Excel2007对呼叫中心管理产生的革命性影响

客户世界 | 2015年7月12日 | 2007年 | 评论已关闭 | 1874

客户世界|许乃威|2007-10-25

呼叫中心管理与其它行业的管理不一样，其他行业的管理追求绝对数字的最大化，例如销售部门，就是追求销售数字（销售量或毛利）的最大化，但呼叫中心却无法这样，如果以接通电话数为指标，追求接听通数的最大化，座席代表就会拼了命牺牲服务质量来追求产量的最大化，但这样的最大化，却不是呼叫中心管理者愿意看到的。

这就是呼叫中心有名的“指标两极论”的问题，笔者在以前的几篇文章里已经做了很多的阐述。

最小方差管理法提出了新的见解，认为不应该追求某一个指标的最大化，而应该追求该指标的差异最小化，利用标准差的观念，引进了一组新的KPI管理指标。

最小方差管理法大量的利用了Excel这个工具，特别是用到频次表、标准差和离散系数。我们将看看如何利用Excel来找出个体差异和缩小个体差异。

但笔者这篇文章，却想指出一个非常新的，又震撼人心的发展，就是Excel 2007版的新功能：“分析关键影响因子”。这功能可以找出某一个群体里面的关键特征，而这一功能，将对解决呼叫中心两极论的困境，发挥关键性的影响。原本呼叫中心很无力的一些现象，完全可以利用Excel找出答案。笔者相信Excel 2007这一功能，将对呼叫中心管理产生革命性的影响。

Excel 频次表的运用

首先我们看到频次表对呼叫中心分析的运用。利用最小方差管理法时，经常要制作频次表来进行分析。频次表其实是一张很简单的图，例如你统计了你同事每天到公司上班所需的时间：5分钟之内的，有2个；10分钟的有4个；15分钟的有6个；20分钟的有10个；25分钟的有8个；30分钟的有5个；35分钟的有3个；40分钟的有2个；超过40分钟的有1个。这时你画一张频次表，就会得到下面的图（纵坐标代表人数；横坐标代表所花时间）：

这张图是一个很漂亮的常态分布图，也就是大部分人集中在15到25分钟之间，然后往两边逐步减少。

频次表对最小方差管理法如此重要的原因在于：大自然里面，大部分的现象，都是常态分布图，除非“人为干预”！

只要看到某一张频次表不是常态分布，管理者就有工作可做了，因为管理者在找的，就是“人为干预”，或是说“人为因素”。

我们要怎么用Excel画频次表，其实很简单。只是有一个关键点要非常小心，不然研究一个月都找不到答案。

这是某呼叫中心7月1号到30号的平均处理时长，我们就试试看画一张频次表。

底下是画出来的频次表，我们看到也是相当漂亮的常态分布图，不过却也看到图形最右边，有一个小小的突起。为何会有这个凸起？这就是管理者寻找的管理方向。频次表是最小方差管理法高度依赖的工具，提供了管理者管理的方向。

要画出频次表，先要把区间给列出来，

我们决定把区间从80开始，每隔5这个区间，就分成一格，然后一直列到125，可以参考底下D2到D11这个数列，这就是区间。

然后我们要把B这个数列（7月1号到30号的平均处理时长），按照D这一列的区间，来进行频次计算。

计算方法很简单，先把E2到E11这一列选起来，然后选了“=”这个键，这时利用上方“插入函数”这个函数列，选择“FREQUENCY”这个函数，如下图所示，就会跳出“FREQUENCY”这个函数的对话框。

FREQUENCY这个函数的对话框，要求两个数列，一个是原始要分析的数据，也就是B这一列，第二个数列要求的是区间，也就是D这个数列，分别选中这两个数列，然后关键问题出现了！

这就是微软产品最特别的地方：你不能按“确定”这个键，如果按“确定”，你就死定了！笔者曾经为这件事，研究了好久，整个Help的帮助画面，也没说要怎么做，终于在一个地方找到：必须同时按三个键：Shift、Ctrl和回车（Enter）。同时按下这三个键，就会得到你要的频次，如下图的E这个数列。

这时你只要对E这数列画折线图，就会看到频次表了。

平均处理时长的标准差

标准差是最小方差管理法高度依赖的指标，计算方法很简单，在EXCEL里面，只要利用“STDEV”函数，选中你要计算标准差的数列，如下图，我们要计算7月1号到30号平均处理时长的标准差，7月1号到30号平均处理时长的数据，就是B2到B31这数列，只要选中这数列，按“确定”，就会得出标准差。

如我们之前几篇关于最小方差管理法的文章所说，平均数看不到个体差异，只知道7月1号到30号的平均处理时长是99.5秒，但这数字，对管理者而言，其实是没有办法用来做管理的，因为管理者要做的是找出差异，管理差异，而标准差才是可以提供个体差异这重要信息的工具。

标准差上下限检查

图说：B35是一个标准差上限，而B36是一个标准差下限

我们很经常会采用平均值加上一个标准差，来当作控制上限，而平均值减去一个标准差来当作控制下限，这称为一个标准差上限和一个标准差下限。

所以一个标准差上限是107.4（平均值99.5＋标准差7.9），而一个标准差下限是91.6（平均值99.5-标准差7.9），如上图所示。

我们看7月1号到31号的平均处理时长，平均数是99.5，而其中有7月3号、4号、5号、6号这几天的平均处理时长超过了一个标准差上限，非常值得关注，值得管理者去了解为何这几天的平均处理时长会超过平均值一个标准差以上，当天是不是在管理上出了什么状况。

7月1号、15号、17号和30号这几天的平均处理时长低于一个标准差以下，这也非常值得管理者来关注，因为平均处理时长变短，虽然很有可能是因为大家的效率提高了，管理者一般都会奖励这样的效率提升，但有时这样的效率提升，是座席代表牺牲服务质量换来的，例如没有跟客户好好解答问题，就直接要客户挂机，或是直接跟客户说，这项咨询没有办法回答，类似这样的服务状况，都有可能降低平均处理时长，这是管理者不希望看到的。

事实上，这是一家运营商从7月1号到31号的平均处理时长，运营商一般话务高峰日是月初和月末，这是影响每天话务情况最大的关键因素，另外一个因素是系统发生故障，或是当天因为营销活动造成话务高峰。

从上面的数据分析，平均处理时长超过一个标准差以上的，集中在月初3号到6号，让我们似乎觉得月初因为话务高峰，所以平均处理时长变长这样一个假设，但1号也是月初，也是话务高峰日，平均处理时长却反过来低于一个标准差以下，却又打破了这样的假设。如果没办法找出一个规律来解释上面看到的情况，下一个检讨的方向，就是作业流程是否标准，因为作业流程不标准，平均处理时长也会这样上下震荡。还有一种可能，就是某些班组在这几天有特殊的情况，这就值得我们对这些班组进行标准差的检查。

以平均值为中心，一个标准差上限和一个标准差下限这个范围，涵盖了68％左右的面积，高于一个标准差的范围，是前面16％，低于一个标准差的范围，则是后面16％。

也就是说：68% 数值分布在距离平均值 1 个标准差的范围；约 95% 数值分布在距离2 个标准差的范围；约 99.7% 数值分布在距离3个标准差之内的范围。这被称为“68-95-99.7 rule”。

举成绩的例子来说，如果你们班的平均分是60分，标准差是15分，则表示有68%的同学成绩落在一个标准差内，即45分(60-15)至75分(60+15)，也就是说，如果你考的高于75分，你就赢了84%的同学(以平均为中心切一半，所以60分到75分的同学约有34%，加上小于60分的约有50%，故得到84%)。

以上面7月的平均处理时长当作例子，也就是说，以平均值99.5当作中心，一个标准差上限是107.4，一个标准差下限是91.6，在这范围内，有68％左右的日子，它们的平均处理时长落在这范围内，但有32％左右的日子却是落在这范围外的，而落在这范围外的，就是我们特别需要关注的。

我们刚刚已经找到7月3号、4号、5号、6号（平均处理时长超过了一个标准差上限）和7月1号、15号、17号、30号（平均处理时长低于一个标准差下限），这是我们特别需要关注的。我们可以把这几天班组的平均处理时长拿出来分析一下，作同样过程的分析，看看跟其它班组比较，哪些班组标准差是比较特别的，这些班组就是值得我们管理的对象。

最小方差管理法强调的是，平均数只能看到平均表现，看不到个体差异，而管理者需要做的管理，不是平均数，而是其中的个体差异。

要看到个体差异，就要利用频次表和标准差，这两大武器，是看出个体差异最好用的武器。

离散系数

最小方差管理法，希望能够让方差（或是标准差）控制在最小的范围内变动，这时我们会利用一个标准来进行控制和检验，称为离散系数。

离散系数是标准差除以平均值。每一次计算平均值，因为采用的天数可能不一样，或是采用了不同的班组来检查，平均值都可能会不一样的，这时如果只是用标准差来做互相之间的比较，就会产生不公平的情况，所以将标准差除以平均值，得出一个系数，就称为离散系数。离散系数是一个很重要的控制指标，最小方差管理法大量使用离散系数来测量某一个KPI指标是否已经达标。

最小方差管理法要求离散系数可以达到最低的标准：0.1，也就是标准差不能超过平均值的10分之一，利用离散系数可以具体检查呼叫中心关注的KPI指标是否稳定，是否剧烈震荡。最小方差管理法评断呼叫中心KPI指标最终是否成功达标，主要依据就是离散系数是否达到最低的标准：0.1。

下图，B37就是离散系数，算出来的数值是0.08，表示该呼叫中心的平均处理时长指标，以最小方差管理法的角度来看，已经达到最低标准。