SIMULACIÓN ESTOCÁSTICA PARA ANÁLISIS DE CALL CENTER

Transcripción

1 PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA SIMULACIÓN ESTOCÁSTICA PARA ANÁLISIS DE CALL CENTER ALVARO GUILLERMO MARÍN KEYMER Tesis para optar al grado de Magíster en Ciencias de la Ingeniería Profesor Supervisor: PEDRO GAZMURI SCHLEYER Santiago de Chile, Abril de , Alvaro Marín

2 PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE ESCUELA DE INGENIERIA SIMULACIÓN ESTOCÁSTICA PARA ANÁLISIS DE CALL CENTER ALVARO GUILLERMO MARÍN KEYMER Tesis presentada a la Comisión integrada por los profesores: PEDRO GAZMURI SCHLEYER JORGE VERA ANDREO EDUARDO VALENZUELA VAILLANT MARCELO ARENAS SAAVEDRA Para completar las exigencias del grado de Magíster en Ciencias de la Ingeniería Santiago de Chile, Abril de 2010

3 A mi familia, amigos y polola, que me apoyaron siempre. ii

4 AGRADECIMIENTOS En primer lugar, me gustaría agradecer al profesor Pedro Gazmuri por darme la oportunidad de realizar este trabajo y ser mi profesor supervisor. En segundo lugar, agradezco al profesor Marcos Singer y al ingeniero Pedro Traverso por prestar una licencia del software con que se realizó esta tesis. Finalmente quiero agradecer a las personas del BCI por la información y tiempo que me brindaron en la etapa de la implementación del modelo. iii

5 INDICE GENERAL Pág. DEDICATORIA. ii AGRADECIMIENTOS... iii INDICE GENERAL... iv INDICE DE TABLAS... vi INDICE DE FIGURAS...vii RESUMEN... viii ABSTRACT... ix 1 INTRODUCCIÓN Motivación Solución Propuesta Antecedentes bibliográficos Simulación de eventos discretos Evolución de los sistemas de Call Center Simulación en el análisis de Call Centers Aplicaciones de simulación a centrales de llamadas HIPÓTESIS, OBJETIVOS Y RELEVANCIA DEL TRABAJO Hipótesis Objetivos Relevancia DESARROLLO DEL CASO ESTUDIADO Descripción del Teleservicio Fuentes de llamadas del Teleservicio Áreas del Teleservicio Dinámica del BCI Directo y Pinchado a sucursal Descripción del problema Modelación Entradas o inputs del modelo iv

6 3.3.2 Supuestos y detalles de la modelación Salidas o outputs del modelo Validación del modelo de simulación ESTUDIO DE SIMULACIÓN Variaciones en demanda, ejecutivos y TMO Rebalanceamiento de los turnos de los ejecutivos Rebalanceamiento de los turnos de los ejecutivos sobre la base de un aumento del 50% en la cantidad de fuerza de trabajo CONCLUSIONES Y POSIBILIDADES DE TRABAJO FUTURO Conclusiones Posibilidades de trabajo futuro BIBLIOGRAFIA A N E X O S v

7 INDICE DE TABLAS Pág. Tabla 3.1: Rangos de resultados para el Nivel de Atención Tabla 3.2: Intervalos de confianza y valores reales entre el 4 y el 22 de Junio de vi

8 INDICE DE FIGURAS Pág. Figura 1.1: Mapa de un Call Center... 2 Figura 1.2: Ejemplo de demandas agregadas... 3 Figura 1.3: Dinámica de la solución propuesta Figura 3.1: Mapa del Teleservicio Figura 3.2: Dinámica del Teleservicio Figura 3.3: Entorno del modelo de simulación Figura 4.1: Impacto sobre el nivel de atención Figura 4.2: Impacto sobre el nivel de servicio Figura 4.3: Impacto sobre la utilización Figura 4.4: Resultados rebalanceando el intervalo de 13:00 a 19: Figura 4.5: Resultados rebalanceando el intervalo de 8:30 a 14: Figura 4.6: Resultados rebalanceando el nuevo caso base en el intervalo de 8:30 a 14: vii

9 RESUMEN Este trabajo se desarrolla en el contexto un de centro de llamados o Call Center no externalizado de una empresa con operaciones en la ciudad de Santiago de Chile. El problema enfrentado consiste en la estimación y mejora de un conjunto de indicadores de desempeño del centro de llamados. Estos indicadores corresponden al nivel de atención, nivel de servicio y utilización de ejecutivos. El nivel de atención es el porcentaje de llamadas atendidas. El nivel de servicio es el porcentaje de llamadas que se atendieron antes de veinte segundos. La utilización de ejecutivos es el porcentaje de horas hombre que los ejecutivos estuvieron trabajando en la atención de llamados. Se propone una solución basada en un modelo de simulación de eventos discretos que sea capaz de estimar los indicadores para un día dado, recibiendo como entrada algunos datos de ese día a simular. Estos datos son la demanda estimada, el tiempo medio de operación de los ejecutivos y la distribución de ejecutivos. La demanda estimada es la cantidad de llamados que se espera recibir cada media hora. El tiempo medio de operación de los ejecutivos es el tiempo promedio que pasa entre que, los ejecutivos contestan una llamada y pasan a estar listos para contestar otra. La solución propuesta es capaz de ayudar a mejorar los indicadores mediante la simulación de nuevos escenarios y la comparación entre ellos. Se concluye que la simulación de eventos discretos es una técnica válida para analizar centros de llamados no externalizados, tanto para estimar indicadores de desempeño, como para ayudar a mejorarlos. Adicionalmente, la solución propuesta permite responder la pregunta de si se tiene o no, los ejecutivos suficientes para alcanzar buenos indicadores de desempeño. Se incluyen posibilidades de trabajo futuro en el tema. Palabras Claves: simulación de Call Centers, análisis de Call Centers, exploración de escenarios alternativos en Call Centers, predicción de métricas en Call Centers. viii

10 ABSTRACT This research is developed in the context of a non outsourced call center of a company operating in the city of Santiago de Chile. The assessed problem consists in the estimation and improvement of a set of key performance indicators. These indicators correspond to the answer level, service level and the executive s utilization. The answer level is the percentage of answered calls. The service level is the percentage of calls that were answered before twenty seconds. The executive s utilization is the percentage of man hours in witch the executives were working answering calls. A discrete event simulation model solution is proposed that is capable of estimate the indicators for a given day. The model receives as an input some data from that given day to simulate. This data consist in the estimated demand, the executive s average time of operation and the executive s distribution. The estimated demand is the expected number of calls to receive every half hour. The executive s average time of operation is the average time that passes between the executives answer a call and they get ready to answer another. The proposed solution is capable of helping to improve the indicators by simulating and comparing new scenarios. Conclusions are made, discrete event simulation is a valid technique to analyze non outsourced call centers in terms of estimate performance indicators and support their improvement. What s more, the proposed solution is capable of answer the question if there is or not, enough executives to reach good performance indicators. Future work possibilities are included. Keywords: Call Center simulation, Call Center analysis, exploration of Call Center s what if scenarios, Call Center s metrics prediction. ix

11 1 INTRODUCCIÓN 1.1 Motivación En los últimos años los sistemas de Call Center o centrales de llamada se han hecho cada vez más complejos. Esto se debe a diversos factores como el aumento del tráfico de las llamadas, nuevas políticas de enrutamiento, fusiones entre compañías y opciones de externalizar el servicio, entre otros. Las técnicas tradicionales como modelos Erlang-C 1 ya no son suficientes para capturar las complejidades y aleatoriedades de los Call Centers. Todo esto hace que sea necesario aplicar nuevas herramientas para analizar el funcionamiento de los Call Centers. Típicamente un Call Center tiene varias fuentes de llamadas y diversas áreas, como así lo muestra la Figura 1.1 y es un subconjunto de estas áreas las que recibe la mayor cantidad de llamadas. 1 El erlang-c es un sistema de colas M/M/c que supone: llegada Poisson, tiempo exponencial en el servicio, múltiples servidores (c) de iguales características, atención FIFO (first in, first out), tamaño de cola ilimitado y la no existencia de abandono. 1

12 Figura 1.1: Mapa de un Call Center Los Call Centers miden su desempeño en base a indicadores, los cuales hacen referencia a cuántas llamadas se contestan, cuántas se pierden y cuán rápida es la espera por atención. La predicción a priori de los indicadores de desempeño, en un escenario dado, es clave para poder tomar decisiones oportunas de modo que se tomen medidas para mejorar estos indicadores. Es por esto que el desafío es tener un sistema que permita estimar, dentro de un intervalo de confianza, los valores de los indicadores de desempeño para un día en particular y que, a su vez, permita evaluar el impacto que una medida determinada pueda tener sobre los indicadores. Los Call Centers pueden clasificarse en dos grandes grupos: a. Call Centers externalizados: Centros de llamados de empresas que son externalizados a una empresa que se dedica a gestionar Call Centers de muchas empresas. b. Call Centers no externalizados: Centros de llamados de empresas que gestionan su propio Call Center sin externalizarlo. 2

13 Llamadas Las empresas que se dedican a gestionar Call Centers de otras empresas tienen la posibilidad de agregar demanda, es decir, pueden sumar demanda de manera conveniente con el fin de que a lo largo del día, la demanda total se mantenga relativamente plana. Como ejemplo teórico, se puede pensar en cuatro empresas que externalizan sus Call Centers con una empresa especializada con demandas que se muestran en la Figura 1.2. Demandas Agregadas Empresa 1 Empresa 2 Empresa 3 Empresa 4 Total :00 4:48 9:36 14:24 19:12 0:00 4: Hora Figura 1.2: Ejemplo de demandas agregadas Aquí se ve como cada una de las cuatro empresas tiene demandas con distintos horarios punta, pero al agregar las demandas, se obtiene una demanda total plana. De este modo, si cualquiera de las cuatro empresas quisiera gestionar su Call Center de manera interna, sin externalizar, vería una demanda con horarios punta y valles, lo cual es más complejo de enfrentar desde el punto de vista de cómo distribuir los ejecutivos que atienden llamados a lo largo del día. Los Call Centers no externalizados no tienen la posibilidad de agregar demanda de manera conveniente, pues enfrentan únicamente la demanda propia de sus especialidades, y muchas veces son estas especialidades las que no permiten que se externalice el Call Center. 3

14 1.2 Solución Propuesta Como solución al problema de estimación a priori de los indicadores de desempeño para un escenario dado, se plantea la utilización de una herramienta basada en un modelo de simulación de eventos discretos, que permita evaluar otros escenarios que sean producto de alguna medida que se quiera tomar, para mejorar los indicadores. La idea de la solución es identificar las variables de entrada que capturen la complejidad del Call Center y que estas variables tomen valores, dando origen a un escenario. Luego el modelo tomará el escenario como entrada y dará una estimación de cuáles serían los valores de los indicadores de desempeño para ese escenario. De esta forma, si los indicadores no son buenos, se podrá pensar en alguna medida que de origen a un nuevo escenario, que será evaluado mediante la solución propuesta. Esta dinámica se puede ver en la Figura 1.3. Figura 1.3: Dinámica de la solución propuesta. El modelo de simulación debe capturar las complejidades y la aleatoriedad que el Call Center tenga, vale decir, aleatoriedad en la llegada de llamadas y en tiempos de atención, ruteo de llamadas basado en habilidades o skills y la disposición a esperar por parte de los clientes. 4

15 1.3 Antecedentes bibliográficos Simulación de eventos discretos La simulación de eventos discretos es una técnica que permite crear modelos complejos, capturando la aleatoriedad que pueda existir en torno a parámetros como la demanda, tiempos de viaje y tiempos de atención. Para esto, los modelos de simulación pueden ser alimentados con distribuciones de probabilidad, de modo que los datos ya no sean determinísticos. Como todo modelo, los datos con los cuales se alimenta deben ser de gran calidad, ya que no sería de gran ayuda un modelo que capture la realidad de los procesos en un 95% si los datos con que se alimenta presentan errores de un 50%. Algo que resulta relativamente sencillo al usar simulación, es la creación de animaciones del modelo. Esto es de gran ayuda al momento de exhibir la mecánica y la lógica a la gente de un negocio, ya que para ellos es muy atractivo ver como funciona el modelo sin tener que poseer grandes conocimientos de cómo se implementó. Por su puesto que no hay que simular por simular. Como lo menciona (Paul et al., 2005), no hay que perder el foco de la simulación que es resolver problemas y ayudar a entender por qué las cosas pasan. En (Klungle, 1999) se explica que, los elementos que sugieren un modelo de simulación son: cuando se está tratando con operaciones muy detalladas; cuando la precisión es muy importante; cuando hay alta variabilidad en la demanda; cuando se necesita de una animación para mostrar conceptos a los gerentes; cuando se necesita más que promedios para entender la implicancia de cambios en los procesos; cuando se quiere identificar cuellos de botella. La técnica de la simulación ha sido utilizada en una cantidad no menor de áreas como: redes remotas, donde la simulación interactúa con sistemas de información en tiempo real (Jacobs et al., 2002); sistemas de manufactura, donde se complementa con sistemas de recolección automática de datos con un incremento en la capacidad de un 12% en dos años (Ingemansson & Oscarsson, 2005); operaciones de un departamento de emergencias, donde se exploraron eventuales escenarios (what-if scenarios) resultando en la posibilidad de una reducción de más de un 20% en los tiempos de espera 5

16 (Komashie & Mousavi, 2005); servicios de comida, donde la simulación se integró como parte de un proyecto seis sigma (Seifert, 2005); en la NASA, para completar el ensamblaje de una estación espacial internacional (Cates & Mollaghasemi, 2005a; Cates & Mollaghasemi, 2005b) Evolución de los sistemas de Call Center Los sistemas de Call Center han ido evolucionando desde un modelo general que pretende funcionar en todas partes a uno en que la flexibilidad es de gran importancia en el diseño. En (Fu et al., 2005) se mencionan características de los nuevos centros de llamadas, donde se integra la operación tradicional por voz con sistemas automáticos de respuesta y servicios de Internet. Muchas veces las instalaciones se encuentran muy separadas geográficamente. Varios centros atienden, ya sea por voz, , fax o interacción con una Web y también han aparecido nuevos puestos de trabajo de acuerdo a estos requerimientos. Se le suma a esto la segmentación de los clientes, lo que da origen a nuevas formas de priorizar la atención. El diseño de un Call Center incluye problemas como: determinar la cantidad y el tipo de operadores para cada requerimiento; determinar las políticas de enrutamiento para las llamadas; determinar las formas de priorización que se utilizarán. Antes de la simulación se utilizaban modelos Erlang-C, que es el sistema de colas M/M/c que supone: llegada Poisson, tiempo exponencial en el servicio, múltiples servidores (c) de iguales características, atención FIFO (first in, first out), tamaño de cola ilimitado y la no existencia de abandono (Whitt, 2005). Debido al aumento en la complejidad de los sistemas, los modelos Erlang-C ya no son suficientes para generar estimaciones exitosas que fortalezcan y robustezcan los sistemas de llamadas. Los principales problemas que impiden la aplicación de modelos Erlang-C son que: las prioridades ya no son FIFO (first in, first out) en su totalidad; existen abandonos por largas esperas (Gans & Zhou, 2003). 6

17 1.3.3 Simulación en el análisis de Call Centers La simulación por eventos discretos es un excelente candidato para ser la herramienta a la hora de enfrentar un problema de diseño de Call Center, ya que captura la aleatoriedad de los procesos y la complejidad existente en las políticas de funcionamiento del sistema como se describe en (Pichitlamken et al., 2003). Ejemplos de esto son: las nuevas formas de priorizar, que en simulación son sencillas de implementar mediante un parámetro de prioridad; la diversidad en los servidores, que en simulación se pueden separar en distintas partes del modelo; los abandonos por largas esperas, que en simulación son fáciles de incluir, ya sea por probabilidad de abandono o por algún tiempo de espera que sobrepase un determinado límite. La técnica de simulación ha sido reconocida en el mundo de los centros de llamadas como una excelente herramienta en el apoyo a la toma de decisiones como así se menciona en (Chokshi, 1999). También ha sido reconocida en el campo de la evaluación de tecnologías de planificación en (Gulati & Malcolm, 2001) y en (Miller & Bapat, 1999). Posteriormente ha servido también como herramienta de prueba a la calidad de propuestas de aproximación en donde se compara lo propuesto con una simulación estocástica del sistema como se muestra en (Ridley et al., 2003). Otra aplicación importante en el ámbito de los centros de llamadas, es el ruteo basado en las habilidades de los operarios, ya que esta es una complejidad extra que deja fuera a otras técnicas de análisis como se menciona en (Mehrotra & Fama, 2003), (Mazzuchi & Wallace, 2004) y en (Wallace & Saltzman, 2005) Aplicaciones de simulación a centrales de llamadas En esta sección se detallan algunas experiencias que se han tenido en materia de implementación de modelos de simulación en el área de Call Center. Toho Gas: este caso fue implementado en una compañía de gas en Japón y se construyó un modelo de simulación para examinar objetivos de nivel de servicio. El modelo de simulación se integró en un sistema que incluía programación entera, en donde una primera solución es obtenida con la segunda técnica para que posteriormente 7

