在本文中，我们将介绍如何衡量预测的准确性。

呼叫中心最重要、更具挑战性的工作之一是预测需求。预测模型需要不断完善，因此规划者需要评估他们的预测有多准确。

从表面上看，预测准确度似乎很容易计算——是否有预测的那么多联系人？然而，仔细观察后，很明显，企业也需要确切了解何时进行了联系，以及联系中心是否为他们做好了准备。

预测准确度的三种方法在联络中心有三种计算预测准确度的常用方法。这些是：

百分比差异或百分比误差标准偏差相关系数。我们在本文中详细讨论了每种方法，但我们也有每种方法的八分钟视频指南，其中介绍了大多数基础知识。

这段视频由联络中心学校的Penny Reynolds讲述：

视频中有很多重要的信息，在介绍了一个称为“实际体积”的术语后，我们将在下面解释每种方法。

了解我们所说的“实际量”是预测精度计算的关键部分。在我们的文章中，Penny Reynolds提供了更多关键的WFM建议：一个

的力量什么是“实际容量”？首先，我们需要理解我们在讨论联系数量时的意思。这是另一个一开始看似简单但需要思考的问题。

如果我们将实际音量表示为“接听电话的数量”，我们将面临一个非常大的潜在问题——我们不会计算未接听的电话。

当传入音量大于呼叫处理容量时，某些呼叫将无法接听。如果它们没有得到回答，因此也没有被计算在内，我们最终会得出一个不切实际的总量概念。例如，想象一个联系人中心，它预测每天有2000个联系人，3000个客户将要打电话。如果该中心全天以更高入住率运行，并接听2400个电话，那么预测似乎只会偏离400个。

由于这个原因，大多数规划师根据提供的电话而不是接听的电话来评估预测的准确性。请记住，这种方法也是不完美的，因为它会分别计算每次重复的不成功接触尝试，从而增加总容量。

这是“不那么糟糕”的方法，所以我们假设“提供的调用”是实际容量的度量。

在我们的文章中了解更多关于预测的基础知识：联系中心

方法1中的劳动力预测指南-百分比差异或百分比误差的预测精度公式许多预测者用来测量预测精度的一种简单方法是一种称为“百分比差异”或“百分比误差”的技术。这只是以百分比表示的实际量和预测量之间的差异。

我们可以在下面的示例中的个时段使用此公式，其中实际量为105，预测量为102。

间隔通话提供预测误差百分比差异8:00 am–8:30 am 105 102 3 2.90%8:30 am–9:00 am 128 135-7-5.30%9:00 am–9:30 am 136 138-2-1.50%这是一种在间隔内测量预测误差的有用且可靠的方法。然而，预测人员很少需要报告单个时间间隔，而是关注长期的预测准确性——但这不是更好的做法。

错误的方法：测量全天的预测准确度计算预测准确度的错误方法是测量全天，而不考虑时间间隔。

以下表中的数据为例：

间隔通话提供预测误差百分比差异上午8:00–上午8:30 105 102 3 2.9 8:30 am–上午9:00 128 135 7 5.3 9:00 am–私奔七分半钟。

要了解更多关键的WFM注意事项，如悬垂，请务必阅读我们的文章：计算需要多少联系中心顾问时需要的10件事

平均百分比误差

平均百分比误差（MAPE）将误差测量为实际值的百分比，即所提供的调用。首先，我们只需计算每个间隔的误差百分比。

然后计算数据集的平均错误百分比，以获得MAPE。

间隔通话提供预测误差百分比差异8:00 am–8:30 am 105 102 3 2.9 8:30 am–9:00 am 128 135 7 5.3 9:00 am–9:30 am 136 138 2 1.5 9:30 am–10:00 am 167 145 22 14.1 10:00 am–10:30 am 197 172 25 13.6 10:30 am–11:00 am 213 245 13.9 11:00 am–11:30 am 220 222 2 0.9 11:30 am–12:00 am 194 203 9.5总计1360 1362 0.1 KDE MAPE 7.03是跨业务交流预测数据的一种有用方式，因为结果以百分比表示，这比实际数量更有意义。

