Σεμινάριο Πρόβλεψης Επικοινωνιών & Στελέχωσης Erlang

Μάθημα 1 • Επεξήγηση Βασικών Δεικτών Απόδοσης

Παρουσιάζει τους βασικούς δείκτες απόδοσης που χρησιμοποιούνται για τη μέτρηση της υγείας του κέντρου επικοινωνίας. Αυτοί οι δείκτες γίνονται οι στόχοι που τα μοντέλα στελέχωσης έχουν σχεδιαστεί να επιτυγχάνουν.

Μάθημα 2 • Επισκόπηση Πηγών Δεδομένων και Συστημάτων

Εξετάζει τα συστήματα που παράγουν δεδομένα κέντρου επικοινωνίας που χρησιμοποιούνται στην πρόβλεψη. Οι εκπαιδευόμενοι μαθαίνουν από πού προέρχονται τα δεδομένα και πώς να αξιολογούν την αξιοπιστία τους.

Μάθημα 3 • Ο Κύκλος Στελέχωσης και Πρόβλεψης

Χαρτογραφεί τη ροή εργασίας από άκρο σε άκρο, από την πρόβλεψη όγκου έως την ανάπτυξη του προγράμματος. Οι εκπαιδευόμενοι βλέπουν πώς κάθε στάδιο εξαρτάται από την ακρίβεια του προηγούμενου.

Μάθημα 1 • Εξαγωγή Ιστορικών Δεδομένων Επαφών

Καλύπτει μεθόδους για την άντληση αρχείων επαφών ανά χρονικό διάστημα και ημερησίως από επιχειρησιακά συστήματα. Η καθαρή εξαγωγή αποτελεί προϋπόθεση για κάθε μετέπειτα ανάλυση.

Μάθημα 2 • Εντοπισμός και Χειρισμός Ανωμαλιών

Διδάσκει τον εντοπισμό και την αντιμετώπιση ακραίων τιμών, διακοπών λειτουργίας συστήματος και άτυπων γεγονότων στα ιστορικά δεδομένα. Οι μη αντιμετωπισμένες ανωμαλίες αλλοιώνουν τις γραμμές βάσης πρόβλεψης.

Μάθημα 3 • Υπολογισμός Βασικού Όγκου

Καθορίζει μια στατιστικά ορθή γραμμή βάσης από ιστορικά δεδομένα που αντιπροσωπεύει την κανονική ζήτηση. Η γραμμή βάσης αποτελεί τη βάση για όλες τις μελλοντικές προσαρμογές πρόβλεψης.

Μάθημα 4 • Δόμηση Δεδομένων για Πρόβλεψη

Δείχνει πώς να οργανώσετε καθαρισμένα δεδομένα σε μορφές χρονοσειρών κατάλληλες για ανάλυση προτύπων. Η σωστή δομή επιταχύνει τη δημιουργία μοντέλων στα επόμενα κεφάλαια.

Μάθημα 1 • Ενδοημερήσια και Ανά Ημέρα της Εβδομάδας Πρότυπα

Αναλύει τους υποημερήσιους και εβδομαδιαίους ρυθμούς όγκου που καθορίζουν τις απαιτήσεις στελέχωσης ανά χρονικό διάστημα. Αυτά τα πρότυπα αποτελούν τη βάση του σχεδιασμού ημερήσιου προγράμματος.

Μάθημα 2 • Έννοιες Χρονοσειρών για Προβλέποντες

Εισάγει τη δομή χρονοσειρών και τα συστατικά που οδηγούν τη διακύμανση του όγκου επαφών. Η κατανόηση αυτών των συστατικών είναι απαραίτητη πριν από την εφαρμογή οποιουδήποτε μοντέλου πρόβλεψης.

Μάθημα 3 • Κλασικές Μέθοδοι Αποσύνθεσης

Εφαρμόζει προσθετική και πολλαπλασιαστική αποσύνθεση για τον διαχωρισμό της τάσης, της εποχικότητας και των υπολοίπων. Οι εκπαιδευόμενοι επικυρώνουν τα αποτελέσματα της αποσύνθεσης πριν τα χρησιμοποιήσουν σε προβλέψεις.

Μάθημα 4 • Εβδομαδιαία και Μηνιαία Εποχικότητα

Εξετάζει τους επαναλαμβανόμενους κύκλους όγκου σε εβδομαδιαίο και μηνιαίο επίπεδο και πώς να τους ποσοτικοποιήσετε. Οι εποχικοί δείκτες που προκύπτουν εδώ εφαρμόζονται άμεσα στα μοντέλα πρόβλεψης.

