Dimensionar a quantidade de atendentes necessários em cada dia e em cada período do dia pode não ser uma tarefa fácil. A demanda de atendentes é o resultado de um dimensionamento probabilístico, este resultado é obtido com base nas estimativas da quantia de chamadas a serem recebidas, no tempo médio de atendimento (TMA), no tempo médio de tarefa (TMT) (pós atendimento), quando existente, e, fundamentalmente, no nível de serviço definido.

Apesar de ser o segundo passo no planejamento, normalmente é gerado automaticamente junto com a definição das estimativas de recebimentos das chamadas, uma vez que os demais parâmetros são definidos ou por contrato/necessidade do serviço (Nível de Serviço e intervalo de controle), ou por dados históricos (TMA e TMT) para o serviço.

As estimativas definem as quantidades de ligações por período de 15, 30 ou 60 minutos, e com base nos demais parâmetros o sistema calcula quantos atendentes serão necessários. Mas para um planejamento adequado é necessária uma série de considerações de como a central funciona, qual é tecnologia envolvida, multi-skill (ilhas) ou SBR, porque os resultados são bastante diferentes conforme a tecnologia empregada e não podemos nos esquecer das restrições legais (CLT) que dificultam grandemente. Todos estes fatores são considerados pelo SEED WFM e resolvidos facilmente.

A tecnologia do Skill-Based Routing (SBR), ou roteamento ou distribuição das chamadas para o atendente disponível com maior habilidade, tem provocado as maiores aceitações junto aos vários gestores das Centrais de atendimento e/ou de contatos.

Mas, apesar de não ser uma tecnologia nova, ainda não é bem entendida, sendo algumas vezes até mesmo desconhecida por boa parte dos gestores. Sem dúvida alguma, é uma tecnologia de grande potencial de melhoria no atendimento e um caminho que todos os grandes fabricantes estão seguindo, entre eles NEC, Siemens, Nortel e Avaya. Contudo, essa tecnologia necessita de um melhor entendimento e de melhores ferramentas para a sua gestão eficaz.

A SEED Tecnologia, com sua expertise de negócio e tradicional pioneirismo, desenvolveu seu sistema Workforce Management com a capacidade de trabalhar e potencializar o uso de um DAC com SBR. Com a utilização do Algoritmo Genético, o SEED WFM encontra a melhor combinação de escalas e otimiza também a melhor combinação de habilidade dos atendentes, para atender a otimização encontrada, respeitando, ainda, as restrições pessoais para cada período de cada dia da semana.

O sucesso da aplicação de um sistema de Workforce Management não depende apenas do planejamento, o sistema deve ser capaz de mostrar se o que foi planejado é o que está sendo realizado, possibilitando ao planejador controlar o que foi previsto e o que está acontecendo, para que medidas possam ser aplicadas antes que o nível de serviço saia do controle.

O SEED WFM traz informações de forma clara, mostrando onde os desvios acontecem para que ações corretivas possam ser feitas. Com isso, o sistema workforce da SEED Tecnologia oferece uma forma direta e simples de acompanhar em tempo real o que está acontecendo na Central de Atendimento, integrando com diversos modelos de DAC, além de permitir que relatórios possam ser gerados instantaneamente, como por exemplo:

• Comparação entre Chamadas Planejadas x Chamadas Recebidas
• Listagem comparando o tempo de chegada, saída e parada de cada atendente com o que foi programado
• Plotagem do nível de serviço e abandonos

Os dados em tempo real são usados ainda para gerar o histórico de chamadas, o que permite determinar o perfil das chamadas dentro de cada dia, bem como a distribuíção das chamadas ao longa da semana e do mês.

Com SEED WFM o planejador pode utilizar a ferramenta de simulação para visualizar as conseqüências de um planejamento ou de uma alteracão do funcionamento, com isso permitindo que ele tome ações necessárias antes de implementá-las, inclusive ajudando a analisar o comportamento das filas e a utilização dos recursos, dando a devida garantia do funcionamento antes de colocar algo em prática.