18 se evaluara el nivel de servicio mediante simulación. Posteriormente se mostró que este sistema mixto es aplicable y efectivo en situaciones reales obteniéndose un intervalo de confianza del 95% para el nivel de servicio (Takakuwa & Okada, 2005). 25 Call Centers: En este caso, la simulación se utilizó exitosamente para comparar costos operacionales por llamada bajo cuatro categorías de incremento en el volumen de llamadas con distintas tecnologías de enrutamiento. El entorno de este estudio fueron 25 Call Centers externalizados manejados por una empresa especializada en Call Centers (Miller & Bapat, 1999). Existen muchos otros casos donde se utiliza simulación como parte de una solución para analizar empresas que se dedican a gestionar varios Call Centers de otras empresas, como en (Chassioti & Worthington, 2004) donde se utiliza la simulación para modelar la gestión de las colas, en (Saltzman & Mehrotra, 2001) donde el manejo de un cambio estratégico de un Call Center es apoyado por la simulación y en (Avramidis et al., 2004) donde se usa la simulación en la modelación de la llegada de llamados a un Call Center. 8

19 2 HIPÓTESIS, OBJETIVOS Y RELEVANCIA DEL TRABAJO 2.1 Hipótesis La hipótesis central de este trabajo es que la simulación ayuda a estimar indicadores de desempeño en Call Centers no externalizados, permitiendo comparar escenarios para apoyar la toma de decisiones. Una segunda hipótesis es que la simulación permite responder la pregunta de si se tiene o no la cantidad de ejecutivos suficiente para alcanzar buenos indicadores de desempeño. 2.2 Objetivos El objetivo principal de este trabajo es estudiar la utilización de una herramienta de simulación de eventos discretos, como apoyo a la toma de decisiones de los gestionadores de Call Centers no externalizados, en busca de un mejoramiento respecto de los resultados obtenidos con técnicas tradicionales como el Erlang-C. De este modo se espera concluir respecto de la veracidad de la hipótesis planteada. En las secciones anteriores, se menciona la aplicación de la simulación en empresas que se dedican a gestionar Call Centers. Lo novedoso en este trabajo es que se explora el comportamiento de la simulación en un Call Center no externalizado, mediante una metodología que se puede aplicar en cualquier otro Call Center de este tipo. Acorde a lo anterior, un importante objetivo secundario de esta investigación corresponde a determinar e implementar una metodología de solución al problema de análisis de Call Centers no externalizados, en base a las características particulares del caso estudiado y a los desarrollos presentes en la literatura sobre soluciones de análisis de Call Centers externalizados. 9

20 A la luz de los objetivos anteriores, un último objetivo será desarrollar un modelo de simulación de eventos discretos y aplicarlo a un Call Center no externalizado, que en este caso pertenece al Banco de Crédito e Inversiones (BCI). 2.3 Relevancia La relevancia de este trabajo radica en que, la rentabilidad de los negocios asociados a un Call Center no externalizado depende de buenos indicadores de desempeño. Esto ocurre a diferencia de las empresas especializadas en Call Centers, ya que en ellas, cada llamada atendida representa una ganancia directamente, es decir, la atención de llamadas es su negocio propiamente tal. Otro aspecto relevante de este trabajo es que aporta una solución para un problema de Call Center no externalizado, ejemplificado en un caso práctico (BCI). 10

21 3 DESARROLLO DEL CASO ESTUDIADO En el presente capítulo se presenta con mayor detalle el sistema estudiado, indicándose los aspectos más relevantes del desarrollo del modelo de simulación implementado. Es importante destacar que la metodología que se utilizó para construir el modelo específico del BCI, bien podría ser utilizada en cualquier otro Call Center no externalizado, ya que las dinámicas de funcionamientos de los Call Centers son muy similares, es decir, cada Call Center no externalizado tiene sus particularidades, pero las dinámicas de operación son similares en términos de cómo ingresan las llamadas, cómo se enrutan, cómo y por quién se atienden, cuáles son los indicadores que miden el desempeño del Call Center y su particularidad de no poder agregar demanda, como las empresas que se dedican a gestionar muchos Call Centers. La mayoría de las particularidades de cada Call Center no externalizado aparecen al momento de considerar los parámetros que recibe el modelo de simulación, como pueden ser: los volúmenes de llamadas, el cómo dividen los intervalos en las jornadas y los horarios de los ejecutivos que atienden. 3.1 Descripción del Teleservicio El Banco de Crédito e Inversiones presta sus servicios bancarios desde hace más de 70 años y tiene más de 120 oficinas distribuidas a lo largo del país. Dentro del banco, existe un Call Center no externalizado que es el Teleservicio, que es el contexto donde se desarrolla el caso estudiado. Este Call Center opera desde las siete de la mañana de un día, hasta la una de la mañana del día siguiente. En la Figura 3.1 se puede ver las distintas fuentes de llamadas que llegan al Teleservicio y las áreas que lo componen. 11

22 Figura 3.1: Mapa del Teleservicio Fuentes de llamadas del Teleservicio Línea 800 para inversión: Es una línea dedicada a atender llamados de clientes que quieren invertir en algún producto del banco. Llamado a sucursal: Cuando un cliente llama a una sucursal, el llamado es automáticamente redirigido al Teleservicio para que sea atendido por alguno de los ejecutivos del Teleservicio y no por el ejecutivo particular del cliente en la sucursal a la que llamó. Interactive Voice Response 2 (IVR): El BCI tiene un sistema de IVR por el cual también se puede ingresar al Teleservicio dependiendo de las opciones que elija el cliente dentro del IVR. En un IVR, el cliente realiza una llamada a un número de teléfono, el sistema contesta la llamada y le presenta al usuario una serie de acciones a realizar, esto se hace mediante mensajes que generan un menú de 2 Interactive Voice Response es un sistema que, mediante grabaciones de voz, ofrece a los clientes un menú con opciones de modo que el llamado sea derivado al área que corresponda. 12

