CN105162994B - 呼叫中心话务量故障的检测方法、系统及服务器 - Google Patents
呼叫中心话务量故障的检测方法、系统及服务器 Download PDFInfo
- Publication number
- CN105162994B CN105162994B CN201510617369.1A CN201510617369A CN105162994B CN 105162994 B CN105162994 B CN 105162994B CN 201510617369 A CN201510617369 A CN 201510617369A CN 105162994 B CN105162994 B CN 105162994B
- Authority
- CN
- China
- Prior art keywords
- telephone traffic
- difference
- timeslice
- date
- traffic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种呼叫中心话务量故障的检测方法、系统及服务器,其中,所述检测方法包括:获取历史日期的实际话务量及历史日期的预测话务量;计算历史日期的实际话务量与历史日期的预测话务量的差值;根据监控日期的预测话务量以及所述差值确定监控日期的话务量波动范围;采集监控日期的实际话务量,若采集的实际话务量不在所述话务量波动范围内,则判定呼叫中心出现故障。本发明能够弥补现有的呼叫中心在检测是否出现故障时存在技术要求高、配置复杂度高且工作量大的不足,能够设定出既符合监控日期的话务量变化趋势,又符合话务量的正常波动的话务量波动范围,技术要求不高,不会出现话务量范围缺失、更新不及时等问题。
Description
技术领域
本发明涉及信息服务技术领域,尤其涉及一种呼叫中心话务量故障的检测方法、系统及服务器。
背景技术
目前呼叫中心的话务量通常都是采用人工预先制定的规则检测故障点。较为常见的规则一般有三种,话务量范围检测、话务量变化趋势检测、话务量对比基线的偏差检测,这几种检测通常都是先根据经验设定对应的指定范围,如果当前的话务量不在这个指定的范围内,就认为当前呼叫中心出现了故障。利用这种常见的规则检测呼叫中心是否出现故障主要存在以下问题:
(1)技术要求高:
用户需要对监控系统、历史话务量、历史故障等有较好的了解才能设置合适的话务量范围,否则容易出现话务量范围不合理、缺失、更新不及时等问题,从而导致故障误报、漏报或迟报等情况发生;
(2)配置复杂度高、工作量大:
目前话务量监控一般要结合很多要素,如不同日期不同时间话务量是不同的,因此要求检测规则需要针对不同年份、不同月份、节假日与非节假日、甚至每天的不同时段等进行设置。
发明内容
本发明要解决的技术问题是为了克服现有的呼叫中心在检测是否出现故障时存在技术要求高、配置复杂度高且工作量大的缺陷,提供一种呼叫中心话务量故障的检测方法、系统及服务器。
本发明是通过以下技术方案解决上述技术问题的:
本发明提供一种呼叫中心话务量故障的检测方法,其特点是,所述检测方法包括:
S1、获取历史日期的实际话务量及历史日期的预测话务量;
S2、计算历史日期的实际话务量与历史日期的预测话务量的差值;
S3、根据监控日期的预测话务量以及所述差值确定监控日期的话务量波动范围;
S4、采集监控日期的实际话务量,若采集的实际话务量超出所述话务量波动范围,则判定呼叫中心出现故障。
其中,话务量是指呼叫中心的电话呼入量或者呼出量。本技术方案中的话务量波动范围是在监控日期的预测话务量的基础上结合利用历史日期的相关数据计算出的差值来确定的,其中,监控日期的预测话务量能够反映出当天的话务量变化趋势,计算出的差值能够反映出历史上正常的话务量的波动范围,监控日期的预测话务量和差值的结合能够确定出既符合监控日期的话务量变化趋势,又符合话务量的正常波动的话务量波动范围,并且本技术方案中确定话务量波动范围的方式并不复杂,计算出的波动范围合理,不会出现话务量范围缺失、更新不及时等问题,进而不会导致故障误报、漏报或迟报等情况发生,配置复杂度不仅不高、工作量也不大,而且还能体现出每个日期每个时段的话务量特性。
较佳地,一个日期的时间分为多个时间片,每一时间片包括多个采样点,S2还包括:
S21、分别计算历史日期的每一时间片对应的差值集合,所述差值集合包括时间片中每一采样点的实际话务量与对应的预测话务量的差值的集合;
S3包括:
S31、计算每一差值集合的差值的平均数和标准差;
S32、计算监控日期的每一时间片各采样点的话务量波动范围,
所述话务量波动范围的波动上限=监控日期在一个时间片一个采样点的预测话务量+时间片对应的差值集合的差值的平均数+n*时间片对应的差值集合的差值的标准差,
