Hast Du jemals darüber nachgedacht, welchen Einfluss eine genaue (oder ungenaue) Contact Center Prognose wirklich hat? Die wichtigste Prognose-Kennzahl ist die Anzahl der FTEs (Vollzeitäquivalente), die für einen bestimmten Zeitraum benötigt werden. Alle anderen Unterprognosen (Kontakte, Bearbeitungszeit, Schrumpfung) spielen eine wichtige Rolle bei der Prognose der Mitarbeiterzahl.
Übertechnische oder übervereinfachte Prognosen helfen niemandem. Rein statistische Prognoseansätze können Managemententscheidungen behindern. Umgekehrt deuten grundlegende Ansätze mit einfachen Berechnungen typischerweise auf einen Mangel an Werkzeugen und Ressourcen zur Verbesserung der Prognosen hin.
Letztendlich ist ein Mittelweg die beste Lösung. Historische Daten und Statistiken sollten Deine Prognose untermauern. Verfeinere dann die Ergebnisse durch die Anwendung von Business Intelligence, um ihre Genauigkeit zu verbessern und vereinfache sie, damit das Management die Szenarien und Schlussfolgerungen versteht.
Dennoch gibt es einige häufige Fehler, die sich negativ auf die Genauigkeit einer Prognose auswirken können.
Die Projektion mit der Regressionsanalyse geht davon aus, dass vergangene Ereignisse unverändert in der Zukunft stattfinden.
Historische Daten sind in Contact Centern von begrenztem Nutzen, angesichts der vielen persönlichen Entscheidungen und des unvorhersehbaren Verhaltens, die die Branche charakterisieren. Umso wichtiger ist es, proaktiv die Business Intelligence zu gewinnen, um Einblicke in zukünftige Aktivitäten zu erhalten und wie diese sich auf Deine statistische Prognose auswirken.
Eine Marketingkampagne ist zum Beispiel eine Aktion Deines Unternehmens, mehr Umsatz mit Kunden zu generieren. Dies wiederum könnte dann die Kundenkontaktrate erhöhen.
Zusätzliche Informationen in den folgenden Bereichen können die Prognosegenauigkeit des Contact Centers weiter erhöhen:
Die Gleichung für die Arbeitslast ist das erwartete Volumen multipliziert mit der durchschnittlichen Bearbeitungszeit (AHT). Die AHT selbst wird wiederum in der Regel durch die Hochrechnung der historischen AHT berechnet. Aber es muss noch mehr berücksichtigt werden. Deine Prognose sollte auch die erwartete Lernkurve für neue Agenten berücksichtigen.
Ist die durchschnittliche Bearbeitungszeit eng verteilt oder variiert diese stark?
Eine enge Verteilung (kleine Standardabweichung) würde zu einer zuverlässigeren Zahl führen. Was aber, wenn eine große Schwankung vorherrscht? Das könnte bedeuten, dass die AHT von einer kleinen Anzahl von Agenten bestimmt wird und wenn diese Agenten gehen oder sich ihre Leistung ändert, dann könnte sich die AHT erheblich verändern.
Konzentriere Dich auf die Verteilung der Bearbeitungszeit über die gesamte Grundgesamtheit. Wenn Ausreißer zu sehen sind, empfehlen wir, diese Agenten separat zu beobachten, um ihre Entwicklung zu verfolgen.
Bonustipp: Frag das Management, ob Prozessänderungen zu erwarten sind. Die Bearbeitungszeiten hängen weitgehend davon ab, wie komplex (oder einfach) die Arbeitsabläufe der Agenten sind. Dementsprechend werden die Bearbeitungszeiten wahrscheinlich variieren, wenn ein Schritt hinzufügt oder entfernt wird.
Die Personalplanung beinhaltet immer, dass Agenten ihre Fähigkeiten ändern, zwischen Teams wechseln und dem Unternehmen beitreten oder es verlassen. Es ist nicht leicht, die benötigte Anzahl an Mitarbeitern zu bestimmen. Deshalb ist es wichtig, genau zu wissen, wie viele Agenten zur Verfügung stehen.
Die Personalabteilung (HR) kann möglicherweise Einblicke in die freiwillige Fluktuation (Agenten, die von sich aus gehen) in Ihrem Unternehmen geben, z. B. durch Daten zur Mitarbeiterzufriedenheit und/oder Risiken durch den Wettbewerb auf dem lokalen Arbeitsmarkt.
Ebenso sollte die Operations-Abteilung in der Lage sein, die tatsächliche Verfügbarkeit mit Daten und Trends zur unfreiwilligen Fluktuation (d.h. gekündigte Agenten) zu erklären. Aggressiveres Leistungsmanagement kann z.B. höhere Kündigungsraten hervorbringen.
Jeder erfolgreiche, langjährige Prognostiker wird schon einmal gebeten worden sein, eine Prognose auf Basis des Budgets zu erstellen, anstatt relevanterer Daten. Das passiert oft, wenn Führungskräfte die Team- und Zielleistung vergleichen wollen. Dabei besteht jedoch die Gefahr, dass man den Fokus auf das verliert, was man zum Erreichen des Service Levels braucht.
Stell Dir vor, Du sollst eine Bearbeitungszeit von neun Minuten in Deiner Prognose zu berücksichtigen, obwohl Du weißt, dass der tatsächliche Trend bei elf Minuten liegt. Eine Prognose, die auf neun Minuten basiert, würde zeigen, dass weniger Agenten benötigt werden als es tatsächlich der Fall ist.
Wenn Du ein Budget in die Prognosen einbeziehen musst, dann solltest Du sowohl Budget als auch Trend gleichzeitig anzeigen. Das hilft, klar zu zeigen, was für die Aufrechterhaltung des Service Levels benötigt wird. Es hilft Dir auch, alle kritischen Faktoren in Deine Prognose einzubeziehen.
Bei Prognosen wird die Auslastung oft als Output betrachtet. Umgekehrt ist sie aber ein Input aus Sicht der Personalplanung. Unabhängig von der Personalgruppe wird es eine Korrelation zwischen der Auslastung und dem Service Level geben. Aber nur eine Erlang-Formel zu verwenden, um den monatlichen Personalbedarf zu bestimmen, ist nicht ausreichend.
Deine Auslastung wirkt sich direkt auf das Personal aus, welches Du benötigst, um ein Service Level zu erreichen. Dieses Verhältnis ändert sich auch, wenn andere Faktoren variieren.
Nehmen wir an, eine Gruppe hat in der Vergangenheit eine Auslastung von 85 % erreicht, bei einem Service Level von 80 %. Wenn sich die Planungseffizienz ändert, weil die Agenten jetzt an zwei aufeinanderfolgenden Tage frei bekommen, dann wird Deine Auslastung sinken.
An diesem Punkt erreichst Du möglicherweise nur noch eine Auslastung von 82 % bei einem Service Level von 80 %. Der Rückgang der Auslastung bedeutet, dass Du jetzt mehr Personal benötigst, um das Service Level zu erreichen.
Andere Faktoren, die das Verhältnis zwischen Auslastung und Servicelevel verändern, sind:
Prognosen für Contact Center sind sehr zeitaufwendig und mühsam. Achte also auf diese fünf Fehler, bevor Du Deine nächste Prognose erstellst!