务的效率。
同时，系统也应具备自学习的能力，能够不断优化答案库，从而提供更准确、更个性化的回答。
3.语音识别和语音合成技术呼叫中心智能客服系统需要具备语音识别和语音合成技术，实现语音与文字的相互转换。
这样不仅能够满足用户在不同环境下的需求，还能够提供更加自然、人性化的交流体验。
4.智能路由智能路由功能是呼叫中心智能客服系统中的重要组成部分。
系统通过分析用户的需求、问题类型、地理位置等信息，将用户的问题准确地转接到相关专员。
这样能够提高问题解决的速度和准确度，提升用户满意度。
5.数据分析与挖掘智能客服系统应能有效地分析和挖掘来自不同渠道的用户数据，以了解用户对企业产品和服务的需求、偏好以及痛点。
通过对数据的分析，企业能够做出相应的调整和优化，提供更符合用户需求的服务。
二、智能客服系统的优化1.持续学习和优化智能客服系统不是一次性的工程，而是需要持续学习和优化的过程。
通过对用户需求、问题和反馈的不断分析，系统可以进行不断地调整和升级，提高服务的质量和效率。
2.个性化服务智能客服系统应该能够根据用户的特点和历史记录，提供个性化的服务。
通过了解用户的需求和偏好，系统可以向用户推荐相关的产品和解决方案，提供更加贴心的服务体验。
3.人工智能与人工服务的结合虽然智能客服系统可以提供高效的自动应答功能，但在某些复杂问题上，人工服务仍然不可或缺。
客服智能排班管理系统
呼叫中心智能客服排班管理系统，相比较传统的人工排班师而言，能实现自动化排班，不仅排班更合理，而且提高了排班的效率，排班从未如此轻松。
智能客服排班管理系统，是基于专业的劳动力管理模型结合AI算法，为您提供专业准确灵活便捷的一站式呼叫中心客服智能排班解决方案。
一、智能排班耗时降低90%，释放劳动力
1、人工智能算法，科学排班：
2、灵活的排班工具：
3、实时更新，及时通知：
4、拖放编辑，让操作变得简单：
二、业务量预测，保证最佳人力覆盖
1、话务量预测建模：
2、减少人力损耗与冗余：
三、智能呼叫中心系统排班：
1、均衡分配所有班次人力，科学排班：
2、倾听员工之声，综合考虑员工各项诉求：
3、休假管理：
4、加班、调休管理：
5、考勤管理：
6、多维度数据分析报告：
7、员工自助服务：
好了，呼叫中心客户智能排班管理系统就介绍到这里，通过智能排班管理，可以提高排班的合理性，减少客服抱怨，提高客服效率。
详情了解客服智能排班管理系统，上海云翌通信网站介绍更专业。
客服排班设计方案随着社会的发展和企业的壮大，客服部门的重要性越来越凸显，客服排班设计方案变得至关重要。
下文将从客服排班的意义和目的、排班的主要方式、排班时应注重的问题、排班方案的优化与实施等几个方面，介绍客服排班设计方案。
客服排班的意义和目的客服排班是指在合理调配客服人员工作时间和人力资源，以满足客户服务需求的前提下，保障客户服务质量的一种组织管理方法。
客服部门在维护客户关系和提供优质服务的过程中，需要用到不同种类的客户服务，并需要不断地满足客户的需求。
因此，客服排班涉及到多个方面，它能帮助企业提升客户满意度，提高员工工作效率，增强公司的整体实力。
客服排班主要的目的在于：1.确保在客户需要时能够提供优质的客户服务。
2.合理组织客服人员的工作时间，避免过度劳动，提高工作效率。
3.确保客服队伍能够按时、精确地接收客户的咨询、投诉、建议等，并进行及时处理。
4.尽量减少空闲时间和漏洞，从而排除客服工作的不确定性。
排班的主要方式客服排班的方式有很多种，可以根据不同的实际情况进行选择，如：工作时间、工作环境、员工的数量、员工的专业能力等有关因素。
以下是一些主要的排班方式：1. 小周期轮换这种排班方式一般是在一周内，轮流安排不同的员工作为客服。
每个员工定期轮换至其他任务，以保持员工之间的协调和合作，同时也给员工提供了比较公平的发展机会。
2. 月度排班在这种方式下，员工每月按照一定的规律轮流进行客服工作。
这一方案会促进员工的感觉更加平衡、稳定，并避免员工直接疲惫导致的减轻工作质量的风险。
