Excel bleibt für viele Contact Center-Planer das Mittel der Wahl, wenn es um die Personalplanung geht. Sie nutzen es häufig zur Erstellung von Arbeitsaufkommen-Prognosen und Dienstplänen, vor allem in kleinen bis mittleren Contact Centern.
Trotz der großen Auswahl an Workforce Management (WFM)-Lösungen auf dem Markt, verlassen sich viele Unternehmen immer noch auf Tabellenkalkulationen, um damit ihre Arbeit zu erledigen. Entweder neben der Nutzung eines professionellen WFM-Tools oder weil das schon immer so war. Meistens liegt es jedoch daran, dass das Management nicht bereit ist, auf WFM-Software umzusteigen.
Fürs Erste findest Du hier eine Auswahl hilfreicher FAQs zur Planung mit Excel, um Dir das Leben als Planer ein wenig zu erleichtern.
Unterteile Deine Prognose immer in Intervalle - wir empfehlen 15-30 Minuten Intervalle, wenn Du Pausen einplanst.
Als nächstes überprüfe Deinen ursprünglichen Einsatzplan, vergleiche geplantes Personal mit tatsächlich benötigtem Personal und konzentriere Dich auf Zeiten der Über-/Unterbesetzung. Am besten solltest du versuchen, Pausen außerhalb der unterbesetzten Zeiten einzuplanen, um die Auswirkungen auf den Service Level zu minimieren.
Es ist im Allgemeinen am besten, die Menge der angebotenen Anrufe pro Intervall zu verwenden, um das zukünftige Arbeitsaufkommen zu prognostizieren. Wenn Du jedoch extreme Abbrecherquoten erlebst, solltest Du diese Zahl am besten auf einen Wert anpassen, der näher an der regulären Run-Rate (verarbeitete Anrufe) für Deine Prognose liegt.
Nehmen wir zum Beispiel an, dass Du eines Tages auf eine Situation triffst, in der das Volumen der angebotenen Anrufe gleich 100 ist, und 20% davon fast sofort abgebrochen werden. Unter der Annahme einer Abbruchquote von 5% empfehlen wir Dir, das tatsächlich von Deinen Agenten bearbeitete Anrufvolumen zu verwenden, um das zukünftige Arbeitsaufkommen genauer vorherzusagen.
Vergiss aber nicht, die Originaldaten zu speichern. Was an einem Tag ein temporäres Problem ist, könnte in ein paar Wochen als Trend wiederauftauchen.
Du hast höchstwahrscheinlich in der Vergangenheit historische Daten gesammelt, die zeigen, wie das Anrufvolumen und die Bearbeitungszeit während der Urlaubssaison oder einer bestimmten Marketingkampagne variieren. Achte darauf, diese Erkenntnisse zu nutzen und sie als Grundlage für Deine Prognose zu verwenden.
Überprüfe auch den Einfluss der jeweiligen Jahreszeit auf deine Einsatzplanung. Du kannst dies nutzen, um Deine Projektion manuell anzupassen oder sogar das prognostizierte Arbeitsaufkommen, um die prozentuale Abweichung zu den bisher erstellten Projektionen unter „normalen Bedingungen” zu erhöhen.
Vorausgesetzt, dass Du einen Erlang Rechner, der die Berechnung von abgebrochenen Anrufen unterstützt, verwendest, kannst Du einfach das angebotene Anrufvolumen, die durchschnittliche Bearbeitungszeit und das verfügbare Personal eingeben, um eine Prognose zu erstellen. Bedenke aber, die Ergebnisse sind nur Anhaltspunkte.
Im Gegensatz zu einigen ausgefeilteren WFM-Lösungen neigen einfache Erlang C-Rechner dazu, bei der Bereitstellung intelligenter Simulationen zu versagen und stattdessen statische Szenarien anzunehmen. Denke daran, dass dies nur zu ungefähren Gleichungen im Add-on führt.
Erstelle Zeilen oder Spalten, je nachdem was Du bevorzugst, für jeden Call Driver (z.B. Produkteinführungen, Marketingkampagnen, saisonale Trends, Feiertage oder externe Faktoren wie Verkehrs- oder Wetterprognosen). Dies wird Dir die Arbeit erleichtern, besonders wenn Du langfristige Planungsmodelle verwendest. Denn Du kannst mehrere Anruftreiber auf einmal anpassen, um das Anrufvolumen für die gewünschten Zeitintervalle automatisch zu aktualisieren und deine Volumenberechnung für die Zukunft anzupassen.
Leider ist das leichter gesagt als getan. Wenn Du eine Prognose für ein Quartal oder mehr erstellst, ist eine große Datentabelle unvermeidlich. Die Verwendung einer Pivot-Tabelle oder das Filtern nach Kunden, um die großen Datenmengen in den Griff zu bekommen, kann helfen.
Daten bringen Intelligenz und ermöglichen es Dir, das vergangene Verhalten von High- und Low-Touch-Kunden zu analysieren, um ihr Kontaktverhalten besser zu verstehen. Außerdem kann es Dir einen Eindruck davon geben, wie sich verschiedene Faktoren wie Saisonalität, Marketingkampagnen, etc. auf die Daten auswirken könnten.
Überprüfe zuerst die ACD-Daten auf Anzeichen von versuchten Anrufen, um herauszufinden, ob es eine latente Nachfrage gibt. Als nächstes extrapoliere das Volumen in einem Graphen und konzentriere Dich auf den Trend der letzten zwei Stunden.
Wenn das geschehen ist, solltest du eine leichte Überbesetzung in Betracht ziehen und das hat einen einfachen Grund: Es ist einfacher, Mitarbeiter darum zu bitten früher zu kommen, als sie zu einem längeren Bleiben aufzufordern. Ein oder zwei Wochen sollten ausreichen, um zu erkennen, ob Deine Annahmen eine richtige Tendenz haben.
Denke daran, dass dies ein völlig neues Szenario für Dein Unternehmen ist und fortgesetztes Testen die beste Strategie ist.
Hier sind ein paar Best Practices, die Dir helfen können, Anomalien in Deinen Daten zu überwinden. Beachte, dass mehrere Maßnahmen notwendig sein können und überprüfe die Ergebnisse: