Wat is Forecasting?

Forecasting omvat statistische en taxerende interpretaties van historische gegevens om de toekomstige workload te voorspellen. De workload bestaat uit de componenten: contactvolume en AHT, die later in het capaciteitsmanagementdeel worden aangevuld met doelstellingen zoals bv. het gewenste Servicelevel. Dit proces, mits goed ingericht, zorgt voor voorspelbaarheid binnen het Contactcenter.

Welke forecast uitdagingen komen op ons af?

Het bepalen van het werkaanbod vraagt om enerzijds goed inzicht in het speelveld van een bedrijf. Het ophalen van de juiste informatie die bijdraagt aan de bepaling van het werkaanbod is cruciaal. Bekend zijn de voorbeelden van de marketingafdeling die “ineens” een nieuwe campagne neerzet die een grote omzet boost (en vaak dan ook extra werk) met zich meebrengt. Het vooraf inzichtelijk krijgen van de impact hiervan helpt accurater te voorspellen. Een belangrijk aspect is dus ophalen van kennis, maar ook het samenbrengen hiervan. Historische patronen van werkaanbod uit het verleden, marketingplannen, IT-projecten, veranderingen in wet-regelgeving; allemaal voorbeelden van bronnen welke impact kunnen hebben op het werkaanbod. “Garbage in = garbage out” is een bekende kreet. Zonder een zuivere bepaling van het werkaanbod is de gehele planning daarna en de werkroosters die dit oplevert, van onduidelijke waarde.

Hoe komen we tot een accurate forecast?

Stap 1:

De input van de forecast is sterk bepalend voor de kwaliteit van de forecast. Het is daarom van belang dat we de realisatiecijfers filteren op verstoringen en deze verstoringen kwantificeren voor toekomstig gebruikt. Anders verwoord: we maken de data schoon zodat we deze voor de forecast kunnen gaan gebruiken zonder dat we te maken hebben met eventuele dubbeltellingen of onjuist aanbod die veroorzaakt is door bv. feestdagen en storingen.

Stap 2:

In deze stap onderzoeken we de aanwezigheid van trends en seizoen effecten en doen we indien er sprake is van onafhankelijke variabelen (bv. verzonden catalogi) regressieanalyses om deze in een later stadium weer toe te kunnen voegen aan de forecast.

Stap 3:

In deze stap maken wij verschillende berekeningen qua voorspellingen of met andere woorden we proberen verschillende forecastmethodieken om zo de meest accurate te kiezen. Hoe dan: De kwaliteit van een forecast kun je testen op het verleden. M.a.w. hoe goed was deze forecastmethode geweest als deze was gebruikt op het recente verleden. Dit doen we met behulp van de M.A.P.E. (Mean Absolute Percentage Error)

Stap 4:

In deze laatste stap voegen we de verwachte verstoringen toe. Denk bv. aan marketingcampagnes, briefverzendingen, feestdagen en vakanties en maken we de verwachte bandbreedte inzichtelijk.

Spril en Forecasting

Spril is als expert in Workforce Management bekend met een veelvoud aan forecast technieken en heeft een bewezen trackrecord bij zowel grote als kleine ondernemingen. We maken forecastmodellen, helpen bij het verzamelen en opschonen van datasets, en geven trainingen op dit deelgebied. Elke verbetering in de nauwkeurigheid van de forecast, helpt niet alleen om kosten te reduceren, maar ook om de bereikbaarheid naar klanten toe te optimaliseren. Wilt u meer weten over hoe u in bijvoorbeeld Microsoft Excel zelf ook dergelijke modellen kunt maken, of wilt u weten wat een goede forecast u zou opleveren? Neem gerust contact met ons op, we komen graag bij u langs.


Check de nauwkeurigheid van je voorspelling en download onze WFM Tool:

Pagina delen: