如何实现智能排班？Udesk沃丰科技WFO客服工作量预测算法告诉你

商业领域经常会涉及时间序列数据分析需求，例如：餐馆在一年中不同季节的销售情况预测，市场里生鲜商品的供应变化，或者企业售后服务随着节日大促到来的高峰需求变化等等。这些数据，都呈现着非常明显的随时间发生的周期性、季节性变化。

通过对历史数据的分析，预测未来一段时间的变化情况，是时间序列分析中比较常见的一种场景。沃丰科技 [Udesk] WFO（劳动力优化管理）系统中对客服工作量的预估（智能预测客服坐席工作量，预估下一时段空闲客服数量等），使用了GaussMind基于时间序列的预测算法，相对于以往的时间序列算法（如ARIMA算法），这种算法更加复杂、高效，允许数据分析人员设置参数进行人工修正，以AI技术支撑专业准确、灵活便捷的智能排班管理。

01算法简介

沃丰科技GaussMind时序算法是基于时间序列分解和机器学习的拟合来做的，在预测的序列上，叠加了周期性的变化趋势和突发性的突变点，能够在较快的时间内得到需要预测的结果；同时预留了接口，可以由统计人员、运营人员通过调整趋势变化强弱来调整算法输出效果。

由于传统计算方法准确度不高，基于AI、大数据的沃丰科技GaussMind时序算法在Udesk系统客服工作量计算领域取得了满意的效果。算法基于业务系统订单量的变化情况，同时叠加天气、假期等外部因素对话务量的影响，尽可能多的增加影响话务量的变量，通过使用深度学习或机器学习算法，Udesk智能预测呼入呼出电话数量，进一步进行优化排班。

02算法原理

一、采集多个领域的文本数据

收集某个客服组历史上的时序数据：通话数量、通话时间、呼损率等三个指标数据，时隙为半个小时（即历史数据中，每半个小时记录一次数据，一天的数据量为48个时刻，3个数列）。通话时间是这半个小时内总的通话时间，通话数量是这半个小时内总共接通的通话数量，呼损率为半个小时内没有接通的通话数量占所有通话数量的比例。示例数据如下：

二、输入节假日或异常时间点数据

针对历史数据，在计算的逻辑中输入历史中存在的导致关键指标急剧变化的时间段或时间点，包括节假日、因上下游故障导致的异常点、导致大量增长的促销期等。

三、输入要预测的未来时刻可能存在的特殊时刻

将未来预测中的可能出现的特殊时刻标记，输入到计算逻辑中。在这些异常的时刻中，计算逻辑不会再考虑周期性变化等因素，而是直接输出按照历史预估的突变值。

四、使用周期叠加计算

GaussMind时序算法使用时间序列分解和叠加来进行预测，通过拟合以下四项参数，进行累加得到时间序列预测值：

g(t) 表示趋势项，它表示时间序列在非周期上面的变化趋势。

s(t): 表示周期项，或者称为季节项，一般来说是以周或者年为单位。

h(t): 表示节假日项，表示在当天是否存在节假日。

图片: 表示误差项（或称为剩余项）。

1）趋势项

趋势项函数包括两种，一种是基于逻辑回归函数的，一种是基于分段线性函数的。

基于逻辑回归函数的公式如下：

其中C是曲线的最大渐进值，k表示曲线的增长率，m表示曲线的中点。

基于分段线性函数的公式如下：

其中k表示增长率（growth rate）， δ表示增长率的变化量， m表示偏移参数。

2）周期项

时间序列通常会随着天、周、月、年等变化而呈现季节性的变化，也称为周期性的变化，算法使用傅立叶级数来模拟时间序列的周期性。假设P表示时间序列的周期，P=365.25表示以年为周期，P=7表示以周为周期。它的傅立叶级数的形式是：

3）节假日项

由于每个节假日对时间序列的影响程度不一样（春节、国庆节是七天的长假，劳动节等假期则较短），因此，不同的节假日可以看成相互独立的模型，并且可以为不同的节假日设置不同的前后窗口值，表示该节假日会影响前后一段时间的时间序列。

4）误差项

误差项表示无法建模和预测的随即波动，服从高斯分布，如：政策变动、自然灾害等不可抗力。

03算法效果

周期叠加效果

算法运行时，需要至少几个月（最好是一年）的每小时、每天或每周观察的历史数据，同时有事先知道的以不定期的间隔发生的重要节假日（比如国庆节），缺失的历史数据或较大的异常数据的数量在合理范围内。在这种情况下，目前预估的准确率在80%左右。

沃丰科技GaussMind时序算法通过对周期性、季节性、变化趋势的叠加，能够更加准确地预测未来一段时间的变化情况，尤其是在用户不是特别精通时间序列的情况下也可以使用这个算法得到较为满意的结果。沃丰科技 [Udesk] WFO（劳动力优化管理）系统中对客服工作量的预估，采用GaussMind时序算法，Udesk系统智能预测客服坐席工作量、预估下一时段空闲客服数量，依托AI技术，实现科学排班，减少错误、降低耗时，避免客服人员超时工作，有效帮助企业管控人力成本与风险。
图片

沃丰科技创立于2014年7月，是领先的AI驱动的客户服务、CRM和客户体验解决方案提供商。依托人工智能、大数据、云计算等核心技术，沃丰科技旗下Udesk、GaussMind、ServiceGo、微丰、沃丰CEM等产品成功将全维度的智能系统应用到企业客户服务、营销、客户运营等各个场景，得到众多国有企业和世界500强客户的认可。沃丰科技研发团队超过200人，资深算法研究员主要来自于微软、百度、腾讯、360、中科院等，核心团队成员拥有超过8年的智能对话系统设计经验。沃丰科技坚持创新，以 AI 驱动服务，用技术提升客户体验，全面助力企业实现数字化转型。

如何实现智能排班？Udesk沃丰科技WFO客服工作量预测算法告诉你相关推荐

智能排班系统【开源说明】
文章目录引言说明讲讲开源开源要做什么了解开源协议项目的信息脱敏写好项目说明文档修改.gitignore 项目不完善点说明管理系统前端页面自适应做得不好部分页面体验不好管理系统后 ...
智能排班系统、班次、班表、考勤、年假、调休、审批、请假、培训、值班、换班、加班、工时、自动排班、智能预测、人力需求预测、授权、团队、锁定量排、规则权重设置、菜单、角色、数据监控、工作台、axure
智能排班系统.班次.班表.考勤.年假.调休.审批.请假.培训.值班.换班.加班.工时.自动排班.智能预测.人力需求预测.授权.团队.锁定量排.规则权重设置.菜单.角色.数据监控.工作台.axure原型 ...
“外卖式”售后服务体验来袭沃丰科技ServiceGo让售后服务更智能
随着我国互联网.大数据.人工智能等信息技术快速发展,智能化服务得到广泛应用,深刻改变了生产生活方式,提高了服务效能. 当你饿了可以点个外卖,外卖平台的后台系统会根据你历史订单偏好,智能推送相关的美食, ...
java 排班日历_快速简化排班（智能排班）-日历排班
在前面的文章中,我们详细探讨了传统模式下的排班问题,流程很简单,但有些企业班别较多(比如有20个班别),而且每个班别都需要设定一个周末和假日班(这就变成了60个甚至更多班别,比如有些班别周六和周日的判 ...
请写出一个智能排班系统的前端页面
下面是一个简单的智能排班系统的前端页面示例: 页面顶部: 标题栏:显示系统名称 "智能排班系统" 导航栏:包括首页.员工管理.排班管理等链接主要内容: 排班表:以日历形式显示每个 ...
客服智能排班开发设计
前言这段时间一直在做客服智能排班的需求,由于这需求是客服提出的,设计方案有好多不合理的地方,这就花费了大量的时间和人力去讨论和设计开发方案. 最终需求分出两个体系:早中晚班:夜班排班:人员按分组 ...
智能排班考勤系统原型
可应用于客服行业或工厂的智能排班系统. 可实现从业务预测,到工时预估,再到人员分配全流程自动智能排班. 能清单: 排班工作台数据监控班表日历排班工具班次表登录页面点击下载
智能排班系统【管理系统功能、操作说明——上篇】
文章目录功能设计共有功能系统管理员企业管理员门店管理员门店员工页面与功能展示用户登录企业注册系统首页系统管理员首页企业管理员首页门店管理员首页个人中心菜单管理日志管理 ...
沃丰科技：AI赋能泛CRM，为新企服扬风鼓帆
来源:中国软件网,作者海策历时七年,沃丰科技基于Udesk已升级成为致力于做领先的AI驱动的客户服务.CRM和客户体验解决方案提供商. 2014年,一群青年人成立了一个团队获得AA轮融资时,创始人于 ...

如何实现智能排班？Udesk沃丰科技WFO客服工作量预测算法告诉你

如何实现智能排班？Udesk沃丰科技WFO客服工作量预测算法告诉你相关推荐

最新文章

热门文章