Seis Sigma en una empresa de informática

Parece que siempre orientamos los proyectos Lean Six Sigma a empresas industriales. Es cierto que la manufacturación parece su entorno natural, y de hecho Lean Manufacturing nació en él. Pero se trata de una metodología de mejora continua aplicable al resto de sectores sin ningún problema. En esta ocasión, vamos a comentar un proyecto concebido para una empresa de servicios informáticos. Este sector es muy competitivo y se encuentra superpoblado. Las empresas ofrecen básicamente un mismo estándar de servicio, consistente en soporte web y atención telefónica continua a sus clientes. La mayoría de los clientes optan por precio y la forma de fidelizar no es otra que entregar un servicio excelente.

El caso que nos ocupa surgió por la fuerte convicción de la alta dirección en la metodología DMAIC de Six Sigma DMAIC. Se trató, desde el principio, de un proyecto en el que nuestro papel a desempeñar era antes de coaching que de consultores: la empresa quería ser capaz de resolver sus propios problemas una vez que nuestro contrato hubiese finalizado.

DEFINICIÓN. BENCHMARKING

La empresa había adquirido datos estadísticos del sector para comparar su posicionamiento con el de los más potentes competidores. Los datos eran mediciones de la satisfacción del cliente y de desempeño para centros de soporte informático, y los de la empresa protagonista de este proyecto se situaban por debajo del promedio: en una escala estandarizada, su grado de satisfacción del cliente era de 0,73, el promedio de competidores se situaba en 0,76 y los mejores competidores alcanzaban una calificación de 0,87.

Esta evidencia se intuía, pero no se hallaba fundamentada hasta ese momento en ningún análisis. La alta dirección pensó, con acierto, el indicador de satisfacción del cliente habría de suponer impacto en los resultados de la empresa.

DEFINICIÓN. ANÁLISIS DE GASTO

Un análisis de coste (en euros) minucioso ofreció el resultado de que la satisfacción del cliente y los beneficios empresariales no dependían del gasto en soporte. Más bien sucedía lo contrario, como se observa en la siguiente gráfica:

Los gastos de soporte de las mejores compañías y del promedio de competidores eran más bajos que los
gastos en que incurría la empresa en estudio.

DEFINICIÓN. VARIABLES CRÍTICAS

La función de despliegue de la calidad (QFD) se abordó de acuerdo a las siguientes variables críticas (X): número de transferencias (a otras personas o áreas) en cada llamada, tiempo de espera promedio, y tiempo de servicio promedio durante la llamada. La función Y=f(X) a modelar era el incremento interanual de nuevas cuentas.

La revisión de los tiempos de espera (en minutos) indicó que, en efecto, la empresa se encontraba rezagada respecto al resto del sector, como se observa en el gráfico siguiente:

La alta dirección asumió de inmediato que el proyecto debía tener como objetivo reducir de gastos e incrementar las nuevas cuentas y la satisfacción del cliente, a través de sus parámetros críticos.

Se desarrolló un diagrama SIPOC, con la peculiaridad de que en esta ocasión se transpuso el orden habitual para que se ajustase mejor al proceso mental de trabajo: esto es, un COPIS.

Este SIPOC reveló las áreas donde había carencia de información sobre el proceso. Para conocer mejor el punto de vista del cliente (VOC) se decidió invitar a varios de ellos a una reunión de grupo para preguntar por los factores que, a su entender, más influían en su satisfacción. Los principales requerimientos aportados por la VOC fueron:

  • Conectar rápidamente con la persona que debía resolver el problema. Parámetro X: tiempo de espera
  • Obtener la información necesaria. Parámetro X: transferencia, tiempo de servicio
  • Disponer de ayuda para aplicar la solución. Parámetro X: Satisfacción, gasto del servicio
  • Aprender a no volver a tener el mismo problema. Parámetro X: tiempo de cierre
MEDICIÓN. VARIABLES

Conocidos los requerimientos del cliente (Y), debían medirse los parámetros críticos (X).

  • La satisfacción del cliente se mediría mediante encuestas mensuales. Se encontró que se situaba en el 85%
  • El gasto del servicio se mediría con el tiempo de conexión para cada llamada. Se encontró que era de 32 EUR.
  • En el caso de todos los tiempos de servicio (días hasta cierre, transferencia, espera y servicio), se encontró que no había información fidedigna. Aun así, se estimó que eran: 3 días, 2 minutos, 2 minutos y 8 minutos (desv. st. 0,5) respectivamente.