3. 季度调整这种方式下，人员每季度有一个岗位调整方案，这样可以确保岗位能够适应不同的任务需要，并且能够满足不同员工的发展需求。
4. 长期常驻有些企业的客服岗位非常稳定，所以他们可以选择留下一些员工长期常驻在客服岗位上，这可以让员工与客户长时间地交互，更加了解他们的需求，并能够从中提供更为专业、优质的服务。
排班时应注重的问题在执行客服排班时，还需要关注一些关键点，这些问题对于优化排班方案以保持良好服务水平至关重要，包括：1. 客户服务需求任何排班方案都必须考虑到客户需求，这意味着应该对客户服务需求有合理的评估，比如考虑到客户数量、各个地区市场的需求等因素。
智能排队系统产品方案上海强众信息科技有限公司电话：021－50275136Email: fjl_sh@2019年7月9日目录一、系统简介 (3)二、主要功能及优点 (3)三、系统结构图 (5)四、系统各部件介绍 (5)（一）取号机和票号介绍 (5)（二）触摸屏和票号外观设计 (7)（三）呼叫器 (8)四）显示屏 (10)五、柜员操作说明 (11)六、客户评价系统 (13)七、技术指标 (14)1、规格参数 (14)2、触摸屏技术参数： (14)3、EPSON打印机技术参数 (15)八、系统分项报价表 (16)九、工程实施 (17)十、售后服务事项 (18)一、系统简介随着窗口服务行业业务量的增长及业务种类的增加，排队等候已成为人们生活中经常面对的问题。
长时间的站立等待极易使客户劳累并产生急躁情绪，同时排队时的拥挤、个别人的插队等现象易使现场发生混乱，破坏了服务场所的秩序，这不仅影响正常的工作效率，还有损企业、个人乃至社会的形象；近年来，随着人们生活水平的日益提高，服务质量越来越受到人们的关注，排队等候问题也受到了人们的质疑。
我公司经过充分的市场调研和多年从事产品开发的经验，融合高科技技术，开发了这套网络排队管理系统。
此系统通过计算机完全模拟人群排队过程，取票、等待办理、柜员呼叫、办理业务等现场排队服务以及远程网络预约、远程等候、网络提醒、VIP会员合理插队等功能，舒缓了顾客等待的急噪情绪，免除客户站立之苦，使人们在等候服务的过程中拥有一个相对自由的空间，即改善了服务质量，又树立良好的形象，提高竞争力，真正体现了科技以人为本的理念。
同时此网络排队系统具有强大的统计和图表功能，为单位的成本、效益方案提供详细的参照数据。
特别适合金融、医院、税务、工商、邮政、通讯、保险、签证、车管等窗口服务性行业。
为方便安装维护，同时考虑用户升级和功能扩展，本系统采用简单的模块化接口设计，也大大提高了系统的可靠性。
这种智能化、人性化的服务系统越来越受到人们的接受和赞同，在国内也被越来越多的服务行业认可和采用。
智慧手机排班系统设置设计方案智能手机排班系统设计方案一、需求分析：排班系统是为了解决人力资源调配和安排问题，提高工作效率和人力资源的利用率。
智能手机排班系统是一种基于手机APP的排班管理系统，可以通过手机来进行排班操作和查询。
它可以提供以下功能：1. 排班管理：提供排班表的创建、修改和删除功能，可以快速调整和安排员工的工作时间，确保工作任务的顺利进行。
2. 员工信息管理：可以管理和查询员工的基本信息，包括姓名、工号、职位等，方便对员工进行分组和分类。
3. 自动排班：根据员工的工作时间限制和排班需求，系统可以自动生成合理的排班方案，减少人为的排班工作量和错误率。
4. 排班查询：员工可以通过手机查询自己的排班信息和工作时间，方便掌握个人工作安排。
5. 班次管理：可以设定不同的班次，包括上午班、下午班和晚班等，方便对工作时间进行管理。
二、系统设计：1. 技术选型：智能手机排班系统可以采用移动端开发技术，如React Native、Flutter等，以实现跨平台的兼容性。
2. 系统架构：系统采用分层架构，包括前端展示层、业务逻辑层和数据访问层，实现前后端分离和数据的有效管理。
3. 数据库设计：系统采用关系型数据库或NoSQL 数据库来存储用户、员工和排班信息。
可以设计用户表、员工表和排班表来存储相关数据，并通过关系建立不同数据之间的关联。
4. 用户认证与权限管理：系统需要提供用户注册、登录和权限管理功能，确保只有授权的用户才能使用系统，并根据权限级别决定不同用户的操作权限。
5. 页面设计：系统需要设计交互友好的用户界面，包括主页、员工管理、排班管理等功能页面，并提供清晰的操作提示和反馈。
三、系统流程：1. 用户注册与登录：用户通过手机APP进行注册和登录，系统会验证用户信息并分配相应的权限。
2. 员工信息管理：管理员可以添加、修改和删除员工信息，包括姓名、工号、职位等，并进行分组和分类。
3. 排班管理：管理员通过创建排班表来安排员工的工作时间，可以选择班次、日期和员工，系统会根据规则自动生成排班方案。
客服中心智能排班系统设计方案说明目录一、工程概述 (4)二、排班管理系统流程图 (5)三、排班管理系统框架图 (6)四、需求规格描述 (7)4.1历史话务统计 (7)4.2异动及规律 (10)4.3话务及人员预测 (12)4.4人员及班次 (16)4.5自动排班 (17)4.6绩效及报表 (17)五、业务量及人员预测 (19)5.1日常数据的收集和统计 (19)5.2话务量清洗方法 (19)5.3预测基本原理和方法 (23)5.4业务量预测的最佳实践 (30)5.5人员需求预测方法 (30)六、自动排班介绍 (33)6.1排班要求 (33)6.2自动排班方案 (33)6.3班组排班方案 (40)6.4机动班方案 (43)6.5遵时度方案 (44)一、工程概述排班管理系统工程概述：1、收集并保留各种业务类型的历史业务量数据，包括人工及自动语音接听量、总放弃量、平均通话时间、话后处理时间等。
2、具备科学严谨的业务量预测方法和步骤。
3、不晚于每年度12月完成对下一年度的长期预测，所预测的业务量需要精确到月。
4、不晚于每月度25日完成对下一个月度的短期预测，所预测的业务量需要精确到每日的每个小时时段。
5、在历史数据预测的基础上，应根据价格变动、临时任务、宣传活动等因素，以周为单位对短期业务量预测进行实时调整，并留存相关文档。
6、具备对短期业务量预测准确性的分析和管理机制。
7、根据短期预测数据进行人员的合理排班，并不晚于每月度25日完成对下一月度的人员排班。
8、能够根据对每一时段的业务量预测和服务水平要求，合理安排人员数量及班次，实现人员数量及业务量的最佳匹配。
9、员工排班符合国家相关法律法规和公司的相关规定，符合呼叫中心的业务特点及满足人员利用效率最大化的需求。
二、排班管理系统流程图排班管理系统主要流程图：三、排班管理系统框架图排班管理系统整体框架图：四、需求规格描述本章分功能模块描述排班管理系统需求规格说明。
客服中心智能排班系统设计方案说明背景客服中心是企业最直接接触消费者的部门之一，它关系到企业形象和声誉的塑造。
客服人员的工作轮换和排班对于企业的运营和效率也有着重要的影响。
传统的手动排班方式，容易出现排班不合理，人员不均衡等问题，不仅影响了企业客服质量，而且浪费了时间和人力资源。
因此我们需要一个智能排班系统来解决这个问题。
目标本文将介绍一种适用于客服中心的智能排班系统，该系统能够根据客服人员的实际工作情况，自动生成合理的排班表。
并且该系统能够实时监测客服人员的工作状态，自动调整排班计划，以确保客服人员的工作质量和效率。
技术架构系统架构图客服中心智能排班系统||---------数据库：存储员工信息，排班计划和工作状态等数据|---------智能算法模块：分析员工情况，生成排班表|---------调度模块：根据工作情况实时调整排班计划|---------前端界面：提供人机交互界面，实现排班管理系统模块说明数据库用于存储客服人员的基本信息，包括姓名、工号、岗位、排班时间等信息。
同时，还需要记录每个客服人员的工作状态，包括下班时间、请假、加班等状态。
