ACD提供了諸多的細節數據以及相關統計，理解和解釋這些信息就如同試圖從消防水龍頭中飲水一樣困難。因此在建立科學的勞動力管理時，使用ACD的統計數字要注意正確使用方法。
四個步驟
建立呼叫中心勞動力管理模式可分成四個步驟，如圖中的流程圖所示。
預測呼叫量是第一步，是創建呼叫中心呼叫量預測的方法，這種預測建立在對歷史呼叫量和當前呼叫量數據分析的基礎上。根據第一步的結論，計算話務代表需求量，以及在每天不同時段座席代表的需要量。然後，可做出勞動力排班表，創建一個與需求相匹配的勞動力上班時間表。最後一步是將實際結果與預測相比較。
勞動力管理週期，ACD統計數據在每一步驟中都起作用。
在進行上面四個步驟時，ACD統計數據起着重要的作用。正如我們將要闡述的，使用不正確的統計數據，或以錯誤的方式使用統計數據，會對呼叫中心管理模式的品質產生嚴重的負面影響。
預測呼叫量
爲精確地預測呼叫中心未來的話務量，呼叫中心經理必須綜合考慮各個方面的信息。這些信息來自於市場預測、商品目錄發放或者廣告播放的次數等。但是，一些最重要的信息來自歷史呼叫量的統計。通常，從歷史呼叫量可以預測目前的呼叫量和呼叫變化趨勢。歷史呼叫量必須是精確的。常見的錯誤是將已處理的呼叫量作爲過去的呼叫量。請注意：已處理的呼叫只是包括了那些座席代表成功應答的呼叫！
下面的這個例子可以幫助加深理解。Telegift公司準備使用去年的統計數據，來預測今年聖誕節期間一週的話務量。去年，他們每天收到3000個呼叫，其中有8%的呼叫被放棄。今年他們預期業務增長率是10%。如果他們使用去年已處理的呼叫數：（3000×92%=2760），再加上10%的增長率，他們計劃接到3036個電話。這一數字明顯低於正確的預測量：3000×110%=3300個呼叫。由於使用不正確的統計數字，對這一週的聖誕節假期，少預測的呼叫數是264×7=1848個呼叫。Telegift公司的呼叫中心經理忽視了放棄的呼叫，由於呼叫量在增加，使得這一錯誤導致的代價更高。預測呼叫量應使用正確統計數據，即所有指向呼叫中心的呼叫。
還有一個會導致對話務量過高估計的錯誤與使用多個隊列和呼叫溢出有關。例如，假設Telegift公司有兩個隊列：一個是銷售隊列，一個是客戶服務隊列。如果從銷售隊列溢出到客戶服務隊列，則當同一個呼叫到達不同的隊列時將被ACD重複計數。這樣，一個呼叫將被計數兩次，導致對總呼叫量的高估。
計算座席代表需要量
首先，希望在此糾正一個誤會，經常會有呼叫中心經理認爲“厄蘭C是預測呼叫量的一個方法”，其實這個概念是錯誤的。事實上，正確預測呼叫量是使用厄蘭C的先決條件。
在這裏，希望提醒呼叫中心經理要關注幾個重要的ACD統計數據，這幾個數據的準確性會直接影響座席代表需要量計算的精確性。首先是處理時間，即座席代表從開始處理一個呼叫到能處理下一個呼叫所需的平均時間，這個處理時間包括話務代表處理話務的所有時間，包括座席代表將客戶電話擱置的時間和客戶掛斷電話後的事後處理時間。特別注意，不要誤將談話時間當做處理時間。
即使ACD支持記錄事後處理時間，也應該確保座席代表在正確地使用這一功能。如果你的話務代表沒有正確地進行操作，也許會使系統進入輔助工作狀態（或閒置狀態），而不是事後處理狀態，從而使統計數據失真。
這種類型的錯誤會使得座席代表需要量的計算失真。使用同樣一個例子，假設Telegift公司每小時收到600個呼叫，公司期望其中有90%的電話在30秒內得到應答。如果Telegift只使用3分鐘的談話時間而沒有計入20秒的事後處理時間，那麼厄蘭C計算的座席代表需要量將是36人而不是實際應需要的40人。安排36人值崗，該公司在30秒內應答的電話只能達到63%，遠遠低於90%的目標值，這就是忽略了事後處理時間的結果。當計算座席代表需要量時，還要考慮管理上的因素，即由於座席代表生病或上洗手間而導致的缺席時間。
創建排班表
在排班這一步驟，ACD統計數據不起什麼作用。用於排班的基本數據有：座席代表的技能及其可得性、處理工作時的規則、上班時間和中間休息時間的安排。手工排班是一件非常耗時的工作。使用勞動力管理工具可以幫助有效地分析相關情況並迅速獲得有關的結果。
實際情況與預期情況比較
進行勞動力管理的最重要的步驟也許就是從實際發生的事實中瞭解情況。在這一步驟中，需要評估先前每一步的準確性，適當修正，再重複進行每一步驟。使用正確的ACD統計數據對呼叫中心的管理是非常有幫助的。當呼叫中心的運作性能達不到目標時，可以甄別是何種假定和預測是錯誤的。即使呼叫中心運作良好，也可以利用ACD統計數據，對相關細節進行預測，以使在一定的資源限制下，使呼叫中心的運作達到最佳狀態。