Estratégia de reação em call center: Uma proposta de arquitetura inteligente

ESTRATÉGIA DE REAÇÃO EM CALL CENTER:
UMA PROPOSTA DE ARQUITETURA

ORIENTADOR:
SABRINA MARIANA FREITAS COSTA PROF. DR. SILVIO DO LAGO PEREIRA

FACULDADE DE TECNOLOGIA DE SÃO PAULO
1
( SÃO PAULO 2011 )

INTRODUÇÃO

FATEC - SÃO PAULO 2011 2

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

2%
Geralmente Aceita a Proposta.

43% 34%
Escuta a proposta, mas não compra.

Não é receptivo, sempre informa que não está disponível.

21 %
Não compra nada por telefone


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
Cliente – Contratante
Estrutura – Call Center – Visão Empresa Contratada

Empresa Contratada
Gerente de
Gerente de Operações
Planejamento

Gerente de Recursos
Humanos Coordenador de
Coordenador de Operações
Planejamento

Administrativo -
RH Supervisor Supervisor Supervisor
Analista de
Planejamento

Recrutamento e
Seleção Auditoria de Operador de Call
Monitoração
Qualidade Center

Multiplicadores

Estrutura – Call Center Visão Campanha – Determinada Entidade

Área 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.


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 Estratégia no Call Center
NIVEM (2005) SIMONS (2002)

• Visão • Plano Estratégico, com objetivos e metas deve ser definido;
• Pessoas • Cadastro do cliente confiável e atualizado;
• Clara definição do produto, serviço ou mensagem á
• Gerenciamento
oferecer;
• Recursos • 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

1 – Feminino / 2- Masculino

BD
Cadastro de Funcionários

Mineração de Dados

Extração DW

Mineração Filtro

“F” – Feminino
BD
Cadastro de Clientes ( Mailing ) “M”- Masculino

“f” – Feminino / “m”- Masculino


Estrutura Multidimensional
Dimensão de Tempo

• Modelo:
– Star – Estrela Dimensão Cliente Dimensão Região

Fatos de Vendas

• Storage Modes
Dimensão
– MOLAP Vendendor
Dimensão Produto

fonte: MACHADO (2008) Pag. 93.


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
Replicação Parcial BD Transacional
Replicação - Relatório

Processamento de informação
SQL Server
BD Transacional
Produção

SQL Server
Data Warehouse

Usuário
Consulta Excel


Ambiente Proposto
SQL Server
Replicação BD Transacional
Replicação - Relatório

SQL Server Processamento de informação
BD Transacional SQL Server
Produção Data Warehouse
Consolida Dados
Consulta SQL

Ambiente Atual
Integration Service Modelo Dimensional

Modelo Dimensional
Consulta SQL

Report Service SQL Server
Data Mart

Http:// Carga para o Cubo
Report Builder
Analysis Services
Usuário
Consulta Excel


Requisitos
Características Configurações
DW - 8 TB
Armazenamento ODS - 4 TB
Data Mart - 2 TB
Processadores 64-bit
Windows Server 2003 Enterprise
Sistema Operacional
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_CLIENTE_001
ID_CLIENTE int
TB_SUPERVISOR_001 CLI_SEXO char(1)
CLI_DTNASC datetime
ID_SUPERVISOR int CLI_RENDA char(10)
SUP_NOME char(256) CLI_ESTADO char(2)
SUP_SEXO char(2) CLI_CIDADE char(126)
CLI_LIMITE char(10)
CLI_MAILING char(126) TB_TABULACAO_001
CLI_SEGMENTACAO char(126)
ID_TABULACAO int
TAB_NOME char(256)

TB_FATO_001

TB_PRODUTO_001 ID_CLIENTE int
ID_TABULACAO int TB_OPERADOR_001
ID_PRODUTO int ID_OPERADOR int
PRD_NOME char(256) ID_SUPERVISOR int ID_OPERADOR int
PRD_MIN_RENDA int ID_PRODUTO int OPE_NOME char(256)
PRD_MAX_RENDA int FAT_CONT_DATA datetime OPE_DTNASC datetime2(7)
PRD_CLASSIFICACAO char(126) FAT_CONT_INI smallint OPE_SEXO char(2)
PRD_BANDEIRA char(126) FAT_CONT_FIM smallint
FAT_CONT_TMA smallint
FAT_CONT_SEMANA char(20)

TB_FAIXA_APOIO_001

ID_FAIXA int
FAP_CLASSIFICACAO char(3)
FAP_NOME_INTERVALO char(256)
FAP_VALOR char(10)


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

Data do Contato o Data Data do Contato
o Ano o Dia - Hoje.
o Mês o Hora o Hora – Qualquer Grupo.
o Dia
o Hora o Cliente: Sexo Informações do Cliente
o Estado – Qualquer Estado.
Informações do Cliente o Cliente: Faixa Etária
o Sexo (Sigla) Status do Cliente
o Faixa Etária - (Texto) o Cliente: Estado o Tabulação: Não Contatado.
o Estado (Sigla) o Quantidade: Acima de 100.
o Cliente: Status de
Status do Cliente Tabulação
o Status de tabulação (Texto)


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.


Estratégia de reação em call center: Uma proposta de arquitetura inteligente

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Viewers also liked

Viewers also liked (20)

Similar to Estratégia de reação em call center: Uma proposta de arquitetura inteligente

Similar to Estratégia de reação em call center: Uma proposta de arquitetura inteligente (20)

Estratégia de reação em call center: Uma proposta de arquitetura inteligente