呼叫中心的生产力管理，指的是如何通过准确的业务量预测，来合理配置人力、设备等有限的资源，最终达成服务速度指标、质量指标和成本指标。目前呼叫中心的生产力管理，一般包括着如图1所示的四个主要环节。为了下面的叙述，这里先简单介绍一下这四个环节的主要工作。

　　1、业务量预测：根据业务规律和增长预期，按照月、日和时间段预测业务量

　　2、生产力需求计算：根据业务量和我们设定的服务水平的目标，预测每个时间段需要的人力和设备资源；

　　3、人员排班：按照上一部计算的人数需求，设定班次和排班表；但是属于理想的班表；

　　4、吻合度的计算：根据实际的情况和人数，找到吻合度最高的实际排班表；同时看到与预测的吻合度；

图1预测排班四步骤

　　从中我们可以看出生产力管理所能够直接影响的指标，就包括了服务水平、弃呼率、员工利用率等对呼叫中心最关键的指标。正是因为生产力管理工作非常重要，呼叫中心的管理者经常需要回顾预测和排班情况，来发现问题并解决。今天我们来看看通过几个相关性的分析，如何判定生产力管理中的问题点。

　　服务水平的高低将影响客户对于接通速度的满意程度。因此我们不仅要看到全月的服务水平还要看到其中每一天的情况。将全月的服务水平绘制出图2所示的分布图，我们就可以发现一些问题。

图2每天的服务水平分布图

　　如果我们为服务水平设定的目标是77%--83%这样一个区间，我们可以看到全月的服务水平为83%，达成了目标。但是分析每一天的情况，就知道全月只有8天真正达到了目标。其中有17天超过了目标上限，造成了成本的浪费；6天低于目标下限，会影响客户的满意度。说明生产力管理还需要进一步提升。

　　因为我们的排班表是依据预测得来的，因此我们设想预测的准确度应该与服务水平的达成有着紧密地关系。换句话讲，如果预测准确度在正负10%的目标范围内，服务水平应该在77%—83%的目标范围内。

　　根据这样的设想，我们来看看图3.图3的横轴是全月每一天的预测准确度，纵轴是每一天的服务水平。四条红色的线分别代表了两个指标的上下限。而R2则表示两个指标的相关性。但是真正对我们有指导作用的，并不是相关性的大小，而是对于下面几个现象的分析。

图3服务水平与预测准确度相关性分析

　　图中我们可以发现以下几个方面的现象：

　　1、其中四条直线框定的几个点，代表着预测准确性达标，服务水平达标的天数；但是我们发现这样的天数只有3天；这象我们暗示了预测之外的问题；

　　2、其中左下角和右上角的两个红色圆圈所代表的这四天，服务水平过高或者过低，主要是由于预测准确率过高或者过低造成的；

　　3、对于中间的两个圆圈的解释却没有那么简单了；其中左边的圆圈表示着有几天预测话量远远低于实际来话，但是服务水平却正好达标了；而右边比较大的圆圈里面，有多大16个点，表明预测准确度达标的天数里面，我们的服务水平超出了目标上限。

　　通过上面的分析，我们可以得到下面的结论：

　　1、全月的预测准确性有9天没有达标，其中2天预测量过高；7天预测量过低；预测需要有所调整；

　　2、但是全月的服务水平偏高，说明排班中的人员安排没有按照预测话量来进行，属于过量配置人员。

　　在排班合理的情况下，服务水平和员工利用率应该是一对有反向关系的指标。如果我们将他们绘制成散点图的话，应该如图4所示的那样，服务水平高，员工利用率相对低；服务水平低，员工利用率高。

图4服务水平和员工利用率的相关性

　　但是有时候我们会从中发现比较特殊的点。例如，我们有时候会看到图5这样的情况。其中横坐标是员工利用率，纵坐标是服务水平。红线分别代表两个指标的目标。两条红线将整个区域分成四个象限。

　　第一象限是指服务水平和员工利用率都高的情况，这种情况是相对满意的情况；说明排班合现场执行的都比较好；

　　第二象限是服务水平达到目标，员工利用率没有达标的情况。说明人员安排有富余，可能造成了成本的浪费；

　　第三象限是员工利用率和服务水平都没有达成目标的情况。这种情况是问题最难定位的。基本上有几种可能性。首先是现场管理比较松散，在电话量高的时候，员工并没有全力接听电话，造成双低；其次要看到每个时间段的情况，有可能是某个时间段的电话过高，当时的服务水平影响到了全天的服务水平，但是员工利用率却也没有达到目标。

　　第四象限是员工利用率高，服务水平低的情况。说明当天的预测可能存在一定的问题，人员安排不足，造成了人员利用过度，但是服务水平却不达标。

图5服务水平和员工利用率案例

　　通过上面这两组指标的相关性分析，我们就可以看到一个呼叫中心在预测、排班和现场管理三个环节中的优势和劣势，反映出一个呼叫中心生产力管理水平的高与低。