Welche Methode sollte ich wählen, wenn ich eine kurzfristige Prognose erstelle?

Workforce Management bietet vier Erstellungsmethoden für die Erstellung einer kurzfristigen Prognose an. Jede Option hat spezifische Verwendungszwecke, Fähigkeiten und Anforderungen.

Methode	Überblick	Vorraussetzungen:
Automatische beste Methode	Diese KI-gestützte Prognoseoption ist die bei weitem anspruchsvollste Methode, die im Bereich Workforce Management angeboten wird. Sie umfasst: Integrierte, automatische Funktionen zur Bereinigung historischer Daten Identifizierung von Ausreißern und Kalendereffekten Erkennung von Mustern, einschließlich Saisonalität und Trends Best-of-best-Modellierung zur Auswahl aus über 20 Methoden, darunter ARIMA, WM, Decomp Und wenn ein benutzerdefiniertes Modell, das auf mehreren gleich gewichteten Methoden basiert, ein besseres Ergebnis als ein einzelnes Modell liefert, wird die Prognose als Ensemble eingestuft. Sie können diese Erstellungsmethode so konfigurieren, dass Prognosen mit einer Länge von einer bis sechs Wochen erstellt werden können. Für weitere Informationen siehe ensemble forecasting. Hinweis: Mit Genesys Cloud EX sollten Prognosen auf der Grundlage von Daten, die von einem externen System eingespeist werden, immer mit der automatischen Best-Methode durchgeführt werden. Während der gewichtete historische Index in den meisten Fällen funktionieren könnte, werden bei der Berechnung des gewichteten historischen Index alle Konversationsdaten, die älter als einen Tag sind, dauerhaft zwischengespeichert und alle Daten vor diesem Zeitpunkt, die noch nicht eingefügt wurden, werden dauerhaft ausgeschlossen. Wenn es bei der Einspeisung von Daten aus dem externen System zu Verzögerungen kommt, führt die Verwendung des gewichteten historischen Index aufgrund unvollständiger Daten zu ungenauen und unzuverlässigen Prognosen.	Diese Methode erfordert historische Daten in Genesys Cloud. Die automatische Auswahl der besten Methode funktioniert zwar schon ab einer Woche historischer Daten, ist aber mit mehr historischen Daten wesentlich leistungsfähiger. Um die täglichen Ankunftsmuster für die Flugplanung zu bestimmen, werden bei dieser Methode historische Daten von bis zu 90 Tagen berücksichtigt. Für die Erkennung von Saisonalität werden die besten Ergebnisse mit Daten einer ganzen Saison oder mehrerer Saisons erzielt. Hinweis: Für Volumen und AHT verwendet diese Methode alle historischen Daten.
Gewichteter historischer Index	Diese Methode der Prognoseerstellung ermöglicht es dem Prognostiker, eine oder mehrere Wochen historischer Daten auf täglicher Ebene zu gewichten. Der sich daraus ergebende gewichtete Durchschnitt pro Tag wird verwendet, um eine Vorhersage für jeweils eine Woche zu erstellen.	Diese Methode erfordert historische Daten in Genesys Cloud. Es besteht jedoch die Möglichkeit, Daten von außerhalb der Plattform zu importieren. Aufgrund der Flexibilität dieser Erstellungsmethode wird sie häufig verwendet, wenn viele manuelle Eingriffe in die Prognosen erforderlich sind.
Gewichteter historischer Index mit Quelldatenimport	Diese Erstellungsmethode ist genau die gleiche wie der Weighted Historical Index, aber sie fordert den Benutzer auf, Daten aus einer Datei zu importieren, anstatt die Daten in der Genesys Cloud Plattform zu verwenden.	Diese Option erfordert eine Datendatei mit mindestens einer Woche historischer Daten, die für den Mittelwertbildungsprozess verwendet werden soll. Neue Genesys Cloud-Kunden, die noch keine historischen Daten auf der Plattform haben, nutzen häufig diese Methode.
Prognose importiert	Diese Methode ist für Kunden gedacht, die: einen bestehenden Prognoseprozess außerhalb von Genesys Cloud haben und anderswo erstellte Prognosen verwenden möchten. Nehmen wir an, der Genesys Cloud-Kunde ist ein Outsourcer, der die von seinen Kunden erstellten Prognosen bearbeitet. Sie können die Prognose ihres Kunden in diese Methode laden und dann einen Zeitplan auf der Grundlage dieser Prognose erstellen. eine mit der automatischen Best-Methode erstellte Prognose stark verändern wollen. Sie können eine bestehende Prognose exportieren, sie in Excel ändern und sie mit dieser Methode in eine neue Prognose importieren.	Diese Methode erfordert eine Datei mit einer Prognose, die den Dateispezifikationen entspricht. Es werden keine historischen Daten benötigt.