所述话务量波动范围的波动下限=监控日期在一个时间片一个采样点的预测话务量+时间片对应的差值集合的差值的平均数-n*时间片对应的差值集合的差值的标准差,n为正数。
其中,历史日期和监控日期都划分成多个时间片,时间片的划分使得本技术方案对一天中的每个时段做更详细的分析,可以对每个时间片分别设定不同的话务量波动范围。
较佳地,S2还包括:
S22、将每一时间片对应的差值集合与第一差值集合和第二差值集合合并,形成一新的差值集合,所述新的差值集合为S31中用于计算平均数和标准差的差值集合,所述第一差值集合为所述时间片的前一时间片中与所述时间片相连的第一时间段的差值的集合,所述第二差值集合为所述时间片的后一时间片中与所述时间片相连的第二时间段的差值的集合。
其中,所述前一时间片是指在时间顺序上发生在所述时间片之前的一个时间片;所述后一时间片是指在时间顺序上发生在所述时间片之后的时间片。
本技术方案将相邻的三个时间片的差值在一定程度上融合,防止了前后两个时间片的差值集合差异太大,避免了在前一个时间片与后一个时间片相邻时刻的波动上限或波动下限中去除采样点的预测话务量的剩余部分(即平均数±n*标准差)出现锯齿形变化。如一个时间片的时长为20分钟,第一时间段和第二时间段均为10分钟,以6点21分~6点40分这一时间片为例,
S22中形成的新的差值集合(即S3中用于计算监控日期的话务量波动范围的差值的集合)=M∪M1∪M2,
其中,M为6点21分~6点40分这一时间片内每个采样点的实际话务量与预测话务量的差值的集合;
M1为第一差值集合,等于6点11分~6点20分这一时间片内每个采样点的实际话务量与预测话务量的差值的集合;
M2为第二差值集合,等于6点41分~6点50分这一时间片内每个采样点的实际话务量与预测话务量的差值的集合;
即,对应6点21分~6点40分这一时间片形成的新的差值集合为6点11分~6点50分内每个采样点的实际话务量与预测话务量的差值的集合。
同理,对应6点41分~7点00分这一时间片形成的新的差值集合为6点31分~7点10分内每个采样点的实际话务量与预测话务量的差值的集合。
通过上述新的差值集合计算出的上述两个时间片对应的平均数和标准差比较接近,在6点40分和6点41分这两个时刻的波动上限或波动下限中的平均数±n*标准差不会出现锯齿形变化。
较佳地,所述历史日期包括多个日期,
S21中每一历史日期的每一时间片对应一个差值集合;
S31中计算该些历史日期中同一时间片对应的差值集合的平均数和标准差,并将S31计算的平均数和标准差用于步骤S32。
在确定一个监控日期的话务量波动范围时,获取多个历史日期的实际话务量和预测话务量,可以保证计算出的波动上限和波动下限充分符合历史规律,使得确定的话务量波动范围准确。由于历史日期有多个,所以每个历史日期的每一时间片都会计算出一个差值集合,本技术方案计算所有历史日期中同一时间片的差值集合的所有差值的平均数和标准差并将它们应用到计算话务量波动范围的计算中去,可以进一步保证确定的话务量波动范围的准确性。
较佳地,所述检测方法还包括定时计算监控日期的话务量波动范围,所述历史日期为最接近所述监控日期的多个日期。
为了保证计算出的话务量波动范围能够准确,本技术方案选用与监控日期最接近的历史日期进行计算,如监控日期为9月10日,那么本技术方案的检测方法就会提前一天计算好9月10日的话务量波动范围,选取的历史日期为监控日期的前几天,如8月19日至9月9日。
较佳地,S3还包括:根据时段修正所述波动范围;
和/或,所述检测方法还包括:在判定呼叫中心出现故障之后,验证呼叫中心是否出现故障,统计判定连续错误的次数,若所述次数超出一次数阈值,则修正所述波动范围。
所述次数阈值可以自行设定,本技术方案在连续多次判定错误的时候修正波动范围,通过修正波动范围,故障检测会更为准确。
较佳地,所述修正所述波动范围包括:按照一修正比例调高或调低所述波动上限和所述波动下限,和/或,放大或缩小n。
较佳地,S1还包括:
S11、对获取到的实际话务量和预测话务量进行数据清理。
较佳地,S11是通过以下步骤对获取到的实际话务量和预测话务量进行数据清理的:
去除含有空值的数据,和/或,去除已知的出现故障的数据。
本发明还提供一种呼叫中心话务量故障的检测系统,其特点是,所述检测系统包括:
一获取单元,用于获取历史日期的实际话务量及历史日期的预测话务量;
一差值单元,用于计算历史日期的实际话务量与历史日期的预测话务量的差值;
一确定单元,用于根据监控日期的预测话务量以及所述差值确定监控日期的话务量波动范围;
一采集判定单元,用于采集监控日期的实际话务量,若采集的实际话务量超出所述话务量波动范围,则判定呼叫中心出现故障。
较佳地,一个历史日期的时间分为多个时间片,每一时间片包括多个采样点,所述差值单元还包括:
一差值计算单元,用于分别计算历史日期的每一时间片对应的差值集合,所述差值集合包括时间片中每一采样点的的实际话务量与对应的预测话务量的差值的集合;
所述确定单元包括:
一第一计算模块,用于计算每一差值集合的差值的平均数和标准差;
一第二计算模块,用于计算监控日期的每一时间片各采样点的话务量波动范围,
所述话务量波动范围的波动上限=监控日期在一个时间片一个采样点的预测话务量+时间片对应的差值集合的差值的平均数+n*时间片对应的差值集合的差值的标准差,
所述话务量波动范围的波动下限=监控日期在一个时间片一个采样点的预测话务量+时间片对应的差值集合的差值的平均数-n*时间片对应的差值集合的差值的标准差,n为正数。
较佳地,所述差值单元还包括:
一差值合并单元,用于将每一时间片对应的差值集合与第一差值集合和第二差值集合合并,形成一新的差值集合,所述新的差值集合为所述第一计算单元中用于计算平均数和标准差的差值集合,所述第一差值集合为所述时间片的前一时间片中与所述时间片相连的第一时间段的差值的集合,所述第二差值集合为所述时间片的后一时间片中与所述时间片相连的第二时间段的差值的集合。
较佳地,所述历史日期包括多个日期,所述确定单元包括:
所述第一计算模块中每一历史日期的每一时间片对应一个差值集合;;
所述第一计算模块中计算该些历史日期中同一时间片对应的差值集合的平均数和标准差,并将所述第一计算模块计算的平均数和标准差用于所述第二计算模块。较佳地,所述确定单元还用于根据时段修正所述波动范围;
和/或,所述检测系统还包括:一验证单元,用于在判定呼叫中心出现故障之后,验证呼叫中心是否出现故障,统计判定连续错误的次数,若所述次数超出一次数阈值,则修正所述波动范围。
较佳地,所述检测系统还用于定时计算监控日期的话务量波动范围,所述历史日期为最接近所述监控日期的多个日期。
较佳地,所述修正所述波动范围包括:按照一修正比例调高或调低所述波动上限和所述波动下限,和/或,放大或缩小n。
较佳地,所述获取单元还包括:
一数据清理模块,用于对获取到的实际话务量和预测话务量进行数据清理。
较佳地,所述数据清理模块包括:
一第一清理模块,用于去除含有空值的数据;
和/或,一第二清理模块,用于去除已知的出现故障的数据。
本发明还提供一种服务器,其特点是,所述服务器包括上述各优选条件任意组合的一种呼叫中心话务量故障的检测系统;
所述服务器还包括一数据库,所述数据库存储有历史日期的实际话务量及历史日期的预测话务量,以及监控日期的预测话务量。
在符合本领域常识的基础上,上述各优选条件,可任意组合,即得本发明各较佳实例。
本发明的积极进步效果在于:本发明能够设定出既符合监控日期的话务量变化趋势,又符合话务量的正常波动的话务量波动范围,并且本发明中确定话务量波动范围的方式并不复杂,技术要求不仅不高而且范围合理,不会出现话务量范围缺失、更新不及时等问题,进而不会导致故障误报、漏报或迟报等情况发生,配置复杂度不仅不高、工作量也不大,而且还能体现出每个日期每个时段的话务量特性。
附图说明
图1为本发明实施例1的呼叫中心话务量故障的检测方法的流程图;
图2为本发明实施例1的呼叫中心话务量故障的检测系统的系统框图。
具体实施方式
下面通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。
实施例1
一种呼叫中心话务量故障的检测方法,如图1所示,包括以下步骤:
步骤101、获取多个历史日期的实际话务量及历史日期的预测话务量。其中,所述历史日期为最接近所述监控日期的多个日期。如,监控日期为2015年4月21日,那么将监控日期的前20天作为历史日期,获取2015年4月1日至2015年4月20日的实际话务量曲线和预测话务量曲线,话务量曲线以时间为横轴,以话务量的数量为纵轴。
步骤102、对获取到的实际话务量和预测话务量进行数据清理。其中,去除含有空值的数据和已知的出现故障的数据。
一般实际话务量数据包括采集话务量的时间点以及实际话务量的值,若两者缺一则去除这一条历史话务量数据,预测话务量数据包括预测话务量的时间点以及预测话务量的值,若两者缺一则去除这一条预测话务量数据。
如果已知2015年4月1日至2015年4月20日之间的某一天某个时间点发生了故障,则去除这一时间的实际话务量数据和预测话务量数据。
步骤103、将每一历史日期分别分为多个时间片,每一时间片包括多个采样点,分别计算每一历史日期的每一时间片的差值集合。所述差值集合包括时间片中每一采样点的实际话务量与对应的预测话务量的差值的集合。具体如一个时间片的时长为20分钟,那么一天24小时就可以划分为72个时间片,分别为0:01~0:20、0:21~0:40、0:41~1:00、……、23:41~24:00,每个时间片有20个采样点,那么一个历史日期有72个时间片,每一个时间片的差值集合内有20个差值。
接下来,可以跳过步骤104,直接执行步骤105,计算每一差值集合的差值的平均数和标准差,进而计算话务量波动范围的波动上限和波动下限;也可以执行步骤104,以减少由于预测的话务量并不十分精细而造成的相邻的时间段预测出的话务量的波动。
步骤104、将每一时间片对应的差值集合与第一差值集合和第二差值集合合并,形成一新的差值集合。所述第一差值集合为所述时间片的前一时间片中与所述时间片相连的第一时间段的差值的集合,所述第二差值集合为所述时间片的后一时间片中与所述时间片相连的第二时间段的差值的集合。
如,设定第一时间段和第二时间段均等于时间片的时长的一半,等于10分钟,以18点01分~18点20分这一时间片为例,
这一时间片对应的新的差值集合=M∪M1∪M2,
其中,M为18点01分~18点20分这一时间片中每一采样点的实际话务量与预测话务量的差值的集合;
M1为第一差值集合,等于17点51分~18点00分这一时间片中每一采样点的实际话务量与预测话务量的差值的集合;
M2为第二差值集合,等于18点21分~18点30分这一时间片中每一采样点的实际话务量与预测话务量的差值的集合;
即18点01分~18点20分这一时间片的新的差值集合为17点51分~18点30分这一时间段中每一采样点的实际话务量与预测话务量的差值的集合。
对于0:01~0:20这一时间片,其前一时间片为前一天的23:41~24:00;对于23:41~24:00这一时间片,其后一时间片为后一天的0:01~0:20。
步骤105、计算每一时间片对应的差值集合的平均数和标准差。其中,由于历史日期有多个,所以一个时间片对应的差值集合实际是所有历史日期中同一时间片对应的所有差值的集合。步骤105中采用现有的计算公式计算平均数和标准差,具体计算方法不再赘述。
步骤106、计算监控日期的每一时间片各采样点的话务量波动范围,其中,
所述话务量波动范围的波动上限=监控日期在一个时间片一个采样点的预测话务量+时间片对应的差值集合的差值的平均数+n*时间片对应的差值集合的差值的标准差,
所述话务量波动范围的波动下限=监控日期在一个时间片一个采样点的预测话务量+时间片对应的差值集合的差值的平均数-n*时间片对应的差值集合的差值的标准差,n为正数。
所述波动上限和所述波动下限组成了监控日期的一个时间片的话务量波动范围。
其中,n=3,监控日期在一个时间片的预测话务量从监控日期的预测话务量曲线中获取,如预测话务量曲线表明2015年4月21日18点01分~18点20分这一时间片各采样点的预测话务量,通过计算得到2015年4月1日至2015年4月20日18点01分~18点20分这一时间片对应的差值集合。如果执行步骤104,那么18点01分~18点20分这一时间片对应的差值集合实际为17点51分~18点30分这一时间段中每一采样点的实际话务量与预测话务量的差值的集合,计算上述差值集合的差值的平均数和标准差;如果不执行步骤105,那么18点01分~18点20分这一时间片对应的差值集合仅为18点01分~18点20分这一时间段中每一采样点的实际话务量与预测话务量的差值的集合,计算上述差值集合的差值的平均数和标准差。2015年4月21日18点01分~18点20分这一时间片各采样点的话务量波动范围为[采样点的预测话务量+均数-3*标准差,采样点的预测话务量+均数+3*标准差]。从步骤106中可以看出,本实施例的检测方法计算出的话务量波动范围紧密贴合监控日期的预测话务量,并且每一时间片的话务量波动范围都不同,符合预测话务量的变化趋势。
步骤107、采集监控日期的实际话务量。
步骤108、判断采集的实际话务量是否在所述话务量波动范围内,若采集的实际话务量不在所述话务量波动范围内,则判定呼叫中心出现故障,若采集的实际话务量在所述话务量波动范围内,则判定呼叫中心未出现故障,继续采集下一时间点的时间话务量并判断采集的实际话务量是否在下一时间点的话务量波动范围。为了及时通报检测结果以及体现不同故障的重要性,本实施例提供了三种告警方式:
第一种:一次超过波动范围则发出告警信号,特点为灵敏度高,告警及时;
第二种:连续3次超过波动范围告则发出告警信号,特点为灵敏度中,误告较少;
第三种:5分钟有3次超过波动范围则发出告警信号,特点为误告少。
为了提高检测的准确度,本实施例的检测方法还包括:在判定呼叫中心出现故障之后,验证呼叫中心是否出现故障;
以及,统计判定连续错误的次数,若所述次数超出一次数阈值,则修正所述波动范围。所述修正所述波动范围包括:按照一修正比例调高或调低所述波动上限和所述波动下限,和/或,放大或缩小n。
如,设定次数阈值为3,若判定连续4次错误且错误的原因均为实际话务量低于波动下限,则将波动下限调低10%或者将n的值缩小为2.5,若判定连续4次错误且错误的原因均为实际话务量高于波动上限,则将波动上限调高10%或者将n的值放大为3.5。
