呼叫中心系統是一個隨機系統，呼叫量雖然有些規律性的分布，但建立在精確科學基礎上的數學模型難以適應現場情況的千變萬化。一方面，模型需要不斷的調優，甚至針對不同時段，需要多個預測模型；另外，在模型預測的基礎上，還需要排班師進行干預，利用排班師經驗對預測結果進行調整。在傳統手工排班的情況下，排班師忙于應付繁瑣的數據操作，很少能夠對模型進行分析、修正。 可喜的是，隨著排班系統的逐步采用，排班師可以從繁瑣的重復性工作中解脫出來，更專注于模型的優化，充分發揮預測過程中藝術性的一面。 呼叫中心針對不同時段制定不同的預測模型 遇到五一、十一、春節假期等特殊時段，呼叫中心話務量會與平時呈現出極大的差異。業務類別不同，影響也不同。以春節為例，如果是電信類業務，通常呼叫量比平時低大約10％；而如果是信用卡業務，由于刷卡消費增多，相應的呼叫量則比平時要高。針對這種情況，排班員就需要建立正常日、不同假日的預測模型。 呼叫中心歷史數據靈活選擇，相對時間模型、絕對時間模型并用 平日模型：以移動公司為例，話務呈現鮮明的以月為周期的特點，選取歷史數據則以相對時間模型為宜，如可以選取前三月相應時段、去年本月相應時段的數據作為參考；而對于銀行信用卡類業務，則基本呈現以周為周期的特點，這時，可以選取最具有代表意義的幾周的數據作為參考，建立絕對時間模型。 假日模型：假日模型歷史數據一般選類似假日時間段的數據作為預測的基礎。如，預測春節話務量一般選去年、前年春節話務量作為基礎；而十一則以去年、前年十一話務量作為基礎；對于更為特殊的一些時段，則需要另案考慮，比如今年的五一，由于取消了七天長假，以前五一的數據已經不具有相關性，這種情況下，可以考慮采用正常日數據作為基礎。
絕對時間模型：模型建立在固定時間段的歷史數據基礎上，舉例來說，以固定周的歷史數據做為基礎進行預測；
相對時間模型：模型建立在與預測時間段設定間隔的歷史數據基礎之上，舉例來說，以話務預測目標周的前三周歷史數據為基礎進行預測。
呼叫中心歷史數據不夠怎么辦 現實往往不能那么隨人所愿，很多情況下，我們沒有足夠的相關數據可用，就像今年五一的假期縮短了，還有呼叫中心剛建立等情況。這種情況下，相關數據很少，就需要排班師分析預測時段的特點，從歷史數據中選擇最接近的數據進行預測。反過來說，這對排班軟件也提出了要求，即預測模型可以由排班員指定歷史數據時段，能夠同時支持相對時間模型、絕對時間模型。
呼叫中心預測結果出來了，預測工作還遠未結束 在前面我們也談到過，預測絕不僅僅是數學模型。公共假期的變化、突發事件、促銷活動等等因素都會對話務量帶來模型無法理解的異動。要反映這些異動，必須由排班師對預測結果進行調整，這些都是排班工作的藝術性體現，也是預測過程比不可少的一個步驟。