Del via

Konfigurere mængdeprognose for sager

  • Artikel

I denne artikel beskrives, hvordan du kan konfigurere sagsprognoser i Customer Service.

Vigtigt!

Denne funktion er beregnet til at hjælpe kundeservicechefer eller tilsynsførende med at forbedre teamets effektivitet og forbedre kundetilfredshed. Denne funktion er ikke beregnet til brug til at træffe beslutninger og bør ikke bruges til at træffe beslutninger, der påvirker ansættelsen af en medarbejder eller en gruppe medarbejdere, herunder løn, frynsegoder, anciennitet eller andre rettigheder eller berettigelser. Kunderne er eneansvarlige for at bruge Dynamics 365 Customer Service, denne funktion og alle tilknyttede funktioner eller services i overensstemmelse med alle gældende love, herunder lovgivning vedrørende adgang til individuelle medarbejderanalyser og -overvågning, indspilning og lagring af kommunikation med slutbrugere. Dette indebærer også, at slutbrugerne får meddelelse om, at deres kommunikation med helpdesk-medarbejdere kan blive overvåget, indspillet eller lagret i henhold til gældende love og at få samtykke fra slutbrugerne, før de anvender funktionen med dem. Kunderne opfordres også til at have en mekanisme implementeret til at informere deres helpdesk-medarbejdere om, at deres kommunikation med slutbrugere kan blive overvåget, indspillet eller lagret.

Oversigt

Kundeservicechefer i din organisation skal sikre, at de har et tilstrækkeligt antal medarbejdere til rådighed til at servicere deres kunder. Overbelastning medfører højere omkostninger, mens underkapacitet resulterer i længere ventetider for kunderne, hvilket igen kan påvirke kundetilfredsheden negativt.

Som en administrator kan du konfigurere rapporten Sagsprognose, så de hjælper dine vejledere med at planlægge det rigtige medarbejderniveau i virksomheden på baggrund af de mange sager og samtaler, der er overblik over.

Vejledere kan bruge rapporten Sagsprognose til store og små bogstaver i forbindelse med sager på følgende måder:

  • Prognose for kommende sagsmængder baseret på historisk trafik.

  • Visualiser prognosesagsvolumen på basis af daglige intervaller for op til seks måneder, afhængigt af, hvor mange dages sager eller samtaler der er oprettet i fortiden. Denne prognose kan bruges til at planlægge helpdesk-medarbejderressourcer og nyansættelse af medarbejdere for at imødekomme fremtidigt behov.

  • Visualiser prognosesagsvolumen på basis af 15 minutters intervaller for op til seks uger, afhængigt af, hvor mange dages sager eller samtaler der er oprettet i fortiden. Denne prognose kan bruges til at planlægge helpdesk-medarbejdere til at imødekomme det kortsigtede behov.

  • Udsnit af prognose for enheder efter kanal og kø.

  • Få vist en akkumulering af det faktiske og budgetterede antal pr. time, dagligt, ugentligt, månedligt og årligt.

  • Registrer automatisk overensstemmelse fra historisk trafik med indstillingsindstillingen for import af feriekalenderen. Denne registrering gør det nemmere for prognosemodellen at gengive sagsmængden nøjagtigt under særlige, sæsonbetonede hændelser.

Bemærk

Vær opmærksom på følgende, når du bruger rapporten Sagsprognose:

Sådan fungerer sagsprognoser

I rapporten Prognose bruges en AI-baseret prognosemodel til at indsamle sags- og samtaleenheder baseret på historiske sagsdata. Modellen bruger prognosemetoden med understøttelse af overensstemmelse (automatisk registrering og brugerdefinerede indstillinger) til at forbedre kvaliteten af prognose.

I rapporten kan der forudsiges daglige tendenser for et datointerval op til seks måneder, og tendenser for dagsintervaller (15 minutter) for et datointerval op til seks uger, afhængigt af hvor mange dage med historiske data der er tilgængelige og bruges. Generelt kan modellen oprette en prognose for en periode, der er halvdelen af inputtet på følgende betingelser:

  • Til daglig sagsvolumenprognose er tidsintervallet for historiske data mindre end 12 måneder, hvis tidsintervallet for prognosetid er det halve af inputtidsintervallet. Det kan f.eks. være muligt at oprette en prognose for de næste fire måneder i et historisk datointerval. Hvis det historiske område er lig med eller mere end 12 måneder (op til 24 måneder), er rapportprognosen for de næste seks måneder.
  • I forbindelse med daglige (15 minutters interval) prognoser for sagsmængder er det kun de seneste seks ugers historiske data, der analyseres i modellen. Tidsintervallet for prognosen er halvdelen af det samlede tidsinterval for input. Et historisk datointerval på 12 uger kan f.eks. være prognose for de næste seks uger (som er maksimum). Ud af disse 12 ugers historiske data er det kun de seneste seks uger, der analyseres for at oprette prognosen.

De historiske data skal overholde følgende minimumskrav, for at modellerne kan oprette prognose. Ellers vises der en fejlmeddelelse på siden med administratorindstillinger.

  • Der findes mindst to ugers historiske data.

Vigtige overvejelser til forbedring af prognosen

Vi anbefaler følgende kriterier for brug af brugerdata til at generere nøjagtige prognoser.

  • Ikke-sparsomme data: Datasættet indeholder oplysninger for hver dag og sikrer, at der ikke mangler eller er ufuldstændige data. Hver dag er der registreret en mængde, som indeholder et omfattende sæt observationer.
  • Klart ugentligt mønster: Dataene udviser et ugentligt mønster, hvor volumenet konsekvent følger en bestemt trend. I weekender er der f.eks. konsekvent lave mængder, mens der på arbejdsdage vises større mængder og omvendt. Dette mønster gør det nemmere at finde et pålideligt udgangspunkt for prognose.
  • Mængdebaseret præcision: Hvis kriterierne opfyldes, forbedres prognosekvaliteten med større mængdeinput. Højere datamængder bidrager til en mere nøjagtig og robust prognose.
  • Fravær af niveauskifte: I de seneste dage og fremtidige perioder opleves der ikke pludselige eller betydende skift i mængdeniveauer. Fraværet af pludselige ændringer sikrer, at de historiske mønstre forbliver relevante og pålidelige i forbindelse med prognoseformål.
  • Længere historiske datasæt: Hvis alle ovennævnte kriterier opfyldes, forbedres prognosens nøjagtighed, hvis datahistorikken er længere. Et større historisk datasæt giver et bredere perspektiv og en mere omfattende forståelse af mønstre og tendenser over tid. Med en udvidet historik kan prognosemodellen registrere og indarbejde flere variationer, hvilket fører til mere nøjagtige forudsigelser.
  • Vægtning af den seneste prognoses præcision: Når du overvejer fremtidige perioder, er det vigtigt at vide, at præcisionen af prognosen er højere i forbindelse med mere umiddelbare tidsrammer. Efterhånden som tiden skrider fremad, kan prognosen blive mindre sikker og præcis. Den seneste prognose bør derfor vægtes mere og anses for at være mere nøjagtig i forhold til prognoser for fjerne perioder.

Forudsætninger

Hvis du vil konfigurere rapporten Sagsprognose (forhåndsversion), skal du have rollen Systemadministrator.

Hvis brugere i organisationen skal have adgang til prognoserapporterne, skal de være en del af en rolle, der har læserettigheder i tabellen msdyn_dataanalyticsreport_forecast. Din systemadministrator skal tildele denne rettighed til alle de roller, der skal have adgang til prognoserapporterne. Som det skal være, har følgende roller allerede læserettigheder i tabellen Prognose:

  • Kundeservicechef
  • Omnikanal-administration
  • Omnikanal-tilsynsførende

Aktivér rapporten for sagsprognoser

  1. Vælg Indsigt i Handlinger i Customer Service Administration-appen. Siden Indsigt vises.

  2. Vælg Administrer ud for Sagsprognoser i sektionen Rapportindstillinger. Siden Sagsprognose vises.

  3. Skifte Aktivér sagsprognoser til Til.

  4. Rapporten afspejler den dag, den er aktiveret. Hvis du vil vælge en anden dag i måneden, hvor rapporten skal opdateres, skal du vælge den ønskede dag hvor rapporten skal opdateres i Daglig prognoseplanlægning.

  5. Når rapporten er oprettet for første gang, kan du se afsnittet Oversigt over modelkørslen oven over den side, der viser dato og klokkeslæt for, hvornår prognosen sidst blev oprettet. Klokkeslættene afspejler din tidszone. Hvis du vil angive en anden standardtidszone, skal du udføre følgende trin:

    a. Vælg ikonet Indstillinger (tandhjul) i øverste højre hjørne af appen, og vælg derefter Personlige indstillinger. Siden Angiv personlige indstillinger vises.

    b. Vælg den ønskede tidszone under Angiv den tidszone, du er i fra rullemenuen.

    c. Vælg OK.

  6. Hvis du vil ændre tidszonen til daglig prognose, skal du vælge den ønskede tidszone i Tidszone for daglig prognose.

  7. Hvis du vil vælge en bestemt dato, dataene starter fra, skal du vælge den ønskede startdato i Startdato for historiske data (valgfri), skal du vælge den Startdato, du vil bruge. Den seneste (tætteste) dato, startdatoen kan være, er mindst to uger tilbage af dags dato. Hvis der ikke vælges noget, afgøres startdatoen på baggrund af den tidligste oprettelsesdato for alle dine historiske poster, dvs. op til to år. Hvis den startdato, du vælger, er tidligere end to år, anvendes der kun data for de sidste to år.

  8. hvis du vil angive en sæson, skal du vælge Brug tidsplaner fra helligdagskalender i Sæsonudsving. Hvis du vælger linket Helligdagskalender, åbnes siden Alle helligdagsplaner, hvor du kan oprette en ny tidsplan eller vælge en eksisterende tidsplan.

  9. Gem dine ændringer. Hvis det er første gang, du har slået prognosefunktionen til, kan det tage op til 24 timer, før prognosedataene er klar til at blive vist i prognoserapporten.

Se også

Prognose for sag og samtalemængder samt helpdesk-medarbejdere til samtaler
Konfigurere helpdesk-medarbejder til samtaleprognoser
Introduktion til Customer Service Insights
Grænser for regional tilgængelighed og servicegrænser for Customer Service