联络量的预测准确与否直接关系到人力排班准确与否，现场运营是否顺畅，接通率/服务水平指标是否能够顺利达成等。因此，联络量预测准确率的衡量与不断优化是预测排班工作中非常重要的一环。大规模呼叫中心的时段预测误差应该控制在+/-3%以内，小规模呼叫中心的时段预测误差应该控制在+/-5%以内。

很多呼叫中心都声称自己的预测准确率达到了95%甚至98%以上，但咨询询问时才发现他们说的是月度甚至是年度整体的预测准确率。这种衡量方法其实是自我安慰的成分比较多的，因为月度整体甚至年度整体是掩盖了日及时段颗粒度上的具体细节的。很多很差的时段与很多很好的时段之间是起相互冲抵或拉升作用的。

那么，我们应该如何计算联络量预测准确率呢？

第一种方式是测算预测量与实际量两者之间的相关系数与线性关系。相关系数越高，越趋向于+1，说明预测准确度越高，越低则越需要改进。假设我们有如下的48个时段的预测数据与实际发生数据，我们只需用CORREL函数把两列数据带入求相关系数就可以了。相关系数的结果范围在-1到+1之间，0-1之间是正相关，0到-1之间是负相关，当然如果你的工作量预测与实际呈现负相关，就可以好好面壁去了。我们还可以直接用这两列数据生成散点图并拟合趋势线，以直观的方式查看两者之间的线性趋势以及R方值也是可以的。


但是，相关系数只是反应两组数据之间的运动方向有多一致，在真实地反应数据差距上是有欺骗性的。同时，相关系数也会受到极端值的影响。在以下的示例中，左边两组数据相差10倍，但相关系数却是完美的1；右边同样的两组数据，只是出现了两个异常值，相关系数立刻发生了明显的变化。因此，只寄希望于用相关系数来衡量预测准确率是不太可靠的。


第二种方式则是通过预测量与实际发生量之间的差距来实现的。也就是不管是月、周还是日、时段的预测准确率都要遵循一个基本的计算公式：（预测量-实际量）/实际量*100%。

基于这个计算结果，又会衍生出几种不同的具体衡量手段：

①时段误差均值法：这种方法是取每个时段误差百分比的算数平均值，但因为时段预测误差的正负值会相互抵消，实际应用中它会美化实际的预测误差。

②时段绝对误差均值法（MAPE）：这种方法是先取每个时段误差百分比的绝对值，然后再取其平均值，规避了前一种方法正负误差相互抵消的问题，能够更好地反应实际的差距情况。但是由于我们看到的误差状况仍然是平均值，还是无法具体反应具体时段的情况。

③时段比例达标法：这是个人最倾向的一种方法。假设我们的预测目标是+/-误差3%范围内算预测准确达标，那么一天48个时段中或一个月1440或1488个时段中，你有多少比例的时段是预测达标了的呢？其实到这一步，笼统地只看日或月总量预测差距还觉得不错的预测准确率就原形毕露了！
最后多说一句，做过预测排班工作的人都深知这份工作的不易，毕竟有太多的因素在固定或突发地影响业务量的波动，而预测的本质则是在所有已知的基础上去预测未知，是相对比较难的一件事情。因此，我们应该对预测排班师们多一份宽容和鼓励！同时，把工作的重点放在不断认知业务量影响因素上和预测模型的不断修正上。预测偏差的结果已成过去，不必天天纠结，甚至追究惩罚。做最好的预测，最准的排班，最全的应急预案！