所述检测方法还包括:定时计算监控日期的话务量波动范围,以保证计算出的话务量波动范围能够准确。如监控日期为2015年4月21日,那么本实施例的检测方法就会在2015年4月20日利用上述步骤计算2015年4月21日的话务量波动范围。
本实施例的呼叫中心话务量故障的检测系统,如图2所示,所述检测系统包括:一获取单元201、一差值计算单元202、一确定单元204和一采集判定单元205。
所述获取单元201包括一数据获取模块2011和一数据清理模块2012。
所述数据获取模块2011,用于获取多个历史日期的实际话务量及历史日期的预测话务量。其中,所述历史日期为最接近所述监控日期的多个日期。
所述数据清理模块2012,用于对获取到的实际话务量和预测话务量进行数据清理。其中,所述数据清理模块2012包括:
一第一清理模块20121,用于去除含有空值的数据;
和,一第二清理模块20122,用于去除已知的出现故障的数据。
所述差值计算单元202,用于将每一历史日期分别分为多个时间片,每一时间片包括多个采样点,分别计算每一历史日期的每一时间片的差值集合,所述差值集合包括时间片中每一采样点的实际话务量与对应的预测话务量的差值的集合,然后直接调用所述确定单元204或者先调用一差值合并单元203再调用所述确定单元204。
所述差值合并单元203,用于将每一时间片对应的差值集合与第一差值集合和第二差值集合合并,形成一新的差值集合。所述第一差值集合为所述时间片的前一时间片中与所述时间片相连的第一时间段的差值的集合,所述第二差值为所述时间片的后一时间片中与所述时间片相连的第二时间段的差值的集合。
所述确定单元204包括一第一计算模块2041和一第二计算模块2042。
所述第一计算模块2041,用于计算该些差值集合的平均数和标准差。
所述第二计算模块2042,用于计算监控日期的每一时间片各采样点的所述话务量波动范围,
所述话务量波动范围的波动上限=监控日期在一个时间片一个采样点的预测话务量+时间片对应的差值集合的差值的平均数+n*时间片对应的差值集合的差值的标准差,
所述话务量波动范围的波动下限=监控日期在一个时间片一个采样点的预测话务量+时间片对应的差值集合的差值的平均数-n*时间片对应的差值集合的差值的标准差,n为正数。所述波动上限和所述波动下限组成了监控日期的一个时间片的话务量波动范围。其中,n可以等于3,
所述采集判定单元205,用于采集监控日期的实际话务量,判断采集的实际话务量是否在所述话务量波动范围内,若采集的实际话务量不在所述话务量波动范围内,则判定呼叫中心出现故障,若采集的实际话务量在所述话务量波动范围内,则判定呼叫中心未出现故障,继续采集下一时间点的时间话务量并判断采集的实际话务量是否在下一时间点的话务量波动范围。为了及时通报检测结果以及体现不同故障的重要性,本实施例提供了三种告警方式:
第一种:一次超过波动范围则发出告警信号,特点为灵敏度高,告警及时;
第二种:连续3次超过波动范围告则发出告警信号,特点为灵敏度中,误告较少;
第三种:5分钟有3次超过波动范围则发出告警信号,特点为误告少。
为了提高检测的准确度,本实施例的检测系统还包括:
一验证单元206,用于在判定呼叫中心出现故障之后,验证呼叫中心是否出现故障;
以及,统计判定连续错误的次数,若所述次数超出一次数阈值,则修正所述波动范围。所述修正所述波动范围包括:按照一修正比例调高或调低所述波动上限和所述波动下限,和/或,放大或缩小n。
所述检测系统还用于定时计算监控日期的话务量波动范围,以保证计算出的话务量波动范围能够准确。
本实施例的服务器包括本实施例的呼叫中心话务量故障的检测系统,还包括一数据库,所述数据库存储有历史日期的实际话务量及历史日期的预测话务量,以及监控日期的预测话务量。
实施例2
本实施例的呼叫中心话务量故障的检测方法与实施例1的呼叫中心话务量故障的检测方法基本相同,不同之处在于:
考虑到不同时段的话务量不同,如在早上上班高峰期话务量上升幅度高,下班高峰期话务量下降幅度大,故本实施例的呼叫中心话务量故障的检测方法在实施例1的基础上,还包括:在步骤106中计算所述话务量波动范围的波动上限和波动下限后,根据时段修正所述波动范围。
如,在早上上班高峰期的时段,将波动上限调高10%或者放大n的值,在下班高峰期的时段将波动下限调低10%或者降低n的值。
本实施例的呼叫中心话务量故障的检测系统与实施例1的呼叫中心话务量故障的检测系统基本相同,不同之处在于:
本实施例的呼叫中心话务量故障的检测系统在实施例1的基础上,还包括:所述第二计算模块2042还用于在计算所述话务量波动范围的波动上限和波动下限后,根据时段修正所述波动范围。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这些仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (17)
1.一种呼叫中心话务量故障的检测方法,其特征在于,所述检测方法包括:
