在正式介紹員工畫像的操作流程之前請先通過三個問題進(jìn)一步了解員工畫像技術(shù)。
1、為什么客戶服務(wù)中心需要員工畫像？客戶服務(wù)中心的業(yè)績是依靠班組長與廣大座席員日復(fù)一日的努力工作得來的，在高強(qiáng)度的情感勞作下員工們非常需要關(guān)心與幫助，然而客戶服務(wù)中心的管理高度扁平化，管理者也普遍年輕，難以注意到每一個員工的心態(tài)和狀態(tài)的起伏變化，所以非常需要借助員工畫像技術(shù)來了解員工的情況，從而針對性地進(jìn)行幫扶與管理。
2、客戶服務(wù)中心開展員工畫像的可能性？客戶服務(wù)中心是一個高度信息化的行業(yè)，員工普遍使用信息系統(tǒng)開展工作，具有海量的基礎(chǔ)數(shù)據(jù)留存。員工的心態(tài)、情緒變化必然會影響數(shù)據(jù)指標(biāo)的達(dá)成情況，因此才有可能通過數(shù)據(jù)指標(biāo)的變化、借助科學(xué)合理的數(shù)據(jù)模型反向推導(dǎo)員工所處的發(fā)展階段與工作狀態(tài)。
3、客戶服務(wù)中心員工畫像的種類有哪些？從客戶服務(wù)中心管理實操的角度出發(fā)，在員工的成長期、成熟期、倦怠期有著不同的管理側(cè)重點，那么圍繞不同時期的管理側(cè)重點，數(shù)據(jù)驅(qū)動力——客服中心精益數(shù)據(jù)分析項目創(chuàng)建了三種員工畫像模型，分別是成長期的員工發(fā)展?jié)摿υu測模型、成熟期的員工敬業(yè)度評測模型、倦怠期的員工離職預(yù)警評測模型（如圖1）。圖1員工畫像的分類
圖2員工敬業(yè)度評測模型
如圖2所示，通過績效成績、敬業(yè)程度指標(biāo)將員工區(qū)分為四個象限，即“儲備干部”、“老油條”、“偷奸?；?、“沒開竅”四類人群，然后針對性地開展管理幫扶。比如對于“老油條”類型的員工可以敲打提示，從他們身上挖掘投機(jī)取巧的辦法，從而進(jìn)一步堵住績效考核的漏洞。對于“沒開竅”的員工可以讓班組長介入輔導(dǎo)，幫助他們快速成長。
發(fā)展?jié)摿υu測模型、敬業(yè)度評測模型、離職預(yù)警評測模型這三者共同構(gòu)建了八類員工畫像，即便客戶服務(wù)中心員工眾多，但從管理角度而言千人八面的員工畫像已經(jīng)可以滿足日常管理需要。當(dāng)然，數(shù)據(jù)模型只是根據(jù)管理需要篩選出特定類型的員工，最終還應(yīng)當(dāng)建立并完善針對每一類員工可以實操落地的管理幫扶辦法，并且利用教練技術(shù)讓基層班組長、主管熟練掌握并靈活應(yīng)用，從而真正打通管理微循環(huán)，通過每一名員工的績效成長來促使客戶服務(wù)中心整體業(yè)績快速提升。在過往的管理咨詢項目中筆者也積累了一些利用員工畫像開展管理的經(jīng)驗技巧，不過數(shù)據(jù)驅(qū)動力——客服中心精益數(shù)據(jù)分析系列連載更多關(guān)注在數(shù)據(jù)領(lǐng)域，在本文接下來的篇幅里將為讀者詳細(xì)闡述離職預(yù)警評測模型的操作流程。
離職預(yù)警評測模型對于基礎(chǔ)數(shù)據(jù)留存以及數(shù)據(jù)加工處理的速度、深度要求較高，需要具備一定的EXCEL工具開發(fā)經(jīng)驗。如圖3所示，其操作流程共分為六個環(huán)節(jié)：
1、按照周維度整理全量數(shù)據(jù)指標(biāo)任何數(shù)據(jù)模型都需要結(jié)構(gòu)清晰、保存完整的基礎(chǔ)數(shù)據(jù)，在準(zhǔn)備離職預(yù)警評測模型所需要的數(shù)據(jù)時要注意把離職人員的歷史數(shù)據(jù)一并納入，這是該數(shù)據(jù)模型的重要參考。在指標(biāo)選擇上不能僅包含客戶服務(wù)中心的績效考核指標(biāo)，而是應(yīng)當(dāng)把所有能夠采集到的數(shù)據(jù)指標(biāo)均納入表格。如果有些數(shù)據(jù)指標(biāo)是經(jīng)過聚合的復(fù)合型指標(biāo)，還需要將聚合前的基礎(chǔ)指標(biāo)一并納入。只有廣泛采集數(shù)據(jù)，才可能最大化地發(fā)現(xiàn)并利用在員工離職前會出現(xiàn)衰減、變化的數(shù)據(jù)。
2、為離職人員數(shù)據(jù)打“周標(biāo)簽”離職預(yù)警評測模型需要在周維度上進(jìn)行數(shù)據(jù)加工，在整理好的周數(shù)據(jù)上需要為離職人員離職前的數(shù)據(jù)打上“周標(biāo)簽”，打標(biāo)簽時根據(jù)員工的離職日期倒推，在數(shù)據(jù)表格里標(biāo)示這是在離職前多少周發(fā)生的數(shù)據(jù)指標(biāo)。比如員工若是在8月10日離職，那么8月2日至8月9日的數(shù)據(jù)就是離職前一周的數(shù)據(jù)指標(biāo)，以此類推，為所有數(shù)據(jù)打上離職職齡的“周標(biāo)簽”。
