Estrategia De Reacao Em Call Center Sabrina Mariana Freitas Costa 2011

1 FACULDADE DE TECNOLOGIA DE SÃO PAULO

( SÃO PAULO 2011 )

ESTRATÉGIA DE REAÇÃO EM CALL CENTER: UMA PROPOSTA DE ARQUITETURA

SABRINA MARIANA FREITAS COSTA ORIENTADOR:

PROF. DR. SILVIO DO LAGO PEREIRA

FATEC - SÃO PAULO 2011 2

INTRODUÇÃO

Organização 1. Estudo de Caso: Empresa X.

2. Ambiente De Call Center

3. Planejamento Estratégico e Gestão De Conhecimento.

4. Inteligência Empresarial.

5. Inteligência Aplicada ao Negócio.

6. Arquitetura Proposta.


Motivação

2%

34%

21 %

43%

Quando um operador de call center entra em contato, qual a sua reação?

Geralmente Aceita a Proposta.

Escuta a proposta, mas não compra.

Não é receptivo, sempre informa que não está disponível.

Não compra nada por telefone

4 FATEC - SÃO PAULO 2011


1. ESTUDO DE CASO EMPRESA X

Empresa X • CARACTERIZAÇÃO

– Terceirização de Serviços de Call Center;

– Possui 5.000 colaboradores (90% são operadores de

telemarketing);

– 25 campanhas.

• PROBLEMAS

– Rotatividade na equipe

– Contatos monótonos

– Muitas ações (Campanhas) a serem administradas;

– Conceito de BI inadequado;

– Não há foco estratégico preventivo;

– Plano de ação uniforme;

– Medidas estratégicas estão voltadas para correções;


Estrutura


Est

rutu

ra –

Ca

ll C

en

ter –

Vis

ão

Em

pre

sa C

on

tra

tad

a

Gerente de Operações

Cliente – Contratante

Coordenador de Operações

Supervisor

Auditoria de Qualidade

Monitoração

Operador de Call Center

Estrutura – Call Center Visão Campanha – Determinada Entidade

Supervisor

Supervisor

Gerente de Planejamento

Coordenador de Planejamento

Analista de Planejamento

Empresa Contratada

Recrutamento e Seleção

Administrativo - RH

Multiplicadores

Área de Recursos Humanos

Gerente de Recursos Humanos

Objetivo do Trabalho Propor uma Arquitetura de Call Center:

• Monitorar as informações;

• Gerar Alerta;

• Registrar Incidências;

• Apoiar na tomada de Decisões;

• Auxiliar na gestão do conhecimento corporativo.

Aplicabilidade

– Tecnologia BI ( Business Intelligence);

– Técnicas de IA ( Inteligência Artificial );

– Gestão do Conhecimento Empresarial.

8 FATEC - SÃO PAULO 2011


2. AMBIENTE DE CALL CENTER

O que é Telemarketing ?


Tipos de Contato:

• Ativo

• Receptivo

Infraestrutura e Informatização • Plano de contingência

• Atualização em tempo real

• Energia ininterrupta

• Climatização do ambiente

• Conjunto de fones e controle de audição.

• Posição de atendimento

• Distribuição automática de chamadas.

• Apresentação de scripts;

• Sistema de acesso e busca de informações

• Sistemas de gravação para monitoramento

• Autenticação de transações

• Tarifação automática de chamadas.



3. GESTÃO DE CONHECIMENTO

E

PLANEJAMENTO ESTRATÉGICO

Conhecimento

• “Ato ou efeito de conhecer, realizado por meio da razão e/ou da

experiência.” Dicionário Houaiss*

• “Conhecimento consiste em uma crença verdadeira e justificada.”

Platão – 428 A.C. a 347 A.C.**

• “Processo pelo qual uma organização consciente e

sistematicamente coleta, organiza, compartilha e analisa seu acervo

de conhecimento para atingir seus objetivos”. (FALCÃO &

BRESCIANI FILHO apud CARBONE et al., 2005, p. 82)

* http://houaiss.uol.com.br, acesso em ago. 2011.

** http://www.santanna.g12.br/professores/marcelo_etica/tipos_de-conhecimento_humano.pdf


Planejamento

Onde desejamos estar no futuro?


• Análise da Situação Atual.

• Determinação do Horizonte de Planejamento.