23 opciones previamente grabados en archivos de audio. Por ejemplo: "Presione uno para ventas o dos para resolución de problemas". El usuario elige la opción a realizar introduciendo un número en el teclado del teléfono y navega por los diferentes menús hasta que el sistema enruta la llamada al destinatario elegido. Sobrecarga del sistema de Doble Ejecutivo: En el banco existe un servicio de doble ejecutivo que consiste en tener, además del ejecutivo asignado en sucursal, una plataforma especializada de ejecutivos que lo atienda en sus llamados. Si por alguna razón esta plataforma está ocupada 100% y llega un llamado, este llamado es derivado al Teleservicio. Línea 800 para emergencias: Es una línea dedicada a atender llamados que tengan como fin el bloqueo de una tarjeta por robo o extravío, o bien, para dar orden de no pago a algún cheque Áreas del Teleservicio Cuentas primas: Esta área se ocupa de atender llamados que tengan relación con cuentas primas dentro del banco. Célula de ventas: Esta área es la única que en vez de recibir llamadas, las genera, es decir, se dedica a llamar a la gente para ofrecerle los productos del banco. Inversiones: Esta área se dedica a atender los llamados que provienen de la línea 800 para inversión. BCI Directo: Esta área se dedica a atender llamados provenientes del IVR, de la sobrecarga del sistema de doble ejecutivo y de la línea 800 para emergencias, con excepción de los llamados que tengan relación con cuentas primas dentro del banco. Pinchado : Esta es el área a la que se redirigen los llamados a sucursal. Existen dos áreas en que se concentra el 90% de los llamados. Estas áreas son el BCI Directo y el Pinchado a sucursal, que a su vez, son las áreas que presentan 13

24 problemas en sus indicadores de desempeño. Es por esto que en este trabajo se considerarán estas áreas como el foco de interés a modelar Dinámica del BCI Directo y Pinchado a sucursal Como ya se explicó en la sección 3.1.2, las áreas BCI Directo y Pinchado a sucursal tienen diversas fuentes de llamadas. Las llamadas son clasificadas según la atención que necesiten. Es por esto que una llamada será clasificada como del tipo BCI Directo o del tipo pinchado a sucursal, dependiendo de si la llamada debe ser atendida por un ejecutivo que tenga las competencias específicas de esas áreas. A estas competencias, para efectos del sistema computacional que rutea las llamadas, se les llama skills. Los ejecutivos que atienden las llamadas, tienen uno de los skills. Existe en la plataforma de ejecutivos un supervisor que tiene facultades para reasignar skills, de modo que por ejemplo, si se están perdiendo llamadas en el área BCI Directo, teniendo ejecutivos desocupados con el skill de pinchado a sucursal, el supervisor podrá reasignar los skills en algunos de los ejecutivos. A un ejecutivo le pueden reasignar su skill siempre y cuando tenga las competencias para atender los dos tipos de llamados. Debido a esta separación de áreas, existen dos colas en donde se espera por servicio. Cuando una llamada, con cierto skill requerido, entra en el sistema, ésta es dirigida a su cola correspondiente, en donde espera por atención. Eventualmente, la llamada se puede perder por largas esperas, pero cuando la llamada está al frente de la cola, ésta es atendida en cuanto haya un ejecutivo desocupado con el skill requerido. El ejecutivo que atiende una llamada se demora un tiempo en hablar con el cliente y, eventualmente, podría necesitar un tiempo extra en realizar algún trabajo después del llamado. Al total de este tiempo se le llama tiempo de operación de la llamada, es decir, el tiempo de operación para una llamada es el tiempo que transcurre desde que se contesta, hasta que el ejecutivo vuelve a estar desocupado. 14

25 En la Figura 3.2 se muestra un diagrama que resume e ilustra la dinámica del Teleservicio, donde las áreas de BCI Directo y "Pinchado" a sucursal, corresponden a instancias de tipos de necesidades de los clientes. Cliente Llama con Necesidad i Llamada se enruta a la necesidad i Cola i Cliente abandona? No Ejecutivo con skill i Supervisor Reasigna skills SI Llamada perdida SI Espera por Atención < 20 seg? Llamada atendida (con n. servicio) No Llamada atendida (sin n. servicio) Figura 3.2: Dinámica del Teleservicio 3.2 Descripción del problema En el BCI se mide el desempeño del Teleservicio mediante algunos indicadores que se utilizan de manera estándar en el área de los Call Centers. Dentro del banco, se les llama métricas de negocio a estos indicadores. Estas métricas de negocio son: Nivel de atención: Corresponde al porcentaje de llamadas atendidas. 15

26 Nivel de servicio: Corresponde al porcentaje de llamadas atendidas antes de 20 segundos, pero sobre el total de las llamadas atendidas. En el banco se debe hacer una planificación semanal para los turnos diarios de los ejecutivos. Esta planificación determina cuantos ejecutivos habrá en plataforma en un cierto intervalo de tiempo. Existen dos tipos de ejecutivos, los que trabajan seis horas por turno, y los que trabajan ocho horas por turno. El BCI externaliza esta planificación con la empresa Atento, la cual utiliza una planilla Erlang-C 3 para explicitar cuantos ejecutivos poner en cada intervalo de tiempo del día. Los intervalos de tiempo son de 30 minutos, siendo el primero de 7:00 a 7:30 y el último de 00:30 a 01:00. Una vez que Atento entrega la planificación a la gente del BCI, se deben hacer algunos ajustes para cubrir la planificación lo mejor posible. Esto se debe a las restricciones de cantidad de ejecutivos y los horarios en que ellos atienden. El hecho es que con este sistema no se estaban obteniendo buenas métricas de negocio, en particular, en los días hábiles, donde la demanda es más alta. Gráficos para la demanda, el nivel de atención y el nivel de servicio para el mes de Junio de 2007 se encuentran en el ANEXO A, ANEXO A y ANEXO C respectivamente. Si el sistema con Atento funcionara bien, se debería tener un 95% de nivel de atención y un 85% de nivel de servicio en todos los días. Dado que eso no se cumple, surge el problema de que no hay un sistema que permita estimar a priori los valores de las métricas de negocio para un día en particular. Además, no existe un sistema que permita evaluar el impacto que alguna medida pueda tener sobre las métricas de negocio. 3 En esta planilla se ingresa la demanda estimada y los niveles de atención y de servicio deseado, que el banco fija en 95% y 85% respectivamente. 16

27 3.3 Modelación En este apartado se describen los aspectos y componentes principales del modelo de simulación desarrollado. En conjunto dan origen a un modelo que representa al sistema del BCI Directo y pinchado a sucursal. La herramienta que se utilizó para desarrollar el modelo fue Extend en su versión 6.0.7a. Este programa permite desarrollar modelos de simulación con una interfaz gráfica, de modo que no es necesario programar todo el modelo en un lenguaje de todo propósito. El nivel de detalle alcanza una profundidad que hace de las llamadas que ingresan al sistema, la entidad básica a conducir a través del modelo de simulación. La dinámica de la operación del sistema simulado se basa íntegramente en el funcionamiento del sistema real estudiado, de modo de representarlo con la mayor fidelidad posible, dentro de un adecuado nivel de abstracción. Se consideró como horizonte de simulación, una jornada 4 completa. Esto se debe a que, dado que el Teleservicio opera entre las siete de la mañana de un día y la una de la mañana del día siguiente, existe independencia entre el estado del sistema al finalizar cada jornada y el estado del sistema al comenzar la siguiente jornada. El número de corridas de simulación para un escenario se determinó mediante la examinación de los rangos de resultados que se obtienen con el modelo. Así, se utilizaron 10, 100 y 1000 corridas como candidatos. Los rangos de los resultados de 100 y 1000 corridas fueron similares, pero el rango de los resultados en el caso de las 10 corridas tenía una diferencia notoria. A continuación se presenta en la Tabla 3.1, los rangos de resultados para el nivel de atención en los días del 4 al 9 de Junio de Por jornada se entiende el rango entre las siete de la mañana de un día y la una de la mañana del día siguiente. 17

28 Tabla 3.1: Rangos de resultados para el Nivel de Atención En la tabla se puede apreciar claramente lo que se dijo. Al examinar los rangos de los resultados para las distintas opciones en el número de corridas, se puede ver que los rangos de las opciones de 100 y 1000 corridas son similares para los días entre el 4 y el 9 de Junio de Es por esto que se utilizaron 100 corridas de simulación para el modelo, ya que subir las corridas a 1000 no presentaba una gran mejora en cuanto a precisión. Con respecto al tiempo de procesamiento, en el equipo donde se instaló la herramienta de simulación, toma alrededor de 10 segundos realizar 10 corridas, 1.5 minutos las 100 corridas y 15 minutos las 1000 corridas. La Figura 3.3 muestra el entorno en que se inserta el modelo de simulación, donde se ven las entradas y las salidas que serán explicadas más adelante. 18

29 Figura 3.3: Entorno del modelo de simulación Entradas o inputs del modelo El modelo recibe 3 datos de entrada. Estas entradas componen un escenario que puede corresponder a los datos de alguna jornada en particular o de alguna modificación de una jornada, producto de alguna medida que se quiera evaluar. A continuación se explican cada una de estas entradas: Turnos Los turnos corresponden a la cantidad de ejecutivos que estarán atendiendo en cada intervalo de tiempo de la jornada, en las áreas de BCI Directo y pinchado a sucursal. Corresponde a los ejecutivos totales de estas dos áreas, ya que no se contaba con datos en que estas áreas estén separadas. Los datos existentes en el banco dividían la jornada en intervalos de 30 minutos, pero para la empresa era importante que el modelo tuviera la posibilidad de funcionar con intervalos de 15 minutos. Es por esto que el modelo se desarrolló para recibir los turnos en intervalos de 15 minutos, de modo que, los datos de turnos que se tenían en el banco eran modificados para que representen este nuevo formato. Esta modificación fue replicar dos veces la cantidad de ejecutivos en 19

30 intervalos de 30 minutos, ya que si, por ejemplo, 12 ejecutivos estuvieron atendiendo entre las 7:00 y las 7:30, se puede suponer que en los intervalos de 7:00 a 7:15 y 7:15 a 7:30, también hubo 12 ejecutivos atendiendo en cada uno de esos intervalos. La idea de trabajar con intervalos de 15 minutos, es poder tener mayor precisión al momento de planificar los turnos en situaciones que así lo ameriten, como por ejemplo, en el caso de los almuerzos que duran 45 minutos. Hay que destacar que esta capacidad de trabajar con intervalos de 15 minutos no se aprovechó en este trabajo, ya que los datos venían en el formato de intervalos de 30 minutos, pero el modelo se implementó pensando en la utilización futura que el BCI le quisiera dar, en el caso de que decidieran quedarse con el modelo. En el ANEXO D se muestra un ejemplo de la entrada de turnos, donde se puede ver el formato en que estaban los datos en el banco, y la transformación de estos datos para que puedan ser ingresados al modelo Demanda La demanda corresponde a la estimación de la cantidad de llamados que se recibirán en cada intervalo de tiempo. Para esto, el banco utiliza información histórica de alguna jornada parecida a la que se quiere estimar. Así por ejemplo, si se quiere estimar la demanda de una jornada que ocurre en un día hábil después de un feriado, se buscará una jornada anterior, en la cual se tenga el registro de la demanda, con esas características. Nuevamente los datos que se tenían en el banco estaban en un formato de intervalos de 30 minutos, pero era deseado que el modelo pudiera trabajar con intervalos de 15 minutos tal como en el caso de los turnos. En esta oportunidad, se hizo el supuesto de que si, en un intervalo de 30 minutos llegan 2n llamados, en los intervalos de 15 minutos llegaría n llamados en cada uno. Si la cantidad de llamadas que llegan en un intervalo de 30 minutos es impar, la traducción al formato de 15 minutos serían números con decimales, pero esto no tiene importancia, ya que en una etapa posterior, las cantidades de llamadas en los intervalos se transformarán en tiempos entre llamadas por 20

