智能呼叫中心管理系统及智能排班控制方法
【技术领域】
[0001] 本发明涉及呼叫中心领域，特别是涉及一种智能呼叫中心管理系统及智能排班控 制方法。
【背景技术】
[0002] 随着中国经济的高速发展，近几年呼叫中心行业在国内也得到了飞速发展，各类 呼叫中心及从业人员的数量不断增加。呼叫中心运营的终极目标是"优服务、高质量、低成 本"，人员成本是呼叫中心运营成本的关键，追求人员和话务量的契合是呼叫中心永恒的主 题。呼叫中心现场管理是一个动态的管理过程，需要呼叫中心管理人员控制服务质量与员 工的工作效率，并根据呼叫中心现场发生的情况，及时应对并采取必要的措施，解决现有问 题的同时避免潜在问题的发生，保证服务和质量的连续性。呼叫中心的排班工作在追求完 美的接听曲线、均衡的服务水平的同时，还要应对营销活动，短信群发、人员增减等突发事 件对话务量的影响。为此，呼叫中心排班在面对不可预见事件的基础上，建立相对规律的排 班表，兼顾多方认同度的排班策略，一直是大型呼叫中心克服排班难点的重要课题。当前国 内许多呼叫中心的班组长在现场管理过程中，大多凭靠个人经验进行管理。依靠个人经验 进行现场管理预测能力薄弱，往往只能做到事后的应对，并未能有效做到事前预防，服务水 平也无法得到保障。因此如何设计既能提高工作效率，又能满足个性化需求的科学合理排 班方法及系统是本技术领域亟待解决的问题。
【发明内容】
[0003] 本发明的目的是提供一种智能呼叫中心管理系统及智能排班控制方法，用于解决 上述技术问题。
[0004] 一种智能呼叫中心控制系统，包括，呼叫中心话务系统、人力资源系统、智能排班 控制系统、呼叫中心运营管理系统、e客服系统；
[0005] 所述呼叫中心话务系统用于坐席代表接听和拨打用户电话，处理实际的服务业 务，如咨询、以及新业务的办理，并且存储历史话务量数据；
[0006] 所述人力资源系统用于管理整个呼叫中心的人力资源，包括人员花名册、组织机 构、劳动合同信息；
[0007] 所述呼叫中心运营管理系统用于整个呼叫中心管理，包括人员的考勤、薪资、服务 质量质检、培训考试、绩效、积分、话务量统计分析；
[0008] 所述e客服系统用于话务员通过手机APP进行班表查询、绩效工资查询、业务知识 习题自测练习、请假调休等；
[0009] 所述智能排班控制系统结合呼叫中心话务系统存储的历史话务量数据、人力资源 系统存储的可用人力资源，实现话务中心的智能排班控制。
[0010] 本发明的话务中心智能排班控制方法，包括如下步骤：
[0011] S0、接收呼叫中心话务系统存储的历史话务量数据、人力资源系统存储的可用人 力资源；
[0012] SI、进行话务量预测；
[0013] S2、根据所预测的话务量计算出需要的人力；
[0014] S3、根据所需的人力和排班约束条件进行排班；
[0015] 进行话务量预测的具体方法包括如下步骤：
[0016] SI. 1、选定话务预测的时间范围；
[0017] SI. 2、根据预测日期抽取历史数据，历史数据包括请求次数，通话次数，通话客户 数；
[0018] SI. 3、对抽取的历史数据做分析和清洗；
[0019] SI. 4、用趋势回归法进行预测日期内日话务量的预测；
[0020] SI. 5、用模糊神经网络法进行预测日期内时段话务量的预测；
[0021] SI. 6、根据步骤SI. 4预测的日话务量a和步骤SI. 5预测的时段话务量，进行话务 量的平稳性调整；
[0022] SI. 7、根据影响话务量的显著因子如季节因子，节假日因子，出账日因子，营销因 子修正预测的时间点话务量；
[0023] SI. 8、预测日期内的时段话务量可以根据无法预测的突发事件和人工经验调整特 殊时段的话务量。
[0024] 所述SI. 3、对抽取的历史数据做分析和清洗的方法为：
[0025] SI. 31、空数据补齐，系统中难免会出现临时故障造成部分时间点的数据没有录 入，清洗工作会增加对应的时间点，使每天的数据记录数保持一致；
[0026] SI. 32、系统中的0数据大都是异常数据，根据0数据附近的数据做平滑处理；
[0027] SI. 33、异常高点和异常低点数据处理，根据历史相同时刻数据对每个时间点数据 做平稳性判断，若为异常高点或者异常低点，则进行处理；
[0028] SI. 34、突发事件数据清洗，根据已配置突发事件的影响范围及影响因子修复历史 数据；
[0029] 51.35、月尾数据修正，根据月尾分为是28、29、30、31号不同的月份，把历史数据 的月尾也平移到28、29、30、31号；
[0030] SI. 36、得到清洗后数据，用于下面的话务量预测。
[0031] 所述步骤SI. 4中的趋势回归法进行预测日期内日话务量的方法为：
[0032] SI. 41、根据预测日期内对应的上月同比、上上月同比和去年同月同比、去年上月 同比通话客户数数据，计算通话客户数增长规律，并进行预测日期内的通话客户数的预 测；
[0033] SI. 42、根据预测日期内对应的上月同比、上上月同比和去年同月同比、去年上月 同比通话客户数，通话次数，计算客户拨打频次增长规律，并进行预测日期内的客户拨打频 次的预测；
[0034] SI. 43、根据预测日期内对应的上月同比、上上月同比和去年同月同比、去年上月 同比通话客户数，请求次数，计算通话客户占比增长规律，并进行预测日期内的通话客户占 比的预测；
[0035] SI. 44、日话务量数据的预测，请求次数1 =通话客户数*客户拨打频次，请求次数 2 =通话客户数/客户拨打频次占比，请求次数=(请求次数1+请求次数2)/2,根据上述 三个公式就可得到预测的日话务量。
[0036] 所述步骤SI. 5中用模糊神经网络法进行预测日期内时段话务量的方法为：
[0037] SI. 51、根据近一年的历史话务量，以三个月为时间梯度，用前三个月的时间点的 话务量数据为网络输入，第四个月时间点话务量数据为网络输出，训练数据为近一年的历 史数据，预测数据位近半年的历史数据；
[0038] SI. 52、用训练数据训练模糊神经网络，根据神经网络的输出结果可以确定月周期 规律，天周期规律，及每天每个时间点的基量；
[0039] SI. 53、把预测数据带入到训练好的模糊神经网络，得到预测日期内的时间段内话 务量数据；
[0040] SI. 54、得到预测日期内的时段话务量。
[0041] 步骤S3中根据所需的人力、约束条件进行排班的方法为：
[0042] S3. 1、选择使用班次类型，已有班次和自动生成的班次；
[0043] S3. 2、制定轮转规则，轮转规则的约束条件是：每月休息的天数，工时均衡，班次人 性化衔接等；
[0044] S3. 3、把预测日期内参与排班的人员带进轮转规则，确定每个班次每天的上班的 人数；
[0045] S3. 4、遗传算法进行班次指派；
[0046] S3. 5、当满足上述终止规则的种群，将输出适应度最优的个体，根据个体的编码规 贝IJ，将班次指派到具体的坐席人员，生成初始班表；
[0047] S3. 6、班表分析，