S1、获取历史日期的实际话务量及历史日期的预测话务量;
S2、计算历史日期的实际话务量与历史日期的预测话务量的差值;
S3、根据监控日期的预测话务量以及所述差值确定监控日期的话务量波动范围;
S4、采集监控日期的实际话务量,若采集的实际话务量不在所述话务量波动范围内,则判定呼叫中心出现故障;
一个日期的时间分为多个时间片,每一时间片包括多个采样点,S2还包括:
S21、分别计算历史日期的每一时间片对应的差值集合,所述差值集合包括时间片中每一采样点的实际话务量与对应的预测话务量的差值的集合;
S3包括:
S31、计算每一差值集合的差值的平均数和标准差;
S32、计算监控日期的每一时间片各采样点的话务量波动范围,
所述话务量波动范围的波动上限=监控日期在一个时间片一个采样点的预测话务量+时间片对应的差值集合的差值的平均数+n*时间片对应的差值集合的差值的标准差,
所述话务量波动范围的波动下限=监控日期在一个时间片一个采样点的预测话务量+时间片对应的差值集合的差值的平均数-n*时间片对应的差值集合的差值的标准差,n为正数。
2.如权利要求1所述的检测方法,其特征在于,S2还包括:
S22、将每一时间片对应的差值集合与第一差值集合和第二差值集合合并,形成一新的差值集合,所述新的差值集合为S31中用于计算平均数和标准差的差值集合,所述第一差值集合为所述时间片的前一时间片中与所述时间片相连的第一时间段的差值的集合,所述第二差值集合为所述时间片的后一时间片中与所述时间片相连的第二时间段的差值的集合。
3.如权利要求1或2所述的检测方法,其特征在于,所述历史日期包括多个日期,S21中每一历史日期的每一时间片对应一个差值集合;
S31中计算该些历史日期中同一时间片对应的差值集合的平均数和标准差,并将S31计算的平均数和标准差用于步骤S32。
4.如权利要求3所述的检测方法,其特征在于,所述检测方法还包括定时计算监控日期的话务量波动范围,所述历史日期为最接近所述监控日期的多个日期。
5.如权利要求1所述的检测方法,其特征在于,S3还包括:根据时段修正所述波动范围;
和/或,所述检测方法还包括:在判定呼叫中心出现故障之后,验证呼叫中心是否出现故障,统计判定连续错误的次数,若所述次数超出一次数阈值,则修正所述波动范围。
6.如权利要求5所述的检测方法,其特征在于,所述修正所述波动范围包括:按照一修正比例调高或调低所述波动上限和所述波动下限,和/或,放大或缩小n。
7.如权利要求1所述的检测方法,其特征在于,S1还包括:
S11、对获取到的实际话务量和预测话务量进行数据清理。
8.如权利要求7所述的检测方法,其特征在于,S11是通过以下步骤对获取到的实际话务量和预测话务量进行数据清理的:
去除含有空值的数据,和/或,去除已知的出现故障的数据。
9.一种呼叫中心话务量故障的检测系统,其特征在于,所述检测系统包括:
一获取单元,用于获取历史日期的实际话务量及历史日期的预测话务量;
一差值单元,用于计算历史日期的实际话务量与历史日期的预测话务量的差值;
一确定单元,用于根据监控日期的预测话务量以及所述差值确定监控日期的话务量波动范围;
一采集判定单元,用于采集监控日期的实际话务量,若采集的实际话务量不在所述话务量波动范围内,则判定呼叫中心出现故障;
一个历史日期的时间分为多个时间片,每一时间片包括多个采样点,所述差值单元还包括:
一差值计算单元,用于分别计算历史日期的每一时间片对应的差值集合,所述差值集合包括时间片中每一采样点的实际话务量与对应的预测话务量的差值的集合;
所述确定单元包括:
一第一计算模块,用于计算每一差值集合的差值的平均数和标准差;
一第二计算模块,用于计算监控日期的每一时间片各采样点的话务量波动范围,
所述话务量波动范围的波动上限=监控日期在一个时间片一个采样点的预测话务量+时间片对应的差值集合的差值的平均数+n*时间片对应的差值集合的差值的标准差,
所述话务量波动范围的波动下限=监控日期在一个时间片一个采样点的预测话务量+时间片对应的差值集合的差值的平均数-n*时间片对应的差值集合的差值的标准差,n为正数。
10.如权利要求9所述的检测系统,其特征在于,所述差值单元还包括:
一差值合并单元,用于将每一时间片对应的差值集合与第一差值集合和第二差值集合合并,形成一新的差值集合,所述新的差值集合为所述第一计算单元中用于计算平均数和标准差的差值集合,所述第一差值集合为所述时间片的前一时间片中与所述时间片相连的第一时间段的差值的集合,所述第二差值集合为所述时间片的后一时间片中与所述时间片相连的第二时间段的差值的集合。
11.如权利要求9或10所述的检测系统,其特征在于,所述历史日期包括多个日期,所述确定单元包括:
所述第一计算模块中每一历史日期的每一时间片对应一个差值集合;
所述第一计算模块中计算该些历史日期中同一时间片对应的差值集合的平均数和标准差,并将所述第一计算模块计算的平均数和标准差用于所述第二计算模块。
12.如权利要求11所述的检测系统,其特征在于,所述检测系统还用于定时计算监控日期的话务量波动范围,所述历史日期为最接近所述监控日期的多个日期。
13.如权利要求9所述的检测系统,其特征在于,所述确定单元还用于根据时段修正所述波动范围;
和/或,所述检测系统还包括:一验证单元,用于在判定呼叫中心出现故障之后,验证呼叫中心是否出现故障,统计判定连续错误的次数,若所述次数超出一次数阈值,则修正所述波动范围。
14.如权利要求13所述的检测系统,其特征在于,所述修正所述波动范围包括:按照一修正比例调高或调低所述波动上限和所述波动下限,和/或,放大或缩小n。
15.如权利要求9所述的检测系统,其特征在于,所述获取单元还包括:
一数据清理模块,用于对获取到的实际话务量和预测话务量进行数据清理。
16.如权利要求15所述的检测系统,其特征在于,所述数据清理模块包括:
一第一清理模块,用于去除含有空值的数据;
和/或,一第二清理模块,用于去除已知的出现故障的数据。
17.一种服务器,其特征在于,所述服务器包括权利要求9-16中任意一项所述的呼叫中心话务量故障的检测系统;
所述服务器还包括一数据库,所述数据库存储有历史日期的实际话务量及历史日期的预测话务量,以及监控日期的预测话务量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510617369.1A CN105162994B (zh) | 2015-09-24 | 2015-09-24 | 呼叫中心话务量故障的检测方法、系统及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510617369.1A CN105162994B (zh) | 2015-09-24 | 2015-09-24 | 呼叫中心话务量故障的检测方法、系统及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105162994A CN105162994A (zh) | 2015-12-16 |
CN105162994B true CN105162994B (zh) | 2018-07-20 |
Family
ID=54803741
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510617369.1A Active CN105162994B (zh) | 2015-09-24 | 2015-09-24 | 呼叫中心话务量故障的检测方法、系统及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105162994B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105721719B (zh) * | 2016-02-24 | 2019-02-01 | 上海携程商务有限公司 | 呼叫中心的故障检测系统及方法 |
CN105979538A (zh) * | 2016-07-19 | 2016-09-28 | 浪潮软件集团有限公司 | 一种小区中断期间损失话务量及流量的分析方法 |
CN106357939B (zh) * | 2016-09-30 | 2019-02-01 | 携程旅游信息技术(上海)有限公司 | 呼叫话务量监控方法和监控系统 |
CN107124314B (zh) * | 2017-05-12 | 2018-11-09 | 腾讯科技(深圳)有限公司 | 数据监控方法及装置 |
CN107094207B (zh) * | 2017-06-26 | 2019-10-01 | 携程旅游信息技术(上海)有限公司 | 一种话务指标异常的自动检测方法及其自动检测装置 |
CN107231493B (zh) * | 2017-06-30 | 2019-08-06 | 携程旅游信息技术(上海)有限公司 | 呼叫中心的自动报警方法及其装置、存储介质、电子设备 |
CN107566665B (zh) * | 2017-08-15 | 2019-09-24 | 携程旅游信息技术(上海)有限公司 | 话务异常检测方法及其设备 |
CN108599995B (zh) * | 2018-03-28 | 2020-10-27 | 北京大米科技有限公司 | 网络线路故障判定方法及服务器 |
CN109064299A (zh) * | 2018-06-20 | 2018-12-21 | 上海百林通信网络科技服务股份有限公司 | 一种基于移动大数据的热力图应用于甄别公司虚假财报的对比分析方法 |