31 intervalo 5. Por ejemplo, si en una jornada en el intervalo de 7:00 a 7:30 se recibieron 24 llamadas, la transformación de este dato sería que se recibieron 12 llamadas en cada intervalo de 7:00 a 7:15 y de 7:15 a 7:30, y por consiguiente el tiempo entre llamadas en ambos intervalos es de De este modo, los tiempos entre llamadas están expresados en minutos. En el ANEXO E se muestra un ejemplo de la entrada de demanda, donde se puede ver el formato en que estaban los datos en el banco, y la transformación de estos datos para que puedan ser ingresados al modelo Tiempos de atención Este dato hace referencia al tiempo que pasa desde que un ejecutivo contesta un llamado, hasta que está listo para contestar el siguiente. Es decir, considera el tiempo mismo de la llamada, más el tiempo que eventualmente necesite el ejecutivo después para solucionar el problema del cliente. Lamentablemente, en el banco, no fue posible obtener este dato en cada intervalo de tiempo de la jornada laboral, por lo cual, el modelo se desarrolló para funcionar con el promedio de la jornada, perdiéndose un grado de detalle. Este grado de detalle que se pierde se aminora si se toma alguna distribución de probabilidades en torno a ese promedio de tiempo. Esto se explicará más adelante cuando se expongan los supuestos y detalles de la modelación en la sección Supuestos y detalles de la modelación En esta sección se exponen los supuestos y detalles de la modelación, desde la entrada de una llamada al sistema, hasta su salida. 5 Esta transformación se logra dividiendo el largo del intervalo en el número de llamadas que se recibieron en él. En el caso de que no se hayan recibido llamadas, la transformación se convierte en un número muy grande, que en el caso estudiado se tomó como Este valor de 1.25 resulta de dividir los 15 minutos de largo del intervalo en las 12 llamadas que se recibieron en él. 21

32 Supuestos transversales en la modelación A continuación se detallan los supuestos que se utilizaron a lo largo de la modelación: Homogeneidad de los ejecutivos: Se considera que los ejecutivos son iguales en el sentido que, para una jornada a simular, sus tiempos de atención se rigen por una única distribución de probabilidades. Consideración de la parte gruesa de las llamadas del Teleservicio (~90%): Se considera que los problemas de desempeño que existen en el Teleservicio se concentran en las dos áreas que son el foco de este trabajo: BCI Directo (~35% de las llamadas) y pinchado a sucursal (55% de las llamadas). Además, se hace el supuesto de que estos porcentajes reflejan la realidad de todos los días en el Teleservicio. Existencia de un sistema de ruedas de llamadas: Se considera que los clientes no eligen con qué ejecutivo hablar. La demanda del día histórico similar refleja la demanda real: Se considera que el sistema de estimación de demanda de acuerdo con un día histórico similar, refleja una estimación precisa de la demanda real. Los supervisores pueden cambiar el skill de los ejecutivos: Se considera que el supervisor puede redistribuir los skills de los ejecutivos según la desigualdad en las demandas, producto de la aleatoriedad, que pueda ocurrir entre las áreas de BCI Directo y pinchado a sucursal. Lo que pasa en una jornada no afecta a otra: Se considera que, dado que el Teleservicio opera desde las siete de la mañana de un día, hasta la una de la mañana del día siguiente, el estado del sistema al comienzo de una jornada no se ve afectado por el estado del sistema al final de la jornada anterior. 22

33 Entrada de las llamadas al sistema La llegada de las llamadas al sistema se modeló como un proceso de Poisson no homogéneo, es decir, se considera que la tasa de llamadas varía en el tiempo. Es aquí donde se utiliza el dato de la demanda, ya que en los procesos de Poisson de la herramienta de Extend, se debe ingresar el tiempo entre las llamadas. Es por esto que el proceso utilizado es no homogéneo, ya que la tasa a la cual llegan los llamados puede cambiar cada 15 minutos de acuerdo con el dato de la demanda División de la demanda Al ingresar una llamada al sistema, ésta puede requerir que se atienda en el área de BCI Directo o de pinchado a sucursal. Como ya se mostró en la Figura 3.1, el BCI Directo recibe el 35% de las llamadas de Teleservicio, mientras que el pinchado a sucursal recibe el 55%. Los datos de entrada representan las demandas, los turnos y los tiempos de atención de estas dos áreas, por lo cual se totalizaron los porcentajes para un total de 100%. De este modo el modelo considera una probabilidad de 61% de que la llamada sea del tipo pinchado a sucursal, y una probabilidad de 39% de que la llamada sea del tipo BCI Directo Paciencia de los clientes A cada llamada que ingresa al sistema se le asigna un valor de paciencia. Este valor indica la disposición a esperar por atención del cliente que llamó. En el banco no se registra esta información, y lo más parecido de lo cual sí se tiene registro es el tiempo que esperó un cliente por atención. Pero el tiempo que esperó el cliente es menor que su disposición a esperar, ya que de lo contrario, no habrían atendido a ese cliente. En este caso se utilizó la opinión experta del supervisor del Teleservicio, y se implementó una distribución triangular 7 para la paciencia de los clientes. Los parámetros de la distribución se fijaron en base a la opinión del supervisor, y fueron: 7 La distribución triangular requiere tres parámetros: el mínimo, el máximo y la moda o valor típico. 23

34 Mínima paciencia = 10 segundos Máxima paciencia = 40 segundos Típica paciencia = 18 segundos Cola de espera por atención Luego de que una llamada tenga su tipo y paciencia asignada, entra en una cola donde espera por atención. El modelo considera dos colas, una para cada tipo de llamada. Cuando una llamada alcanza el primer lugar de su cola, es atendida por el primer ejecutivo de su tipo que esté desocupado. Si la espera por atención en la cola supera la paciencia asignada a la llamada, esta llamada se pierde y sale del sistema aumentando el conteo de llamadas perdidas en una unidad. Si la llamada es atendida y además, es atendida antes de 20 segundos, se le activa un indicador de que fue atendida antes de 20 segundos Tiempo de atención por parte de los ejecutivos Con respecto al dato del tiempo que se toma un ejecutivo en resolver un llamado, ya se mencionó en la sección que en el banco sólo se tenía el dato del promedio de este tiempo por jornada, para el total de ejecutivos. Esto obligó nuevamente a utilizar la opinión experta del supervisor, pero esta vez se le pudo sacar provecho a este promedio que se tenía. Se implementó nuevamente, una distribución triangular para los tiempos de atención, pero esta vez se hizo el supuesto de que la moda de la distribución coincidía con la media. Es decir, la distribución toma la forma de triángulo isósceles, por lo cual sólo se utilizó la opinión experta del supervisor para determinar la dispersión de la distribución. Para esto, se le pidió al supervisor que diera el dato de la distancia que típicamente hay entre el promedio que se tiene por jornada y el máximo tiempo de atención en una jornada. La opinión fue que esta distancia eran 3.5 minutos. Es decir, si el dato promedio de jornada que se tiene para el tiempo de atención es de x minutos, los parámetros de la distribución triangular que usaría el modelo serían: 24

35 Mínimo tiempo de atención = Max{x 3.5, 0} Máximo tiempo de atención = x Típico tiempo de atención = x Nótese que en los casos donde x 3.5 es negativo, se tendrá que la distribución triangular ya no toma la forma de triángulo isósceles Número y tipo de ejecutivos atendiendo El número de ejecutivos que está atendiendo en un intervalo de tiempo, está dado por el dato de entrada de turnos, el cual indica para cada intervalo de 15 minutos, cuántos ejecutivos hay atendiendo. En una primera etapa, el modelo dividía los tipos de ejecutivos en igual proporción que los tipos de llamados, es decir, del total de ejecutivos que atendían en un intervalo, el 61% tenía la habilidad o skill de pinchado y el 39% el de BCI Directo. Esto suponía que no existe un supervisor que redistribuya los skills de los ejecutivos de acuerdo a la sobredemanda que, por aleatoriedad, podía tener alguna de las áreas. Con esto, los resultados no fueron de gran precisión, ya que el supervisor balanceaba la plataforma de ejecutivos de manera eficiente. Es por esto que se cambió el enfoque del modelo de modo que reflejara esta situación. Con el nuevo enfoque, al comienzo de un intervalo de 15 minutos, los ejecutivos están en un estado neutro en que pueden atender los dos tipos de llamadas. Apenas atiendan su primera llamada, el ejecutivo pasará a tener la habilidad o skill de igual tipo que esa primera llamada que atendió. Es decir, el ejecutivo queda con el skill de igual tipo que la primera llamada que atiende por el resto del intervalo de 15 minutos. Cuando inicia un nuevo intervalo de 15 minutos, los ejecutivos vuelven a su estado neutro en que pueden atender los dos tipos de llamadas. Con este reseteo de estado, el modelo pretende capturar la función del supervisor que redistribuye los skills a lo largo de la jornada. 25

36 Salida de las llamadas atendidas Cuando un ejecutivo termina de resolver una llamada, se desocupa y queda listo para atender otra. Por su parte, la llamada sale del sistema incrementando el conteo de llamadas atendidas en una unidad. Si la llamada tiene un indicador de que fue atendida en menos de 20 segundos, adicionalmente se incrementa el conteo de llamadas atendidas antes de 20 segundos Salidas o outputs del modelo Del modelo se obtienen 3 salidas. Estas salidas son, las métricas de negocio que se quieren estimar y la utilización de los ejecutivos para el escenario simulado. Dado que se hacen 100 corridas de simulación, al simular un escenario se obtiene una tabla con 100 filas y 3 columnas. Cada fila representa una corrida de simulación y cada columna representa una salida del modelo. En el ANEXO F se presenta un extracto de la salida del modelo para el día 17 de Agosto de A continuación se explica cada una de las salidas: Nivel de atención Corresponde a la división entre, las llamadas atendidas y las llamadas totales que ingresaron al sistema, en el momento que finaliza una corrida de simulación Nivel de servicio Corresponde a la división entre, las llamadas atendidas antes de 20 segundos y las llamadas atendidas, en el momento que finaliza una corrida de simulación Utilización Corresponde al porcentaje de tiempo que los ejecutivos estuvieron ocupados solucionando llamados, en el momento que finaliza una corrida de simulación. 26

37 3.4 Validación del modelo de simulación La forma de validación utilizada en este trabajo, corresponde a la validación por comparación de resultados con resultados reales históricos. En el banco se tiene registro de las dos métricas de negocio, pero no se mide la utilización de ejecutivos. Es por esto que la comparación será sólo en el ámbito del nivel de atención y de servicio. En este trabajo, interesa que el modelo sea capaz de estimar las métricas de negocio y la utilización para un escenario dado. Como lo que se quiere estimar no es un promedio, sino una instancia de las métricas y de la utilización, se construyó, para las métricas, un intervalo con 95% de confianza en base a los resultados del modelo. Es decir, las columnas de los resultados se ordenaron de menor a mayor, y se tomó como valor mínimo el de la fila número 3, y como máximo el de la fila número 98. Esto se hizo para los meses de Junio, Julio y Agosto de 2007, en los que se tenían los datos de entrada para el modelo y los datos reales para poder comparar. Esto dio origen a 64 días que se simularon con 100 corridas cada uno. En todos los casos, se tuvo que las dos métricas de negocio pertenecían a su respectivo intervalo de confianza. Un extracto de esta validación se muestra en la Tabla

38 Tabla 3.2: Intervalos de confianza y valores reales entre el 4 y el 22 de Junio de