通过这些信息，智能算法模块能够更好地识别每个客服人员的工作情况，生成更合理的排班计划。
智能算法模块该模块通过分析员工的工作情况，包括日常工作量、技能水平、个人喜好、常规休假等信息，生成一份合理的排班计划。
算法的核心是分配工作量和平衡每个员工的工作时间，以保证每个员工安排了合理的工作。
调度模块调度模块主要负责根据工作情况实时调整排班计划。
例如，当出现人员请假或突发事件时，调度模块可以及时调整排班计划，保证客服中心有足够的人员提供客服服务。
前端界面前端界面用于提供人机交互界面，以实现排班管理。
操作人员可以通过前端界面查询员工信息、排班计划、以及员工工作状态等信息。
前端界面还需要提供简单的操作界面，以便调度人员可以在需要时手动调整排班计划。
系统流程排班方案生成流程1.读取员工信息、技能水平、主要工作类型、常规休假等数据；2.按照标准工作时间和员工状态，计算出员工可用的工作时间；3.根据员工的可用工作时间，以及客服中心的工作量、时间安排和服务标准等因素，算法模块计算出合理的排班方案；4.将生成的排班方案保存到数据库中。
客服中心智能排班系统设计方案说明客服中心智能排班系统设计方案说明目录一、工程概述 (3)二、排班管理系统流程图 (4)三、排班管理系统框架图 (5)四、需求规格描述 (6)4.1历史话务统计 (6)4.2异动与规律 (8)4.3话务与人员预测 (9)4.4人员与班次 (11)4.5自动排班 (11)4.6绩效与报表 (12)五、业务量与人员预测 (13)5.1日常数据的收集和统计 (13)5.2话务量清洗方法 (13)5.3预测基本原理和方法 (15)5.4业务量预测的最佳实践 (20)5.5人员需求预测方法 (21)六、自动排班介绍 (23)6.1排班要求 (23)6.2自动排班方案 (23)6.3班组排班方案 (27)6.4机动班方案 (29)6.5遵时度方案 (30)一、工程概述排班管理系统工程概述：1、收集并保留各种业务类型的历史业务量数据，包括人工及自动语音接听量、总放弃量、平均通话时间、话后处理时间等。
2、具备科学严谨的业务量预测方法和步骤。
3、不晚于每年度12月完成对下一年度的长期预测，所预测的业务量需要精确到月。
4、不晚于每月度25日完成对下一个月度的短期预测，所预测的业务量需要精确到每日的每个小时时段。
5、在历史数据预测的基础上，应根据价格变动、临时任务、宣传活动等因素，以周为单位对短期业务量预测进行实时调整，并留存相关文档。
6、具备对短期业务量预测准确性的分析和管理机制。
7、根据短期预测数据进行人员的合理排班，并不晚于每月度25日完成对下一月度的人员排班。
8、能够根据对每一时段的业务量预测和服务水平要求，合理安排人员数量与班次，实现人员数量与业务量的最佳匹配。
9、员工排班符合国家相关法律法规和公司的相关规定，符合呼叫中心的业务特点及满足人员利用效率最大化的需求。
二、排班管理系统流程图排班管理系统主要流程图：三、排班管理系统框架图排班管理系统整体框架图：四、需求规格描述本章分功能模块描述排班管理系统需求规格说明。
4.1历史话务统计模块子功能功能项描述业务话务统计异常数据处理异常数据处理剔除异动话务数据，自动清洗异动话务数据，或人工剔除异动话务的数据。
呼入量统计曲线时段呼入量统计(周报)以“周”为统计周期，每天一个曲线周期，按时段显示数据统计话务曲线，如图4.1所示。
每日呼入量统计(月报)以“月”为统计周期，每月一个曲线周期，按天显示每日日均数据统计话务曲线，如图4.2所示。
每周呼入量统计(月报)以“月”为统计周期，每周一个曲线周期，每周按天显示每日日均数据统计话务曲线，如图 4.3所示。
每月呼入量统计(年报)以“年”为统计周期，每年一个曲线周期，按月显示一年之每个月数据统计话务曲线，如图 4.4所示。
