Hlavní práce5904_xkocp06.pdf, 1.4 MB Stáhnout

FAKULTA INFORMATIKY A STATISTIKY

DIPLOMOVÁ PRÁCE

2007 Pavla Kociánová

FAKULTA INFORMATIKY A STATISTIKY Hlavní specializace: Matematické metody v ekonomii

VYUŽITÍ SIMULACE K ANALÝZE CHODU MODRÉ LINKY KARNEVAL

Diplomant: Pavla Kociánová

Vedoucí diplomové práce: Ing. Martina Kuncová

Prohlášení:

Prohlašuji, že jsem diplomovou práci na téma „Využití simulace k analýze chodu Modré linky Karneval“ zpracovala samostatně. Veškerá použitá literatura a další prameny jsou uvedeny v seznamu použité literatury.

V Praze dne 20.5.2007 Pavla Kociánová

Poděkování:

Na tomto místě bych ráda poděkovala své vedoucí práce Ing. Martině Kuncové za cenné rady a připomínky při zpracování této práce. Dále mé poděkování patří paní Lucii Datlové ze společnosti Karneval Media s.r.o. za poskytnutá data a ochotu při konzultacích.

ÚVOD... 7

1 SIMULACE ... 9

1.1 Základní pojmy ...10

1.2 Typy simulačních modelů...11

1.3 Výstavba modelu ...13

1.4 Metoda Monte Carlo ...15

1.5 Využití simulačních metod ...17

2 MODELY HROMADNÉ OBSLUHY... 19

2.1 Základní prvky MHO...19

2.2 Klasifikace systémů hromadné obsluhy ...23

2.3 Použití modelů hromadné obsluhy ...25

2.4 Optimalizační úlohy teorie hromadné obsluhy...26

3 CALL CENTRUM VS. KONTAKTNÍ CENTRUM ... 27

3.1 Definice pojmů ...27

3.2 Charakteristika call center ...28

3.2.1 Vývoj call center ...28

3.2.2 Rozdělení call center...28

3.2.3 Komunikace v zákaznických centrech...29

3.2.4 Personální hierarchie v call centru...31

3.2.5 Pracoviště operátora...32

3.2.6 Charakteristiky call centra ...32

3.3 Call Centra v České republice ...33

4 KARNEVAL MEDIA, s.r.o. ... 35

4.1 Představení společnosti...35

5 SIMULACE REÁLNÉHO SYSTÉMU... 36

5.1 Modelovaný systém – Kontakt centrum Karneval ...36

5.2 Cíl simulace ...37

5.3 Výpočet potřebných charakteristik z dostupných dat ...38

5.4 Simulační program Simul8 ...42

5.4.1 Tvorba modelu ...45

5.4.2 Experimenty...53

5.5 Konečné výsledky...58

6 ZÁVĚR ... 59

INTERNETOVÉ ZDROJE... 62

ÚVOD

Dříve byla činnost call centra považována za okrajovou a téměř bezvýznamnou aktivitu obchodních společností. Postupem času si ovšem získává stále více na své popularitě a to nejen pro firmy, které mohou prostřednictvím těchto center ovlivňovat své klienty, ale i pro zákazníky samotné. Z původních call center se vyvíjejí kontaktní centra, která kromě telefonní komunikace využívají ke kontaktu se svými popř. potenciálními klienty i dalších prostředků jako je email, fax, SMS zprávy, webové formuláře, apod.

Zatímco před lety byla hlavním impulsem pro klienta cena výrobku či služby, v dnešní době se stále častěji projevuje preference vstřícnější komunikace a lepší interakce mezi zákazníkem a podnikem před výší ceny. Kontaktní centra dnes již hrají klíčovou roli ve strategii podniku, ve velké míře totiž utvářejí vztah klienta k dané společnosti.

S call centry stejně jako s mnoha dalšími oblastmi podnikání je spojena problematika čekání ve frontě. K naší nelibosti se s ní setkáváme osobně v každodenním životě. Ovšem nejenom my neradi čekáme ve frontě, ale také pro manažery společnosti je to nepříjemná situace. Nespokojenost zákazníka s dobou čekání na obsluhu (a také s obsluhou všeobecně) by pro něj měla být impulsem k hledání optimalizace systému obsluhy klienta. Dlouhá fronta je obvykle způsobena nedostatečnou kapacitou obslužných zařízení resp. pracovních sil. Hlavní otázkou, kterou zde management společnosti řeší, je správné rozvržení kapacity obslužných zařízení, což je ovšem spojeno s dodatečnými náklady, které se ne vždy podniku vyplatí. Je proto třeba hledat kompromis mezi těmito vynaloženými prostředky a prospěchem, který rozšíření obsluhy přinese.

Tato úvodní část je věnována shrnutí obsahu předkládané diplomové práce. Po ní následují kapitoly poskytující přehled teoretických poznatků z oblasti simulací, což je jeden z nejpoužívanějších nástrojů pro optimalizaci, a dále teorie hromadné obsluhy, jako jedné z nejčastějších disciplín, ve kterých nacházejí simulační metody své uplatnění.

Čtenář je zde seznámen se základními pojmy, se kterými se může v této oblasti setkat, s klasifikací modelů či systémů a v neposlední řadě s možnostmi jejich využití v praxi.

Náplní kapitoly 4 je seznámení s call centry a kontaktními centry, je zde vysvětlen rozdíl mezi těmito velmi blízkými pojmy, stejně jako jejich vývoj, který zaznamenal za poslední roky neuvěřitelný rozmach. Dále je zde věnována pozornost rozdělení

zákaznických center podle různých hledisek, vnitřní struktuře a charakteristikám, které slouží k hodnocení jejich výsledků. Na závěr je nastíněna situace call center v České republice, jejichž úroveň je zajisté také stále na vzestupu.

Karneval Media s.r.o. je obchodní společnost zabývající se poskytováním kabelové televize, internetu a telefonního připojení. Začátkem tohoto roku došlo ke spojení Karnevalu s největším poskytovatelem internetu v ČR, společností UPC. Historie a představení této společnosti předkládá kapitola pátá.

Cílem této práce je zhodnocení chodu Kontakt centra Karneval, respektive jeho Modré linky. Poskytnutá data bylo třeba připravit pro model do podoby charakteristik.

Tato úprava byla provedena prostřednictvím uživatelsky příjemného softwaru Crystal Ball, který je doplňkem tabulkového procesoru Microsoft Excel. Pro samotné sestavení modelu byl využit jeden z nejrozšířenějších softwarů pro dynamickou diskrétní simulaci Simul8.

V další podkapitole je potom prováděno experimentování s tímto i pozměněným modelem za účelem optimalizace daného systému.

1 SIMULACE

Simulace [1] je numerická metoda studia složitých pravděpodobnostních dynamických systémů pomocí experimentování s počítačovým modelem.

Při počítačové simulaci jde vlastně o pokus napodobit na počítači realitu nebo hypotetickou situaci tak, aby mohla být podrobně zkoumána práce systému. Simulační metody potenciálně představují jeden z nejúčinnějších nástrojů vhodných pro analýzu a racionalizaci řízení složitých procesů a systémů.

Počítačová simulace je proces výstavby a užívání simulačního modelu, který imituje důležité kroky, jež se v procesu vyskytují. Model bere do úvahy všechny zdroje a omezení a zapojuje tyto věci do vzájemné interakce v čase, je využíván jako prostředek pro experiment, často jako zkušební nástroj, který demonstruje pravděpodobný efekt různorodých variant. Prostřednictvím změn proměnných mohou být prováděny předpovědi o budoucím chování zkoumaného systému. Simulací si lze rychle a za zlomek nákladů, které jsou vynaloženy při implementaci, vyzkoušet možné dopady různých úprav systému.

Ta, která poskytuje nejlepší výsledek, se následně implementuje v reálném systému.

Hlavní výhodou simulací systémů je vyřešení úloh, které nemají analytické řešení, popř.

předběžné ověření účinků intervencí před jejich fyzickou realizací.

Obrázek č. 1 Simulace jako experiment

Nejde o optimalizační proceduru jako je lineární programování. Dovolí nám udělat prohlášení typu „Vaše náklady budou X, pokud přijmete opatření Y“, ale neposkytne následující odpověď: „Náklady se minimalizují, pokud přijmete opatření Z“. Je spíše určena pro posouzení vhodnosti jednotlivých variant, než k nalezení optima řešení.

výstupy (odpovědi) vstupy (politika)

experiment Simulační model

Pro úspěšné použití simulace je vždy nutné jasně definovat cíl, kterého chceme dosáhnout, je také třeba vědět, jaké informace se musíme o modelovaném systému dozvědět. Velmi důležitá je bezpochyby také aktivní spolupráce tvůrce modelu s konečným uživatelem výsledků a to jak při vymezení cíle, kdy je týmová práce dominantní, tak při celém procesu simulace. Nejde jen o získání potřebných informací a zadání od uživatele a následné předložení výsledků. Určitá míra kooperace musí provázet všechny fáze výstavby a použití modelu, přinejmenším také proto, aby uživatel získal v toto řešení důvěru.

V této souvislosti se používá termín [3]:

Validita modelu – míra shody chování simulačního modelu s modelovaným systémem tzn.

jak dobře model reprezentuje reálný systém.

Verifikace modelu – zda počítačový program věrně a správně reprezentuje model – tj. zda nedošlo ke zkreslení a nedorozumění ve fázi programování modelu.

Počítačová simulace [17] se stala užitečnou součástí modelování mnoha přírodních systémů ve fyzice, chemii a biologii, lidských systémů v ekonomii a společenských věd, stejně jako poskytuje užitek ve strojírenství k pochopení operací v tomto systému. Dobrým příkladem důležitosti použití počítačů k simulaci může být také např. oblast simulací dopravních sítí.

1.1 Základní pojmy

Při simulacích jsou obvyklé a všeobecně používané následující pojmy [1]:

Systém – určitá část reálného světa, který je středem našeho zájmu. Ten může být přirozený nebo umělý, již existující či teprve projektovaný. Jako příklad lze uvést ošetření pacienta v nemocnici.

Model – jde o zjednodušené abstraktní zobrazení systému pomocí slovních pravidel, matematických rovnic, obrázků či grafů.

Obrázek č. 2 Vztah reálný svět vs. model vs. počítač

Stavové veličiny – s jejich pomocí popisujeme stav systému. Stavovou veličinou může být například počet pacientů v čekárně.

Událost – jde o vyvolání změny stavu systému. Událostí může být příchod další jednotky do systému, v našem případě tedy příchod dalšího pacienta do čekárny.

Entita (prvek) – jedná se o dynamický objekt, který se pohybuje v průběhu času systémem. Zde je to tedy pacient, který přijde do systému, v případě obsazenosti ordinace se řadí do fronty, obsazuje ordinaci a opouští systém.

Atributy – mohou být přiřazeny entitě (ale nejen jí). U pacienta v nemocnici je atributem například druh požadovaného vyšetření či ošetření.

Zdroje – po určitý čas jsou využívány nebo spotřebovány entitami. Zdrojem v příkladu nemocnice je např. doktor.

Aktivita – časově ohraničený stav entity mezi dvěma pro ni důležitými událostmi.

Aktivitou je čekání pacienta v čekárně popř. jeho ošetření v ordinaci.

1.2 Typy simulačních modelů

Simulační modely rozdělujeme podle několika hledisek. Toto rozdělení má potom úzkou vazbu na druh použitého programovacího jazyka.

Důležitým hlediskem rozdělení je způsob zachycení času v modelu. Jeho volba je jedním z nejdůležitějších rozhodnutí při konstrukci modelu. Z tohoto hlediska rozdělujeme modely na modely se spojitým časem, kde časová proměnná představuje libovolnou hodnotu z určitého intervalu (např. čas příchodu pacienta do ordinace), a modely s diskrétním časem, kde jsou časové hodnoty z určité, předem dané, spočetné diskrétní

simulace modelování

reálný svět počítač

model

množiny (např. při modelování národního hospodářství, protože hrubý domácí produkty, cenová hladina atd. se sledují většinou za určité časové období – měsíc, čtvrtletí, rok).

Podobným způsobem lze dělit modely do skupin podle změny stavu modelu, ke kterým může docházet průběžně (měření teploty na teploměru) popřípadě jen v určitých okamžicích, když nastane z hlediska modelu významná událost (počet lidí čekajících v čekárně – stav se mění jen ve chvíli, kdy pacient přijde nebo odejde). Na základě tohoto rozlišení dělíme modely na modely se spojitými změnami stavu a modely s diskrétními změnami stavu.

Podle všech těchto hledisek můžeme rozdělit modely do čtyř hlavních skupin (Tabulka č. 1), přičemž jednotlivým skupinám odpovídá určitý matematický aparát pro generování náhodných dat.

Čas

Spojitý diskrétní

Spojité Diferenciální rovnice Diferenční rovnice Stavy

Diskrétní

Simulace diskrétních

událostí Markovovy řetězce

Tabulka č. 1 Typ modelu – použití matematického aparátu

Dále se modely dělí na deterministické a stochastické a to základě existence náhodných veličin. U simulačních modelů však toto rozdělení není tak patrné, protože jsou zde nahrazeny náhodné složky deterministickými algoritmy, které pak generují hodnoty.

Rozdíly se tedy projevují až v posledních fázích procesu a to při zpracování, vyhodnocení a interpretaci výsledků.

1.3 Výstavba modelu

Důležité články procesu výstavby modelu jsou [6]:

• Formulace problému – má rozhodující vliv na výsledek, nejedná se o jednorázovou práci, prolíná se celým procesem, k opravě a zpřesnění formulace může dojít kdykoli, např. až při analýze výsledků. Hlavním úkolem v této fázi je vymezit systém, určit jeho komponenty a vazby mezi nimi, přesně kvantifikovat cíle a stanovit požadovanou přesnost charakteristik.

• Sběr a zpracování informací – tato fáze neprobíhá samostatně, sběr dat je velmi úzce spjat s modelem. Ne vždy je pravidlem, že jsou data shromažďována podle použitelnosti v modelu, mnohdy je tomu právě naopak, což znamená, že formulace modelu vychází z dostupných dat. Data se musí dále upravovat, většinou totiž nejsou přímo v námi požadované podobě. Dochází tedy k jejich záznamu, konverzi, kontrole, redukci a statistickému zpracování. Dále už následuje zadání dat do vybraného simulačního programu. Při práci s daty je často využíváno jejich generování na základě daných zákonů pravděpodobnostního charakteru.

• Formulace matematického modelu – jde o poměrně složitý úkol. Úspěch je podmíněn třemi základními činiteli. [6] Kromě znalostí a zkušeností vyžaduje formulace také vytrvalost při aplikaci metody zkoušek a omylů a také značnou dávku štěstí. Nejprve je třeba specifikovat komponenty a proměnné modelu, matematický model musí vystihovat závislost výstupů systému na jeho vstupech. Důležitý je nejen výběr samotných proměnných, ale i stanovení jejich počtu. Zabýváme se tedy problémem složitosti modelu. Ta se odráží jak v jeho použitelnosti, tak i v nákladech.

Na závěr této fáze je samozřejmě třeba provést ověření modelu. Nejjednodušším způsobem ověření je, pokud to modelu umožňuje, porovnání výsledku s údaji z minulosti popř. s údaji vypočtenými jiným způsobem.

• Odhady parametrů – nejdůležitějším úkolem v této fázi je určit vhodné pravděpodobnostní rozdělení pro proměnné pravděpodobnostního charakteru, odhad hodnot parametrů náhodných veličin, odhad funkčních závislostí atd. Před převodem

modelu do programu se doporučuje provést jeho důkladnou verifikaci, abychom zjistili jeho použitelnost.

• Realizace modelu na počítači - výpočty jsou většinou takové náročnosti, že se použití výpočetní techniky nelze vyhnout. Velmi podstatným krokem je v tuto chvíli volba vhodného simulačního programu, přitom hraje roli také snaha o redukci nákladů a času.

• Ověření správnosti modelu – dva hlavní problémy v této fázi jsou:

1. ověření správnosti převodu modelu do simulačního programu - jde o jednodušší část ověření, je překlenovacím můstkem k části druhé, poměrně náročnější.

Jedná se pouze o formální kontrolu převodu matematického modelu do modelu ve formě programu.

2. ověření správnosti simulačního modelu - tzn. zda byly zahrnuty všechny proměnné a zachyceny veškeré důležité vlastnosti zkoumaného systému.

Nejedná se o jednorázový akt, pro provedení ověření je nutné disponovat určitými údaji o modelovém systému, abychom mohli provést srovnání s údaji získanými prostřednictvím modelu. Máme-li rozhodnout mezi několika modely, poměrně často se pro jejich posouzení používá zpětná predikce, tj.

hodnotí se podle toho, jak dobře vysvětlují minulé chování modelovaného systému, o němž máme k dispozici spolehlivé informace.

• navrhování experimentů s modelem a analýza výsledků – pokud jsme přesvědčeni, že je v našem případě vhodné využití simulačních metod, především na základě ekonomické rozvahy problému (tzn. srovnání nákladů, výsledků, přínosů atd.), můžeme přistoupit k navržení simulačních experimentů a dále pak k analýze výsledků.

U simulací se vyskytují určité specifické rysy. Po provedení několika chodů se mohou výsledky experimentu lišit v důsledku:

a) různých počátečních podmínek,

b) náhodného kolísání způsobeného přítomností náhodných veličin v modelu, c) experimentálních zásahů.

Při provádění experimentů je důležitá snaha o vyloučení nebo alespoň zeslabení vlivu prvních dvou důsledků.

První problém lze ošetřit tím, že budeme u jednotlivých experimentů vycházet ze stejného počátečního času modelu. Mnohdy je ovšem tento postup nepřijatelný, protože pro některé modely nejsou přirozené stejné počáteční podmínky u jednotlivých experimentů. V případě, že je našim cílem zjištění stabilizovaného stavu systému, lze využít postup, kdy odstraníme určité počáteční fáze výsledků ze zkoumání.

Vliv náhodných složek lze zmírnit tím způsobem, že pro jednotlivé experimenty použijeme stejnou posloupnost náhodných čísel, kterou získáme, když pro generátor náhodných čísel nastavíme stejné počáteční hodnoty. Jiný postup, mnohem obecnější, spočívá v tom, že vezmeme v úvahu vliv na výsledky v důsledku kolísání náhodných složek. Výsledky pak dále analyzujeme za pomoci metod matematické statistiky.

Konečné výsledky jsou v důsledku přítomnosti náhodných složek také náhodnými veličinami. Většinou mají tvar bodových odhadů středních hodnot veličin, přínosnější jsou ovšem odhady intervalové, které nám poskytují interval, na kterém se veličina s určitou předem danou pravděpodobností nachází. Se stanovením intervalových odhadů jsou ovšem spojeny problémy autokorelace pozorování.

1.4 Metoda Monte Carlo

Původ užívání metody Monte Carlo souvisí s rozvojem výpočetní techniky. První systematičtější práce o této metodě spolu s jejím názvem pochází z období na konci druhé světové války. V té době se tato metoda uplatnila hlavně při řešení problémů z oblasti jaderné fyziky v souvislosti s vývojem atomové bomby. Po roce 1950 došlo k rozmachu používání výpočetních postupů Monte Carlo. Masivní nástup výpočetní techniky vedl k tomu, že se tato metoda používala i k řešení problémů, na které existovaly jiné, podstatně efektivnější, postupy. Po tomto období se projevila snaha o zvýšení efektivnosti výpočtů (např. metody redukce rozptylu) a postupně se ustálil okruh úloh, pro jejichž řešení je metoda vhodná.

Definice [1]: „Metodou Monte Carlo rozumíme numerické řešení pravděpodobnostních i deterministických úloh pomocí mnohokrát opakovaných náhodných pokusů.“

Mnohdy jsou simulační přístupy považovány za speciální případy aplikací metody Monte Carlo. Velké množství autorů naopak představuje simulaci jako širší pojem, který zahrnuje i postupy Monte Carlo. Někdy je těžké rozhodnout, zda se jedná o simulaci či o metodu Monte Carlo. Někteří autoři je ani nerozlišují.

Při aplikaci metody Monte Carlo je při experimentování třeba [4]:

a) formulovat novou úlohu (pravděpodobnostní model), která má shodné řešení s původní úlohou,

b) řešit novou úlohu pomocí statistických experimentů.

Při použití metody Monte Carlo získáme hodnoty (popř. odhady hodnot) pomocí umělých realizací náhodných procesů, které opakujeme mnohokrát za sebou. Získané řešení má potom pravděpodobnostní charakter.

Pro odhad chyby zde platí:

e – chyba odhadu

δ – směrodatná odchylka

n – počet průchodů.

Oblasti aplikace metody Monte Carlo [1]:

Ø finanční plánování a řízení rizik v podniku,

Ø modelování vývoje finančních trhů a oceňování aktiv,

Ø analýza chování oligopolních trhů,

Ø modelování dopadů hospodářské politiky.

e δn

=

1.5 Využití simulačních metod

Cíle, které jsou důvodem pro použití simulace, se většinou do určité míry překrývají. Tímto cílem může být například pochopení reálného systému. Jde o zjištění nedostupné struktury systému, tvorbu a ověření hypotézy o jeho vnitřní struktuře. Již při samotné konstrukci simulačního modelu může dojít k určitým optimalizačním návrhům.

V této fázi dochází totiž ke konfrontaci pracovníků několika oddělení, různých odborníků, střetávají se zde odlišné pohledy na daný systém. Dalšími impulsy k simulaci může být také parametrická studie reálného systému (zkoumáme, jaký vliv má změna parametrů na efektivnost systému apod.), dále pak pokus o nahrazení experimentu na reálném systému, který je obvykle mnohonásobně nákladnější, popř. i rizikovější či zdlouhavý nebo dokonce nemožný. Všech těchto cílů by bylo možné dosáhnout i analytickou cestou, ale ne vždy je takové řešení dostupné.

Mezi oblasti aplikace simulačních metod patří [1]:

Ø řízení rozsáhlých projektů,

Ø optimalizace výrobních systémů,

Ø on-line plánování,

Ø řízení zásobovacích procesů,

Ø systémy hromadné obsluhy všech druhů,

Ø dopravní systémy,

Ø počítačové a komunikační systémy.

Simulační metody se využívají hlavně z důvodu složitosti většiny rozhodovacích a řídících modelů. Pouze malý zlomek těchto modelů lze bez větších obtíží řešit numerickou cestou. Proto je mnohdy simulace posledním možným způsobem řešení složitých dynamických pravděpodobnostních systémů.

Velkou výhodou využití simulací je možnost uživatele studovat chování systému způsobem, který je pro daný model nejvhodnější, to znamená ve zrychleném, zpomaleném nebo reálném čase. Jako příklad lze uvést chování ekonomických ukazatelů, u nichž je

nejlepší způsob pozorování zrychlený čas, neboť cílené zásahy v ekonomice se vyznačují dosti dlouhou odezvou vzhledem k jejich pozorovatelným důsledkům.

Jako další příklad výhod simulací lze uvést možnost ověření si výsledků, zjištěných jinou nezávislou cestou, přičemž poskytuje komplexnější pohled na studovaný systém.

V některých případech není možné provádět reálné experimenty, většinou jsou také mnohokrát nákladnější a časově náročnější než využití simulačních metod. V případě simulací jde navíc provádět experimenty opakovaně.

Použití má samozřejmě i své nevýhody. Některými z nich jsou například nákladnost a zdlouhavost výstavby modelu. Výsledky simulačních modelů jsou náhodné veličiny a poměr zvyšovaní přesnosti řešení a délky spotřebovaného času je poměrně malý.

