Estadística para la toma de decisiones en el servicio al cliente

Enviado por JOSÉ ORLANDO MORERA CRUZ

El presente documento describe, de manera
práctica, la aplicación de la estadística para la toma de decisiones en
el servicio al
cliente. Para desarrollar el ejercicio se selecciono el
servicio ofrecido por una entidad del estado
colombiano que administra la información tributaria de sus
ciudadanos.

Cabe anotar que en el tema del servicio al cliente no se han
desarrollado ampliamente métodos
que permitan su medición y control, y en
general su gestión, dejando la mayoría de las
veces la toma de decisiones de este tipo en cabeza de personas
que no cuentan con el perfil ni menos con el bagaje de
conocimientos que lleven a la toma de decisiones óptimas,
en cambio se
decide con base en el subjetivismo y de manera poco precisa sobre
todo en lo que atañe a las predicciones y la
administración de los datos.

Los datos observados fueron tomados durante un
día típico entre Enero y Diciembre del 2005
entre usuarios que hacían el trámite de
solicitud de liquidación del impuesto
predial y del impuesto para vehículos, datos
suministrados por uno de los miembros del equipo de trabajo
quien tiene a cargo el diseño de estrategias para afrontar el servicio frente a
incrementos inesperados de la demanda de
información (específicamente
tributaria).
No se ha planteado una teoría a demostrar pues lo que se
requiere es analizar la información para proyectar la
atención a una demanda de servicios.
Selección
del proyecto:
- NS = Nivel de satisfacción.
- CANT = Cantidad de servicios
  prestados
- ME = Minutos de espera
- MA = Minutos de atención
- TS = Tipo de servicio
2. Construir un diagrama que permita observar el tipo de
  relación entre las variables:
  - NS = Nivel de satisfacción. Los datos
    obtenidos permiten clasificar a NS como variable
    cuantitativa que usa una escala ordinal numérica
    con datos numéricos para asignar el nivel de
    satisfacción.
  - CANT = Cantidad de servicios prestados. Es
    una variable cuantitativa usa una escala de intervalo y
    los datos son ordinales.
  - ME = Minutos de espera. Es una variable
    cuantitativa usa una escala de intervalo y los datos
    son ordinales.
  - MA = Minutos de atención. Es una
    variable cuantitativa usa una escala de intervalo y los
    datos son ordinales.
  - TS = Tipo de servicio. Los datos obtenidos
    permiten clasificar a TS como una variable cuantitativa
    que usa una escala de intervalo.
  Para nuestro estudio podemos considerar las
  variables de estudio como cuantitativas.
  1. La variable principal es NS = Nivel de
    Satisfacción
  2. Definir una variable principal la cual debe ser
    de tipo cuantitativo continuo:
    Ver documento Excel "Muestra por servidor"
    Para las variables relacionadas con el
    tiempo la unidad se homologo a
    minutos, y en la variable de tipo de servicio se
    asignaron valores, 1 para vehículos y 2
    para predial:
  3. Obtener los datos para las variables definidas
    de las bases o fuentes seleccionadas:
    De acuerdo con las distribuciones de los
    datos en el punto 8 podemos tratar estos en su forma
    de distribución como de forma
    acampanada.
    Para averiguar si tenemos valores
    atípicos y/o extremos, construimos la tabla de
    los
    valores de z para identificar elementos con
    valores de z inferiores a -3 o superiores a +3
    desviaciones estándares, de acuerdo con la
    regla empírica.
    El valor de z=-1.5 para la variable ME y
    z=-1.12 para MA se encuentran dentro del criterio
    utilizado de -3 a +3 por lo consiguiente, los valores
    de z muestran que en los datos no hay valores
    atípicos.
    Lo que si podemos considerar para este caso
    son valores extremos que nos permitirán tener
    casos de análisis posteriores a este
    estudio estadístico. Estos datos los mostramos
    en el siguiente cuadro:
  4. Detectar valores extremos o
    atípicos:
  5. Construir distribuciones de frecuencia y
    gráficos que permitan describir
    y analizar el comportamiento de las
    variables:
  6. Consignar las medidas de tendencia central,
    dispersión y de posición
    obtenidas:
    Empezando con la Mediana, como medida de
    localización central de los datos, se puede
    apreciar que para el nivel de satisfacción es
    apenas de aceptable (3 = aceptable) lo que parece ser
    consecuente con el alto tiempo de espera, algo
    más de dos horas con 11 minutos de
    atención que es "aceptable" para atender un
    promedio de 2 servicios por cliente; se tiene sin
    embargo que la cantidad de servicios que más
    se repite es de dos (2) por cliente.
    Este resultado debe llevar a revisar con los
    clientes que solicitan el servicio una
    selección previa del tipo de
    trámite que realizará para ubicarlo en
    una ventanilla especial o guiarlo a un asesor que
    pueda evacuar más rápido su caso o
    tenga niveles de autorización mayor. Derivado
    de este análisis se recomienda, a la Entidad
    del Estado, prestadora del servicio de
    información tributaria, la asignación
    de citas previas para la atención de los
    contribuyentes mediante un sistema de "Audio – Citas"
    Respecto a la desviación estandar es
    mayor para el tiempo de espera que para el tiempo de
    atención. Esta está relacionada con los
    valores que toma la variable en cada muestra, pero es
    indicio de las diferencias de tiempo que le toma a un
    asesor los tipos de servicio solicitado; es sencillo,
    la atención esta sujeta a un sistema de
    asignación de turnos "Info – Turnos", el cual
    discrimina un tiempo de espera entre cada cliente,
    que es el tiempo en que el cliente transita entre la
    sala de espera y la respectiva ventanilla de
    atención (y por supuesto mientras logra
    ubicarla; algo dispendioso en los supermercados de
    servicios como un SuperCADE).
    Se puede apreciar, también, una alta
    variación en los minutos de espera respecto de
    la media respectiva, lo cual refleja la constante
    fluctuación durante el transcurso del
    día de los tiempos a los que los clientes
    deben someterse para poder retirarse con su servicio en la
    mano, le sigue en grado de variabilidad los minutos
    de atención en ventanilla que aunque no
    varía en la misma proporción durante el
    día que los minutos de espera si varía
    constantemente entre los 4 y 58 minutos con una
    mediana de 11.
    Asimetría negativa de una variable
    indica que la variable toma valores muy bajos con
    mayor frecuencia que valores muy altos y se dice que
    tiene una cola izquierda pesada o que es
    asimétrica hacia la izquierda. Si la
    asimetría es positiva, la variable toma
    valores muy altos con mayor frecuencia que valores
    muy bajos y se dice que tiene una cola derecha pesada
    o que es asimétrica hacia la derecha. Si la
    asimetría es cero, los valores bajos y altos
    de la variable tienen probabilidades iguales, las
    variables. De acuerdo con esta definición la
    variable TS es de asimetría negativa, la
    variable NS se puede considerar de asimetría
    igual a cero y las variable ME y MA tienen
    asimetría positiva.
    La curtosis nos indica la forma que toma la
    distribución y donde se concentran los datos.
    Por lo tanto la variable MA tiene curtosis mayor a
    cero (g2>0) por lo que la distribución
    tiene los datos con mayor concentración en el
    centro de la distribución. Las variables NS,
    CANT, ME y TS tienen valores de curtosis menores que
    cero (g2<0) por lo que la distribución
    tiene una concentración de los datos en el
    centro de la distribución pero la forma de la
    distribución achatada en el pico
    central.
  7. Formular Conclusiones relevantes analizando el
    impacto en la problemática en estudio:
  8. Construir una tabla de contingencia para dos de
    las variables involucradas (categóricas o
    cuantitativas) para mostrar la relación de las
    mismas, justificando la razón de la
    tabla:
  9. Utilizar la información de la tabla para
    formular y resolver interrogantes relacionados con
    probabilidad marginal, conjunta y
    condicional:
    - De los cuestionamientos anteriores se
      puede observar que la probabilidad de que una
      persona realice mas de un servicio
      es alta ( 57,14%).
    - También de observa que cuando el
      servicio solicitado es solo 1 el nivel de
      satisfacción es alto (66.67%).
    - Cuando realiza más de 1 servicio
      el nivel de satisfacción mayor a 3 es bajo.
      (25 %).
    Analizando estas observaciones se puede
    concluir que teniendo en cuenta que mas de la mitad
    de las personas realizan mas de un servicio y que
    cuando se presta un solo servicio el nivel de
    satisfacción es alto, siendo dependientes el
    nivel de satisfacción y la cantidad de
    servicios se debe reorganizar a las personas teniendo
    en cuenta cuantos servicios van a realizar y
    agilizando la gestión para disminuir el tiempo
    de servicio para estas personas.
    Esta alternativa que se planteó en
    análisis en el punto 10, ahora se ha podido
    demostrar con el análisis de las
    probabilidades conjuntas. Puede ser también
    parte de la solución posterior diferenciar
    entre quienes son tramitadores de estos servicios y
    quienes lo hacen directamente especializando el
    servicio o colocando una terminal de consulta previa
    de acceso a este grupo de clientes.
    1. De acuerdo con los análisis
      hechos en el punto 10 sobre la curtosis y el
      coeficiente de asimetría podemos trabajar
      la variable principal NS como una
      distribución normal la cual tiene un
      coeficiente de asimetría cercano a cero y
      la curtosis indica una forma acampanada donde los
      valores centrales se encuentran concentrados
      cerca de la media y el estilo de la curva es
      achatado en la parte central.
    2. Determinar si la variable principal se
      distribuye normalmente y plantear dos
      conclusiones a partir de la aplicación de
      esta distribución:
      
      Siendo la variable principal NS y 3,48
      su media, se puede plantear un intervalo de
      confianza del 95% (significancia = 5%) de que la
      Media de esta variable sea 3,48 esta dado de la
      siguiente manera:
      3,48 ± (1,96) (1,121223821 /
      )
      3,48 ± 0,37
      Es decir, que el intervalo de confianza
      (95%), de que la media sea 3,48 para el nivel de
      satisfacción esta entre 3,11 y
      3,85.
    3. Construir un intervalo de confianza para la
      variable principal con una significancia del
      5%:
      Para el tema de servicio al cliente, si
      bien lo que siempre se espera es tener una
      máxima calificación, en este caso
      5, teniendo en cuenta las variables asociadas y
      relacionadas en este documento además de
      otras externas, se puede establecer que un
      servicio se puede aceptar a partir de una
      puntuación de 3/5, sujeto a mejoramiento
      claro esta, y de esa medida hacia abajo se puede
      considerar como un servicio de mala calidad y que para el cliente no
      es de satisfacción sino de
      inconformidad.
      Entonces:
      Se plantea situación, en que la
      Administración Distrital ha
      recibido quejas en el Call Center, manifestando
      que el servicio que presta la entidad en los
      puntos de contacto es malo y que la Administración no toma
      medidas al respecto; la Administración
      ante las constantes llamadas decide que si los
      datos muestrales indican que no se puede rechazar
      H, no se tomará ninguna acción coactiva contra los
      servidores, por otro lado, si
      H se puede rechazar se tendrá las
      pruebas estadísticas para demostrar
      que las quejas en el Call Center se ajustan a la
      realidad y será necesario tomar medidas
      correctivas en el asunto.
      Como se tiene que 3,48 es la media
      muestral para NS, el valor de la
      estadística de prueba se calcula a
      continuación:
      z = (3,48 –3) /
      (1,211223821 / )
      z = 0,48 / 0,204734193
      z = 2,34
      El presente numeral plantea adelantar la
      prueba de hipótesis a un nivel de significancia
      del 1% y del 5%;
      Para un nivel de significancia del
      1%, = 0,01, se tiene en la tabla z
      un valor de – 2,33 (valor crítico
      para la prueba);
      Rechazar H: si z < –
      2,33
      La regla de rechazo dice que si la media
      muestral da un valor de la estadística de
      prueba menor que – 2,33, se rechaza la
      hipótesis nula H: 3 y
      se concluye que es correcta la hipótesis
      alterna H: < 3.
      Al comparar el valor de z = 2,34
      con el valor crítico para la prueba, z
      = – 2,33, se aprecia que 2,34 es mayor que
      – 2,33. Por tanto, z = 2,34 no
      está en la región de rechazo, por
      lo que no se rechaza la hipótesis alterna
      H: < 3, y se acepta la hipótesis
      nula H: 3.
      De acuerdo al ejercicio desarrollado se
      tiene que, la Administración no
      tomará ninguna medida coactiva contra los
      servidores pues no se tiene la significancia
      estadística para dar crédito a las llamadas
      recibidas por el Call Center quejándose
      del mal servicio (< 3), cuando la media
      muestral es de 3,48.
      Para un nivel de significancia del
      5%, = 0,05, se tiene en la tabla z
      un valor de -1,65 (valor crítico
      para la prueba);
      Rechazar H: si z < –
      1,65
      Al realizar la comparación entre
      el valor de z = 2,34 y el valor
      crítico para la prueba, se tiene que 2,34
      es mayor que –1,65. Por lo que nuevamente
      se rechaza la hipótesis alterna
      H: < 3, dado que , z = 2,34 no
      está dentro de la región de
      rechazo.
