近年來，隨著科技技術（互聯網技術、人工智能技術、大數據分析技術）的不斷進步與成熟，很多傳統運營模式的企業都遭受到了沖擊，其中以信息通信服務為核心的呼叫中心企業更是首當其沖。縱觀整個呼叫中心行業的發展歷程，從以熱線電話為基礎的第一代呼叫中心到多接入方式并配備大型數據庫中心的第四代呼叫中心，科技技術一直在呼叫中心行業發展中占據舉足輕重的地位，可以說每次通訊技術的跨越，都會帶來一次呼叫中心行業大的變革。
毋庸置疑，新一輪科技技術的進步（例如5G通信技術）將會給呼叫中心行業帶來新一輪的活力和機遇（據統計，我國呼叫中心的投資規模2010年僅為594億元，至2017年上升至1821億元，增長了兩倍多，年復合增長率達17.4%）。呼叫中心行業的服務模式必然也會隨著科技技術的發展向著智能化、多元化的方向發展。
在未來，科技讓我們的生活更智能，但并不意味著傳統人工客服被取代，人工客服區別于服務自主性較低的智能客服機器人，在第三服務產業有著得天獨厚的優勢，但服務自主性和服務體感這一點就是當下人工智能無法取代的。在未來，人工客服勢必會作為企業服務核心競爭力，擔負著更大的企業服務價值。所以，隨著科技技術在呼叫中心領域發展和應用，呼叫中心企業的人力成本會大幅提高，也就需要更科學精準的人力管理方案來提升企業的競爭力。
提及人力管理，我們都知道人工客服最關心的兩個方面無外乎薪資和班時，薪資在一個行業當中都有基本的薪資績效算法，在呼叫中心運營管理當中，座席員除了不了解薪資績效提出異議之外，很少有直接的反饋或者建議，即使有關于薪資的不滿，大多情況下也只是當做一種抱怨；而提及與座席員有直接關系的班時，班時的好壞往往會直接會影響到座席員的狀態及情緒。
在呼叫中心行業當中，員工經常把班時的好壞作為評價一個呼叫中心優劣的標準，使班時成為了呼叫中心企業的隱形競爭力。因此在新一代的呼叫中心革新發展中，對于座席員排班的管理，我們必須打破常規，與時俱進，考慮更科學精細管理思路。
預測
排班管理簡單來說就是讓合適的人出現在合適的位置，想要做好排班管理首先要做的就是對業務量進行預測，對人員屬性進行預測。
目前很多傳統的呼叫中心大多使用基于EXCEL的手工預測的方式，預測方法無外乎算術平均值，加權算法或者跟蹤周期增長率等方式。預測結果也基本可以滿足當前運營指標需求，但是在未來呼叫中心的發展當中，特別是大型呼叫中心的預測方向還是要科技技術的應用來做到更精細化的預測。
例如我們所運營的交通服務類的業務，服務需求的發生主要受人群、假日、活動、季節、天氣、政策等等因素的影響，在進行服務量預測時候便需要借助大量數據分析技術，對人群——所服務城市的服務量占比、人員規模占比、人員的季節性流程趨勢及周期性流動趨勢進行跟蹤預測：
例如周六日各城市人員流動比例上漲，引發服務需求量的提升；
對假日和活動——跟蹤每個假日或者活動分別會對各服務城市服務需求量帶來的影響比例；
對季節和周期——跟蹤每個季節，以及在一日當中每個時段服務發生的頻次和波動；
對天氣——通過實時關聯的天氣系統跟蹤各種不同程度等級天氣情況引發的服務量波動；
對策略——跟蹤活躍用戶的群體屬性、集中范圍及作息規律等等，對所有可觸發因素進行獨立預測，再將最終的預測因子依次加權來得到更精準的預測結果。
區別于傳統簡單的預測方式，如此細致的因子的捕捉，如果單靠我們原本的傳統預測方式根本無法實現或者投入成本會很高，但是隨著大數據技術的發展，這些看似繁瑣困難的問題，都將迎刃而解。
人員需求要求及排班
有了精準的預測之后，下一步就是人員需求要求及排班的流程，人員需求要求簡單來說就是人力的計算以及人員屬性的配置。
目前呼叫中心當中主流的人力計算方法主要有線性計算方式及基于ErlangC公式的人力計算方式，兩種方式目前基本可以滿足各企業對于服務指標保障的需求，但是隨著人員管理精細化要求的提升，特別是在面向大型、多元化、多座席組別，多路由策略的呼叫中心來說，這兩種預測方式已漸漸脫離企業對于預測準確度的要求。
所以目前很多大型呼叫中心已開始使用基于計算機技術的計算機模擬法進行計算，所謂計算機模擬法就是將預測的顆粒細化到手工無法支撐更小時段，結合實際路由，座席員屬性，中繼線組合，預測棄呼參數，耗損參數等數據通過計算運算中心模擬呼叫中心實際話務參數、隊列狀態、座席員狀態等情況。
類似于我們接觸比較多的天氣預報，就是結合實時的云層動態和歷史情況來預測天氣一樣，通過不斷地案例收集，精度會不斷的提高。同時計算機模擬法還能模擬特殊事故發生下的業務參數情況，來尋求更精確的人力計算結果。
排班所追求的是座席員對于班表滿意度的反饋，目前手工班表面臨的壓力一是員工班次偏好收集和預測，再一個便是手工班表的產出效率。
目前，在面對幾百號座席員的班表安排時，排班管理者無法對每一個的員工的喜好進行良好的評估，因此當下的呼叫中心排班基本上都是在班時平衡上煞費苦心，想通過班次的平衡來提升排班滿意度，于此同時為了迎合座席員的個性化需求，部分呼叫中心會在排班周期前調研員工需求，班表下發后開設簡單快捷的換班途徑，來提升排班滿意度。
對于班表的產出效率，排班管理者在接收到業務場景變更或者需求變更的問題后，從新預測的調整到新班表的下達，所需要的排班周期一般都得幾個小時的處理時間，而且隨著運營規模的大小和復雜程度還要增加。而呼叫中心話務趨勢本身會受很多像天氣的突發因素的影響，是一個動態的變化過程，需要排班管理者及時作出回應及修訂，在此過程無論對于排班管理者來說還是對于業務需求來說都是一個比較大的挑戰。
記憶存儲能力和運算能力是智能計算機的優勢，面臨此類問題我們不妨考慮交給人工智能來處理，通過對每個座席員屬性、歷史班次記錄，出勤情況等參數進行分析，做出每個呼叫中心座席員的自畫像，定義每個員工的偏好班時，在進行班表排布時，在設定的平衡規則內，由每個座席員的偏好屬性安排相應的偏好班次。
在保障座席員疑難班次相對平衡的情況下，結合每個員工的系統畫像，安排個性班次。例如通過座席員基礎信息的收集，對女性座席員生理期的時間進行預測，并提前進行月度班次的規劃，給女職員安排一些福利班次和休班，會讓員工的幸福感大幅提升，同時也變相的提升了業務的工作效率。設想一下如果是對于傳統的手工班表的來說，要求排班管理者去記憶幾百個女座席員的生理周期可以說幾乎是一個不可能的事情。但是如果我們依附于新興人工智能技術的發展，整個事情似乎就變得明朗起來。
實時管理
實時管理為排班管理流程當中的最后一步，主要作用便是對于排班結果的跟蹤及執行的監控。
新技術的發展給我們帶來挑戰的同時，更多的還是給了我們新的問題處理方法，例如實時監控中的問題，通過大數據技術及計算技術的結合，可以實時的監控業務服務量的波動，并且給出新的預測結果和建議解決方案。同樣對于座席員執行水平的監控，利用智能識別技術可以保障座席員按時準確的出勤，而且可以對座席員的工作水平進行跟蹤，保障座席員解答的準確性。
當下有很多公司引人了健康管理系統，員工每天上班后的健康狀態、情緒水平都會被準確的納入監控管理，在體現企業的人性化管理，增加員工歸屬感的同時，保障企業人員有一個良好的工作狀態和效率。
總之，隨著科技技術的成熟與發展，呼叫中心行業在不久的將來就會迎來新一輪的技術變革。這種高新技術的變革，對我們當前相對傳統的管理方式來說是一種挑戰，更是一種機遇。挑戰是逼迫我們從機械簡單的工作當中總結經驗，優化工作流程，提升工作效率及產能。機遇是原本很多因為操作流程復雜或者搭建成本過高的細致化管理理念和方法都將有機會被付諸實踐。
我相信，隨著科技技術的加入，未來的呼叫中心排班管理當中人員舒適水平和話務趨勢需求的癥結將會變得更加順暢，我們一直所摸索的效率和滿意度的平衡點將更加清晰。