CN109274842B (zh) * | 2018-09-18 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 客服水平波动的关键因素定位方法、装置及设备 |
CN113065678A (zh) * | 2019-12-13 | 2021-07-02 | 中兴通讯股份有限公司 | 一种性能指标的预警方法、装置、设备及存储介质 |
CN111143169B (zh) * | 2019-12-30 | 2024-02-27 | 杭州迪普科技股份有限公司 | 异常参数检测方法及装置、电子设备、存储介质 |
CN111447329A (zh) * | 2020-03-31 | 2020-07-24 | 携程旅游信息技术(上海)有限公司 | 呼叫中心中状态服务器的监控方法、系统、设备及介质 |
CN112381548B (zh) * | 2020-09-10 | 2024-03-12 | 咪咕文化科技有限公司 | 稽核异常话单的方法、电子设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1784948B1 (en) * | 2004-08-24 | 2011-10-19 | Panduit Corp. | Systems and methods for network management |
CN101771758B (zh) * | 2008-12-31 | 2012-11-07 | 北京亿阳信通科技有限公司 | 一种性能指标值正常波动范围的动态确定方法及其装置 |
-
2015
- 2015-09-24 CN CN201510617369.1A patent/CN105162994B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105162994A (zh) | 2015-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105162994B (zh) | 呼叫中心话务量故障的检测方法、系统及服务器 | |
CN107086944A (zh) | 一种异常检测方法和装置 | |
US20130173322A1 (en) | Energy Management with Correspondence Based Data Auditing Signoff | |
US8005644B1 (en) | Application transaction analysis | |
CN106357939B (zh) | 呼叫话务量监控方法和监控系统 | |
CN103797468A (zh) | 系统异常的自动化检测 | |
CN107094207B (zh) | 一种话务指标异常的自动检测方法及其自动检测装置 | |
CN105279386B (zh) | 一种指标异常数据确定的方法及装置 | |
CN111898068B (zh) | 一种基于pert算法及仪表用量分析的异常检测方法 | |
CN107426013A (zh) | 设备信息监测方法、装置及系统 | |
CN108599977A (zh) | 基于统计方法监控系统可用性的系统及方法 | |
CN115685050B (zh) | 一种电能表故障检测方法及系统 | |
CN115129011B (zh) | 基于边缘计算的工业资源管理方法 | |
CN104616063A (zh) | 基于物联网的关键设备保养时间的自动检测系统和检测方法 | |
CN106294066B (zh) | 报警数据处理方法及装置 | |
CN109547271B (zh) | 一种基于大数据的网络状态实时监控警报系统 | |
CN108023769B (zh) | 物联网群障确定方法及装置 | |
CN107229499B (zh) | 用于电力采集系统故障终端检测的主站模拟系统及检测方法 | |
CN111817896B (zh) | 一种接口监控方法及装置 | |
CN112415168B (zh) | 一种基于互联网的水质监测管理系统 | |
CN110888785A (zh) | 一种监控告警的方法及装置 | |
CN114114134A (zh) | 一种智能电能表的对时方法 | |
RU2737567C1 (ru) | Способ определения времени простоя лифта и его исправности | |
CN111626841A (zh) | 对联机交易进行监控的方法、系统及相关设备 | |
CN110290545A (zh) | 一种无线通信设备的在线保活方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |