KeyBank 通过近 1,000 家实体分行和遍布全美的 1,000 余名远程座席，为不同地域的存款人和借款人提供服务。 公司曾在全公司范围内开展用云端解决方案取代本地部署软件的计划，导致联络中心经历了严重的功能缺失。
第二次迁移，这次是迁移至 NICE 云端解决方案，不仅恢复了缺失的功能，还使 KeyBank 的管理层和员工能够更高效地工作，并拥有更大的灵活性。
01 昔日概况
跨地域布局带来的挑战
作为总资产排名全美前 25 的区域性银行，KeyBank 业务覆盖范围极广。 公司内部和外包的 1000 多名座席为从阿拉斯加到东海岸的客户群提供服务。 然而排班流程仍依赖耗时的手工操作，相比同业机构，其排班系统缺乏灵活性。
02 变革动因
迁移到云端的挫折
KeyBank 曾全面推进从本地部署迁移到云端解决方案的战略转型。 在联络中心方面，KeyBank 最初选择沿用现有供应商 Genesys 的劳动力管理系统， 但很快发现其云端版本缺失了多项银行必需的功能。 KeyBank 部门经理 Adam Hahn 表示：“他们的云端方案完全无法满足我们的劳动力管理需求。这简直是开了二十年的倒车。”
最严重的问题在于缺少与预测和精细化排班管理相关的特性和功能。 “这种状况难以为继，我们必须寻找新的劳动力管理解决方案。”
03 解决方案
NICE 云端的卓越劳动力管理能力
作为 NICE CXone Mpower 大规模企业部署的一部分，KeyBank 实施了 NICE IEX 劳动力管理，以提升座席排班的复杂性和灵活性。Hahn 表示：“NICE IEX 劳动力管理不仅提供了我们原有本地系统的所有功能，而且更出色。”
KeyBank 的专业团队与 NICE 价值实现服务（VRS）协作完成了为期七个月的迁移。Hahn 表示：“VRS 在整个过程中一直与我们同行，对我们的疑问和关切反应迅速。任何有机会参与 VRS 的人都应该抓住机会，这是我们在 NICE 18 个月中最宝贵的部分。”
为了让座席自助服务更加自然和具有吸引力，KeyBank 还选择部署增强型战略规划器（ESP）用于长期容量规划，以及员工参与管理器（EEM）。Hahn 表示：“在我们之前的解决方案中，没有任何类似员工参与管理器的功能，因此能够使用 EEM 我们感到非常高兴。EEM 是 NICE 最大的吸引力之一。”
借助改进的劳动力管理功能以及直观的自主管理多项排班任务的方式，KeyBank 的专业团队能够快速适应 NICE 解决方案。用户反馈称，NICE 的界面比 KeyBank 之前的系统更自然、更易操作。NICE 还让座席和团队主管更容易查看休假选项和分配情况，从而带来更顺畅的体验和更高的员工灵活性。
如今，KeyBank 能为座席提供更丰富的排班间隔选择，因为 NICE 可以更精确地进行预测和自动排班。KeyBank 还能够根据岗位角色和当地劳动法将座席分配到更细化的小组，并可根据需求控制功能访问权限。这有助于银行执行工作规则，从而简化劳动规范审核。
04 显著成效
为所有联络中心利益相关方创造显著价值
切换到 NICE 恢复了预测和排班管理中急需的功能。对于员工而言，自助申请带薪休假（PTO）的能力是对以往系统的一项重要升级。VRS 帮助 KeyBank 加快了自助 PTO 申请的实施和推广，这一实施为公司节省了大量手动处理时间。总体而言，排班生成速度比以前的系统快约五倍。Hahn 表示：“我们以前都是用 Excel 手动处理 PTO 申请。NICE 的自助 PTO 申请在一年中最繁忙的时候为我们节省了数百工时，这真的太棒了。”
管理层享有更强大的报告功能，并且基于更完整的通话数据实现了更高的预测准确性。因此，KeyBank 在服务水平、放弃率和平均接听时间（ASA）方面记录了整整一年的月度成功。其他获得 KeyBank 员工高度评价的 NICE 功能包括排班调换和自动弹性工作时间。Hahn 表示：“EEM 让日常保持适当人员配置变得轻而易举，如果我们人员稍有过剩，还可以快速调整，让员工自行选择休假。这一点太棒了。我们的团队成员能够以用户友好、现代的方式参与和管理自己的排班，真的很棒。”
系统上线后，座席对 EEM 的使用率持续保持高位，这显著提升了 KeyBank 应对通话需求的能力。 “它不仅帮助我们节省了大量分析师工时和加班时长，更让团队能够灵活调配资源，确保服务水准始终达标。”
05 未来规划
更高效与更灵活的自助服务
借助 NICE，KeyBank 的呼叫中心数据摄取速度大幅提升，使其迈向近实时处理，这将帮助组织进一步调整预测模型和方法。呼叫中心团队还计划与其他 KeyBank 团队分享洞察和经验，以促进更广泛的效率提升。EEM 很快将在移动应用上推广，使员工能够随时随地更方便地管理自己的排班。
NiCE 云端解决方案还将助力 KeyBank 加速 AI 功能的概念验证测试，这些测试原本需要 IT 团队投入六个月以上的时间。
