根拠を示す予測。
誠実な不確実性を備えた要員予測を、いま使っているスケジューリングツールに組み込みました。何が来るかを知り、起こりうる事態に備えて人員を配置しましょう。
10のモデルが競い、あなたのデータが勝者を選ぶ。
Soon は一つの手法にスケジュールを賭けたりしません。10種類の予測モデルを自社の実績データでバックテストし、あなたの過去を最も正確に予測できたモデルが、あなたの未来を予測します。
- ローリングオリジン方式のバックテストを、ベンチマークデータではなく自社の実績データで実行
- ブレンドはアウトオブサンプルで最良の単一モデルを上回るときのみ採用
- ライン単位のモデル帰属：どの予測も、それを描いたモデルを明示します
バックテストのリーダーボード
ローリングオリジン · 自社の実績
WAPE、アウトオブサンプル。低いほど良い — ブレンドは勝ったときだけ採用されます。
不確実性に誠実であること
一本の線は、スーツを着た当て推量にすぎません。Soon はその周りにバンドを描きます。モデルの実際の誤差から測定した信頼区間を、時間帯ごとに個別に算出します — 月曜9時は日曜3時とは振る舞いが違うからです。
コストを最適化したいときは p50 を基準に計画を。サービスレベルの未達が高くつくミスとなるときは p90 に合わせて人員を配置します。バンドがあれば、それは偶然ではなく意思決定になります。
時間帯ごとの測定誤差
呼量から必要人員へ
需要曲線は計画ではありません。Soon は予測した呼量を、正確な Erlang C および Erlang A の待ち行列計算で必要エージェント数に変換し、2,000週間分のトラフィックを1秒未満でシミュレーションして計画をストレステストします。
その出力は、あらゆるプランナーが本当に抱えている問いに答えます。各日サービスレベルに到達できる可能性はどれだけか — そして、あと1人増やせば何が得られるのか。予算対サービスレベルの曲線は、次の1ユーロが効かなくなる地点を正確に示します。
正確な Erlang C/A
リファレンス実装と照合し小数点以下14桁まで検証
2,000週間
1秒未満でシミュレーション
日次到達度
日ごとにサービスレベルへ到達できる確率
予算対サービスレベル
シミュレーション · 2,000週間
どの点も一つのスタッフィング計画です。平らな部分は、何も生まないお金です。
レバーを握り、その結果を体感する。
来月、呼量が10%跳ね上がったら？新しいマクロの導入後に処理時間が下がったら？レバー — 呼量、処理時間、目標 — をドラッグすれば、スライダーを動かしている最中にリスクが更新されていきます。
エンタープライズ製品はこれをシミュレーションジョブにまとめ、回答1つに数分待たせます。Soon は問いと同じ動作の中で結果を描き出します。
シナリオスタジオを開く何かをインポートする前に試せます
サンドボックスには4つのサンプルオペレーションが付属し、作り込みのデモではなく実際のエンジンで予測されています。データから予測、スタッフィング、リスクまでの全ループを歩き、自分でモデルを切り替え、リーダーボードがどう反応するかを見てください。
コンタクトセンター
サンプルオペレーション
サポートデスク
サンプルオペレーション
バックオフィス
サンプルオペレーション
フィールドオペレーション
サンプルオペレーション
- データ
- 予測
- スタッフィング
- リスク
あなたのスタックとうまく連携します
実績値はいま使っているプラットフォームから流れ込み、予測は実際に起きたことから学び続けます。
本日提供中
ロードマップ
実際の顧客トラフィックでのライブ比較において、最大で 予測誤差を46%削減。業界標準の N週平均と比較して。
そして一つの製品がループ全体を担います：予測 → スタッフィング → スケジュール。
次のシフト表は2分で完成します。
チームをインポートし、ルールを設定して、オートフィルを実行。ほとんどのチームが当日中に運用開始しています。
30日間無料 · クレジットカード不要
すでにアカウントをお持ちですか？ログイン