Μάθημα 1 • Πρόβλεψη Βασισμένη σε Παλινδρόμηση

Εφαρμόζει απλή και πολλαπλή γραμμική παλινδρόμηση για τη μοντελοποίηση του όγκου ως συνάρτηση επιχειρηματικών παραγόντων. Η παλινδρόμηση επιτρέπει την αιτιολογική πρόβλεψη όταν είναι διαθέσιμοι πρόδρομοι δείκτες.

Μάθημα 2 • Αξιολόγηση και Επιλογή Μοντέλου

Καθορίζει ένα πλαίσιο για τη σύγκριση μοντέλων πρόβλεψης χρησιμοποιώντας δείκτες ακρίβειας και επιχειρηματική καταλληλότητα. Οι εκπαιδευόμενοι επιλέγουν μοντέλα βάσει αποδεικτικών στοιχείων και όχι εξοικείωσης.

Μάθημα 3 • ARIMA και Προσέγγιση Box-Jenkins

Εισάγει τη μοντελοποίηση αυτοπαλινδρομούμενου ολοκληρωμένου κινητού μέσου όρου για στάσιμες χρονοσειρές. Οι εκπαιδευόμενοι μαθαίνουν την αναγνώριση μοντέλου, την εκτίμηση και τον διαγνωστικό έλεγχο.

Μάθημα 4 • Απλοί και Σταθμισμένοι Κινητοί Μέσοι Όροι

Εισάγει μεθόδους κινητού μέσου όρου ως προσβάσιμα εργαλεία πρόβλεψης εισαγωγικού επιπέδου. Οι εκπαιδευόμενοι κατανοούν τις παραδοχές, τα πλεονεκτήματα και τους περιορισμούς τους πριν προχωρήσουν σε πολύπλοκα μοντέλα.

Μάθημα 1 • Χειρισμός Ειδικών Ημερών και Γεγονότων

Αντιμετωπίζει την τροποποίηση των τυπικών προφίλ για αργίες, καμπάνιες και άλλες άτυπες ημέρες. Τα μη προσαρμοσμένα προφίλ σε ειδικές ημέρες προκαλούν σημαντικά σφάλματα στελέχωσης.

Μάθημα 2 • Παρακολούθηση Ακρίβειας Πρόβλεψης σε Επίπεδο Διαστήματος

Καθορίζει την παρακολούθηση ακρίβειας σε πραγματικό χρόνο και εκ των υστέρων για προβλέψεις διαστημάτων. Η ακρίβεια σε επίπεδο διαστήματος καθορίζει άμεσα αν επιτυγχάνονται οι στόχοι στελέχωσης κάθε ημέρα.

Μάθημα 3 • Δημιουργία και Συντήρηση Ενδοημερήσιων Προφίλ

Καλύπτει την κατασκευή αντιπροσωπευτικών ενδοημερήσιων προφίλ και τη συνεχή συντήρησή τους. Τα προφίλ πρέπει να ανανεώνονται καθώς η συμπεριφορά του πελάτη εξελίσσεται.

Μάθημα 4 • Από Ημερήσια Σύνολα σε Όγκους Διαστήματος

Δείχνει την ανάλυση ημερήσιων προβλέψεων σε υποημερήσια διαστήματα χρησιμοποιώντας ιστορικά προφίλ. Οι ακριβείς προβλέψεις διαστημάτων αποτελούν την άμεση είσοδο για τα μοντέλα στελέχωσης Erlang.

Μάθημα 1 • Υπολογισμός Απαιτούμενων Πρακτόρων

Εφαρμόζει τον Erlang C επαναληπτικά για να προσδιορίσει τον ελάχιστο αριθμό πρακτόρων που ικανοποιεί έναν στόχο επιπέδου υπηρεσίας. Οι εκπαιδευόμενοι εξασκούνται σε χειροκίνητους υπολογισμούς και υπολογισμούς με τη βοήθεια εργαλείων.

Μάθημα 2 • Στελέχωση για Μη Φωνητικά Κανάλια

Προσαρμόζει τον Erlang και συναφή μοντέλα για chat, email και εργασία υποστήριξης γραφείου με διαφορετικά χαρακτηριστικά ταυτοχρονισμού και αναβολής. Κάθε κανάλι απαιτεί διακριτές παραδοχές μοντελοποίησης.

