智能化

📕 排班的智能化，其实总一句话就是

在有限的排班资源下，合规且高质量的排班

乍一看其实排班的”智能化“可有可无，如果单纯从”智能“两字来理解，它确实跟我们脑海中的智能一词没有很大的关联性。

客服排班场景

🙅 我们从另一个角度来看待排班假如你是负责一个200人团队的客服总监。你的团队需要提供7X24小时的在线客户服务，你需要每周给200个客服人员排班，也许很多会想这很简单，只要安排好 第一周的班次，往后每周延续上一周的排班就可以了。

可是细想来看，也没有那么简单，比如下面一种情况，就会让你头疼。

排班问题

当周六总监已经安排了下周的排班，可是客服人员突然有1人突发情况，需要请假3天，就意味着需要重新安排200人的排班。我相信你这位总监一定会像央视主持人康辉一样发火。

👿 “你知道我花了多长时间，才排了这个班吗？就因为你一个人，这个排班废了，你怎么可以这样？”

这只是排班过程最轻微的一个点，真实的排班场景要比这个更为复杂，且面临的排班决策的角度也很多，不同的用工场景会有不同的决策视角。

所以笔者认为：

排班的“智能化”不是某个单个的智能算法，而是针对具体用工场景，提供一套可以解决用工痛点，难点，以及通过智能算法优化排班，并完善自身的排班流程的一个过程。

智能算法

那么下面我们来共同学习下，排班里“智能算法”是如何体现的？ 举个配送员例子

比如某个商超，有自己的配送人员，如果大促期间人手不够，会通过三方平台的配送员配送。公司配送员每个的能力不同即每日可以最多配送的单量不同（平均），公司配送人员一周最多工作6日，

公司配送人员的配送一单成本为5元钱，三方平台的配送人员的一单成本为7元钱，而零售商已经预估了未来一周的配送单量。

⌛️ 那么下一周如何排班才能使成本最低？

细心的同学可能已经发现一个关键词成本最低，那么显然这是一个运筹学中的最优化问题，这也是排班智能化要解决的核心问题。

当然大多数的排班场景，并非只是一个最优化问题。

举例当中的目标只有一个成本最低，但在实际场景中的目标是多个的：

    Objective Function
1️⃣排班均衡
2️⃣员工偏好
3️⃣能力标签
...

不同的用工场景面对的问题也不一样，配送人员与便利店员工排班也不相同。

结束语

到了这里相信大家对排班智能化有了一个大概的概念，也许你还很模糊，不要紧，后面的文章里，我们会一步步的学习如何作为一名非算法的同学来做一个”智能化“的排班系统，

📚 希望后续的思路能为更多中小公司提供“智能化”低成本研发方向一些思路，我们下期再见。