Forecasten: methodieken en valkuilen

Forecast: "Het hebben van het juiste aantal goed getrainde medewerkers en bijbehorende resources op het juiste moment om het accurate voorspelde aanbod binnen het servicelevel en met kwaliteit af te handelen is de wens van elke contact center manager"

Als de forecast niet acceptabel accuraat is dan is de rest van het WFM proces uit balans.
De forecast dient namelijk als basis om de benodigde bezetting te bepalen. De benodigde bezetting dient weer als basis om het rooster te maken en het rooster en natuurlijk de roosteropvolging bepalen weer in welke mate de klanten kwalitatief en binnen de gestelde targets geholpen worden.

Het Forecasten is de spreekwoordelijke mix tussen Art en Science en bestaat zowel uit kwantitatieve en beoordelende componenten. Het begint met het voorspellen hoeveel contacten er in de toekomst worden verwacht, maar hoe doen we dat? Dit doen we door historische data te analyseren en hieruit patronen te ontdekken om zo te bepalen wanneer klanten gaan bellen. Daarnaast is het ook van belang om te zoeken naar trends en verstoringen die deze patronen kunnen beïnvloeden.

Als we de forecast in een simpel stappenplan zetten dan ziet het als volgt zo uit:

  1. Onderzoek de aanwezigheid van trends en seizoeneffecten;
  2. Het filteren van het verkeer op verstoringen (feestdagen, mailingen, vakanties etc.);
  3. Het kwantificeren van deze verstoringen;
  4. Het maken van verschillende berekeningen qua voorspellingen of met andere woorden het proberen van verschillende forecast methodieken om zo de meest accurate te kiezen;
  5. Voeg de verstoringen toe en maak de bandbreedte inzichtelijk.

Enkele forecast methodieken

Lineaire trend forecast:
Gegevens zijn lineair als het patroon in de gegevenspunten een lijn vormt. Een lineaire trend forecast wordt meestal gebruikt als er sprake is van een regelmatige stijging of daling.
Seizoenpatronen Forecast:
Als de meerjarige historie een overeenkomstige seizoentrend laten zien dan kan deze forecast methodiek gebruikt worden. Er wordt dan nog bekeken of er in de laatste jaren een stijging of een daling te bespeuren is. Deze wordt dan over de seizoenpatronen heen gerekend.
Forecast o.b.v. gemiddelden:
Er zijn verschillende manieren beschikbaar om op gemiddelde te forecasten.

  • Ongewogen gemiddelde: Gegevensverzameling delen door aantal gegevensverzameling;
  • Gewogen gemiddelde: Gegevensverzameling gewogen meenemen en dan delen door het totaal van de gegevensverzameling ;
  • Verschuivend gemiddelde: Bij deze methodiek is het gemiddelde van een aantal opvolgende weken de forecast van de toekomstige week. Deze opvolgende weken verschuiven als de weken vorderen. Bv. het gemiddelde van week 1 t/m 3 dient als forecast voor week 4 en het gemiddelde van week 2 t/m 4 dienen als forecast voor week 5;
  • Verschuivend gewogen gemiddelde: De basis van deze forecastmethodiek is hetzelfde als het verschuivend gemiddelde , maar wordt uitgebreid met het toekennen van wegingen. Bv. als de laatste week het meest accuraat is dan geef je die week de hoogste weging.
    (Week1 * 50% + week2 * 100% + week 3 * 150%/3-> Forecast week 4).

Exponentiële Forecast:

Bij een exponentiële forecast wordt er gerekend met verschillende wegingen.
Bv. Bij het voorspellen van het aanbod van week 2 wordt er 30% van het daadwerkelijke aanbod en 70% van het voorspelde aanbod van week 1 meegenomen.
Als dit keer op keer gedaan wordt dan wordt er steeds accurater voorspeld. Dit omdat de forecast steeds wordt bijgesteld met de laatst bekende realisaties. Als er voldoende data beschikbaar is dan kan Excel gebruikt worden om de optimale te weging te berekenen.

Bekende Forecast problemen:

  1. Geen systematisch forecast proces beschikbaar: 
    Er is een aanname gedaan dat het aanbod onmogelijk te voorspellen is. Dit is veelal te wijten aan het ontbreken van kennis of kunde.
  2. De aanname dat de forecast software het meest betrouwbaar is:
    • De software weet niet wat de marketing en andere afdelingen doen qua werkzaamheden die verkeer veroorzaken;
    • De software weet niet hoe de AHT zich ontwikkelt als er veranderingen in het proces plaatsvinden;
    • Het is belangrijk om te weten hoe het WFM pakket de forecast berekent, bv. een systeem weegt de meest recente weken het zwaarste maar misschien is dat juist niet gewenst.
  3. Het niet voorspellen op agent groepen:
    Er ontstaat een risico dat er op bepaalde skills te weinig en juist op andere skills te veel medewerkers aanwezig zijn.
  4. De forecast wordt als niet belangrijk gezien:
    Dit is voornamelijk het geval als de juiste kennis ontbreekt.
  5. Gebeurtenissen die gezien zouden moeten worden als uitzonderingen worden een onderdeel van de forecast:
    Bv. een onaangekondigde marketing actie, een storing etc.
  6. Het ontbreken van goede connecties met andere afdelingen in de organisatie die verantwoordelijk zijn voor een deel van het telefoonverkeer:
    Zonder de input van bv. Debiteuren(aanmaningen), marketing zal de forecast inaccuraat zijn.
  7. Planning wordt gebaseerd op basis van doelen in plaats van realiteit:
    Bv. Als het doel van de AHT op 300 is gezet maar in de realiteit is deze 400 dan is er sprake van een groot bezettingstekort en zal de dienstverlening onderuit gaan.
  8. Niemand is verantwoordelijk:
    Iemand dient verantwoordelijk te zijn om de juiste informatie boven tafel te krijgen en deze te verwerken in de forecast en achteraf te analyseren welke aannames goed waren en welke juist bijgesteld moeten worden. Ook wel de learning loop genoemd.
  9. Agents mixen flexibele activiteiten in de after-call work;
    Bij onjuist gebruik van werkcodes dan kan er geen accurate forecast geproduceerd worden.
  10. Er is geen connectie gemaakt met de staffing.
    Voorspellen betekenen niets als deze niet worden gekoppeld aan staffing. Met andere woorden, een voorspelling van contactvolume heeft pas waarde als je ook weet hoe lang een contact duurt.

Als laatste wil ik meegeven dat een accurate forecast een solide fundering legt voor het verdere WFM proces en dat het inrichting van een learning loop; het leren van de afwijkingen en deze gebruiken voor de toekomstige forecast essentieel is om het forecast proces naar een hoger niveau te tillen.

"Excellente bedrijven onderscheiden zich niet van andere bedrijven door de vragen te stellen of te rapporteren maar juist door wat te doen met de uitkomsten".

Dion Regtop, consultant Planners.nu