Μάθημα 3 • Erlang A και Μοντελοποίηση Εγκατάλειψης

Επεκτείνει τον Erlang C σε Erlang A, ο οποίος λαμβάνει υπόψη την υπομονή και την εγκατάλειψη του καλούντος. Ο Erlang A παράγει πιο ρεαλιστικές εκτιμήσεις στελέχωσης σε περιβάλλοντα υψηλής εγκατάλειψης.

Μάθημα 4 • Βασικές Αρχές Θεωρίας Ουρών

Εισάγει τις μαθηματικές αρχές που διέπουν τη συμπεριφορά της ουράς κλήσεων και την αξιοποίηση του πράκτορα. Αυτές οι έννοιες εξηγούν γιατί ο Erlang C παράγει ακριβείς εκτιμήσεις στελέχωσης.

Μάθημα 1 • Κατανόηση και Μέτρηση της Συρρίκνωσης

Ορίζει όλες τις κατηγορίες συρρίκνωσης που μειώνουν τον παραγωγικό χρόνο του πράκτορα και δείχνει πώς να μετράτε την καθεμία. Τα ακριβή ποσοστά συρρίκνωσης είναι απαραίτητα για τη μετατροπή των απαιτήσεων σε αριθμό προσωπικού.

Μάθημα 2 • Αρχές Σχεδιασμού Βάρδιας

Καλύπτει την κατασκευή προτύπων βάρδιας που ευθυγραμμίζουν τη διαθεσιμότητα του πράκτορα με τις καμπύλες ζήτησης ανά διάστημα. Ο σχεδιασμός βάρδιας καθορίζει άμεσα πόσο αποτελεσματικά ο αριθμός προσωπικού καλύπτει τις απαιτήσεις.

Μάθημα 3 • Τεχνικές Βελτιστοποίησης Προγράμματος

Εισάγει μεθόδους για την επιλογή του καλύτερου συνδυασμού βαρδιών για την ελαχιστοποίηση της υπερστελέχωσης και υποστελέχωσης. Η βελτιστοποίηση μειώνει το κόστος διατηρώντας τη συμμόρφωση με το επίπεδο υπηρεσίας.

Μάθημα 4 • Τήρηση Προγράμματος και Διαχείριση σε Πραγματικό Χρόνο

Συνδέει τα προγραμματισμένα προγράμματα με την εκτέλεση σε πραγματικό χρόνο μέσω παρακολούθησης τήρησης. Τα κενά τήρησης διαβρώνουν την κάλυψη στελέχωσης που το πρόγραμμα σχεδιάστηκε να παρέχει.

Μάθημα 1 • Ευθυγράμμιση Προβλέψεων με τον Οικονομικό Σχεδιασμό

Συνδέει τις προβλέψεις στελέχωσης με κύκλους προϋπολογισμού, στόχους κόστους ανά επαφή και εγκρίσεις αριθμού προσωπικού. Οι εκπαιδευόμενοι μαθαίνουν να παρουσιάζουν πλάνα εργατικού δυναμικού με οικονομικούς όρους που εξασφαλίζουν την έγκριση της διοίκησης.

Μάθημα 2 • Μεθοδολογία Προγραμματισμού Δυναμικότητας

Μεταφράζει μακροπρόθεσμες προβλέψεις όγκου σε μηνιαίες απαιτήσεις αριθμού προσωπικού και πόρων. Το πλάνο δυναμικότητας γεφυρώνει το αποτέλεσμα της πρόβλεψης με τις αποφάσεις επένδυσης σε εργατικό δυναμικό.

Μάθημα 3 • Ανάλυση Σεναρίων και Ευαισθησίας

Δημιουργεί αισιόδοξα, βασικά και απαισιόδοξα σενάρια για την ποσοτικοποίηση του κινδύνου στελέχωσης υπό αβεβαιότητα. Η ανάλυση σεναρίων επιτρέπει τον προληπτικό σχεδιασμό έκτακτης ανάγκης αντί για αντιδραστική απόκριση.

Μάθημα 4 • Μακροπρόθεσμη Πρόβλεψη Όγκου

Επεκτείνει τις τεχνικές πρόβλεψης σε ορίζοντες 12 έως 36 μηνών χρησιμοποιώντας εισόδους τάσης και επιχειρηματικών παραγόντων. Οι μακροπρόθεσμες προβλέψεις καθοδηγούν αποφάσεις προσλήψεων, εκπαίδευσης και προγραμματισμού εγκαταστάσεων.