Scenario: Forbered dig forud for medarbejdersamtale

I rapporten vælger du visningen År og måned for at se, om du hurtigt kan se nogle tendenser i agentens aktivitet.

Du kan se, at agenten har besvaret næsten alle opkald, han har fået, så det ser fint ud.

I rapportens graf (ikke denne illustration af grafen) kan du placere din markør over søjlerne for at se de eksakte værdier, som hver søjle repræsenterer. På den måde ville du have kunnet se, at den tynde mørke linje øverst i søjlen for februar 2018 repræsenterer et enkelt ubesvaret opkald.

Nu kigger du efter agentens ringe- og taletid. Grafen har to Y-akser og kan se lidt kompleks ud, men i virkeligheden er den nem at aflæse:

Den grønne streg viser, hvor længe agentens telefon i gennemsnit har ringet, før han svarede. På det seneste har det været lige under syv sekunder, hvilket er helt fint for en agent, der arbejder hjemmefra og også har andet at lave.

Den orange streg viser det samme, blot for opkald som agenten ikke besvarede. Fordi du allerede ved, at agenten besvarer så godt som alle opkald, er den orange streg ikke specielt interessant.

Den blå streg er derimod mere interessant. Den viser den gennemsnitlige tid, agenten har talt, mens han håndterede opkaldene. På det seneste har det været næsten syv minutter (taletids-værdierne er dem på den anden Y-akse til højre for grafen). Syv minutter er temmelig længe, men det er acceptabelt set i lyset af, at agenten er en specialist der ofte løser selv de svære sager, mens han har kunderne i røret.

Agentens ringe- og taletider har generelt været opadgående inden for det seneste år, men den tendens bekymrer dig som sådan ikke.

På engelsk siges en ledig agent at være idle, hvilket bl.a. kan oversættes med at være doven, men en ledig agent er sandelig ikke nødvendigvis doven. At være ledig betyder blot, at man er klar til at modtage henvendelser. Når agenten så modtager en henvendelse, og begynder at håndtere den, bliver vedkommende optaget.

I et kontaktcenter vil man typisk gerne have, at agenterne er optaget det meste af tiden, fordi det giver den bedste resurseudnyttelse. Denne agent arbejder imidlertid hjemmefra, og han arbejder også på andre projekter. Dét kan godt ses på hans ledig/optaget-forhold.

At en agent kun er optaget 23.2% af arbejdstiden ville normalt være helt uacceptabelt, men for denne agent er det OK.

I dit team har agenterne 30 sekunders wrapup-tid mellem hvert opkald, de håndterer. Hvis agenterne ikke behøver alle 30 sekunder, kan de manuelt afslutte wrapup-perioden før tid. Hvis de har brug for mere tid, har de mulighed for at udvide wrapup-perioden med yderligere 30 sekunder.

Normalt fungerer det fint. Du har dog oplevet, at nogle lidt for smarte agenter konsekvent har udvidet alle deres wrapup-perioder, så de altid skaffede sig selv 60 sekunders pause mellem opkaldene. Derfor tjekker du rutinemæssigt agenternes wrapup-tider, når du forbereder dig til medarbejdersamtaler.

Du klikker på fanen Kolonner øverst på rapportsiden og vælger, at du også vil se data om Wrapup. I tabellen i den nederste del af rapportsiden kan du nu se en kolonne med information om, hvor meget tid agenten har brugt på wrapup.

I den forgangne måned brugte agenten 1 time og 41 minutter på wrapup. Du dividerer det tal med 93, som er antallet af opkald, som agenten har håndteret den måned, og det viser sig, at agenten for hvert opkald har brugt i gennemsnit 54.6 sekunder på wrapup.

Det er temmelig lang tid at bruge på wrapup. Heldigvis kan du se, at agentens wrapup-snit er nede på 36.9 sekunder pr. opkald i indeværende måned.

Det er dog stadig klart, at agenten har haft behov for manuelt at udvide sin wrapup-tid efter de fleste opkald.

Du ved at agenten, fordi han arbejder hjemmefra, føler, at han er nødt til at skrive detaljerede noter til sine kollegaer om de opkald, han håndterer, og det kan forklare, hvorfor han bruger så megen tid på wrapup.

