從均值管理到差異管理

許乃威 2007/12/10

　　呼叫中心一路走來，就算以美國或歐洲的角度來看，都只有30年不到的歷史，是一個很短的歷程，大部分的管理理論都很不成熟，借鏡于其它產(chǎn)業(yè)的管理理論，卻發(fā)現(xiàn)這些理論不完全適用于呼叫中心。

　　其中一個最嚴(yán)重的管理難題就是，其它產(chǎn)業(yè)高度仰賴的平均值管理，到呼叫中心突然發(fā)現(xiàn)不靈光了。

　　平均值管理有什么問題？

　　我們先看幾個例子。

　　我在1990年在美國待了相當(dāng)長一段時(shí)間，當(dāng)時(shí)看到美國加州有一個郡的郡長發(fā)布了一個新聞稿，說他們郡的人均收入比前一年同期大幅提升了不少，新聞稿的用意很明顯，就是要表現(xiàn)這個郡長所做的功績。

　　人均收入提高，是不是一個很值得大書特書的政績？人均收入提高，聽起來這個郡的居民收入提高了，大家應(yīng)該都過的更好了。

　　但當(dāng)?shù)貓?bào)紙顯然不買帳，寫了篇文章去譏諷郡長，說郡長大人，本郡人均收入提高，是因?yàn)橛幸粋€人搬進(jìn)了本郡啊，這個人就是比爾蓋茲先生。

　　比爾蓋茲先生搬到了這個郡，人均收入當(dāng)然會大幅提升，可能還提升了幾十倍不止，但這個郡的其它居民的收入有提升嗎？這個郡的人均收入提升，跟其它居民有關(guān)系嗎？

　　我最近上課，常常會講一個腦筋急轉(zhuǎn)彎，有一個城市（叫做城市甲吧）人均收入是一萬，城市乙的人均收入是8千，有沒有什么辦法可以僅僅靠著把城市甲的一群人搬到城市乙，然后兩個城市的人均收入同時(shí)都會增加？

　　這答案很簡單，就是把收入在一萬到8千的居民，從城市甲搬到城市乙，兩個城市的人均收入都會同時(shí)提高。

　　是的，只要把收入在一萬到8千的居民，從城市甲搬到城市乙，兩個城市的人均收入都會同時(shí)提高，因?yàn)槌鞘屑椎娜司杖胧且蝗f，而這些收入在一萬到8千的居民，因?yàn)槭杖氲陀谌司杖耄匀绻嶙�，人均收入自然就會提高。而城市乙的人均收入�?千，這些居民的收入高于城市乙的人均收入，這些人搬進(jìn)來，城市乙的人均收入自然就會上升。

　　僅僅靠著把這些居民從城市甲搬到城市乙，這兩個城市的人均收入都會同步提高，但請問，這兩個城市有做了任何的努力嗎？還是說這兩個城市都只是在玩數(shù)字游戲而已？

　　我再舉一個更令人困惑的例子來說明平均值這個數(shù)字的矛盾性。

　　大家覺得有沒有可能兩個座席員，過去8、9、10三個月的質(zhì)檢平均分?jǐn)?shù)，座席員甲是高于座席員乙的，而11月這個月的質(zhì)檢平均分?jǐn)?shù)，座席員甲還是高于座席員乙的，但是如果把這四個月的分?jǐn)?shù)放在一起重新統(tǒng)計(jì)，突然座席員乙的平均分?jǐn)?shù)卻高于座席員甲？

　　我再說一次，有沒有可能，過去8、9、10三個月的質(zhì)檢平均分?jǐn)?shù)，座席員甲高于座席員乙，11月這個月的質(zhì)檢平均分?jǐn)?shù)，座席員甲還是高于座席員乙，但是把這四個月的分?jǐn)?shù)放在一起重新統(tǒng)計(jì)，突然座席員乙的平均分?jǐn)?shù)卻高于座席員甲？

　　應(yīng)該不可能吧，8、9、10三個月座席員甲的平均分?jǐn)?shù)都高于乙，11月甲還是高于乙，怎么可能把四個月的分?jǐn)?shù)放在一起平均，乙卻高于甲呢？

　　萬一有這種可能，那我們過去在計(jì)算質(zhì)檢平均分?jǐn)?shù)的時(shí)后，不是全亂了套了嗎？

　　甲的平均分?jǐn)?shù)一直都高于乙，怎么可能把分?jǐn)?shù)放在一起統(tǒng)計(jì)，卻出現(xiàn)了大逆轉(zhuǎn)呢？

　　如果這有可能，那到底是甲比較好，還是乙呢？

　　還是我們根本無法辨認(rèn)誰比較好呢？

　　我用下面這個例子來說明這真的是有可能的：

		抽聽數(shù)	合格數(shù)	合格率
8、9、10三個月	甲座席員	40	36	0.90
	乙座席員	100	86	0.86
11月	甲座席員	20	13	0.65
	乙座席員	8	5	0.63
四個月累計(jì)	甲座席員	60	49	0.82
	乙座席員	108	91	0.84

　　上面這張表，把甲和乙兩位座席員過去8、9、10三個月的質(zhì)檢分?jǐn)?shù)列了出來，大家可以看到，座席員甲被抽聽了40通，其中合格數(shù)是36通，顯然合格率是90，而座席員乙被抽聽了100通，合格數(shù)是86，合格率是86。

　　過去8、9、10三個月的質(zhì)檢合格率，座席員甲顯然是高于座席員乙的。

　　到了11月，座席員甲被抽聽了20通，合格數(shù)是13通，合格率是65，而座席員乙被抽聽了8通，合格數(shù)是5通，合格率是63，11月的的質(zhì)檢合格率，座席員甲顯然又是高于座席員乙的。

　　但如果我們把這四個月的成績放在一起統(tǒng)計(jì)，我們會看到一個令人非常困惑的情況：四個月的累計(jì)，座席員甲被抽聽了60通，合格數(shù)是49，合格率是82，而座席員乙被抽聽了108通，合格數(shù)是91，合格率卻是84！

　　座席員乙的合格率突然高于座席員甲！

　　你沒有聽錯，而我沒有講錯，大家仔細(xì)的詳細(xì)看看上面這表格的計(jì)算，是的，我沒有算錯，分開來看，座席員甲都領(lǐng)先座席員乙，但放在一起統(tǒng)計(jì)，座席員甲卻輸給了座席員乙！

　　平均值的計(jì)算，是要非常小心的，當(dāng)你抽聽的通數(shù)不一樣，而兩次的平均值差異又過大（甲原來合格率是90，11月掉到了65），這時(shí)平均值就可能會出現(xiàn)上面這種可笑的情況。

　　我常常拿下面這兩個例子來說明在呼叫中心平均值的計(jì)算，是拿來罰錢，而不是拿來管理的。管理是需要不斷的問為什么，而平均值看不到個體差異，問不出為什么這三個字。

　　先看第一張圖：

　　這是兩個呼叫中心從早上8點(diǎn)開始，一直到晚上6點(diǎn)，每隔半個小時(shí)的服務(wù)水平�？梢院芮宄目吹�，藍(lán)色這條線，它服務(wù)水平在91到48這中間震蕩，平均服務(wù)水平是73左右，粉紅色這條線，雖然平均服務(wù)水平也是在73左右，但震蕩幅度卻小了很多，服務(wù)水平只在81到68這中間震蕩。

　　要請問的是，大家覺得哪一個呼叫中心的管理比較好？

　　你會覺得這兩個呼叫中心的管理一樣好嗎？

　　我們來看看另外一張圖，這是從通話利用率來看（就是座席員一天的通話時(shí)長除以該座席員一天的簽入時(shí)長）：

　　這是兩個座席員每天的通話利用率，橫軸是這個月從月初到月末，縱軸是通話利用率，藍(lán)色這位的平均通話利用率在70左右，粉紅色這位的平均通話利用率也是在70左右，但上下震蕩的很厲害，月初表現(xiàn)的很好，但從月中開始，通話利用率就一直明顯的下降。

　　如果是從平均數(shù)來看，這兩個座席員的通話利用率平均都是70，都是一樣。但兩個人的表現(xiàn)真的是一樣嗎？

　　呼叫中心過去主要的管理手段，我們稱為平均法，利用平均表現(xiàn)來進(jìn)行考核。

　　例如某座席員這個月的通話利用率是否有達(dá)標(biāo)，就是看這個月里面，每一天的通話時(shí)長進(jìn)行加總，然后除以這個月這個座席員的簽入總時(shí)長。