因为它是一个百分比，百分比错误通常与百分比差异混淆，我们在个示例中使用了百分比差异。使事情复杂化的是，当误差足够小时，两种计算通常会返回相同的结果。

以我们的个区间为例，百分比差异和百分比误差都是2.9%。当然，这并不意味着它们是可互换的，误差或数据集越大，差异越大。

MAPE对于小型联络中心来说可能会有问题，因为它对规模非常敏感。虽然这对中型或大型联络中心来说不太可能是一个问题，但MAPE可以为联络中心返回不可靠的数据，这些中心的预测数据有限。

平均偏差

平均偏差（MAD）是使用MAPE有困难的小型联络中心的一种可能替代方案。它只是数据集误差（或“偏差”）的平均值。请注意，我们仍然使用误差，这对于返回有意义的结果很重要。

间隔通话提供预测误差8:00 am–8:30 am 105 102 3 8:30 am–9:00 am 128 135 7 9:00 am–9:30 am 136 138 2 9:30 am–10:00 am 167 145 22 10:00 am–10:30 am 197 172 25 10:30 am–11:00 am 213 245 32 11:00 am–11:30 am 220 222 2 11:30 am–12:00 am 194 203 9总计1360 1362 MAD 12.75MAD在非常小的情况下比MAPE更稳健数据集，尽管它以实际值而不是百分比的形式返回数据。这对预测者本身来说应该没什么问题，但它会让向其他业务领域传达结果变得更加棘手。

方法2–标准偏差的预测精度公式该度量通常被认为是预测人员可以使用的最有用的工具之一。它代表了数据的传播，标准化了与明显标准的偏差（误差）。

与我们研究的其他度量不同，标准偏差是一个相当复杂的过程，需要手动执行，因此容易出错。在大多数情况下，标准偏差是通过WFM工具或Excel电子表格计算的。值得注意的是，标准偏差公式有各种变化，每种都适用于不同类型的数据集。在预测精度方面，我们最感兴趣的是“总体标准差”。

这是总体标准偏差的方程式：

[您可以在此处查看如何执行此Excel函数。]计算标准偏差有五个步骤：

找到数据集的平均值找到每个数据点到平均值的距离，然后平方结果找到这些值的总和除以数据点的数量取答案的平方根

我们的数据集是误差，而不是误差，这意味着我们将使用正数和负数。

首先我们找到数据的平均值：

，然后我们找到从每个数据点到平均值的距离并将其平方：

平均值的误差距离x2 3.25 10.56-7 6.75 45.56-2 1.75 3.06 22 22.25 495.06 25 25 25.25 637.56-32 31.75 1008.06-2 1.75 3.06-9 8 8.75 76.56和2279.48

接下来，我们求出平方值之和，即2279.48，然后将其除以数据点的数量，得到284.94

。最后，我们通过求该值的平方根，即16.88，得到结果。这是数据集的标准差。

标准差还有另一个有用的应用。预测人员可以使用实际联系人数，而不是使用误差作为数据集。标准差数字结果将代表通话量随时间变化的总体水平。方法3–相关系数的预测精度公式当预测包含错误时，确定哪些其他变量与接触量的意外增加或减少有关非常重要。计算数据集的相关系数是实现这一点的有效方法。

相关系数表示一个变量的移动对另一个变量的移动的影响程度。如果x上升，这对y有什么影响结果是一个介于-1和+1之间的数字，表示强正相关和强负相关之间。这是相关系数的公式：

这是另一个预测人员不太可能手动执行的计算，因为误差容量非常大。以下是如何获得任何数据集的相关系数的概述：

定义了两个数据集，在这种情况下是两个独立的天的接触量。我们将它们称为x和y找到x的平均值，y的平均值从每个x值中减去x的平均值（a），以及每个y值的y平均值（b）计算a×b，a²和b²的每一个值和a×b，以及a²和b²除以a×b之和的平方根[（a²之和）×（b²之和）]

[您可以在这里阅读如何在Excel上执行此功能。]或者，看看这个免费的每月预测Excel电子表格。

感谢：

以下想法已与下图所示的行业专家进行了讨论：

Christine Stubbs，Maintel的WFM联络中心顾问Charles Adams，Penny Reynolds军械测量公司的客户服务运营经理，呼叫中心学校的创始合作伙伴

如果你想阅读更多关于呼叫中心预测的文章，请阅读以下文章：

员工管理参考指南如何预测和计划实时聊天50个专家提示改善呼叫中心WFM 50个专家提示改善呼叫中心WF