3、剔除數(shù)據(jù)指標(biāo)波動一般情況下在員工離職前很多需要付出巨大努力的服務(wù)型指標(biāo)會出現(xiàn)下滑，如客戶滿意度、接聽量；而更多依靠職業(yè)習(xí)慣的技能型指標(biāo)不會出現(xiàn)下滑，如回答準(zhǔn)確率、首次來電解決率。然而服務(wù)型指標(biāo)往往會受到外部因素影響從而嚴(yán)重影響離職預(yù)警的質(zhì)量，比如若因產(chǎn)品或流程異常導(dǎo)致客戶滿意度集體下滑，同時總體來電量減少導(dǎo)致人均接聽量下降，這并不意味著很多員工都要離職，所以還需要剔除外部因素導(dǎo)致的數(shù)據(jù)指標(biāo)波動才能找到真正出現(xiàn)數(shù)據(jù)指標(biāo)下滑的員工。在剔除數(shù)據(jù)指標(biāo)波動的過程中不能依靠人為經(jīng)驗判斷，因為外部因素對海量數(shù)據(jù)指標(biāo)的影響是無處不在的，人為判斷極易判斷失誤或者遺漏，需要使用科學(xué)的數(shù)據(jù)算法加以評判，比如使用正態(tài)分布評分法將數(shù)據(jù)指標(biāo)的原始值調(diào)整為依據(jù)員工個人數(shù)值與全員分布形態(tài)共同決定的正態(tài)評分（即累計正態(tài)分布率），從而用個人在全員中的正態(tài)評分來過濾掉外部因素的影響。
4、檢查哪些指標(biāo)會在離職前出現(xiàn)下滑在使用正態(tài)評分剔除數(shù)據(jù)指標(biāo)波動后就可以匯總?cè)w離職員工在離職之前的工作表現(xiàn)了。圖4離職員工離職前工作表現(xiàn)
如圖4所示，本例羅列了某客戶服務(wù)中心員工離職前8周及其他時期各項數(shù)據(jù)指標(biāo)的表現(xiàn)，并且用紅色標(biāo)示了離職前出現(xiàn)下滑的數(shù)據(jù)指標(biāo)。需要說明一下，這里的分?jǐn)?shù)是經(jīng)過正態(tài)評分轉(zhuǎn)化的，并非各項數(shù)據(jù)指標(biāo)的原始數(shù)值。可以看到多項數(shù)據(jù)指標(biāo)在離職前出現(xiàn)了變化，但發(fā)生數(shù)據(jù)變化的起點并不一樣，這和員工在離職前的心態(tài)漸變有直接關(guān)系。在本案中員工在離職前五周話后處理時長就會出現(xiàn)下滑，這可以看做是最早期的離職預(yù)警指標(biāo)，另外員工在離職前三周質(zhì)檢成績出現(xiàn)下滑，在離職前兩周值機(jī)率、不滿意率會出現(xiàn)下滑，而用餐時長、接聽量指標(biāo)的變化并不明顯。
5、假設(shè)檢驗，確認(rèn)指標(biāo)的預(yù)測價值在了解哪些數(shù)據(jù)指標(biāo)可能在員工離職前出現(xiàn)變化之后還應(yīng)該進(jìn)一步檢驗該指標(biāo)異常后的離職率，規(guī)避某些數(shù)據(jù)指標(biāo)的不穩(wěn)定現(xiàn)象，最大限度地提升離職預(yù)警評測的準(zhǔn)確率。比如在離職前員工請假的次數(shù)必然會有所上升，但若在請假管理比較嚴(yán)格的客戶服務(wù)中心中短期密集病假的員工相比于短期密集事假的員工其離職風(fēng)險肯定要小一些，因為人吃五谷雜糧總會有頭疼腦熱，所以病假之后離職的概率并不會很高，然而短期密集事假很可能是已經(jīng)在找工作了，其離職風(fēng)險相對較大，所以說短期密集事假的預(yù)測價值就會更高一些。
6、構(gòu)建數(shù)據(jù)模型經(jīng)過前面五個環(huán)節(jié)，在充分了解員工離職前的數(shù)據(jù)變化之后就可以構(gòu)建離職預(yù)警評測的數(shù)據(jù)模型了。
如圖5所示，對于預(yù)測價值較高的數(shù)據(jù)指標(biāo)可以給予相對較大的權(quán)重，而對于預(yù)測價值較小的數(shù)據(jù)指標(biāo)則給予相對較小的權(quán)重。至此，離職預(yù)警評測的數(shù)據(jù)模型建設(shè)工作就告一段落，再結(jié)合每一周新生成的員工數(shù)據(jù)指標(biāo)，就可以完成離職預(yù)警評測工作了。可以看到，在離職預(yù)警評測模型的開發(fā)過程中數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)清洗的工作非常重要，這對后續(xù)預(yù)測的準(zhǔn)確率影響很大，而在最終出具模型評測結(jié)果時操作相對簡單，這也是數(shù)據(jù)驅(qū)動力——客服中心精益數(shù)據(jù)分析項目在實施交付時的一貫原則：構(gòu)建于精細(xì)數(shù)據(jù)分析之上的易用工具。
