大約50多年前，PDCA循環發起人、管理大師愛德華茲·戴明說：“除了上帝，任何人都必須用數據說話。”隨著數字經濟時代的快速發展，數據已成為驅動社會發展的生產要素，數據什么時候進入我們的生活，成為我們衡量工作或生活的標準，是不得而知的。但是數據已經滲透到我們工作或生活的角角落落，成為工作中必不可少的環節，也影響到各個行業。
客戶中心的運營管理離不開數據的支撐，數據管理可以幫助客戶中心提高工作效率、找出工作問題、改善客戶滿意度，從而減少成本。
客戶中心每天都會產出各種數據，通過獲取到的數據發現問題、找到原因，可以讓我們更快速找到合適的解決方案，用數據說話已經成為合格管理者的基本能力素養之一。
客戶中心的排班管理同樣離不開數據，排班前的準備工作需要收集數據，對數據進行整理、清洗、分析、計算，從而出具最佳排班方案；排班后實際執行班表及服務指標達成情況進行分析，找出實際與排班差異點，發現問題解決問題。
排班管理需要大量的數據支撐，在筆者所在的客戶中心，建立了一套現場管理的數據收集模型，稱之為時段播報表；時段播報表是實時關注時段指標、話量、缺勤等數據達成并進行分析，根據現場發生的不同情況做出不同的方案進行改進；時段時間根據業務現狀情況而定，一般分為15分鐘、30分鐘和60分鐘，筆者所在的客戶中心按照30分鐘進行監控。
時段播報表分為三大模塊進行數據的收集分析：“需求、排班與實際出勤”、“線路交付”、“現場管理”；其中“現場管理”模塊需結合“現場實時管理應急方案”來進行填寫，現場實時管理應急方案是根據業務日常管理的方案總結出來的一套方案，根據不同的預警情況執行不同的方案來確保現場無異常問題發生，具體如圖1所示。
圖1：現場實時管理應急方案
“現場實時管理應急方案”不是固定不變的，可以根據各業務現場管理的實際情況進行制定。言歸正傳，下面就由筆者帶領各位了解時段播報表的組成。
需求、排班與實際出勤
圖2：時段播報表需求、排班與實際出勤模塊
圖2為時段播報表中“需求、排班與實際出勤”模塊，此模塊主要是進行現場人員的管理，各條目定義如下：
客戶需求人數：客戶提供的各時段需求人數；
排班人數：排班師根據各時段需求人力的分布情況進行擬合安排的實際排班人力；
時段出勤人數：各時段實際出勤的人數；
排班耦合度：排班師排班人數/客戶需求人數，排班耦合度主要查看排班師時段擬合是否合理；
時段出勤人數差異值：時段出勤人數-排班人數，此部分主要了解現場各時段缺勤的情況，如果時段指標達成異常可通過人數差異進行分析。
“需求、排班與實際出勤”模塊可以了解到排班與客戶需求的擬合情況，并能了解各個時段的缺勤情況，缺勤率也是影響指標達成的重要因素之一。
線路交付
圖3：時段播報表中的“線路交付”模塊
圖3為時段播報表中的“線路交付”模塊，此模塊主要是進行現場話量和指標數據的跟蹤，各條目定義如下：
實際來話量：當日各時段實際來話量；
昨日來話量：昨日各時段實際來話量；
排班承接量：排班師通過排班人力和預測效能測算的預估承接話量；
實際承接量：當日各時段實際接起量；
昨日承接量：昨日各時段實際接起量；
排班完成比例：實際承接/排班承接，通過此數據可了解排班師預測的承接量是否有問題，現場的達成是否有問題；
“線路交付”模塊是作為指標分析的重要模塊之一，當服務指標不達標時，首先分析現場承接是否有問題，如實際承接低于排班承接，可進一步分析現場管控是否存在問題，如效能，耗損等是否高于或低于預測；根據分析結果校準話量、效能和耗損，并重新制定預測方法。
現場管理
圖4：時段播報表現場管理模塊
圖4為時段播報表中的“現場管理”模塊，此模塊主要是進行現場狀態的跟蹤和管控，各條目定義如下：
呼等個數：各時段的平均呼等；
剩余接待數：各時段的剩余接待數（語音業務填寫空閑數）；
時段集中問題：導致各時段呼等或空閑的問題；
采取行動：針對集中問題采取的措施；
就餐/活動/培訓應安排人數：班表中安排的就餐/活動/培訓人數；
就餐/活動/培訓實際安排人數：實際執行中就餐/活動/培訓人數；
就餐/活動/培訓問題：安排過程中出現的問題；
“現場管理”模塊可以了解到每個時段的話量呼等/空閑情況，現場會根據實際各時段的話量情況結合“現場實時管理應急方案”進行現場管理，對于現場集中性問題記錄清楚，現場的用餐及培訓情況也需進行如實記錄，此處需注意為現場實時問題記錄清晰明了，便于后期回顧分析使用。
除上述三個模塊之外，此模型還需備注早班負責人及晚班負責人，及當天交接注意事項，可以了解當天值班人員明細，及當天有無特殊情況發生，便于追溯。
圖5：某天時段播報表
圖5即為某業務某天完整的時段播報表，通過此表中的數據可以清晰的了解到當天所發生的一切，可以有效的還原業務問題，及時避免后續重復問題的發生，從而有效的提升預測、排班，現場管理能力。
此為排班后的數據管理中的一部分，使用中會根據實際情況有或多或少的差異，想要更好的數據管理還需要我們不斷的去嘗試，去優化，去總結。
結合客戶中心實際情況通過對數據進行有效管理、對比、分析、運用，從而提升公司的利益，數據管理顯得尤為重要，即將進入人工智能時代，未來需要走的路還很長。