图4.1：以半小时为间隔的一周每日来话量模型图（2004年X月X日）图4.2：每月日均来话量模型图（2004年X月1日－31日）图4.3：每周日均来话量模型图（2004年X月1日－31日）图4.4：每月来话量模型图（2002年－2004年）4.2异动与规律模块子功能功能项描述异动与规律类别管理异动与规律类别管理类别管理定义异动话务与规律模型的类别属性，如“临时任务”、“特殊时期”等，方便对异动话务和规律模型进行分类管理以及应用。
异动话务管理异动话务提示通过自动提示的异动话务，可便捷快速地将异动话务保存为规律模型，完善规律模型数据。
异动标记记录“异动标记记录”记录的是从历史话务统计和话务预测中执行“标记异动话务”操作标记的异动话务，同时可将记录的异动话务转化成规律模型。
数据规律模型规律模型管理对规律模型进行编辑、删除等管理操作，同时亦可手动添加规律模型。
规律应用记录记录应用过的规律模型。
4.3话务与人员预测给予提示。
如图4.7所示。
人员需求预测月份人员需求预测月份班次参数设定(Erlang-C参数设置)，包括有：服务水平，平均处理时长。
根据Erlang-C计算各班次人员需求，以及对预测结果进行修改和调整。
年度人员需求预测年度人员预测参数设定(Erlang-C参数设置)，包括有：服务水平，平均处理时长，座席占用率。
根据Erlang-C计算各时段人员需求，以及对预测结果进行修改和调整。
班次人员需求预测自动排班岗位的各班次人员预测结果与调整。
图4.5：月份话务量预测准确性分析对比模型图4.6：每日话务量预测准确性分析对比模型图4.7：年度话务量预测准确性分析对比模型4.4人员与班次模块子功能功能项描述人员管理人员管理人员信息管理座席基本信息管理：增删改查。
班组划分与管理班组划分与班组组员及组长的管理。
岗位管理岗位信息管理岗位基本信息的管理，岗位排班设置管理。
岗位班次管理各岗位对应班次的管理。
4.5自动排班模块子功能功能项描述自动排班自动排班个性需求管理个性排班需求添加与管理，自定义个性化排班。
机动班管理设置管理机动班。
排班表1.排班因子调整，设定与修改排班算法与参数。
2.自动生成月度排班表，排班表样式如图4.8所示。
调整排班结果，对自动排班结果进行调整和修改。
3.历史排班快照，对每一次生4.6绩效与报表模块子功能功能项描述绩效与报表座席值班统计座席值班及遵时率统计座席值班统计报表。
统计参数有：值班天数，休息天数，总工作时间，值各班次统计，遵时率。
绩效与考核绩效与考核指标根据值班统计报表，计算人员工作质量与服务水平，设定绩效与考核指标，进行绩效考核。
图4.9：每日时段报表成的排班表保存相应的排班数据依据快照信息。
五、业务量与人员预测5.1日常数据的收集和统计1.相关数据包括：通话时长，话后处理时长，平均处理时长，呼叫量，接听量，服务水平。
2.统计周期：时段、日、周、月、年。
5.2话务量清洗方法1.清洗粒度：以半小时话务量为最小清洗粒度。
2.清洗模型：原始话务量去除月指数影响，去除周指数影响，得到某一个时段的清洗参考基数后，再加回周指数和月指数的影响，得到清洗的数据围，原始数据处于正常数据围之外的为异常数据，即异动话务。
3.模型分解(原始数据统计结果表：timespancallcounthistory, datecallcounthistory, yearcallcounthistory, week_total, year_total )(1)以年（自然年）为清洗单位，每一年计算一套清洗标准。
则一年的数据总量为：1~12月每月总天数48个时段，按时段清洗。
(2)清洗X月份Y日（星期W）Z时段的话务数据（话务量为S）：✧X月指数C m = X月话务总量/全年月份话务总量均值；✧Y日周指数C w = X月星期W话务量均值/X月中星期一至日话务量均值的均值；清洗步骤：①去除月指数与周指数的影响，清洗参考值，②对于1~12月，每月Y日的清洗参考值都计算出来：A1~A12，③对A1~A12使用肖维勒准则（见附录）剔除异常的数据，④计算剔除了异常数据的A1~A12的均值A’，⑤加回周指数与月指数的影响，，⑥设R为清洗度（可配置），则若，则为正常数据，否则若为异常数据，需进一步修正，⑦对的数据，用参考值A替换S，修正数据，清洗完毕。
备注：清洗度的确定跟呼叫中心的话务水平稳定程度有关，稳定程度高时，可设置更小的清洗度，稳定程度低时，应设置更大的清洗度。
附录：①肖维勒准则，若满足其残余偏差：则属于异常数据，其中为样本期望，为样本标准差，为系数（查表）。
②剔除异常数据之后，对剩余数据重新使用肖维勒准则剔除异常数据，循环判断直至不再有异常数据。
wn系数表n wn n wnn wn3 1.38 11 2 25 2.334 1.54 12 2.03 30 2.395 1.65 13 2.07 40 2.496 1.73 14 2.1 50 2.587 1.8 15 2.13 100 2.88 1.86 16 2.159 1.92 18 2.210 1.96 20 2.24(当前月份清洗参照表：wfm_current_reference，清洗后结果表：timespan_remove_tran)4.模型补充(1)数据量不足一个清洗周期（自然年）时，采用移动周期的方法补足一个清洗周期的数据，以求得清洗参考值。
例：假若系统初始安装时为2010年5月15日，原始的话务数据从2009年1月1日开始采集。
那么清洗2009年的数据时，可用正常的清洗方法完成。
而2010年的数据则需移动周期补充完整。
具体方法如下表：特殊地：①运行之后每年的1月份，清洗1月份数据时，增长系数K为该年的年度增长系数，1月份完成后再使用月增长计算系数K；②初始安装时为1月份，清洗1月份数据时，此时并未指定年度增长系数，则需手工指定年度增长系数。
(2)所有原始话务数据，不足一年时，相应缩小清洗参考值的计算来源围。
例：假若系统初始安装是为2010年5月15日，原始的话务数据从2010年1月1日开始采集，那么，此时清洗参考值A不足12个，使用已经完成了的自然月1~4月数据计算清洗参考值。
以后每完成一个自然月重新计算一次。
特殊地，若只有一个月的原始数据，不能完成清洗计算，提示至少需要一个完整月份的原始历史数据。
5.3预测基本原理和方法1.通过对历史数据的分析或假设可以反映未来趋势的系列预测，长期预测以月为单位预测整年的量，短期预测以小时为单位来预测近期的量。
通过长期预测规划下一个年度的人员及系统配备，通过短期预测调整日常排班，合理安排员工工作。
2.历史业务数据准备(1)剔除异动话务数据，使用话务量清洗方法剔除异动话务数据，得到不受异动话务影响的话务数据P。
之后所有计算的数据依据均采用不受异动话务影响的话务数据P。
(2)对所有不受异动话务影响的话务数据P，按其所属周几统计计算周指数，周指数每年按月份划分，每年每一个月一套周指数。
➢ 计算C 年X （X 为”1~12”）月份周Y （Y 为”一～日”）指数的方法：统计计算P 中C 年X 月份里周一～周日的话务量均值W 1~W 7，计算周Y 的指数：V Y =，其中Y, n=1,2,3, (7)(3) 计算历史数据集P 经过去除周指数影响的数据集P’：(wfm_timespan_remove_effect, wfm_date_remove_effect, wfm_month_remove_effect, wfm_history_exponent) ➢ 去除周指数影响的数据集P’=，周指数V 为每一年相应月份的周指数。
(4) 将去除周指数影响的数据集P’ 取最近三年数据，用加权平均得到一个包含一年时间的历史话务数据均值表O ：(wfm_timespan_average, wfm_date_average, wfm_month_average, wfm_exponent_average)➢ O=P’c-1∙K 1 + P’c-2∙K 2 + P’c-3∙(1-K 1-K 2)，其中c 表示预测年份，c-1表示预测年份前一年，其他类推；K 表示权重(K 1 ,K 2初始化为0.6, 0.3)。
