用最小方差法算可能的离职人员

    Convergys Corporation ，是全世界最大的外包呼叫中心集团，在世界 75 个呼叫中心里，雇用了超过 6 万 3 千名座席员，就如同其它的呼叫中心一样，深深受到人员高度的流失率所困扰。高度的人员流失，对呼叫中心是很沉重的经营压力，因为人员要培养，需要花费大量心力，每年高达 20 ％以上的流失率，代表公司在人员培养上付出了重大代价。

    Convergys 为了降低员工流失率，从印度开始实验一套称为『 EWS 早期示警系统』，获致了巨大的成功， Convergys 迅速在全世界各地推广这套系统， 2006 年，成功降低了集团内部 75 个呼叫中心的人员流失率高达 25% 左右。

    在 EWS 系统中，利用了 50 个警讯特征，这 50 项警讯是 Convergys 认为跟人员可能流失高度相关的，其中包括产量指标的持续降低、产量指标的高度不稳定、迟到早退的持续增加、遵时率的持续降低、临时请假的天数持续增加、年假一口气全部请完、拒绝内部工作升迁机会、质检分数的降低、通话致命错误的增加、服务态度明显的改变、通话利用率的持续性下降、明显的工作情绪低落、与主管持续性的冲突等。

    这 50 项警讯特征，包含了量化的数字，也包含一些抽象的内容，例如工作态度等，班组长每周固定与座席员碰面以后，就把相关的数据输入到 EWS 系统中。系统马上进行计算，并且用红、黄、绿三种颜色来代表座席员可能离职的情况。红色代表座席员在 30 天内可能就要闪人了，黄色代表座席员有倾向想要离职，绿色代表座席员满足于目前工作的现况。

    Convergys 班组长如果看到某个座席员出现黄色警示，就必须采取相应的措施，去除掉导致座席员想要离开的这些因素。如果某个座席员出现红色警示，不只是班组长需要立即采取行动，客服经理，甚至更上层的主管，或是人力资源部门的主管，都会同时介入，了解为何这个座席员『打算在 30 天内离职』！

    笔者很可惜没有机会看到 Convergys 的 EWS 系统，但 EWS 系统利用的 50 项警讯特征，其中有不少是利用最小方差管理法可以很容易抓出来的。

    笔者在这一系列有关最小方差管理法的文章中，觉得最小方差最棒的应用之一，就是可以找出座席员的稳定度，而一个座席员如果打算要离职，最重要的征兆就是开始出现不稳定的情况。

    笔者在之前的文章中，举了一个实际案例，这是笔者在某呼叫中心实际的数据，有四个座席员，笔者把他们每天的平均通话时长输入到计算机中，大家可以从下面这张图中，猜出哪一位座席员预备要离职了吗？

    左边坐标轴的数字，代表的是平均通话时长，底下坐标轴写的是 4 月 1 号开始，一直到 4 月 23 号。

    这里的四条线，分别代表了一个座席员的情况，黄色这条线代表的座席员在 1 号的时候，平均通话时长差不多是 180 秒，二号增加到 250 秒，之后慢慢减少到 17 号的 150 秒，以及 23 号的 170 秒。

    大家可以猜的出来，这四位座席员（每一条线代表一位），哪一位已经预备要离职了吗？

    我们必须要用 EXCEL 实际来算一下标准差，从标准差的角度来看哪一个座席员的平均通话时长最不稳定。

    还记得笔者谈过呼叫中心的管理，如果用平均法来管，会出现很大的问题吗？平均法把个体差异全部给平均掉了，但管理是要管个体差异，而不是管平均，看到平均数之后，下一步就是要利用标准差来找出个体差异。

    还记得标准差的公式吗？

    最小方差管理法依赖最深的指标，叫做标准差。标准差的公式定义如下：

    这公式看起来很可怕，但 Excel 里面提供了现成的函数计算。

    例如有 9 个座席员，她们分别休息的次数是： 3 、 2 、 3 、 12 、 8 、 3 、 3 、 2 、 4 ，要计算这 9 个人休息次数的标准差，只要把上面这 9 个数字输入到 Excel 里面，然后套用 STDEV 这个函数，就会出来 3.4 这个数字。

    要怎么利用标准差这个数字呢？

    我们可以先计算上面 9 个座席员休息次数的平均数，这答案是 4.4 。标准差的意思，就是表达出来上面这 9 个数字分布的有多么的分散，因为有座席员 4 和座席员 5 这两位的休息次数和大家差别很大，一个是 12 次，一个是 8 次，导致标准差很大，虽然其它人基本上都是集中在 2 、 3 、 4 这三个数字，但因为有两位的数字差别太大，导致标准差就变得很大。

    大家可以试试看在 Excel 里面，输入『 1 、 2 、 3 、 2 、 1 』这个数列，利用 STDEV 这个函数算出这数列的标准差，再输入『 1 、 3 、 5 、 3 、 1 』这个数列，然后算出他的标准差，你看到这两个标准差的差别，应该就有点概念标准差的目的是什么了。

    标准差最大的功用，就是看出稳定度，看出个体差异，这让它在最小方差管理法中，变成最重要的一个工具。

    我们回到上面那四个座席员的身上，我们还要猜出哪一位想要离职了，而且要有明确的数学根据才行。我们算出这四位平均通话时长的标准差，分别是：

    淡蓝色： 19.64

    粉红色： 25.98

    黄色： 23.33

    深蓝色： 10.35

    从标准差的数字来看，粉红色和黄色这两位，显然标准差都很大，代表他们一会讲话讲的久，一会讲的短，平均通话时长都很不稳定。

    一个座席员如果心已经不在公司了，每天上班都在想外面世界的事情，她的表现就会很不稳定，而这个不稳定，很容易反映在她的平均通话时长上面。有时后爱跟客户讲两句，通话就比较久，有时后没情绪讲，就很快结束跟客户的对话。

    平均通话时长的标准差，测量的就是这个座席员服务的稳定度，是一个很有用的 KPI 指标，透露出很多的信息。

    但要光从标准差看出人员是否有流失危机，是不够的，还要搭配时间趋势来看才行。换句话说，如果某个座席员的标准差一直很大，有时后不代表她是打算要离开，而是她的服务技能一直没有完善，导致有时讲的长，有时讲的短。

    我们如果把时间趋势这因素考虑进去，把粉红色和黄色这两位的标准差，分成 4 月 1 号到 14 号，还有 15 号到 30 号，也就是上半月，和下半月来看，我们又会发现一个有趣的现象：

    黄色在 4 月上半个月的平均通话时长标准差是 27.35 ，下半个月是 13.31

    粉红色在 4 月上半个月，标准差是 10.10 ，下半个月是 34.63!

    大家有看出这两者的差异了吗？

    黄色座席员在 4 月上半个月的表现，相当不稳定，但到了下半月，却突飞猛进，表现的稳定异常，这种行为趋势，跟一般想要走的人，是比较不一致的。

    而粉红色的座席员，在 4 月上半月的标准差尽然是排名在前几名的，但后面半个月，却高达 34 左右，快要达到她平均通话时长的一半了。

    也就是说，她本来是表现的很稳定的，后来却表现的极端不稳定，大家觉得她是否有离开的可能性呢？

    我们在看另外一个例子。两个座席员， 4 月份的平均通话利用率都是 69 ，从平均数的观点来看，两位座席员的表现，都『一样』好，但从人员流失的可能性来看，哪一位的可能性高些呢？

    只要跟随上面的思路，从标准差的角度来分析，在加上时间趋势，很容易就可以用数学算出哪一位的离职率高些。

    最小方差管理法利用标准差来找出座席员的稳定度，威力是很强大的，但要小心的是，这方法仅仅是提供一个管理方向而已，她是统计概率上的结果，而不是绝对的，也就是虽然系统把某个座席员标示成『重大不稳定』，但从概率的角度，还是有可能是系统搞错了。

    也就是说，当你用最小方差的观念去计算人员流失的可能性，算出某个座席员属于红色、 30 天内要离职，你千万不要马上冲过去，抱住她，说：你千万不要走啊。

    她搞不好本来没有打算要走的，被你这么一讲，就真的走了。

    最小方差法只是帮助找到方向，真的要降低人员流失率，还是要靠人来做才行，数学在这一点上是帮不了忙的。

许乃威