Simulace není většinou jediným možným nástrojem, který lze k nalezení řešení použít. Musíme se proto vždy rozhodnout, zda je tato cesta řešení nejvhodnější.

2 MODELY HROMADNÉ OBSLUHY

Simulační metody jsou využívány v několika disciplínách operačního výzkumu.

Jednou z nich jsou Modely hromadné obsluhy (MHO), v nichž se simulační metody používají nejdéle, a bylo zde získáno značné množství zkušeností.

Teorie hromadné obsluhy (teorie front) [3] kvantitativně zkoumá takové procesy, v nichž může docházet k hromadění (čekání) určitých jednotek, které je způsobeno omezenou kapacitou obsluhy. Obsluhou rozumíme provedení jistých operací s uvažovanými jednotkami.

Častým cílem, který je sledován při zkoumání objektů pomocí MHO, je měření vzájemných vazeb mezi základními ukazateli charakterizujícími kvalitu a efektivnost systému hromadné obsluhy (SHO) a nalezení optimálního provozního režimu vzhledem ke kritériu, které jsme si zvolili. Při optimalizaci režimu lze mnohdy výrazně snížit možnost vzniku front, popř. snížit celkové ztráty z důvodu čekání. Většinou tato optimalizace souvisí s navýšením kapacity obslužných zařízení. Proto je třeba brát vždy v úvahu ekonomickou stránku věci.

Modely hromadné obsluhy lze řešit jak analyticky, tak i prostřednictvím simulačních metod. U analytického řešení jsou modely omezeny na poměrně jednoduché případy se standardním rozdělením náhodných veličin (hlavně exponenciální a gama rozdělení) u intervalů příchodů a doby obsluhy, s jednoduchou strukturou sítě obslužných kanálů, modely bez priorit s jednoduchými pravidly pro odchod prvků z front obsluhy.

Simulační metody umožňují poměrně snadno překonat řadu z uvedených potíží.

2.1 Základní prvky MHO

V systémech, které zkoumá teorie hromadné obsluhy, můžeme identifikovat prvky dvojí povahy:

• obsluhované jednotky (zákazníci, požadavky) – obsluhu vyžadují,

• obslužné linky (kanály, zařízení) – obsluhu poskytují.

Obslužné linky mají obvykle tu vlastnost, že mohou v určitém okamžiku poskytnout obsluhu pouze uzavřenému počtu požadavků (většinou pouze jednomu). Z toho

důvodu dochází v těchto systémech ke vzniku front, také může nastat situace, kdy jednotky systém opouštějí z důvodu dlouhé fronty bez obsluhy.

Obrázek č. 3 Systém hromadné obsluhy

Pro matematický popis MHO je nutno dále specifikovat:

Vstupní proud požadavků

Intenzita vstupního toku je jeden z faktorů, které mají zásadní vliv na činnost celého systému hromadné obsluhy, ovlivňuje totiž délku fronty, využití linek apod.

Většinou přicházejí požadavky do systému v náhodných okamžicích, proto lze vstupní proud požadavků charakterizovat jako stochastický proces. Délky časových intervalů mezi jednotlivými příchody jsou tedy hodnoty spojitých náhodných veličin. Podle empirických údajů odpovídá vstupní proud požadavků Poissonovu rozdělení, tomu odpovídá exponenciální rozdělení intervalů mezi jejich příchody. Tyto systémy bývají označovány jako exponenciální. Analyticky obtížnější jsou potom systém s jinými rozděleními vstupních požadavků, např. Erlangovo rozdělení, logaritmickonormální, apod.

Podle zdroje, ze kterého přicházejí do systému vstupní požadavky, rozlišujeme systémy uzavřené - v případě, že je zdroj omezený a otevřené – v případě opačném, kdy přicházejí požadavky do systému neomezeně.

Zdroje požadavků (omezené x neomezené)

Fronta (jedna nebo více)

Obslužné zařízení (jedno nebo více)

Výstupy z obsluhy

Systém obsluhy

Proces hromadné obsluhy

Při specifikaci náhodných veličin na základě dat z reálného systému můžeme narazit na určité problémy:

a) Nestacionárnost vstupního toku – intervaly mezi příchody jsou hodnoty časově závislých náhodných veličin. Tento problém se řeší rozčleněním sledované doby na určité úseky, ve kterých je vstupní tok stacionární (např. „špička“ a „slabý provoz“).

b) Nehomogennost požadavků – zdroje, ze kterých přicházejí požadavky, se liší, proto se u jednotlivých požadavků mohou lišit např. doby obsluh, jejich priorita aj. Takovéto situace je možno zachytit společným rozdělením pravděpodobností intervalů mezi příchody spolu s rozdělením pravděpodobnosti příslušnosti jednotky k určité kategorii, nebo se uvažuje pro každý zdroj samostatné rozdělení intervalů mezi příchody požadavků z určitého zdroje, vstupní tok je pak „směsí“

několika toků.

c) Skupinové vstupy – tento problém nastává v případě, že prvky nepřicházejí do systému jednotlivě, ale po skupinách, jejichž velikost je náhodná veličina.

d) Závislost intenzity vstupního toku na stavu systému – vyskytuje se v uzavřených systémech. V případě, že je v systému velká fronta, některé jednotky to odradí a systém předčasně opustí.

Doby obsluh

Při modelování systému je nutné stejně jako u vstupního proudu požadavků popsat i dobu trvání obsluhy jednotlivých požadavků. Vzhledem k tomu, že je obsluha ovlivňována mnoha faktory, jde taktéž o náhodnou veličinu. Podle empirických zjištění se většinou řídí také exponenciálním zákonem rozdělení.

Disciplína čekání ve frontě

Systémy hromadné obsluhy můžeme podle trpělivosti jednotek dělit na systémy bez čekání (požadavek v případě obsazenosti linek do systému nevchází a rezignuje na obsluhu) a systémy s čekáním (pokud jsou linky obsazeny, požadavek se zařadí do fronty, ve které buď trpělivě čeká, nebo po nějaké době, ve které není obsloužen, odchází).

Systémy s čekáním zahrnují systémy s neomezenou délkou fronty (v případě, že požadavek trpělivě čeká, bude obsloužen) a s omezenou délkou fronty (při plné obsazenosti systému je další příchozí jednotce obsluha odepřena).

Režim fronty

U každé fronty je nutné určit pravidlo, podle kterého se řadí jednotky do fronty, resp. odcházejí do obsluhy.

V případě, že jsou obsluhovanými jednotkami lidé, používá se nejčastěji režim fronty FIFO („first in, first out“) – jednotky jsou obsluhovány podle jejich příchodu do systému. Dalším velmi používaným režimem je LIFO („last in, first out“) – jednotky jsou obsluhovány v opačném pořadí, než ve které přišly, tento režim je využíván například ve skladu, kde je jednodušší vyskladnit věci nové, než ty, které na sklad přišli jako první.

Systémy obsluhy s pevně stanoveným pořádkem se označují jako systémy s uspořádanou frontou.

Dále existují systémy s prioritami PRI („priority“), kde se při řazení požadavků přihlíží k jeho důležitosti popřípadě k naléhavosti jeho obsluhy, priorita je pak vyjadřována jejím stupněm. Další typem jsou systémy s neuspořádanou frontou, ve kterých jsou jednotky uspokojovány v náhodném pořadí SIRO („selection in random order“).

V SHO můžeme dále rozlišovat systémy s jednou frontou pro všechna zařízení nebo s více frontami, kde je obvykle přiřazena ke každému obslužnému zařízení jedna fronta. V těchto případech se většinou může v průběhu čekání mezi jednotlivými frontami přecházet.

Režim obsluhy

Uspořádání a počet obslužných zařízení je také jedním z hlavních faktorů optimálního chodu systému. Rozlišujeme tak systémy s pouze jedním obslužným zařízením – systém s jednoduchou obsluhou a systém s vícekanálovou obsluhou – v případě, kdy je možné obsluhovat více jednotek najednou. Adaptabilní systém není pevný a lze v něm měnit počet míst v obsluze.

