呼叫中心系统是一个随机系统，呼叫量虽然有些规律性的分布，但建立在精确科学基础上的数学模型难以适应现场情况的千变万化。一方面，模型需要不断的调优，甚至针对不同时段，需要多个预测模型；另外，在模型预测的基础上，还需要排班师进行干预，利用排班师经验对预测结果进行调整。在传统手工排班的情况下，排班师忙于应付繁琐的数据操作，很少能够对模型进行分析、修正。 可喜的是，随着排班系统的逐步采用，排班师可以从繁琐的重复性工作中解脱出来，更专注于模型的优化，充分发挥预测过程中艺术性的一面。 呼叫中心针对不同时段制定不同的预测模型 遇到五一、十一、春节假期等特殊时段，呼叫中心话务量会与平时呈现出极大的差异。业务类别不同，影响也不同。以春节为例，如果是电信类业务，通常呼叫量比平时低大约10％；而如果是信用卡业务，由于刷卡消费增多，相应的呼叫量则比平时要高。针对这种情况，排班员就需要建立正常日、不同假日的预测模型。 呼叫中心历史数据灵活选择，相对时间模型、绝对时间模型并用 平日模型：以移动公司为例，话务呈现鲜明的以月为周期的特点，选取历史数据则以相对时间模型为宜，如可以选取前三月相应时段、去年本月相应时段的数据作为参考；而对于银行信用卡类业务，则基本呈现以周为周期的特点，这时，可以选取最具有代表意义的几周的数据作为参考，建立绝对时间模型。 假日模型：假日模型历史数据一般选类似假日时间段的数据作为预测的基础。如，预测春节话务量一般选去年、前年春节话务量作为基础；而十一则以去年、前年十一话务量作为基础；对于更为特殊的一些时段，则需要另案考虑，比如今年的五一，由于取消了七天长假，以前五一的数据已经不具有相关性，这种情况下，可以考虑采用正常日数据作为基础。
绝对时间模型：模型建立在固定时间段的历史数据基础上，举例来说，以固定周的历史数据做为基础进行预测；
相对时间模型：模型建立在与预测时间段设定间隔的历史数据基础之上，举例来说，以话务预测目标周的前三周历史数据为基础进行预测。
呼叫中心历史数据不够怎么办 现实往往不能那么随人所愿，很多情况下，我们没有足够的相关数据可用，就像今年五一的假期缩短了，还有呼叫中心刚建立等情况。这种情况下，相关数据很少，就需要排班师分析预测时段的特点，从历史数据中选择最接近的数据进行预测。反过来说，这对排班软件也提出了要求，即预测模型可以由排班员指定历史数据时段，能够同时支持相对时间模型、绝对时间模型。
呼叫中心预测结果出来了，预测工作还远未结束 在前面我们也谈到过，预测绝不仅仅是数学模型。公共假期的变化、突发事件、促销活动等等因素都会对话务量带来模型无法理解的异动。要反映这些异动，必须由排班师对预测结果进行调整，这些都是排班工作的艺术性体现，也是预测过程比不可少的一个步骤。