• Varredura de Ambiente.

• Identificação de Fatores Críticos do Sucesso (FCS).

• Análise de Compleição de Lacunas

• Visão Estratégica.

• Estratégia de Negócio

• Identificar Objetivos e Metas Estratégicas

• Definir a Meta Estratégica

Estratégia

Lacuna Estratégica NIVEM (2005)

Estratégia no Call Center SIMONS (2002)

• Visão • Pessoas • Gerenciamento • Recursos

• Plano Estratégico, com objetivos e metas deve ser definido;

• Cadastro do cliente confiável e atualizado;

• Clara definição do produto, serviço ou mensagem á

oferecer;

• Capacitação de todos os setores envolvidos para que a

empresa torna-se colaborativa;

• Call Center bem equipado, treinado e motivado



4. INTELIGÊNCIA EMPRESARIAL

CRM


• CRM (Customer Relationship Management – Gestão de

Relacionamento com o Cliente).

• Identificar o Cliente,

• Diferenciar,

• Interagir e Personalizar o Contato,

• Conhecer suas Preferências e Dados Pessoais

Data Warehouse • O Data Warehouse (DW) é parte de um sistema completo de Business

Intelligence. Uma empresa possui um Data Warehouse, de onde os Data Marts extraem sua informação. No Data Warehouse, as informações são armazenadas em terceira forma normal. (INMON,1987)

• O Data Warehouse é o conglomerado de todos os Data Marts da empresa. A informação sempre é armazenada em modelo dimensional. (KIMBALL,1998)

CARACTERÍSTICAS

• Extração de dados de fontes heterogêneas;

• Transformação e integração dos dados antes de sua carga final;

• Requer recursos de hardware e suporte;

• Diversos níveis para visualização;

• Utilização da ferramenta voltada para os diferentes níveis de apresentação;

• Dados somente são inseridos, não existindo atualização ou alteração.


Arquitetura


DW

BD Cadastro de Funcionários

BD Cadastro de Clientes ( Mailing )

Mineração de Dados

Extração

Filtro

1 – Feminino / 2- Masculino

“f” – Feminino / “m”- Masculino

“F” – Feminino

“M”- Masculino

Mineração

Estrutura Multidimensional

• Modelo: – Star – Estrela

• Storage Modes – MOLAP

fonte: MACHADO (2008) Pag. 93.


Dimensão de Tempo

Dimensão Cliente Dimensão Região

Dimensão Produto

Dimensão Vendendor

Fatos de Vendas

Modelagem Multidimensional


Data Mining

• Consiste num conjunto de técnicas para análise de informação, procura padrões ocultos em coleção dos dados que podem ser utilizados em análise históricos com enfoque no futuro.


Data Mart

Menor que DW, trata assunto ou departamentos

específicos.

• Subconjunto:

– Dependente

– Independente

• Arquitetura

– Independente.


BI – Business Intelligence

• “A maior ameaça das empresas da atualidade é o

desconhecimento... O Business Intelligence se empenha em

eliminar as dúvidas e a ignorância das empresas sobre suas

informações, aproveitando os enormes volumes de dados coletados

pelas empresas” (GARTNER, 2004).

• Benefícios de BI (THOMPSON,2004):

– Geração de relatório mais rápida e precisa;

– Tomada de decisões;

– Serviço ao cliente;

– Maior receita.



5. INTELIGÊNCIA APLICADA AO NEGÓCIO.

Definição – Redes Neurais • Representam uma metáfora do cérebro;

• Neurônios conectados formando uma grande rede;

• Rede neural artificial (RNA) emula uma rede neural biológica;

• RNA principal componente da ferramenta de Data Mining.

Composta por duas células:

– Núcleo;

– Dendritos;

– Axônio;

– Sinapse;


Fonte: (TURBAN 2008 – Capítulo 6 – Redes Neurais para Data Mining)

Processamento - RNA

• Possui recursos de aprendizagem;

• Auto-organização;

• Intolerância ao erro;

• Recebe sinais de entrada;

• Sinais artificiais podem ser mudados pelos pesos.


Fonte: (TURBAN 2008 – Capítulo 6 – Redes Neurais para Data Mining)

Algoritmo de Aprendizado

• Inicia pesos com valores aleatórios;

• Determina outros parâmetros;

• Lê o vetor de entrada e a saída desejada;

• Estima a saída real por meio de cálculos

• Trabalhando progressivamente através de camadas;

• Calcula o erro;

• Alterar os pesos através do trabalho progressivo, da camada de

saída passando pelas camadas escondidas.



6. ARQUITETURA PROPOSTA

Regra de Negócio

• Mailing é recebido enviado pela entidade;

• A meta é definida pela contratante;

• Ações de Telemarketing Ativo - Vendas de Cartões

• Produto determinados pela faixa de renda do cliente;

• Deve gerenciar o status do cliente;

• 1 Supervisor = 40 Operadores

AÇÕES PARA MONITORAMENTO

• Número elevado de vendas efetuadas;

• Número inferior de contatados;

• TMA (Tempo Médio de Atendimento) elevado;

• Características que podem indicar fraudes operacionais.



Ambiente Atual


SQL Server Data Warehouse

SQL ServerBD Transacional

Produção

Processamento de informação

Consulta Excel

Usuário


Replicação - RelatórioReplicação Parcial

Ambiente Proposto


Ambiente Atual

SQL ServerData Mart

Analysis Services

SQL Server Data Warehouse

Integration Service

Report Service


Produção

Http://

Report Builder

Processamento de informação

Consolida Dados

Modelo Dimensional

Consulta SQL

Carga para o Cubo

Consulta SQL

Consulta Excel

Usuário

Modelo Dimensional


Replicação - RelatórioReplicação

Requisitos Características Configurações

Armazenamento

DW - 8 TB

ODS - 4 TB

Data Mart - 2 TB

Processadores 64-bit

Sistema Operacional Windows Server 2003 Enterprise

Edition

Servidores SQL Server 2005 Failover cluster

Reporting Services Web Farm, em Load Balancing


Ferramentas • Microsoft SQL Server (Data base): repositório de dados

• Microsoft SQL Server Integration Services (SSIS): centraliza e buscar diversas

fontes de dados

• Microsoft SQL Server Analysis Services (SSAS): Manipular de forma para

fornecer informações para a tomada de decisão.

• Microsoft SQL Server Reporting Services (SSRS): Exibição de dados,

responsável por criar relatório, gráficos

• Microsoft Office Excel 2010: Consulta de dados, através de Gráficos Dinâmicos

• Weka *: Coleção de algoritmos de aprendizagem de máquina para tarefas de

mineração de dados

*http://www.cs.waikato.ac.nz/~ml/weka/ - Acessado em Setembro -2011.


Ambiente - DW

• Informações do Cliente ( Sexo / Nome / Faixa Etária e Renda / UF / Limite )

• Informações do Produto ( Nome / Prospect / Classificação / Bandeira)

• Informações do Vendedor (Nome/ Supervisão/ Faixa Etária / Sexo )

• Hora do Contato (Inicio / Final / Hora / Dia da Semana)

• Data do Contato (Ano/Mês/Dia)

• Status do Cliente (Tabulação)

• Contato (TMA)


DW -Modelagem de Dados


TB_FATO_001

ID_CLIENTE int

ID_TABULACAO int

ID_OPERADOR int

ID_SUPERVISOR int

ID_PRODUTO int

FAT_CONT_DATA datetime

FAT_CONT_INI smallint

FAT_CONT_FIM smallint

FAT_CONT_TMA smallint

FAT_CONT_SEMANA char(20)

TB_CLIENTE_001

ID_CLIENTE int

CLI_SEXO char(1)

CLI_DTNASC datetime

CLI_RENDA char(10)

CLI_ESTADO char(2)

CLI_CIDADE char(126)

CLI_LIMITE char(10)

CLI_MAILING char(126)

CLI_SEGMENTACAO char(126)TB_TABULACAO_001

ID_TABULACAO int

TAB_NOME char(256)

TB_FAIXA_APOIO_001

ID_FAIXA int

FAP_CLASSIFICACAO char(3)

FAP_NOME_INTERVALO char(256)

FAP_VALOR char(10)

TB_OPERADOR_001

ID_OPERADOR int

OPE_NOME char(256)

OPE_DTNASC datetime2(7)

OPE_SEXO char(2)

TB_SUPERVISOR_001

ID_SUPERVISOR int

SUP_NOME char(256)

SUP_SEXO char(2)

TB_PRODUTO_001

ID_PRODUTO int

PRD_NOME char(256)

PRD_MIN_RENDA int

PRD_MAX_RENDA int

PRD_CLASSIFICACAO char(126)

PRD_BANDEIRA char(126)

Dicionário de Dados Dados Extraídos Dimensões – Data Mart Parametrização - Alerta

Data do Contato

o Ano

o Mês

o Dia

o Hora

Informações do Cliente

o Sexo (Sigla)

o Faixa Etária - (Texto)

o Estado (Sigla)

Status do Cliente

o Status de tabulação (Texto)

o Data

o Hora

o Cliente: Sexo

o Cliente: Faixa Etária

o Cliente: Estado

o Cliente: Status de

Tabulação

Data do Contato

o Dia - Hoje.

o Hora – Qualquer Grupo.

Informações do Cliente

o Estado – Qualquer Estado.

Status do Cliente

o Tabulação: Não Contatado.

o Quantidade: Acima de 100.


Aplicabilidade RNA


Conhecimento da Informação

• Notificação gerada pelo sistema ao usuário;

• Criação do Incidente;


Vantagens

• Permite criar e visualizar perfis de pesquisa;

• Possibilita montar análises e agendamento;

• Obtém controle de notificações e histórico de ações;

• Agilidade na tomada de decisões ou maior eficácia;

• Desenvolvimento do conhecimento;

• Gestão estratégica e de os recursos mais eficaz;

• Ganho de tempo expressivo de 80%;

• Opção de consulta pode ser adaptada pelo usuário.



Análise de Soluções Problemas Vantagens

Contatos monótonos. Estudo do perfil - cliente X operador.

Análises em dados D-1. Análises em dados H-1.

Muitas ações (campanhas). Redução de tempo 80%.

Conceito de BI inadequado. Notificações servirão de aprendizado.

Sem estratégia preventiva. Cadastro de notificação estratégico.

Plano de ação uniforme. Data Mart por visão de análise(entidade).

Estratégica de correção. Identificação Imediata do Problema.

Rotatividade de equipe. Identificar sua baixa produtividade.

Desvantagens

• Adaptação de novos conceitos e processos operacionais;

• Equipamento de alto desempenho (Desktop);

• Alto custo para implementação.


Melhorias

• Uso de servidores virtuais.

• Aplicar redes neurais para permitir o planejamento de

ações semanais, integrado ao sistema.

• Auto Ajuda para novos usuários.


Conclusão

• Análise quantitativa e qualitativa – incidentes;

• Pode ser utilizados em outros segmentos;

• Análises mais rápidas e diversificada ;

• Processo de decisão mais eficaz;

• Permite mudança de estratégias;

• Redução de custo e tempo;

• Análise de desempenho;

• Diminuir fraudes;


Referências

• MANCINI, Lucas; Call Center : estratégia para vencer / Lucas Mancini. São Paulo:

Suummus,2006.

• WADE, D. & R. Recardo. (2001). Corporate Performance Management Boston: Butterworth-

Heinemann.

• NIVEMN, P. (2005). Balanced Scorecard Diagnostics. Hobokn, NJ:Wiley.

• SIMONS, R.(2002). Performance measurement and Control Systems for Implementing Strategy.

Upper Saddle River, NJ: Prentice Hall.

• FALCÃO & BRESCIANI FILHO apud CARBONE et al., 2005, p. 82

• INMON, W.H. Como construir o Data Warehouse. São Paulo: Campus 1987.

• KIMBALL, R. The Data Warehouse Ligecycle Toolkit. John Wiley & Sons,1998.

• MACHADO, Felipe Nery Rodrigues. Tecnologia e projeto de Data Warehouse. 4. Ed. São Paulo:

Érica, 2008.

• GARTNER Inc (2004). Using Busines Intelligence to Gain a Competitive Edge. A special report.

Gartner, Inc.: Stamford CT.

• THOMPSON, O.(Octuber 2004). “Business Intelligence Success, Lessons

Learned”.TechonologyEvoluation.com

• IMHOFF, C., and R. Pettit (2004). “The Critical Shift to Flexible Business Intelligence.”White

paper, Intelligent Solutions, Inc.


Documents

Estrategia De Reacao Em Call Center Sabrina Mariana Freitas Costa 2011