Často se vyskytují v praxi systémy s kanály vedle sebe (paralelní uspořádání), méně často již kanály za sebou (sériové uspořádání). Někdy lze uvažovat složitou strukturu sítě obslužných kanálů, kterou je možné vyjádřit zřetězením paralelního a sériového uspořádání.

Speciální rysy systémů

Někdy nejsou výše uvedené charakteristiky dostačující k vystižení důležitých stánek systém, protože existují některé další vazby nebo omezení (trpělivost jednotek při čekání, jejich ochota připojit se k frontě určité délky, zastupitelnost linek, neúspěšná obsluha a tedy nutnost jejího opakování apod.), které je v modelu také nutné respektovat.

2.2 Klasifikace systémů hromadné obsluhy

Popis modelů hromadné obsluhy na základě specifikace základních prvků můžeme klasifikovat podle určitých hledisek.

D. G. Kendall navrhl úspornou notaci, jež umožňuje zachytit a klasifikovat systémy hromadné obsluhy, která se stala běžně používanou standardní klasifikací. Spočívá v používání trojmístného kódu - dvou písmen a jedné číslice ve tvaru A/B/s, v němž první písmeno A slouží k označení rozdělení intervalů mezi příchody požadavků, druhé písmeno B znázorňuje rozdělení dob trvání obsluhy a poslední číslice s určuje počet paralelních zařízení obsluhy v systému.

Pro A a B, resp. pro označení rozdělení intervalů mezi příchody a rozdělení dob trvání obsluhy se mohou většinou vyskytovat následující symboly:

• D – deterministické rozdělení,

• M – exponenciální rozdělení (Markovova typu),

• Ek – Erlangovo k-fázové rozdělení,

• GI – obecné nezávislé rozdělení,

• G – obecné rozdělení.

Existují také různé modifikace této klasifikace jako např. rozšířený pětimístní kód, který je ve formě A/B/s/x/y a mnoho dalších. První tři symboly jsou totožné s předchozím kódem, x zde určuje maximální počet míst v systému a y režim fronty. Méně často pak x označuje počet míst v systému a y velikost zdroje požadavků. Může také nastat situace, kdy je některý se symbolů vynechán, v tom případě je jeho hodnota nekonečně velká.

Kombinací systémů hromadné obsluhy podle jednotlivých charakteristik je mnoho, pro představu si zde nastíníme základní nejjednodušší model hromadné obsluhy.

Jednoduchý exponenciální kanál (M/M/1/∞/FIFO)

Jde o nejjednodušší pravděpodobnostní model systému hromadné obsluhy, praxi se příliš nevyskytuje, ale pro vysvětlení základů je nejvhodnější.

Předpoklady modelu:

Ø doby obsluhy a doby mezi jednotlivými příchody jednotek do systému mají charakter exponenciálního rozdělení,

Ø systém je tvořen jedním obslužným zařízením - jednotky jsou obsluhovány po jedné v pořadí, v jakém do systému přišli (FIFO),

Ø jde o otevřený systém – zdroj požadavků je nekonečný,

Ø délka fronty není omezena,

Ø při obsazenosti zařízení čekají jednotky trpělivě ve frontě,

Ø počet vstupních požadavků má Poissonovu rozdělení.

Předpoklad exponenciálního rozdělení dob mezi příchody a dob trvání obsluhy, stejně jako Poissonovo rozdělení u počtu jednotek, je třeba vždy testovat. Obvyklý je např.

χ² test dobré shody.

Pro intenzitu příchodu požadavků zavedeme značení λ a intenzitu obsluhy µ (u paralelní obsluhy je to obdobné, jen intenzita obsluhy pro 2 zařízení je 2µ atd. až pro S obslužných kanálů je to S⋅µ– fronta zde vzniká až při příchodu (S+1). požadavku.

Pravděpodobnost vstupu n jednotek v časovém intervalu ^{T =}

( )

( ) ( )

n

n e

n T T

P ⋅ ⋅ ^{− ⋅}

= λ ^λ

! , pokud rozdělení dob mezi příchody t odpovídá exponenciálnímu rozdělení, pak je hustota pravděpodobnosti rozdělení ^f

( )

Obdobně je tomu u rozdělení dob obsluhy, kde je hustota pravd. ^f

( )

Číslo n nám značí stav systému v okamžiku t a udává počet jednotek v systému.

Dané číslo závisí pouze na předcházejícím stavu a dále již na žádném jemu předcházejícím, z toho plyne, že má tento proces charakter Markovova procesu.

Pravděpodobnost přechodu mezi jinými než sousedními prvky bude tedy nekonečně malá.

Uvažujeme totiž pouze dvě možnosti, které mohou nastat. Buď jednotka setrvá ve stejném stavu, nebo přejde do stavu sousedního.

( )

p_n - pravděpodobnost, že je systém v okamžiku t ve stavu s_n (jeden požadavek je v obsluze a (n-1) je jich ve frontě)

Matice pravděpodobností přechodu:





















∆

⋅

−

∆

⋅

−

∆

⋅

∆

⋅

∆

⋅

−

∆

⋅

−

∆

⋅

∆

⋅

∆

⋅

−

=

...

0 0 0

...

...

...

...

...

1 0

...

1

...

0 1

t t

t

t t

t t

t t

S µ µ λ

λ λ

µ µ

λ λ

obsahuje pravděpodobnosti přechodu mezi jednotlivými stavy za dobu ∆t. t

∆

λ⋅ - pravděpodobnost příchodu nové jednotky v intervalu

(

)

t

∆

µ⋅ - pravděpodobnost ukončení obsluhy 1 jednotky v intervalu

(

)

Prvky na diagonále matice pravděpodobností přechodu vyjadřují pravděpodobnost setrvání v příštím okamžiku ve stejném stavu. Prvky vpravo od ní pak pravděpodobnost příchodu nového požadavků a vlevo pravděpodobnosti ukončení obsluhy. Ostatní prvky jsou rovny nule, protože do jiného než sousedního stavu nemohou prakticky jednotky přejít.

2.3 Použití modelů hromadné obsluhy

Modely hromadné obsluhy řeší 2 základní typy problémů [6]:

1. Stanovení důležitých pracovních charakteristik systému na základě jeho matematického popisu - vzhledem k tomu, že činnost systému ovlivňují náhodní činitelé, také výsledné charakteristiky jsou potom náhodné veličiny. Z toho důvodu jsou výsledky, ke kterým dospějeme většinou odhady středních hodnot (střední doba čekání ve frontě, střední doba obsluhy apod.).

2. Stanovení optimálních parametrů systému – pokud existuje ve struktuře systému určitá volnost, to znamená, že můžeme upravovat některé základní prvky systému (např. snižovat resp. zvyšovat počet obslužných linek), nebo můžeme ovlivňovat vstupní toky požadavků, lze provést optimalizaci činnosti systému. Tu lze provádět podle různých hledisek, přičemž některá jsou protichůdná. Proto je důležité najít mezi nimi kompromis (př. délka fronty x vytíženost zařízení).

2.4 Optimalizační úlohy teorie hromadné obsluhy

Modely systémů hromadné obsluhy plní jak funkci deskriptivní, tak i normativní.

Deskriptivní modely umožňují popis reálných situací, často jsou konstruovány za účelem vysvětlení vztahů mezi jednotlivými prvky systému.

Normativní modely dávají přímo návrhy k rozhodování, optimalizaci, neboť slouží k určení nejvhodnějších hodnot veličin systému vzhledem ke zvolenému kritériu.

Předpokladem pro optimalizaci je ovšem možnost ovlivňovat některé jeho prvky společně, tím zprostředkovaně i charakteristiky, a explicitně stanovit kriteriální funkci, jejíž hodnoty kvantitativně ohodnocují důsledky různých rozhodnutí v souladu s cílem, který jsme si na začátku vytyčili.

Jak již bylo jednou řešeno, při optimalizaci mnohdy narážíme na protichůdné požadavky. Výsledkem optimalizace pro jednotku je zkrácení doby čekání ve frontě, na straně druhé je pak důsledkem menší vytíženost zařízení. Proto je většinou v reálných situacích nutné respektovat zájmy obou stran a snažit se dosáhnout nejlepšího nalezeného kompromisního řešení, které bude vyhovovat alespoň do určité míry oběma stranám.

Kriteriální funkce, u které se prostřednictvím optimalizace snažíme dosáhnout extrému, může mít někdy tvar nákladové popřípadě ziskové funkce. Jako jiné kritérium může být stanovena také kritická hodnota některé charakteristiky modelu (např. délka čekání požadavků ve frontě).

3 CALL CENTRUM VS. KONTAKTNÍ CENTRUM

3.1 Definice pojmů

V dnešním světě se s call centry popř. kontaktními centry setkává téměř každý člověk a to poměrně často. Mnoho lidí si ani jejich významnou funkci jak pro samotného zákazníka, tak pro firmy neuvědomuje. Zajištění dobré funkce call centra má pro podniky obrovský význam, neboť operátoři přicházejí do bezprostředního styku se zákazníkem a mohou tak utvářet jeho pohled na celou společnost, udržet a zkvalitnit vztahy s klienty.

Centra, která používají dva druhy komunikace – tzn. telefonní a zároveň netelefonní komunikační kanály (jako e-mail nebo web) jsou známy jako kontaktní centra.

Definice pojmů:

Call centrum [18] (český název „centrum obsluhy volání“ se příliš nevžil) – je organizační jednotka, která slouží k hromadnému zpracování příchozích a odchozích telefonních hovorů. Měla by být vybavena odpovídající pobočkovou telefonní ústřednou, dostatečným počtem telefonních linek a odborně školenými operátory.

Kontaktní centrum – zahrnuje všechny zákaznické komunikační kanály, včetně telefonních, interaktivní hlasové komunikace (IVR – Interactive voice response), rozpoznávání hlasu, e-mail, web nebo fax. Je to prostředí pro příchozí a odchozí služby, ve kterém zástupci zákaznických služeb ovládají všechny typy činností, ať už se týkají prodeje, zákaznického servisu a podpory, telemarketingu nebo dalších funkcí.

Telemarketing [18] - je obecně komunikace se zákazníky pomocí telekomunikačních prostředků (nejčastěji telefon). Telemarketing je již nyní nejefektivnějším marketingovým nástrojem a vzhledem k vývoji telekomunikace ve světě se počítá s dalším posilováním tohoto postavení.

Jak již vyplynulo z definic uvedených výše, rozdíl mezi call centry a kontaktními centry spočívá v tom, že call centra vyřizují pouze telefonní hovory, zatímco kontaktní centra komunikují přes více kanálů, tzn. navíc přes fax, e-mail, dopisy atd.

Význam kontaktních center a call center se překrývá, proto již v dalším textu nebudeme tyto dva pojmy rozlišovat a nadále budeme jednotně používat pouze všeobecně užívaný termín call centrum.

3.2 Charakteristika call center

3.2.1 Vývoj call center

Český trh call center [19] odstartoval o několik let později, než se tak stalo ve Spojených státech. Začátky tohoto oboru je třeba hledat ve 40. letech dvacátého století, kdy poprvé začaly práci telefonistky-spojovatelky. Organizace připomínající naše dnešní call centra vznikly s vývojem aerolinií a byly využity v informačních a rezervačních službách.

V České republice, podobně jako v ostatních evropských státech, je za první call centru považován informační servis o telefonních číslech. Začátkem 90. let spolu s ním vznikla bezplatná čísla 0800, která nasměrovala začátek vzniku pohodlného informování o službách a produktech v našem povědomí. Nikdo ale nenabízel služby call centra jako svůj předmět podnikání. Teprve v druhé polovině devadesátých let byla i u nás založena oddělení péče o zákazníky v modelu vyzkoušeném v západoevropských firmách [20].

3.2.2 Rozdělení call center

Call centra můžeme dělit následujícím způsobem:

Ø Pasivní call centrum – převážnou část komunikace vyvolává sám zákazník, operátoři v tomto případě většinou čekají na jeho vlastní podnět. Příkladem účelu volání do pasivního call centra je technická podpora, objednávka, získání informace atd. Kritická místa zde mohou nastat u operátorů v jejich nedostatečné vytíženosti a také naopak u zákazníků při dlouhém čekání ve frontě (při přetíženosti linky).

Ø Aktivní call centrum – zde je naopak iniciativa na straně operátora, který klienta kontaktuje. I tady však o komunikaci rozhoduje zákazník. Určí, zda vůbec nějaký hovor proběhne, vždy má možnost telefon nezvednout, nebo naopak v průběhu rozhovoru telefon zavěsit. On také určuje směr konverzace, úlohou zkušeného

operátora je pak navést řeč směrem svých potřeb, aniž by to klient postřehl a měl pocit, že je k něčemu nucen.

Ø Kombinace obou – v tomto případě jsou většinou vytvořeny ve společnosti týmy, přičemž každý má na starosti jednu oblast. Úkolem operátorů pasivní části je nejvyšší možná dostupnost, u aktivní části je to pak maximální vytíženost.

Ø Interní call centrum - je pevnou organizační součástí dané společností. Ta ho využívá k vyřizování telefonních hovorů se svými zákazníky a partnery. Je zřízeno výhradně pro potřeby podniku, technické parametry, kapacitu apod. se snaží společnost nastavit přesně podle svých aktuálních potřeb a možností.

Ø Externí call centrum – na rozdíl od interního call centra poskytuje služby i třetí straně (tzn. i jiným společnostem) a to prostřednictvím outsourcingu. Obrovskou výhodou pro firmy, které externího call centra využívají, je možnost velmi flexibilně reagovat kupříkladu zvýšením kapacity při marketingové kampani, výhodou je přitom také značná úspora nákladů. Tato call centra jsou na profesionální úrovni jak v technické vybavenosti, tak i v odborném školení operátorů, telekomunikačním přístupu atd.

Ø Kombinace - některé společnosti se rozhodnou pro kombinaci těchto dvou druhů call center. Často se například vyskytují takové, které si samy zajišťují pasivní telemarketing a pro aktivní využívají externího call centra.

Dále můžeme rozlišovat například místní kontaktní centra (v místě působení společnosti), v jiných městech v republice (většinou zřizované za účelem redukce personálních nákladů, výše nájmu apod.), popřípadě může být kontaktní centrum umístěno v jiném státě (což není prozatím pro Českou republiku zejména kvůli jazykové bariéře typické).

3.2.3 Komunikace v zákaznických centrech

Zákaznická linka

Převážná část firem využívá při volání zákazníka do call centra nahrané hlasové menu (v České republice využíváno 16% kontaktních center [15]), které zákazníka vede pomocí stisku tlačítek na klávesnici. V tomto případě je nespornou výhodou, že zákazník

nepotřebuje komunikovat s živým operátorem a také, že je mu tato možnost dostupná v kteroukoli denní dobu. Výběrové menu by však mělo být vždy zohledněno pro tápající klienty, kteří si s touto nabídkou neporadí a nasměrovat je v případě nerozhodnosti na operátora, který s nimi osobně daný problém nebo dotaz vyřeší. Důležité také je, aby byli zákazníci na telefonát sami připraveni (důkladně si promysleli, s čím potřebují poskytnout pomoc a mít po ruce vše potřebné - smlouvu, zákaznické číslo apod.), jinak se telefonát při vyřizování zbytečně prodlužuje. U těchto samoobslužných systémů se začíná prosazovat nová technologie rozpoznávání hlasu, při níž již není zapotřebí provádět volbu pomocí tlačítek na telefonu, ale automat sám rozpozná vyřčenou číselnou volbu klienta a přepojí ho dál.

Největší stížnosti ze strany klientů je zapříčiněno jejich čekáním na spojení. Je jim přitom lhostejné, zda slyší po tuto dobu ze sluchátka nejnovější nabídku společnosti, nebo jejich čekání zpříjemňuje hudba.