Ajustar demanda à disponibilidade de atendentes em uma central de atendimento é algo bastante dispendioso e difícil de ser executado manualmente. Devido às restrições legais (CLT) e a alta variação das necessidades pessoais, é simplesmente impossível criar escalas que atendam exatamente ao número de atendentes necessários em cada período de cada dia da semana. Desta forma, a única solução é se encontrar a combinação ótima entre demanda e alocação de atendentes que atenda às demandas da central e ao mesmo tempo atenda às restrições legais.

Para atender a estas condições, o SEED WFM utiliza o Algoritmo Genético, um algoritmo de otimização de largo espectro que possibilita que a central atinja o maior nível de desempenho, alcançando uma eficácia necessária que não pode ser alcançada com métodos matemáticos baseados em “ótimos locais”.

Toda potencialidade do Algoritmo Genético também é aplicado na alocação de agentes, uma tarefa que pode ser simples em call centers tradicionais, mas se torna uma situação complexa em centrais modernas que precisam prestar serviços globalizados ou de alta qualidade como as centrais que operam com roteamento ou distribuição das chamadas baseado em habilidades (Skill-Based Routing). Isto porque, além das restrições pessoais de cada recurso humano, as alocações devem obedecer as necessidades específicas de habilidades para atendimento a cada tipo de serviço a cada momento. O Algoritmo Genético encontra a melhor combinação de habilidades, respeitando as restrições pessoais para cada momento.

Uma vez alocados em escalas otimizadas, a programação de agentes se torna uma simples nomeação dos atendentes para cada escala. Contudo, nessa fase do planejamento, paradas para reuniões, treinamento, trocas de turno, dispensas também são consideradas pelo SEED WFM, assim como a obrigatoriedade legal da publicação antecipada da programação mensal.

A Previsão ou Estimativa de Chamadas (Forecast) é uma das etapas do planejamento mais importantes em uma central de atendimento, porque é a base de todos os demais planejamentos. Esta, porém, não se baseia em visões ou adivinhações de determinadas pessoas, pois se baseia em métodos científicos que utilizam algoritmos aritméticos conhecidos.Alguns, apesar de apresentam uma série de restrições técnicas, são ainda bastante aplicados em sistemas de Workforce Management, como por exemplo:

• Média Móvel: Método rudimentar. Sempre atrasado;
• Decomposição clássica: muito difícil de modelar. É necessário que se conheça todas as variáveis que atuam sobre o sistema (PIB, nº de clientes, etc.);
• Rede Neural: muito lento e não garante que a rede dê bons resultados. Depende de um treinamento a priori. Reage mal a situações inesperadas.

Para maior precisão e dados mais confiáveis, a SEED escolheu o Método ARIMA (Auto-Regressive Integrated Moving Average), também conhecido como modelo Box-Jenkins, , usado por empresas como Microsoft, SAP e Oracle. A SEED Tecnologia foi a primeira a aplicar o Método ARIMA em sistemas Workforce Management, pois conseguiu superar a sua dificuldade em exigir especialistas matemáticos para definição de seus parâmetros operacionais. A escolha se deu por ser um método flexível, capaz de produzir, com poucos parâmetros e respostas extremamente rápidas, séries temporais com os comportamentos mais variados, permitindo considerar sazonalidades, ciclos e tendências.

O módulo de Previsão de Chamadas no SEED WFM se baseia nos dados históricos de chamadas, constantes em seu banco de dados, para fazer a previsão para o período a ser planejado. Os dados históricos são obtidos automaticamente do Call Management System do DAC.

A eficiência na etapa de previsão se traduz em:

1. Melhor nível de serviço
2. Menores custos de operação
3. Menos stress na operação
4. Diminuição de horas-extras não programadas
5. Maior satisfação
6. Competitividade otimizada