一、課題背景
客服中心運(yùn)營管理主要包括話務(wù)預(yù)測與排班、應(yīng)急管理、運(yùn)營現(xiàn)場秩序管理、監(jiān)控管理等內(nèi)容?？梢娮龊迷拕?wù)預(yù)測，是客服中心現(xiàn)場運(yùn)營管理中的第一環(huán)節(jié)，也是最重要的一個環(huán)節(jié)。只有準(zhǔn)確的話務(wù)預(yù)測，才能精準(zhǔn)地進(jìn)行客服專員需求測算和排班工作，從而保證服務(wù)水平，提高人員利用率，降低人力成本。話務(wù)預(yù)測可以從小時、日、月、年等多時間維度進(jìn)行預(yù)測，細(xì)化調(diào)整人力資源的分布，同時年度話務(wù)預(yù)測，對下一年度人員招聘計劃起到較大的指導(dǎo)作用。如客服中心年度人員缺口、特殊需求時間點(diǎn)等?？傊?，提高話務(wù)預(yù)測準(zhǔn)確性，才能保證現(xiàn)場運(yùn)營平穩(wěn)、有序，其重要性凸顯于運(yùn)營管理的各個環(huán)節(jié)。
二、影響話務(wù)的幾個因素
筆者所在的電力行業(yè)客服中心分中心服務(wù)13家省公司，服務(wù)范圍大，影響話務(wù)的因素多，主要包括天氣情況、業(yè)務(wù)特點(diǎn)、電力突發(fā)故障、電網(wǎng)建設(shè)差異、特殊日等。
（一）天氣情況
1、惡劣天氣：雷雨大風(fēng)、冰雹、暴雪、強(qiáng)降雨等；
2、特殊季節(jié)：如在七、八、九月份的迎峰度夏、一、二月份的迎峰度冬期間，除惡劣天氣的影響外，客戶使用空調(diào)較多,用電負(fù)荷大，容易導(dǎo)致電壓過低，為避免電力設(shè)備超負(fù)荷運(yùn)行，保護(hù)系統(tǒng)會自動切斷電路，導(dǎo)致停電。 故每天負(fù)責(zé)話務(wù)預(yù)測與排班的人員要關(guān)注次日省公司天氣情況，進(jìn)行異常天氣信息預(yù)警，為客服部話務(wù)預(yù)測、現(xiàn)場排班提供有效數(shù)據(jù)支撐。
（二）業(yè)務(wù)特點(diǎn):因一些省公司具有先用電后付費(fèi)的業(yè)務(wù)特點(diǎn)，每月底至次月初，部分供電公司實(shí)施欠費(fèi)停復(fù)電，期間客戶查電費(fèi)、繳費(fèi)后復(fù)電等咨詢類電話較集中。
（三）電力突發(fā)故障：電力設(shè)施作為自然體，出現(xiàn)故障是不可避免的，不可抗力對電力設(shè)施的破壞影響了設(shè)施的穩(wěn)定運(yùn)行。故障停電后，為了避免大面積停電現(xiàn)象的發(fā)生，供電公司需要停電消除故障。
（四）電網(wǎng)建設(shè)差異：國家電網(wǎng)公司戰(zhàn)略目標(biāo)中提到要建設(shè)成電網(wǎng)堅強(qiáng)”的現(xiàn)代公司。為了提高電網(wǎng)運(yùn)行能力，供電公司需要對電網(wǎng)設(shè)備進(jìn)行月度、季度檢修。季度檢修在每年的春季、秋季進(jìn)行，主要對電網(wǎng)設(shè)施的運(yùn)行、維護(hù)、檢修工作，涉及變電站全站停止運(yùn)行，由該變電站供電的線路同步進(jìn)行檢修，故春季、秋季檢修影響范圍較廣。
（五）特殊日：節(jié)假日或非工作日，例如春節(jié)、國慶、重大政治類活動等，期間供電公司進(jìn)行保電優(yōu)質(zhì)服務(wù)，不安排計劃停電檢修，相對話務(wù)量較低。
剖析完影響話務(wù)的因素，在結(jié)合歷史話務(wù)曲線進(jìn)行預(yù)測時，對趨勢波動的原因就清晰自明了。下面詳細(xì)說明話務(wù)預(yù)測過程。三、話務(wù)預(yù)測數(shù)據(jù)清洗
