Estadística para la toma de decisiones en el servicio al cliente
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
- 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.La variable principal es NS = Nivel de
Satisfacción- 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: - 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: - Detectar valores extremos o
atípicos: - Construir distribuciones de frecuencia y
gráficos que permitan describir
y analizar el comportamiento de las
variables: - 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. - Formular Conclusiones relevantes analizando el
impacto en la problemática en estudio: - 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: - 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.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.- 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. - 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 < –
2,33La 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 < –
1,65Al 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. - 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 - 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
servicioNS = a + bME
NS = 4,613975794 + (–
0,007137534) (300)NS = 2,47
- 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 - Tomando la variable principal como
variable dependiente y tres variables secundarias
como independientes ajustar un ejercicio de
regresión lineal
múltiple: - 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 relacionadasEscenario de servicio
óptimoMinutos 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
pésimoMinutos 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
CRUZ17 DE MARZO DE 2006
BOGOTÁ COLOMBIA
- De los cuestionamientos anteriores se
- Determinar la dependencia o independencia de los eventos analizados:
- NS = Nivel de satisfacción. Los datos
- Clasificar las variables según la escala
de medición a utilizar y las fuentes
de datos:
- Definir y justificar las variables de
interés: