O baseball e o mito da precisão ao se prever a força de trabalho

avatar

Yogi Berra não sabia muito sobre contact centers, mas parece que ele teve uma grande visão da primeira fase do processo de planejamento da força de trabalho quando disse: “É difícil fazer previsões, especialmente sobre o futuro.” O fato é que o complexo processo de planejamento da força de trabalho começa com uma previsão do futuro volume de contatos (canais de voz inbound e outbound, e-mail, bate-papo, SMS, vídeo, back office, etc.) que o contact center encontrará em um determinado dia e momento, para um determinado tipo de trabalho, e é difícil ser consistentemente preciso nessas previsões.

O sistema Workforce Management (WFM) usa essas previsões de volume para projetar o número de funcionários adequadamente qualificados que serão necessários para atingir as metas de otimização (por exemplo, SLA, balanço de custo e receita, lidar com tarefas antes de um prazo, etc.) e, em seguida, usar essas informações para produzir escalas de trabalho ou as matérias-primas que os funcionários usarão para criar suas próprias escalas. Se a previsão do volume de contatos é muito diferente do volume de contatos real encontrado, nos deparamos com uma dessas duas condições muito indesejáveis: (1) clientes insatisfeitos porque o tempo médio de espera é longo (ou os prazos são perdidos nas tarefas de back office) devido ao número insuficiente de agentes devidamente qualificados disponíveis, resultando em clientes que abandonam a chamada, vendas perdidas e uma baixa satisfação dos clientes ou abandono de um canal por outro causando escalonamento de canais e perturbando ainda mais o planejamento da força de trabalho ou (2) executivos descontentes com o contact center porque o orçamento de mão-de-obra está sendo gasto com agentes que ficam ociosos aguardando o próximo contato.

Os planejadores da força de trabalho dos contact centers há décadas buscam o modelo matemático perfeito que possa prever com precisão o número de contatos que chegarão ao contact center em um dia e horário específicos para um determinado tipo de trabalho. Na verdade, existem alguns modelos matemáticos em uso pelos contact centers em todo o mundo, mas dois dos mais populares são o modelo de suavização exponencial Holt-Winters e o modelo ARIMA (modelo auto-regressivo integrado de médias móveis). Pesquisas mostram que, para alguns tipos de padrões de chamada, o Holt-Winters é mais preciso na previsão do futuro e, para outros tipos de padrões, o ARIMA é o mais preciso. O modelo Holt-Winters é particularmente bom em identificar padrões sazonais e projetá-los no futuro, sendo ao mesmo tempo simples o suficiente para o uso pela maioria dos planejadores da força de trabalho. O ARIMA é bastante complexo e geralmente requer alguém na equipe que tenha conhecimentos avançados de estatística.

Em ambos os casos, vale a pena contar com a sabedoria de Yogi Berra: “É difícil fazer previsões, especialmente sobre o futuro”. O melhor modelo estatístico não pode prever os milhares de eventos do mundo real que realmente levam as pessoas a ligarem para a central de atendimento como, por exemplo, a decisão dos pais de Jessica de lhe comprar um telefone para ela em seu 16º aniversário e a posterior chamada de Jessica para o contact center a respeito de opções de cobrança de telefone celular. Esta verdade inegável faz jus à famosa máxima de Berra, e poderia ser colocada assim: “O conhecimento do futuro é mais poderoso do que as previsões estatísticas sobre o futuro”.

Os contact centers podem e devem usar modelos matemáticos para prever futuros volumes de contato e, não surpreendentemente, quanto mais próximo você estiver da data prevista, mais preciso você será em suas previsões, porque o volume de amanhã está tipicamente relacionado a volumes do passado recente. Modelos ainda são apenas estimativas estatísticas sobre o futuro de milhares de eventos do mundo real, como os de Jessica, que levam as pessoas a ligarem para o contact center. Mas, se você tivesse certo conhecimento dos eventos ou iniciativas da empresa que influenciariam as experiências do cliente, isso lhe daria uma enorme vantagem em prever o futuro, porque você estaria realmente fazendo o futuro. Por exemplo, se você soubesse que, em 30 de setembro, a empresa iniciaria uma nova campanha de marketing que duraria duas semanas com descontos significativos em produtos e uma provável inundação de chamadas, essas seriam informações valiosas e você poderia ter certeza de que se todas as outras coisas permanecessem iguais, seus volumes de chamadas subiriam.

Agora, se sua equipe de planejamento da força de trabalho conhecesse as 10 principais ações ou eventos planejados influenciando os volumes de chamadas, sejam eles de dentro da organização ou de fora, na maioria das empresas isso explicaria muito sobre mudanças futuras no volume de chamadas e adicionaria significativamente mais precisão à sua previsão da força de trabalho (WFM).

É fundamental que o sistema de gerenciamento da força de trabalho que você usa permita que você aplique o conhecimento exclusivo que você tem da sua empresa ao processo de previsão e modifique ou substitua qualquer entrada ou saída de dados, para que você possa fornecer alguns desses “conhecimento do futuro”. Sua experiência com sua empresa, sua indústria e seus relacionamentos com outras pessoas em sua empresa responsáveis pelos eventos de impacto no cliente são adições críticas a qualquer método usado para prever e devem ser levados em consideração.

É por isso que a Aspect projetou sua solução de WFM líder de mercado com recursos de previsão que incorporam não apenas as previsões precisas de séries temporais de Holt-Winters baseadas em padrões históricos, mas também a capacidade de ajustar facilmente essas previsões com seus próprios modelos que incorporam ações e eventos conhecidos no futuro, como o lançamento de um novo produto, uma grande campanha de marketing ou um declínio na confiança do consumidor.

A solução Aspect WFM adota uma abordagem instruída para a previsão, reconhecendo que é impossível prever com precisão o futuro e há um alto custo associado à tentativa de alcançar pequenos incrementos adicionais de precisão, como fazer a equipe de planejamento despejar dados de modelos complexos de séries temporais ou contratar um PHD em estatística. Além disso, a Aspect WFM fornece aos planejadores da força de trabalho um recurso exclusivo no mercado para ajudá-los a entender o impacto de não poder prever com precisão o futuro, tanto em termos de volumes de chamadas previstos quanto em muitos outros fatores, como futuros funcionários, disponibilidade e encolhimento. Esse recurso de previsão de cenários hipotéticos permite que os usuários vejam facilmente o impacto de eventos inesperados na equipe e nos SLAs, para que os usuários saibam se o cenário de equipe planejado está relativamente imune a eventos inesperados ou se desmorona se a previsão estiver errada em 5%. Compreender o impacto de erros de previsões inevitáveis permite que os planejadores da força de trabalho protejam suas apostas em um mundo em que nós sabemos que: “É difícil fazer previsões, especialmente sobre o futuro”.

Para obter mais informações sobre as soluções Aspect Workforce Management e Aspect WFM Forecasting, visite www.aspect.com.