（一）基礎(chǔ)數(shù)據(jù)選擇
1、時間周期選擇。筆者所在的電力客服中心在2014年底實(shí)現(xiàn)了全網(wǎng)全業(yè)務(wù)統(tǒng)一集中運(yùn)營，所以2014年前數(shù)據(jù)不夠完善，本次進(jìn)行話務(wù)預(yù)測分析時選用2015年度數(shù)據(jù)作為數(shù)據(jù)源。在年度、月度、周等維度選擇中，因年度和月度的基礎(chǔ)數(shù)據(jù)較少，本次預(yù)測使用周”維度進(jìn)行預(yù)測。
2、地域選擇。因各省存在天氣情況和業(yè)務(wù)特點(diǎn)的差異，故話務(wù)預(yù)測以單個省”為單位進(jìn)行，所有服務(wù)區(qū)域省預(yù)測量疊加即可得到分中心預(yù)測總量。本次選擇的某省份是2014年6月實(shí)現(xiàn)了全業(yè)務(wù)集中，經(jīng)過半年的磨合和沉淀，2015年的數(shù)據(jù)趨于穩(wěn)定，且該省迎峰度夏話務(wù)數(shù)據(jù)特征明顯，有代表性。
（二）數(shù)據(jù)清洗
話務(wù)預(yù)測的目的是為人員排班提供支撐，故數(shù)據(jù)源應(yīng)為人工服務(wù)請求量，不包含自助話務(wù)量。
圖一為某省2015年度周人工請求量（原始數(shù)據(jù)），圖中出現(xiàn)了幾個話務(wù)量的峰值點(diǎn)（如第32周左右），這些峰值點(diǎn)被考慮為離群值，根據(jù)影響話務(wù)的因素，經(jīng)核實(shí)，第32周左右為7月底8月初，是迎峰度夏的高峰期，造成話務(wù)量突增，從圖中也可以看出數(shù)據(jù)具有明顯的月周期性。
圖一：某省2015年度周人工請求量
數(shù)據(jù)清洗是對數(shù)據(jù)進(jìn)行重新審查和校驗(yàn)的過程，目的在于糾正存在的錯誤，并提供數(shù)據(jù)一致性。這里需要注意幾個細(xì)節(jié)問題：
1、清洗規(guī)則。因話務(wù)量受季節(jié)性因素影響較大，所以在年度數(shù)據(jù)清洗時，先計算出每月話務(wù)量均值，高于均值50%（這個比例不是絕對的）的數(shù)值利用條件格式進(jìn)行篩選清洗，由其前后數(shù)據(jù)均值進(jìn)行替換，進(jìn)而求出每周話務(wù)量和。這樣做可避免舍棄月份差異導(dǎo)致話務(wù)量波動的參考數(shù)據(jù)，符合話務(wù)特點(diǎn)。
2、統(tǒng)一口徑。在日期轉(zhuǎn)換為周時，利用weeknum函數(shù)時，這里把周一作為每周的第1天，故選定第二參數(shù)為2”。2015年1月1日至4日為第1周（如表1：年度首周天數(shù)），2015年12月28日至12月31日為第53周，均為4天。這里折算時讓該階段的話務(wù)量除以實(shí)際天數(shù)4再乘以7，實(shí)現(xiàn)數(shù)據(jù)的統(tǒng)一口徑，如下表1：統(tǒng)一口徑數(shù)據(jù)清洗。
四、話務(wù)預(yù)測數(shù)據(jù)模型應(yīng)用實(shí)踐
本次使用三種預(yù)測模型，分別為最小二乘法、移動平均法和指數(shù)平滑法。下面分別從原理、公式和不同參數(shù)試算驗(yàn)證準(zhǔn)確性進(jìn)行闡述。
（一）最小二乘法
原理：尋求與給定點(diǎn)(i=0,1,…,m)的距離平方和為最小的曲線，通過最小化誤差的平方和尋找數(shù)據(jù)的最佳函數(shù)匹配，采用殘差平方和最小的準(zhǔn)則。
公式：y=a+bx
