Kennen Sie das: Bei der Tages- und Wochenanalyse fällt auf, dass der Forecast vom tatsächlichen ankommenden Volumen mehr oder weniger abweicht. Der daraus resultierende Service Level stößt auf vielen Ebenen auf Unmut. Besonders wichtig ist die Zufriedenheit der Kunden, die sich bei einem falschen Forecast im negativen Sinne auf eine längere Wartezeit in der Warteschleife einrichten müssen.
Was gehört zu einem realistischen Forecast?
Zu aller erst ist ein Forecast eine Prognose des zu erwartenden Kontaktvolumens. Viele Unternehmen sind der Annahme, dass sie einen Forecast berechnen. Tatsächlich errechnen sie aber nur eine Projektion der historischen Daten. Also eine Annahme, dass die Zukunft genauso verläuft wie die Vergangenheit. Was fehlt, sind die Daten aus der Business Intelligence, die weitere Faktoren in eine Projektion einbeziehen. Erst wenn man diese mit den historischen Daten kombiniert, kann man von einem qualitativen Forecast sprechen.
Wofür steht Business Intelligence (BI)?
Im BI werden alle internen und externen Einflüsse, die sich auf das Anrufvolumen und die Produktivität Ihrer Mitarbeiter auswirken können, betrachtet. Dazu ist eine enge Zusammenarbeit mit diversen Abteilungen wie Marketing, Vertrieb, IT oder dem Kundenmanagement erforderlich. Im besten Fall ist das Workforce Management (WFM) direkt mit eingebunden, um an die nötigen Informationen wie Prozessänderungen, Produktänderungen, Kampagnen oder Kundenpräferenzen zu gelangen.
Als Grundlage für die Forecast-Berechnung dienen die historischen Daten. Im besten Fall werden diese Daten über eine Schnittstelle in ihrem WFM System automatisch eingebunden. Auch bei einer Forecast-Berechnung über Excel, gilt hier „Garbage in, Garbage out“ – wer Müll hineinwirft, bekommt Müll heraus. Prüfen Sie daher die Genauigkeit Ihrer Prognosen. Wenn diese vermehrt mehr als 5 % abweichen, sollten die Daten eingehend überprüft werden.
Viele WFM Systeme verarbeiten historische Daten, indem Sie Durchschnittswerte für eine bestimmte Zeitspanne berechnen und dabei kleine oder auch große Abweichungen glätten. Dabei ist zu beachten, dass besonders größere Abweichungen einer genaueren Prüfung unterzogen werden sollten.
Beispiel: Sie berechnen Ihren Forecast und stellen fest, dass am Dienstag vor 4 Wochen ein um 18 % höheres Anrufvolumen zu verzeichnen war. Sie recherchieren, dass dies auf einen unerwarteten Rechnungslauf zurückzuführen ist. Auch wenn dies kein wiederkehrendes Ereignis darstellt, wirkt es sich dennoch auf zukünftige Berechnungen aus. Welchen Einfluss hat es auf Ihren Forecast? Zu aller erst sind je nach Größe des Zeitraumes, den Sie als Grundlage benennen, die Tages-und Wochenwerte verfälscht. Auch die Tagesverlaufskurve für einen Dienstag ist aufgrund des erhöhten Anrufvolums nicht mehr valide. Um zu vermeiden, dass alle zukünftigen Berechnungen nicht verfälscht werden, sollte das Ereignis als ein einmaliges Ereignis deklariert werden und nicht in die Forecast-Berechnung einbezogen werden.
Neben dem Kontaktvolumen muss auch die durchschnittliche Gesprächszeit (Average Handling Time (AHT)) berücksichtigt werden. Auch hier sollten Sie die historischen Daten auf Validität prüfen und einmalige Ereignisse auch so behandeln.
Um die historischen AHT Daten mit den aktuellen Daten zu vergleichen, ist es ratsam, eng mit der Operative zusammen zu arbeiten. Dann können Sie zukünftige Änderungen in der AHT, z.B. durch Veränderungen im Ablauf des Agenten, mit einbeziehen.
Analog zu einmaligen Ereignissen kann auch hier eine kleine Abweichung zu einem falschen Forecast führen.
Beispiel:Gehen wir von 95.000 Anrufen pro Monat mit einer AHT von 300 Sekunden aus. Wenn bei einen Service Level 80/30 die AHT nur um 5 %, also auf 315 steigt, kann dies eine Schwankung des Bedarfs von 6 FTEs haben.
Nutzen Sie daher alle zur Verfügung stehenden Mittel, um Ihren Forecast so genau wie möglich zu berechnen. Je genauer der Forecast ist, desto realistischer ist die daraus resultierende Planung und umso geringer der nachträgliche Steuerungsaufwand.
– Stefan Krankemann (Berater)
junokai