Alternativní použití internetu

Čas mohou zákazníkovi mnohdy ušetřit internetové stránky. Nalezne na nich většinou rady v obvyklé nabídce „časté dotazy“ apod., prostřednictvím webového formuláře na stránkách společnosti lze pak obvykle objednat, zrušit, změnit služby. Nejsou ovšem většinou koncipované na definování složitějších dotazů, ty je mnohem vhodnější řešit prostřednictvím emailu, kde je na ně prostor a zákazník se tam může libovolně rozepsat.

Mezi současné trendy nejen v call centrech, ale všeobecně v zákaznické péči patří snaha snížit náklady call centra tak, že si klient může najít hodně informací sám, stejně tak zprostředkovat transakce či nastavit služby samostatně pomocí internetu. Jde jen o to, přimět zákazníka k tomu kroku, ukázat mu, jak je to jednoduché, pohodlné a maximálně mu to zpříjemnit.

Používání cizích jazyků v call centrech

Novým trendem zajisté není vícejazyčnost, stále ale zažívá významný růst. Na základě nových technologií dnes není rozdíl mezi místním call centrum nebo případu, kdy je jeho sídlo ve vzdálené destinaci. Díky dostatečně jazykově vybavenému personálu a

snadnosti cestování se tato vzdálenost mezi klientem a operátorem stírá. V ČR zkušenosti operátorů s obsluhou zákazníků ve více jazycích stále rostou.

3.2.4 Personální hierarchie v call centru

Nejvyšší pozici v call centru obvykle zastává a celé call centrum řídí a kontroluje manažer nebo ředitel.

Funkci vedoucího call centra má pak ve svých rukou většinou supervizor, popřípadě také team leader (česky také nazýván týmlídr). Někdy se vyskytují obě tyto funkce a existuje mezi nimi jistá hierarchie, kdy je supervizor nadřízený několika team leaderů.

Náplň práce supervizora spočítá především v koučování operátorů a také poskytování pomoci při řešení a konzultaci různých problémů. Obvykle má jeden supervizor tým 3 – 15 operátorů. Vyskytují se i call centra, ve kterých vede supervizor i více agentů, v takových případech však mohou nastat potíže. Dále se stará o provozní a administrativní záležitosti (plánování směn, kontrola docházky, hodnocení, reporty, atd.), provádí aktualizace postupů, školení. Pokud je třeba, zastává činnost operátora (např. při nespokojenosti klienta, ve špičce). V neposlední řadě komunikuje s nadřízenými, ostatními odděleními společnosti a pracuje na projektech.

Jádrem celého call centra jsou již několikrát zmiňovaní operátoři nebo též agenti, specialisté apod. Ti zajišťují především komunikaci s klientem.

Telefonní operátoři umí profesionálně komunikovat prostřednictvím telefonu a jiných komunikačních kanálů. Očekává se od něj především příjemný hlas, musí být ochoten pomoci, jeho mluva nesmí být nevraživá, nátlaková, nebo snad dokonce lhostejná, za každé situace by měl zůstat v klidu a vyjít klientovi vstříc.

Mezi výhody profesionálních operátorů patří, že se v dané problematice vyznají, a proto dokáží klást klientovi vhodně otázky, jsou schopni jim vše vysvětlit a popsat.

Operátor umí využít krátkého času při telefonátu, dokáže vzbudit v klientovi zájem a ochotu naslouchat. Zvládá bezpečně také hovory typu reklamace, stížnost apod.

Vyjmenované klady profesionálních operátorů však nemusí platit vždy a všude.

Kvalita operátora záleží jak na člověku samém, tak na daném podniku. Postu operátora by měl předcházet cílený výcvik, systematické školení a neustálý rozvoj dovedností, které obvykle zajišťuje trenér.

Mezi další osoby, které v call centru vystupují, patří IT manažer (technik), jehož úloha s používáním vyspělejších technik stále stoupá, dále zde můžeme najít školitele (trenéra, v menších call centrech tuto pozici zastává supervizor). U větších call center stojí samostatně personální management a obchodní část.

3.2.5 Pracoviště operátora

Bezprostřední okolí operátora zajisté ovlivňuje komfort práce a tedy i kvalitu poskytovaných služeb. Velikost a uspořádání pracoviště závisí na konkrétním typu činnosti operátora (někteří používají pouze telefon a počítač, jiní navíc různé množství materiálů apod.). Obvykle mají podobu pracovních stolů oddělených od sebe navzájem pomocí příček. Ty jsou vhodné zejména z rušivých důvodů, ale také pro důležité poznámky operátorů. Akustické problémy nejsou pro operátory díky kvalitní náhlavní soupravě velký problém.

3.2.6 Charakteristiky call centra

Mezi základní charakteristiky call centra patří:

Ø Rozdělení příchodu telefonátů – rozdělení příchodu telefonátů do systému se většinou řídí exponenciálním pravděpodobnostním rozdělením, počet telefonátů pak Poissonovým rozdělením.

Ø Režim vyřizování příchozích hovorů – ve většině call centrem realizováno režimem fronty FIFO. Hovory jsou tedy odbavovány v pořadí, v jakém zákazníci volali (jak již bylo popsáno v kapitole 3). Některé společnosti mají ovšem zavedeny u jednotlivých zákazníků priority, v tom případě jsou zákazníci, kteří mají prioritu, odbavováni přednostně.

Ø Druhy telefonátů – dělí se na příchozí a odchozí hovory. Operátoři mohou být rozděleni na vyřizující pouze příchozí a ostatní pouze odchozí hovory, popř. někteří mohou vykonávat oba typy telefonátů. To je realizováno například tak, že agent přijímá hovory a v případě, že není na linkách fronta, vykonává odchozí volání.

Ø Čekání ve frontě – délka čekání zákazníků ve frontě závisí na několika faktorech. Jsou jimi především rozdělení příchodu požadavků, režim vyřizování příchozích hovorů, rozdělení dob obsluhy a kapacita dostupných operátorů. Snaha firmy je toto čekání minimalizovat, stejně jako se snaží snížit i počet zákazníků, kteří odejdou ze systému před dokončením obsluhy (většinou z důvodu netrpělivosti).

Ø Rozdělení dob obsluhy – řídí se obvykle stejně, jako je tomu u rozdělení vstupu požadavků, a to exponenciálním rozdělením.

3.3 Call Centra v České republice

Podle průzkumu [20] společnosti Genesis Telecommunications Laboratories (předního poskytovatele softwarových řešení pro kontaktní centra, který se zabývá komplexním řízením vztahů se zákazníky), dceřiné společnosti koncernu Alcatel, se v České republice nachází přes 580 call center, ve kterých se volajícím zákazníkům věnuje přes 14 tisíc operátorů.

Z toho [14] se 77% call center nachází v krajských městech. Přestože míří firmy často z důvodu méně nákladné pracovní síly do levnějších regionů, je překvapující, že 57% zákaznických center stále sídlí v Praze. To je pravděpodobně způsobeno nemožností regionů poskytnout firmám dostatečně kvalifikovanou pracovní sílu, nové specialisty, jazykovou vybavenost operátorů, popř. jejich odbornou technickou znalost, což je pro společnosti mnohdy důležitější než mzdové náklady.

Zákaznická centra se věnují především obsluze zákazníků v oblastech marketingu a prodeje (26%), finančnictví (23%) a telekomunikací (22%) a nadále se rozšiřují do všech odvětví.

Naprostá [14] většina kontaktních center je činná vevíce oblastech. Zabývají se:

1. 77% řešením problémů stávajících klientů, 2. 73% dodáváním informací,

3. 63% reklamací produktů i služeb, 4. 53% poskytováním produktů a služeb, 5. 45% telemarketingem.

Nejdynamičtěji se rozvíjející call centra jsou ta, která mají do 30 operátorů [14].

V České republice zákazníci upřednostňují v poměru placených služeb a péče zdarma servis gratis, který call centra nabízejí, přestože západní trend nabírá opačný směr. Nízké je procento call center (21%), která zavedla nepřetržitý provoz.

Kontaktní centra u nás umí poměrně dobře komunikovat v několika světových jazycích. [15] Téměř dvě třetiny (59%) call center pokrývají službami pouze ČR, necelá pětina (17%) Česko i Slovensko. Další pětina (19%) se zaměřuje na více zemí s minimálně třemi jazyky obslužnosti, přičemž nejčastěji se jedná o jazyk anglický (81%) a jazyk německý (70%), dále pak francouzštinu (30%), ruštinu (26%), španělštinu (19%) a italštinu (17%) .

U call center Čechům nejvíce vadí [16] automatizované menu s mnoha (nebo nesprávnými) volbami (43%), dlouhé čekání na lince (38%).

Odpověď na email očekávají do 24 hodin (50%), do hodiny (16%), do čtyř hodin (16%), do 48 hodin (14%).

Na operátora linky jsou Češi ochotní čekat do dvou minut (65%), do pěti minut (21%).

4 KARNEVAL MEDIA, S.R.O.

4.1 Představení společnosti

Společnost Karneval Media, s.r.o. vznikla v roce 1994, je poskytovatelem služeb kabelové televize, vysokorychlostního internetu a v minulém roce začala, tenkrát ještě druhá největší kabelová společnost, nabízet také telefonní služby.

V lednu letošního roku došlo k fúzi společností Karneval Media, s.r.o. a UPC Česká republika, a.s., která poskytuje stejné druhy služeb. UPC jako nejsilnější provozovatel přípojek (síť asi v 80 větších městech) v České republice koupil svého největšího konkurenta za v přepočtu více než devět miliard korun. V lednu 2007 tak přešel Karneval do vlastnictví UPC. Konečným spojením těchto dvou společností vznikne podnik, zaměstnávající asi 600 zaměstnanců. Prozatím vystupují každá pod svým vlastním jménem. To by se mělo změnit po létě 2007, kdy je plánováno dokončení jejich spojení pod společnou značku UPC. Úřad pro ochranu hospodářské soutěže povolil posílení pozice lídra na trhu sloučením těchto dvou společností jen na základě přísných podmínek, které se týkají především dodržení současné úrovně cen služeb, později je může upravovat na základě vývoje inflace nebo zvyšujících se oprávněných nákladů. Dále nesmí diskriminovat přístup ostatních provozovatelů televizních sítí k programům, ke kterým mají výhradní právo apod.

UPC poskytuje v České republice kabelové připojení na internet téměř 200.000 uživatelům, z toho asi 80.000 zákazníků je přihlášeno pod společností Karneval. Jejich konkurent ADSL poskytuje internetové připojení asi 450.000 zákazníkům.

Kabelovou a satelitní televizi od UPC a Karnevalu si předplácí přes 660.000 lidí.

UPC bude mít po fúzi v dosahu na 1,2 milionu domácností – dominantní postavení v Praze (Karneval půl milionu domácností, 270 tis. zákazníků – silná pozice především na Moravě), nyní obsluhuje zhruba 900.000 zákazníků (leden 2007).

Svou strategii a udržení nejsilnější pozice spatřují v poskytování slevových balíčků na poskytování všech tří nabízených služeb, tzn. připojení k internetu, volání a kabelové televize.

5 SIMULACE REÁLNÉHO SYSTÉMU

Před samotným započetím tvorby modelu v simulačním programu je třeba upravit poskytnutá data do tvaru, ve kterém s nimi můžeme pracovat nadále při simulaci. Pro tyto účely byl vybrán doplněk tabulkového procesoru Microsoft Excel Crystal Ball. Zároveň je nutné promyslet model, ujasnit si jeho strukturu a objasnit, co od simulace očekáváme, tedy její cíl.

Pro sestavení a experimentování s modelem bude využit simulační program Simul8, který je uživatelsky příjemný a jehož uživatelské rozhraní umožňuje rychlejší a snadnější práci se simulačním modelem, než je tomu u jiných simulačních softwarů. Zároveň poskytuje přehledné výsledky experimentů spolu s grafy, které nám názorně interpretují jednotlivé charakteristiky modelu.

5.1 Modelovaný systém – Kontakt centrum Karneval

Kontakt centrum Karneval, jak se oddělení pro komunikaci se zákazníky nazývá, využívá pro kontakt s klienty několika prostředků. Jeho hlavním nástrojem je Modrá linka, na které přijímají hovory proškolení operátoři, kteří jsou schopni zodpovídat veškeré dotazy a poskytovat rady ohledně všech nabízených služeb. Samostatnou linkou je pak help desk, zabývající se poruchami telefonního spojení, internetu i televizního vysílání.

Další formou komunikace zákazníků s kontaktním centrem jsou emaily, webový formulář, fax, popř. dopisy.

Jak již bylo jednou řečeno, telefonní komunikace v Kontakt centru Karneval probíhá prostřednictvím Modré linky, která funguje každý všední den od 8:00 do 19:00. Je realizována především příchozími hovory. Mimo tuto dobu mají možnost zanechat zákazníci vzkaz na záznamníku, na základě něhož pak klienty kontaktuje sám operátor.

Při volání do kontaktního centra přivítá zákazníka IVR s hlasovou nabídkou.

V případě, že si z ní vybere možnost, pro kterou není nutná komunikace s operátorem, může být obsloužen pouze touto interaktivní hlasovou komunikací.

Mezi nejčastější oblasti důvodů telefonátů v běžném týdnu, které jsou operátory zodpovězeny, obvykle patří: platby, dotazy stávajících zákazníků ohledně kabelové

televize, nefunkčnost internetu, telefonáty nových zákazníků, obchodních zástupců, dále jsou to dotazy klientů o internetu, nefunkčnosti televize, objednávky, help desk, dotazy zákazníků na telefonní služby a v poslední řadě telefony nezařazené. Struktura objemu jednotlivých telefonátů je rozdílná podle toho, zda se jedná o běžný den nebo o den, kdy probíhá kampaň či platby. Více o rozdílnosti těchto dvou typů dnů bude představeno při konstrukci jednotlivých modelů.

Každému zákazníkovi, který se do kontaktního centra dovolá, je přidělena systémem určitá priorita, podle které jsou potom hovory odbavovány. Nejvyšší prioritu mají obchodní zástupci, kteří volají přes vlastní linku za účelem zapsání sepsané smlouvy do systému. Druhou nejvyšší prioritu pak mají volající noví nebo potenciální zákazníci a také zákazníci stávající, kteří mají zájem o nové služby.

V kontaktním centru pracuje celkem 64 operátorů, z toho je 6 supervizorů (neboli team leaderů), kteří zvedají telefony pouze v 50% pracovní doby, a 14 z nich pracuje v oddělení Help desk, které má samostatnou linku. Ne všichni operátoři obsluhují Modrou linku, každý den jsou někteří z nich přiděleni na vyřizování emailů nebo webových formulářů.

Špička neboli doba, kdy přichází nejvíce hovorů je mezi 11. a 16. hodinou, v tomto čase jsou upraveny směny tak, aby bylo k dispozici největší množství operátorů.

5.2 Cíl simulace

Přestože je systém obsluhy zákazníků pečlivě rozvržen, vznikají především ve špičkách, v období účtování plateb, nebo při zahájení slevové kampaně na linkách zdlouhavé fronty. Zákazníci jsou potom rozlíceni nad strávenou čekací dobou, v horším případě frontu opouštějí, což je, především v případě nového či potenciálního zákazníka, pro společnost nenahraditelná ztráta. Klienti mohou samozřejmě kontaktovat Kontakt centrum Karneval také prostřednictvím jiných prostředků (email, webový formulář, fax, dopis), bohužel ale stále nejsou tyto cesty zákazníky dostatečně využívány, přestože je většinou reakce (především u prvních tří možností) rychlá. Důvodem je nejspíš nedůvěra k těmto způsobům komunikace – hlavně u starších klientů, popřípadě chce klient vyřešit problém nebo žádost ihned v daný okamžik.