參數(shù)關(guān)系：最小二乘法是從清洗后的數(shù)據(jù)中尋求變量之間的依賴關(guān)系，由得到折線圖和散點(diǎn)圖計算出預(yù)測值與實(shí)際值產(chǎn)生的偏差，稱之為殘差，用R表示，當(dāng)然偏差越小越好,但由于其可正可負(fù),因此總偏差不能很好地反映了變量之間的關(guān)系,因?yàn)榇藭r每個偏差的絕對值可能很大，為了改進(jìn)這一缺陷,就考慮用殘差的平方R²來代替。但是由于絕對值不易作解析運(yùn)算,因此,進(jìn)一步用來度量總偏差，因偏差的平方和最小可以保證每個偏差都不會很大，于是問題歸結(jié)為確定其中的常數(shù)和使殘差平方為最小。
利用LINEST函數(shù)計算出直線的斜率a和截距b，添加趨勢線，見圖二，得出
y=242.79x+41614，R²=0.1357。
圖二：最小二乘法趨勢線
通過數(shù)據(jù)分析-回歸得出擬合圖和殘差圖
圖三：散點(diǎn)擬合圖
圖四：殘差圖
從圖三中可以看出這些點(diǎn)大致散落在某直線近旁,可以認(rèn)為變量之間的關(guān)系為線性一元函數(shù)。但話務(wù)量月度變化趨勢較明顯，比如第31至33周即7月27日至8月10日之間，迎峰度夏的高峰期，殘差較大，如圖四。經(jīng)計算得預(yù)測準(zhǔn)確率在±15%范圍的數(shù)值占比為69.23%。
（二）移動平均法
定義:根據(jù)時間序列逐項(xiàng)推移，依次計算包含一定項(xiàng)數(shù)的平均，以此進(jìn)行預(yù)測的方法。
1、一次移動平均法
公式：Ft=(At-1+At-2+At-3+…+At-n)/n
式中，F(xiàn)t–對下一期的預(yù)測值；
n—跨越期數(shù)；
At-1—前期實(shí)際值；
At-2、At-3和At-n分別表示前兩期、前三期直至前n期的實(shí)際值。
可見：各元素的權(quán)重都相等。
分別取n=3、n=5、n=8計算出預(yù)測值、預(yù)測準(zhǔn)確率、誤差平方，預(yù)測準(zhǔn)確率按照（實(shí)際值-預(yù)測值）/實(shí)際值”計算得出三條預(yù)測準(zhǔn)確率曲線（見圖五），經(jīng)計算，預(yù)測準(zhǔn)確率在±15%范圍的個數(shù)占比分別為66.00%、62.50%、46.67%，準(zhǔn)確率都較低(見圖五)。
圖五：一次移動平均法話務(wù)預(yù)測準(zhǔn)確率
圖六：一次移動平均法話務(wù)預(yù)測準(zhǔn)確率占比圖
2、二次移動平均法
原理：一次移動平均計算完畢后，形成一個新的時間序列，對它再求二次移動平均值，做出一次移動平均數(shù)和二次移動平均數(shù)的差值，將差值加到移動平均數(shù)上，并考慮趨勢變動值。特點(diǎn)：考慮趨勢變動值，突破一次移動平均法的局限性，加大了預(yù)測范圍。
公式：Ft+T=at+btT，
at=Mt’+（Mt’-Mt’‘）=2Mt’–Mt’‘
bt=（Mt’–Mt’‘）
Ft+T—t+T的預(yù)測值，
t—本期
T—本期到預(yù)測值的間隔數(shù)
Mt’—一次移動平均數(shù)
Mt’‘—二次移動平均數(shù)
圖七為n=3、n=4時運(yùn)用二次移動平均法的計算結(jié)果，經(jīng)計算，預(yù)測準(zhǔn)確率在±15%范圍的個數(shù)占比分別為61.70%、60.00%，準(zhǔn)確率較低。
圖七：二次移動平均法話務(wù)預(yù)測準(zhǔn)確率
3、移動平均法小結(jié)
由一次移動平均法和二次移動平均法得出的預(yù)測準(zhǔn)確率對比圖，可見，在項(xiàng)數(shù)n的選擇上，n越大對預(yù)測的平滑影響越大，滯后于實(shí)際數(shù)據(jù)的偏差也越大，n太小不能有效消除偶然因素的影響。移動平均法預(yù)測在該次數(shù)據(jù)試算中預(yù)測準(zhǔn)確率表現(xiàn)不佳。
