建立历史话务量模型
    “月”话务量的模型建立：
    可看出“月”话务量的变化(成长与衰退)趋势与季节因素的影响，能准确预估未来“月话务总量”。历史月话务量数据应尽可能保存3-5年，并将成长与衰退趋势作原因注记，将可纯化其变动影响，提高未来预估的准确度。
    “周”话务量的模型建立：
    可看出周一至周日话务量的变化(成长与衰退)趋势与工作日、假日等因素的影响，能准确预估未来的“日话务总量”。历史日话务量数据应尽可能保存5-6周，并将变化趋势作原因注记(如国订假日、账单日等)，将可纯化其变动影响，提高未来预估的准确度。
    “分时(每30分钟)”话务量的模型建立：
    可看出分时话务量的变化(成长与衰退)趋势与忙时因素的影响，能准确预估未来的分时话务量。历史分时话务量应尽可能保存1-2周有代表性的数据，并将异常变化模型剃除(如暴量来电、系统故障等)，将可纯化其变动影响，提高未来预估的准确度。
    基础预测流程范例
　　取得去年全年的话务量×1.1(推估成长10%)=今年全年的话务量
　　今年全年的话务量×0.12(比例原则预估七月份历史话务量占比)=预估七月份话务量
　　预估七月份话务量/31天=预估平均七月份日话务量
　　预估平均七月份日话务量×比例原则预估的周一至周日历史话务量相对比率=预估7/1- 7/31个别日话务量
　　预估7/1-7/31个别日话务量×历史个别日分时话务比率=预估7/1- 7/31个别日分时(每30分钟) 话务量
　　本基础预测流程实施上应多考虑其它影响因素来微调，如账单期因素、国定假日微调、营收推估微调、营销活动微调等，将可让预测话务量更加精准。
　　以历史来电推估未来平均处理时长模型
　　历史周一至周日“平均处理时长”的数据与模型建立，可看出周一至周日的变化趋势与工作日、假日等因素的影响，此模型实为各类型来电混合的平均时长，例如周一报修的来电居多，周一的来电量将趋于报修的平均处理时长；如果晚上以查账单的来电居多，晚上的来电将趋于查账单的平均处理时长。
　　预测话务量时需要精确的平均处理时长来作计算，因此以下措施将有助于改善平均处理时长的准确预测：
　　针对不同的服务项目，建立其平均处理时长模型，包含周一至周日平均处理时长“分时模型”、“季节因素模型”、“账单期模型”、“促销期模型”等。
　　建立平均处理时长模型时，尽量拆解为“平均通话时长”与“平均话后处理时长”两模型，将更有助于深入解析。
　　确实让每位客服人员了解各服务类别的标准“平均通话时长”与“平均话后处理时长”，并让客服人员了解自己的达成状况。
　　不同类别的话务，其平均处理时长也就不同，应定义其标准的平均处理时长，并于来电统计中分类统计，定期检讨修正。
　　新进客服人员的平均处理时长应适度放宽，亦可于计算人力时，设定资浅人员专业度<1，或于系统流程变动时修正。
　　随着新服务上线趋于成熟稳定后，客服人员应该要熟悉此项新服务，也就是说，此项新服务的平均处理时长应逐步平稳趋近于一底值。
　　适度利用某些预测工具，并对前述预测流程作定期检讨与修正，将有机会对自己本业建立独特的预测方法。而各呼叫中心可以依据行业需求，简化、新增流程，并建立「经验参数」于系统流程中，将可持续改善准确度，并有效传承经验于系统流程。