Los datos se tomaron en el centro de soporte con mayor cantidad de tráfico. Además, se construyó un árbol de relación de Y con X para determinar cuáles eran los niveles más bajos para los parámetros críticos X. Tras revisar la información contenida en el SIPOC, se pudo clasificar las entradas y salidas como “Controladas” y “No Controladas”. Y con el objeto de explorar aun más intensamente los factores influyentes, se diseñó una matriz causa-efecto en la que las puntuaciones más altas serían aquellas consideradas para la recolección de datos. A raíz de este análisis, se incluyó también la variable “Personal Disponible para Transferencias”.

ANÁLISIS. PROCESO

La distribución de gastos por percentiles respondía a la siguiente tabla:

Percentil 75 = 32.80€  –  Percentil 80 = 33.36€  –  Percentil 85 = 35.42€

Percentil 90 = 39.44€  –  Percentil 95 = 42.68€ – Percentil 98 = 44.73€

Resultaba preocupante el dato del percentil 90. A continuación se muestra cuáles fueron los valores correspondientes al percentil 90 para los distintos parámetros críticos en comparación con el estándar del sector (Collins):

Una de las características del sector servicios es que los análisis multi-vari ofrecen una óptima flexibilidad a la hora de visualizar las causas de las variaciones. En este caso, se reveló que las llamadas asociadas a problemas y modificaciones eran las más caras. Igualmente, se observó que las llamadas recibidas los lunes y viernes eran las más costosas.

Se necesitaba realizar un análisis estadístico más concienzudo para determinar objetivamente las comparaciones sugeridas. Por ejemplo, un análisis multivariable orientó que había días en los que la empresa se encontraba más escasa de personal (viernes y lunes) y, en cambio, había otros en los que contaba con exceso de personal (domingos).

Además, se pudo comprobar que la influencia de las llamadas devueltas en el tiempo de espera de una llamada
era estadísticamente significativa (valor p < 0,05) en el análisis de varianza.

IMPLEMENTACIÓN DE MEJORAS

A raíz del análisis efectuado, se propusieron una serie de medidas de mejora:

  • En lo concerniente al personal, las medidas fueron: añadir más personal los lunes y viernes, y reducir el personal de los domingos; desarrollar una planilla distinta; crear listado de personal disponible para reemplazar al personal ausente.
  • Respecto al Servicio basado en Web: definir los servicios que se pudiesen hacer mejor a través de la Web; definir y comunicar esta propuesta de valor a los clientes; evaluar los incentivos que permitieran mover tráfico de llamadas hacia la web.
  • Respecto a Transferencias y Devolución de llamadas:  mejorar los procesos del Centro de Soporte para reducir las transferencias y llamadas devueltas sin impactar la satisfacción del cliente

Para caracterizar el impacto de las medidas, se determinó el beneficio potencial de cada una. Así, respecto al aumento de personal, se encontró que se necesitaba agregar 14 personas al centro de soporte los lunes, lo que supondría una reducción de 1,18 minutos en el tiempo de espera, equivalente a un incremento en el número de cuentas del 0,037% con una mejora del beneficio en algo más de 13.300 EUR anuales. De manera análoga, el uso más extendido de la web generaría un incremento de beneficio de unos  11.000 EUR, y de unos 2.000 EUR anuales si se procediese a capacitar al personal para reducir los tiempos de transferencia y servicio.

Las mejoras económicas parecían bastante magras y, por nuestra parte, tuvimos que señalar las debilidades existentes en el sistema de medición, con unos intervalos de predicción demasiado amplios alrededor de los estimados por el equipo de trabajo, que en muchos casos se tomaron como si fuesen valores puntuales. Esta debilidad suponía un riesgo considerable, pero la empresa decidió acometer un proyecto piloto de aumento de personal.

Las conclusiones principales del proyecto piloto fueron las siguientes:

  • El tiempo de espera se redujo en un 10%
  • El numero de llamadas por persona se redujo en un 11,4% a partir del tercer mes (curva de aprendizaje)
  • La satisfacción del cliente aumentó
ETAPA DE CONTROL

Se emplearon herramientas Lean para controlar el proceso, junto con una muy amplia y detallada comunicación para evitar el riesgo de sesgo por parte del personal al sentirse amenazado por las mediciones y modificaciones que se iban realizando.

Una vez concluido el proceso, el personal de la empresa se encontraba capacitado a nivel Green Belt para seguir llevando a cabo sucesivas mejoras.

 

 

 

Dejar un comentario

Tu dirección de correo electrónico no será publicada.

Al continuar utilizando nuestro sitio web, usted acepta el uso de cookies. Más información

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra POLÍTICA DE COOKIES, pinche el enlace para mayor información. Además puede consultar nuestro AVISO LEGAL y nuestra página de POLÍTICA DE PRIVACIDAD.

Cerrar