（三）指數(shù)平滑法
原理：因時間序列的態(tài)勢具有穩(wěn)定性或規(guī)則性，所以可被合理地順勢推延。最近的過去態(tài)勢，在某種程度上會在未來持續(xù)，所以將較大的權(quán)數(shù)放在最近的資料上。
特點(diǎn)：指數(shù)平滑法兼容了移動平均所長，不舍棄過去的數(shù)據(jù)，其包含的信息量是全部的歷史數(shù)據(jù)，但是僅給予逐漸減弱的影響程度，即隨著數(shù)據(jù)的遠(yuǎn)離，賦予逐漸收斂為零的權(quán)數(shù)。
1、一次指數(shù)平滑法
原理：任一期的指數(shù)平滑值都是上期實(shí)際值與當(dāng)期指數(shù)平滑值的加權(quán)平均。
公式：St+1=αXt+（1-α）St
a–平滑常數(shù)，其取值范圍為[0,1]；
下圖為α=0.3、α=0.5、α=0.8時運(yùn)用一次指數(shù)平滑法的試算，見圖十。其中S1用X1代替，故序號1中α取任意值，該點(diǎn)的預(yù)測準(zhǔn)確率均為0.00%，不計入試算點(diǎn)的占比中。由圖可見，α取不同值時，預(yù)測準(zhǔn)確率差異不大，計算得預(yù)測準(zhǔn)確率在±15%范圍的個數(shù)占比分別為66.67%、70.59%、76.47%，準(zhǔn)確率相對前兩種方法有改善。
圖八：一次指數(shù)平滑法話務(wù)預(yù)測準(zhǔn)確率
2、二次指數(shù)平滑法
公式：Ft+T=at+btT，
at=Mt’+（Mt’-Mt’‘）=2Mt’–Mt’‘
bt=（Mt’–Mt’‘）
運(yùn)用二次指數(shù)平滑法，分別取α=0.3、α=0.5、α=0.8時計算，結(jié)果見圖十一。其中S1仍用X1代替，該點(diǎn)的預(yù)測準(zhǔn)確率均為0.00%，不計入試算點(diǎn)的占比中。由圖可見，相對一次指數(shù)平滑法，α取不同值時，二次指數(shù)平滑法預(yù)測準(zhǔn)確率三者差異較大，經(jīng)計算，預(yù)測準(zhǔn)確率在±15%范圍的數(shù)值占比分別為61.54%、78.85%、88.46%，準(zhǔn)確率整體較高。
圖九：二次指數(shù)平滑法話務(wù)預(yù)測準(zhǔn)確率
五、結(jié)論三種預(yù)測公式在不同參數(shù)情況下的預(yù)測準(zhǔn)確率對比，如表3。
表3：一次指數(shù)平滑法話務(wù)預(yù)測準(zhǔn)確率
由表3可見，三個話務(wù)預(yù)測模型在本次數(shù)據(jù)試算中，相對來說指數(shù)平滑法的預(yù)測準(zhǔn)確率較高，對比一次和二次指數(shù)平滑法，二次指數(shù)平滑法預(yù)測率更高一些，在α=0.8時，預(yù)測準(zhǔn)確率在±15%范圍的數(shù)值占比能達(dá)到88.46%的較好水平，擬合度較高，見圖十。
圖十：指數(shù)平滑法預(yù)測準(zhǔn)確率對比
需要特別說明的是，不同行業(yè)適用不同的預(yù)測模型，根據(jù)預(yù)測維度的不同預(yù)測模型的準(zhǔn)確率也可能有不同，每種模型式有它的適用范圍，不能一概而論地認(rèn)定某種預(yù)測模型好用或者更準(zhǔn)確，各種公式需要我們不停地去試算、驗(yàn)證、分析，才能更深層次地挖掘出各種公式的精髓，找出適合自己現(xiàn)場運(yùn)營特點(diǎn)的最優(yōu)預(yù)測公式。在此感謝周逸松老師的指導(dǎo)，為筆者對話務(wù)預(yù)測進(jìn)一步研究奠定了基礎(chǔ)，同時希望更多現(xiàn)場運(yùn)營人員對話務(wù)預(yù)測這塊敲門磚”傾力研究和探討。