For at være sikker, beslutter du dog, at I skal drøfte behov for wrapup-tid til jeres samtale.

Mens de er på arbejde, kan agenterne manuelt skifte deres status til inaktiv, fx når de skal på toilettet eller til frokost.

I jeres Zylinc-løsning har I valgt at bede agenterne vælge en årsag, når de manuelt skifter status til inaktiv. De årsager kan du se i rapporten, hvis du vælger en bestemt indstilling.

Du klikker igen på fanen Kolonner øverst på rapportsiden og vælger, at du også vil se data om Inaktiv (Agent) - Specifikation. I tabellen i den nederste del af rapportsiden kan du nu se nogle ekstra kolonner; én for hver mulig grund til at gå inaktiv.

Du kan se, at inaktivitet pga. frokost gik op i januar, men gik ned igen i februar. Inaktivitet pga. møder er også gået ned de seneste tre måneder. Imidlertid viser det sig, at inaktivitet pga. toiletbesøg er steget markant for den pågældende agent den seneste måned.

Det er selvfølgelig helt i orden, at en agent går inaktiv af den grund, men af erfaring ved du også, at for nogle få lidt for smarte agenter har toiletbesøg gradvist udviklet sig til lange betalte pauser, hvilket igen har givet længere ventetid på jeres køer.

Rent rutinemæssigt vælger du nu fanen Gruppering øverst på rapportsiden, og skifter til Klokkesæt-visning.

Det gør du for at få bekræftet, at inaktivitet på bestemte tidspunkter af dagen, fx inaktivitet pga. frokost, passer med den forventede tid på dagen.

Heldigvis får du et billede af en samvittighedsfuld agent, som går til frokost ved frokosttid, og som sjældent slutter arbejdsdagen tidligt.

Det her scenario var et eksempel, og alle antagelser i scenariet blev gjort af en fiktiv person om en anden fiktiv person. Ikke to organisationer er ens, og i hvert enkelt tilfælde vil en masse forskellige faktorer påvirke det samlede billede.

I det her scenario kiggede den fiktive kontaktcenterleder primært efter data som det – ud fra hendes erfaring – gav mening at fokusere på. Nogle ting stod helt klart, fx at agenten havde haft behov for stor en mængde wrapup-tid, og at inaktivitet pga. møder for nyligt var gået ned, mens inaktivitet pga. toiletbesøg var gået op.

Det kan der være mange grunde til, men hvis den fiktive kontaktcenterleder kombinerede de data-baserede observationer med hendes egen baggrundsviden om, hvad der ellers er sket i organisationen såvel som i agentens liv, ville hun givetvis kunne foretage nogle kvalificerede konklusioner.

Bemærk også, at den fiktive kontaktcenterleder kiggede på data om inaktivitet, wrapup-tid og andre ting, der kan påvirke ventetiderne på køerne. Den slags kvantitativ data er helt nødvendig, når man skal træffe beslutninger, men man skal også huske, at kvantitativ data ikke nødvendigvis fortæller ret meget om kvaliteten af den service, en agent har leveret, når vedkommende har talt med kunderne. Den kvalitet kan meget vel have været meget høj, selv om ventetiderne kan have været lange.

Samlet set beskrev scenariet en tilsyneladende meget samvittighedsfuld agent, der havde en lidt utraditionel arbejdsbeskrivelse.

Scenariet skal gerne have givet dig en lille rundtur i nogle af funktionerne i Zylinc Advanced Statistics. Hvis det har fået dig til at tænke over, hvordan du kan bruge Zylinc Advanced Statistics til fakta-baseret analyse i jeres organisation, har scenariet opfyldt sit mål.

Hvis du er agent, og du læser dette, så tænk over disse ting, inden du begynder at bekymre dig over din leders muligheder for at overvåge din performance: 1) Jeres organisation skal følge gældende lovgivning om dataindsamling og -opbevaring, og derfor vil man ikke indsamle data om dig, man ikke har ret til. De data, der blev brugt i scenariet, var blot eksempler. Det er fx langtfra sikkert, at man i jeres organisation vil interessere sig for at analysere dine toiletbesøg. 2) De data, som jeres organisation har til rådighed, vil forhåbentlig vise, at du er rigtig god til dit arbejde.