各位從事呼叫中心的管理者們，大家是否都會(huì)有這樣的疑惑：XX指標(biāo)我定多少比較合理？通關(guān)考試應(yīng)多少分算通過？當(dāng)指標(biāo)達(dá)成到多少時(shí)我需要進(jìn)行預(yù)警上級(jí)？
在面對(duì)以上問題時(shí)，我們通常是選取與此指標(biāo)相關(guān)的其他歷史數(shù)據(jù)來進(jìn)行計(jì)算，確定目標(biāo)值或及格線等問題的答案。但在進(jìn)行上述計(jì)算時(shí)，我們通常也會(huì)遇到以下兩個(gè)問題：
01相關(guān)數(shù)據(jù)不完整
因?yàn)槲覀儫o法判斷與此指標(biāo)相關(guān)的數(shù)據(jù)中，誰的影響最大，誰的影響次之，所以一旦缺失一項(xiàng)我們認(rèn)為會(huì)對(duì)其有影響的數(shù)據(jù)，且仍執(zhí)意進(jìn)行計(jì)算時(shí)，我們很容易對(duì)最終結(jié)果產(chǎn)生質(zhì)疑，或者容易被其他人質(zhì)疑；
02我們無法想到影響此指標(biāo)的所有參數(shù)
在一個(gè)開放性的世界中，一件讓人意想不到的事件，往往是由非常多的因素所影響的最終結(jié)果，而不是由一個(gè)單一的原因所導(dǎo)致。盡管使用相關(guān)數(shù)據(jù)進(jìn)行計(jì)算可以得到一個(gè)確定的、準(zhǔn)確的答案，但由于我們無法想到所有相關(guān)的參數(shù)，這個(gè)答案可能會(huì)非常難以確定。
以上的兩個(gè)問題其實(shí)都可以歸類為數(shù)據(jù)不完整，這個(gè)時(shí)候，我們就需要改變一下思路，使用一個(gè)整體的歷史數(shù)據(jù)來進(jìn)行計(jì)算，不再將它們區(qū)分成哪些原因，而是看成一個(gè)整體，計(jì)算一個(gè)概率或區(qū)間，使用回歸分析中的邏輯回歸方法，告訴我們一個(gè)概率的答案。
邏輯回歸
邏輯回歸是并不是回歸，而是分類與預(yù)測算法中的一種，也是入門機(jī)器學(xué)習(xí)時(shí)學(xué)習(xí)的第一個(gè)算法。它不僅可以來預(yù)測相關(guān)數(shù)據(jù)的影響程度，還可以尋找影響其指標(biāo)的因素有哪些。例如銀行業(yè)使用邏輯回歸來判斷信譽(yù)達(dá)到多少時(shí)可以成為優(yōu)質(zhì)客戶；在醫(yī)學(xué)上用來判斷蛀牙與刷牙、飲食習(xí)慣、年齡等影響之間的關(guān)系；以及電影行業(yè)為了保證收入，會(huì)調(diào)研社會(huì)群體中的平均年齡和性別比例，來安排不同類型電影的拍攝與上映等等。在呼叫中心行業(yè)，我們也可以使用邏輯回歸來幫助我們進(jìn)行以下工作：
01相關(guān)性與目標(biāo)
在進(jìn)行數(shù)據(jù)分析時(shí)，都需要一個(gè)前提：盡可能的獲取所有與此有關(guān)的數(shù)據(jù)。所以我們?cè)谶M(jìn)行數(shù)據(jù)分析之前，需要先進(jìn)行判斷，此指標(biāo)數(shù)據(jù)與我們要進(jìn)行分析的指標(biāo)數(shù)據(jù)之間，是否存在相關(guān)性。例如我們?cè)诜治鰵夂虍惓Ｅc汽車尾氣排放時(shí)，需要先判斷汽車尾氣排放與氣候異常存在相關(guān)性，然后再計(jì)算確定尾氣每排放多少會(huì)影響天氣多少度。同樣呼叫中心數(shù)據(jù)在分析時(shí)，也需要做這一步。
例如我們?cè)诜治龇?wù)水平如何能達(dá)標(biāo)時(shí)（當(dāng)然我們可以通過Erlang_C公式來計(jì)算，但大家應(yīng)該都知道，Erlang_C公式是有缺陷的，公式無法考慮呼損，以及人力配備不足時(shí)計(jì)算結(jié)果會(huì)非常不準(zhǔn)確），我們聯(lián)想到缺勤、人員配備、AHT等可能會(huì)影響服務(wù)水平的達(dá)成，那我們需要使用相關(guān)性分析來判斷以上數(shù)據(jù)是否與服務(wù)水平會(huì)有相關(guān)性，此時(shí)我們通常使用Excel中的CORREL函數(shù)來進(jìn)行判斷，CORREL函數(shù)也叫皮爾遜相關(guān)系數(shù)，計(jì)算的結(jié)果是在【-1,1】區(qū)間中的一個(gè)值，正數(shù)為正相關(guān)，負(fù)數(shù)為負(fù)相關(guān)，結(jié)果的絕對(duì)值越趨向于1或-1，表示相關(guān)性越強(qiáng)。
在確定出有相關(guān)性的指標(biāo)后，我們就需要使用邏輯回歸來判斷其影響幾率，較為限制的一點(diǎn)是，邏輯回歸只可以判斷其他數(shù)據(jù)“是、否”會(huì)影響本指標(biāo)。
例如我們想看一下服務(wù)水平考核10秒80%這個(gè)指標(biāo)是否合理。首先我們需要收集與服務(wù)水平相關(guān)的指標(biāo)，這里使用大家普遍都認(rèn)可的接通率作為與服務(wù)水平具有相關(guān)的指標(biāo)，并設(shè)為X。收集的數(shù)據(jù)為日度維度，每天的接通率對(duì)應(yīng)的服務(wù)水平不是具體數(shù)據(jù)，而是達(dá)標(biāo)或未達(dá)標(biāo)，達(dá)標(biāo)用“1”表示，未達(dá)標(biāo)用“0”表示（達(dá)標(biāo)即為達(dá)成10秒80%服務(wù)水平），并設(shè)為Y。使用Excel的規(guī)劃求解功能可以計(jì)算出邏輯回歸方程中斜率和截距的最優(yōu)解，之后我們將從1%~100%每級(jí)遞增1%的接通率X數(shù)據(jù)分別帶入方程式中，與規(guī)劃求解計(jì)算出的斜率和截距的最優(yōu)解進(jìn)行計(jì)算，將會(huì)得出1%~100%的100個(gè)接通率X數(shù)據(jù)所一一對(duì)應(yīng)的100個(gè)概率數(shù)據(jù)點(diǎn)，將這100個(gè)數(shù)據(jù)節(jié)點(diǎn)做成折線圖：
折線圖橫軸代表接通率，豎軸代表服務(wù)水平達(dá)標(biāo)的幾率，可以看到當(dāng)接通率達(dá)成100%時(shí)，只有82.28%的概率服務(wù)水平可以達(dá)標(biāo)（達(dá)標(biāo)的意思是說達(dá)成10秒80%），這明顯不太合理，一個(gè)月內(nèi)即使天天接通率100%也只有24天服務(wù)水平可以達(dá)標(biāo)。所以我們需要調(diào)整服務(wù)水平考核的數(shù)據(jù)，既可以調(diào)整秒級(jí)也可以調(diào)整百分比，再使用邏輯回歸模型進(jìn)行驗(yàn)證目標(biāo)值。
一般來說，較為正常的邏輯回歸圖形，會(huì)呈現(xiàn)S狀，例如：
02預(yù)警與管理
在可以熟練運(yùn)營邏輯回歸計(jì)算概率后，我們可以將更多的指標(biāo)相互關(guān)聯(lián)，通過管理其中一項(xiàng)來影響另一個(gè)無法管控的指標(biāo)，例如流失。無論員工因?yàn)楣ぷ鞑缓线m、職業(yè)規(guī)劃還是家庭原因等何種原因離職，往往都會(huì)伴隨著在離職前7天或10天內(nèi)的服務(wù)品質(zhì)有所下降，針對(duì)這個(gè)點(diǎn)，我們可以分別收集離職員工在離職前10天、10天~20天、20天~30天內(nèi)的品質(zhì)數(shù)據(jù)的平均值記為X，其中離職前10天的X對(duì)應(yīng)的Y值為1，即為會(huì)影響流失的數(shù)據(jù)；10天~20天、20天~30天的X對(duì)應(yīng)的Y值為0，即為不會(huì)影響流失的數(shù)據(jù)。之后再使用邏輯回歸模型，統(tǒng)計(jì)出品質(zhì)數(shù)據(jù)對(duì)于流失影響的概率。
我們可以在大腦中模擬一下形成的S型曲線的樣子，大致會(huì)在品質(zhì)數(shù)據(jù)的某個(gè)節(jié)點(diǎn)員工流失的概率會(huì)大幅提升，作為管理人員我們應(yīng)該在日常的管理中，對(duì)品質(zhì)達(dá)成在此附近的員工多加關(guān)注，他們可能由于一些其他事情的影響，導(dǎo)致無心服務(wù)品質(zhì)下降，且很可能會(huì)在10天內(nèi)因?yàn)檫@些“其他事情”向管理者提出離職申請(qǐng)。
最后
作為呼叫中心行業(yè)的從業(yè)人員，會(huì)發(fā)現(xiàn)管理人員與一線員工之間的代溝越來越大，此時(shí)我們就需要有較好的管理工具與分析方法來進(jìn)行協(xié)助，從數(shù)據(jù)入手找到員工的行為規(guī)律，才能在數(shù)據(jù)分析與運(yùn)營管理中無往而不利。