      Así las cosas, tanto para el
      nivel de significancia del 1% como para el 5%,
      parece ser que las llamadas que han realizado
      algunos clientes al Call Center no tienen el
      suficiente "fundamento" estadístico, como
      para afirmar que el servicio ofrecido por la
      Entidad de Estado es malo (< 3), por lo que la
      Administración no tomará
      represalias contra los servidores por las quejas
      recibidas toda vez que la media del nivel de
      satisfacción es del 3,48.
    4. Adelantar una prueba de hipótesis para la variable
      principal, nivel de significancia de 1% y
      5%
      Los ejercicios de regresión y
      correlación simple se desarrollan entre la
      variable principal, Nivel de Satisfacción
      (NS) y los Minutos de Espera (ME):
      Correlación
      Simple
    5. Seleccionar la variable principal y una
      secundaria para realizar un ejercicio de
      regresión y correlación
      simple:
      NS = a + bME
      NS = 4,613975794 + (–
      0,007137534) (1)
      NS = 4,60
      De lo cuál se puede deducir que,
      manteniendo todo lo demás constante, si el
      tiempo de espera es de un minuto, el nivel de
      satisfacción será de 4,6/5 con una
      confianza superior al 95%.
      De otro modo, si el tiempo de espera ya
      no fuera de un minuto sino de 300 (5 horas), se
      esperaría que el nivel de
      satisfacción disminuyera bastante,
      aún por debajo de la media. Y siendo
      consecuente con la realidad que este por debajo
      de tres (3) calificandose como un mal
      servicio
      NS = a + bME
      NS = 4,613975794 + (–
      0,007137534) (300)
      NS = 2,47
    6. Determinar la ecuación de
      regresión y formular algún tipo de
      pronóstico para la situación
      analizada:
      Teniendo como variable principal el
      Nivel de Satisfacción (NS), se toman
      adicionalmente, para la regresión y la
      correlación múltiple, las variables
      de Cantidad (CANT), Minutos de Espera (ME) y
      Minutos de Atención (MA):
      Coeficiente de Correlación
      Múltiple
    7. Tomando la variable principal como
      variable dependiente y tres variables secundarias
      como independientes ajustar un ejercicio de
      regresión lineal
      múltiple:
    8. Determinar la ecuación de
      regresión y formular algún tipo de
      pronóstico para la situación
      analizada a lo largo del proyecto:
    NS = a + bME + cCANT + dMA
    Se van a plantear dos escenarios contrarios
    sobre los cuales por simple sentido común se
    puede deducir un determinado impacto en el nivel de
    satisfacción para corroborar la eficiencia de la ecuación y su
    cercanía con la realidad, tomando para esto
    los valores máximos y mínimos para cada
    una de las variables relacionadas
    Escenario de servicio
    óptimo
    Minutos de Espera: 2
    Cantidad de servicios: 1
    Minutos de Atención: 4
    NS = 4,613975794 + (-0,005268723)(2) +
    (-0,025738698)(1) + (-0,037586709)(4)
    NS = 4,826385071
    Se puede pronosticar, que si un ciudadano se
    acerca a la Entidad del Estado estudiada a reclamar
    un (1) servicio de información tributaria y
    para ello tiene que esperar dos (2)minutos para ser
    atendido en un lapso de cuatro (4) minutos, lo
    más pronosticar con una confianza de
    más del 95% que el ciudadano calificará
    un nivel de satisfacción de 4,82/5.
    Por otro lado,
    Escenario de servicio
    pésimo
    Minutos de Espera: 366
    Cantidad de servicios: 3
    Minutos de Atención: 58
    NS = 4,613975794 + (-0,005268723)(366) +
    (-0,025738698)(3) + (-0,037586709)(58)
    NS = 0,827410416
    Con este ultimo dato, y muy cercano a la
    realidad práctica, se puede pronosticar que si
    un ciudadano se acerca a la Entidad del Estado que se
    esta analizando a reclamar tres (3) servicios de
    información tributaria, y tiene que esperar
    trescientos sesenta y seis (366) minutos para ser
    atendido durante cincuenta y ocho minutos (58), hay
    una probabilidad superior al 95% de que el ciudadano
    califique el servicio como pésimo, con un
    valor inferior a uno (1).
    
    POR
    JOSÉ ORLANDO MORERA
    CRUZ
    17 DE MARZO DE 2006
    BOGOTÁ COLOMBIA
  10. Determinar la dependencia o independencia de los eventos analizados:
3. Clasificar las variables según la escala
  de medición a utilizar y las fuentes
  de datos:
Definir y justificar las variables de
interés: