呼叫中心人员异动测算模型在HR管理中应用.docVIP

呼叫中心人员异动测算模型在HR管理中应用 　　一、行业现状 　　今天，呼叫中心已经普及到各行业应用中，它在企业战略规划中的定位越来越高、发挥的作用越来越重要。对内来说，它应该是企业资源调度中心；对外来说，它不仅是客户服务中心，还可以是产品营销中心、客户关系管理中心、顾客价值挖掘中心。它本身也发展到了多媒体智能阶段、基于互联网的云呼叫中心等，但无论怎么发展变化，始终离不开人的服务，也就离不开对服务和标准的管理。 　　呼叫中心人员频繁流失是令管理者非常头痛的问题，“流失快、招聘难、招聘女员工更难”，这种趋势在一线城市体现得尤其明显，所以催生了另外一个趋势——越来越多的企业将呼叫中心向二三线城市迁移、集约，主要原因是当地就业率低、人工成本低；但人员集中同时也会带来风险集中的效应，如出现90后员工成群成片辞职的现象，让管理者猝不及防，给企业的正常运作带来巨大冲击。 　　人员频繁流失，为了保证服务流程的正常运转，企业就要频繁招聘，这给企业带来的损失显而易见： 　　1. 加重了企业的招聘培训成本； 　　2. 影响顾客体验和客户感知； 　　3. 会对企业形象造成负面影响； 　　4. 给了竞争对手了解企业内部信息的机会。 　　有没有一个系统测算模型能够及时发现人员异动，让管理者提前介入关怀，实现降低员工流失率、提高员工满意度呢？ 　　二、模型解读 　　举一个某大型呼叫中心的真实案例来说明这个测算模型。 　　图1的横坐标是等步长的测算时段数，可以是日期，连续数量在15个以上；纵坐标是测算对象的指标当量，它是一个没有单位的比值，围绕100上下波动。红色表格区域代表潜在异常，每一条线代表一个被测算对象。 　　那么上图要告诉我们什么信息呢？ 　　黄线是正常稳定绩效人群的指标表现和趋势；其它线（A、B和C）是三个非正常人员的表现和趋势，这种“非正常”之一是已萌生离职念头。两者特征有明显区别：前者平缓，极少踏入红色区域或踏入很浅；后者起伏很大，连续踏入或突然深深踏入红色区域。在这个真实案例中A、B、C三个人都在出现异动10天左右离开了工作岗位??辞职另谋高就了。 　　数据不说谎，只是要转变方式来揭示某些隐藏的事实，是不是非常神奇呢？ 　　三、算法与建模 　　其实这个模型就是最小方差管理法的一个综合应用，建模后固化到系统应用中，大量周期性的人工重复运算就可以通过系统来完成，管理人员可以设定测算对象、测算指标、输出模板，便捷、准确、随时测算团队成员是否存在异动，做到及时应对、有的放矢。 　　具体步骤如下： 　　·选择测算对象：可以按岗位角色或按队列、技能矩阵、班组、新人批次等选择，视乎呼叫中心规模和管理者的角色，但要保证选定对象的业务类型相近。 　　·选择测算指标：可以是效率类（通话均长ATT、产能、通话利用率、话后处理率、小休率）；质量类（评分、差错率、错单率）；其他（如遵守率、出勤率），视乎你的测算目的是什么。选择原则是数据采集容易、全覆盖、客观无歧义，建议一般取效率类的ATT或通话利用率。 　　·选择测算周期：按时间倒推，不低于10个数据点，建议以天或周为单位。若果选择质量类，可能就需要以周为单位，测算周期会拉得很长。 　　·数据清洗转换：清洗，主要是指系统原因造成的整体和个体异常数据，最简单的方法是剔除；转换，是指对于多技能群组，弱化个体间的电话类型权重差异导致的影响判断的指标值差异，强化可判断的异动特征。 　　·明确判断法则：这是一个有递进关系的双重判断，首先是个体判断：由系统按照统计学法则进行判断，然后是在异常群体中进行相关性判断：寻找共同点和相关性。 　　·异常结果输出：系统按照管理者输入的参数和模板要求，自动下载数据进行分析、判断，输出异常人员图表，员工信息；并在异常人群中进一步判断是否存在共同点和相关性，列出相关名单。 　　·进行人工干预：管理者首先明确干预目的、方向，比如说是要做绩效沟通、情感帮扶、培训指导；要注重沟通技巧，谨慎承诺，根据员工改进情况和意愿妥善处理，如岗位调整、挽留或劝退等。 　　四、模型应用价值 　　该模型是通过“图形化”描述员工的指标状态和趋势，“影像化”显示员工异常心态，供管理者预测员工未来可能的行动和取向，适时介入沟通和指导，帮助员工解决问题，实现员工的职业发展需求和职业价值目标。 　　（一）绩效管理方面：可作为绩效沟通的依据，及时了解员工的真实想法。 　　（二）职业指导方面：可作为培养员工技能矩阵和岗位晋升通道的指引工具。 　　（三）员工关怀方面：可作为员工情感帮扶计划（EAP）的启动检测和效果检验工具。 　　（四）系统支撑方面：可固化到系统，作为员工差异化管理的数字化管理工具。 　　可见，此模型价值不仅限于员工流失预测，也可以延伸到人力资源管理的