　　平均法的最大問題，就是只能看到平均，而看不到差異。

　　通話利用率這張圖是某個呼叫中心真實(shí)的故事，它的座席員每個月有固定的接聽總通數(shù)這個指標(biāo)必須達(dá)成，在月初時(shí)，座席員就拼命接電話，到了月末，接聽通數(shù)的指標(biāo)達(dá)成了，大家就開始拼命的小休，通話利用率就大幅的下降，造成通話利用率是月初高，月末低的情況。

　　這是你要的績效管理效果嗎？

　　如果你只看平均數(shù)，你可以看出這個問題嗎？

　　追求差異的縮小，是最小方差管理法最重要的精神，而最小方差管理法用來測量差異最重要的測量工具就是：

　　標(biāo)準(zhǔn)差和離散系數(shù)

　　如何使用標(biāo)準(zhǔn)差和離散系數(shù)，我在前幾期的文章中寫得相當(dāng)詳細(xì)，現(xiàn)在大約再說明一次。

　　標(biāo)準(zhǔn)差計(jì)算方法很簡單，在EXCEL里面，只要利用“STDEV”函數(shù)，選中你要計(jì)算標(biāo)準(zhǔn)差的數(shù)列，如下圖，我們要計(jì)算7月1號到30號平均處理時(shí)長的標(biāo)準(zhǔn)差，7月1號到30號平均處理時(shí)長的數(shù)據(jù)，就是B2到B31這數(shù)列，只要選中這數(shù)列，按“確定”，就會得出標(biāo)準(zhǔn)差。

　　如我們之前幾篇關(guān)于最小方差管理法的文章所說，平均數(shù)看不到個體差異，只知道7月1號到30號的平均處理時(shí)長是99.5秒，但這數(shù)字對管理者而言，其實(shí)是沒有辦法用來做管理的，因?yàn)楣芾碚咭龅氖钦页霾町悾芾聿町�，而�?biāo)準(zhǔn)差才是可以提供個體差異這重要信息的工具。

　　但每一次計(jì)算平均值，因?yàn)椴捎玫奶鞌?shù)可能不一樣，或是采用了不同的班組來檢查，平均值都可能會不一樣的，這時(shí)如果只是用標(biāo)準(zhǔn)差來做互相之間的比較，就會產(chǎn)生不公平的情況，所以將標(biāo)準(zhǔn)差除以平均值，得出一個系數(shù)，就稱為離散系數(shù)。

　　離散系數(shù)是一個最重要的控制指標(biāo)，最小方差管理法大量使用離散系數(shù)來測量某一個KPI指標(biāo)是否已經(jīng)達(dá)標(biāo)。

　　最小方差管理法把離散系數(shù)分成四個等級：

　　穩(wěn)定 0.1
　　控制 < 0.16
　　失控 > 0.16
　　嚴(yán)重失控 > 0.8

　　有了這四個等級，呼叫中心的差異管理，有了明確的界定，只要你把某個KPI指標(biāo)的離散系數(shù)計(jì)算出來，你就知道自己目前的差異狀況是在穩(wěn)定，還是控制，或是失控中了。

　　這是一個非常重要的觀念，質(zhì)量管理之父戴明是一位改造了日本的質(zhì)量大師，他卻是一位美國人，本來在1950年到1960年，日本制就等于是劣質(zhì)貨、黑心貨的代名詞，日本以廉價(jià)但質(zhì)量差的產(chǎn)品大量傾銷美國，讓美國人非常鄙視，但到了1980年，美國最大的電視臺NBC制作了一套震撼美國人的節(jié)目，節(jié)目名稱就是[為何日本能，而美國不能！]，因?yàn)榈搅?980年代，美國人赫然發(fā)現(xiàn)日本制產(chǎn)品的質(zhì)量，遠(yuǎn)遠(yuǎn)超過了美國貨，全世界都開始買日本車，買日本家電，質(zhì)量盡然超過了一直在帝國大夢中的美國，而改造了日本的這位大師，就是戴明。

　　可惜國內(nèi)目前很少戴明的書，戴明對我的影響非常的大，他的理論最重要的核心思想就是：

　　管理企業(yè)，首先要讓關(guān)鍵指標(biāo)進(jìn)入控制狀態(tài)，不然所有的管理手段都是無效的!

　　也就是說，必須首先測量關(guān)鍵指標(biāo)是否在控制狀態(tài)，如果不是，首先要讓事情進(jìn)入控制狀態(tài)，不然就算你采取再多的改善措施，都是這里失火，這里救火，那里失火，那里救火，為何這里那里會到處失火，卻沒有找出問題的源頭，只是在事情的最末端進(jìn)行亡羊補(bǔ)牢的補(bǔ)救措施而已。

　　最小方差管理法認(rèn)為差異管理最重要的，就是首先進(jìn)行關(guān)鍵指標(biāo)的離散系數(shù)測量，測量關(guān)鍵指標(biāo)目前的控制情況。

　　如果指標(biāo)是在失控狀態(tài)（離散系數(shù)大于0.16），最小方差管理法藉用兩個關(guān)鍵圖來找出差異的來源，這兩張圖一個是常態(tài)圖，另外一個是控制圖。

　　常態(tài)圖的畫法可以參考我前面一篇文章『Excel2007對呼叫中心管理產(chǎn)生的革命性影響』當(dāng)中，有詳細(xì)介紹怎么用Excel來畫常態(tài)圖。

　　下面這張圖是某呼叫中心平均處理時(shí)長的常態(tài)圖，我們希望常態(tài)圖是一個高峰，這代表只有一股力量在里面，如果出現(xiàn)了兩個以上的高峰，就代表有兩股以上的力量在里面，差異被這兩股以上的力量給拉開了。

　　在下面這張圖中，我們看到大部分人的平均處理時(shí)長是5分鐘左右，但在8分鐘這里，又出現(xiàn)了一個小高峰，甚至在10分鐘這里，出現(xiàn)了第三個小小高峰。

　　常態(tài)圖可以幫助我們在指標(biāo)失控時(shí)，看到這指標(biāo)有幾股力量在里面，針對第二和第三個高峰應(yīng)該要采取適當(dāng)?shù)氖侄蝸砀纳魄闆r。

　　換句話說，看常態(tài)圖的重點(diǎn)，就是看有幾個高峰，我們希望看到的理想情況是一個高峰，但只要指標(biāo)是失控的，通常一定會看到兩個以上的高峰。

　　常態(tài)圖也輕易可以看出長尾來，長尾理論最近在互聯(lián)網(wǎng)變成一個影響很大的理論，就是由網(wǎng)民共同創(chuàng)造的網(wǎng)站（例如小區(qū)網(wǎng)站）雖然網(wǎng)民力量小，但卻是真正互聯(lián)網(wǎng)將來的主流方向。

　　但在差異管理中，長尾卻是你最不想看到的，在下面這張圖中，右邊顯然出現(xiàn)了一條長尾。

　　控制圖是差異管理中最關(guān)鍵的一張圖，我在下一期在專門來談。

　　關(guān)于作者:許乃威呼叫中心資深顧問 email: will_hsu@126.com

CTI論壇編輯

蕭昆龍:呼叫中心人力優(yōu)化管理Verint Impact 360 2008-04-18

宏盛科技蕭昆龍:客戶服務(wù)的最新發(fā)展趨勢 2008-04-15

戴明控制圖中的6、9、12法則 2008-01-15

關(guān)鍵KPI指標(biāo)的定義與參考標(biāo)竿數(shù)字(下) 2008-01-10

分類信息: 運(yùn)營管理專欄_文摘
秭归县| 呼伦贝尔市| 水城县| 漾濞| 秦安县| 庐江县| 昭觉县| 友谊县| 葫芦岛市| 旬邑县| 德格县| 朝阳市| 英山县| 商城县| 什邡市| 营山县| 尚义县| 静安区| 金川县| 抚宁县| 仪陇县| 历史| 六枝特区| 金乡县| 漳平市| 吉林省| 栾城县| 桂林市| 临湘市| 梅州市| 扶风县| 苗栗县| 河间市| 封开县| 呼伦贝尔市| 乌鲁木齐市| 徐州市| 云霄县| 石门县| 黄骅市| 北碚区|