Этот документ описывает практическое применение статистики для принятия решений в сфере обслуживания клиентов. Для выполнения упражнения была выбрана услуга, предлагаемая субъектом колумбийского государства, который управляет налоговой информацией своих граждан.
Следует отметить, что в области обслуживания клиентов не были широко разработаны методы для измерения и контроля этого и в целом его управления, оставляя большую часть времени принятия решений такого типа людям, которые не имеют профиль не менее с багажом знаний, которые приводят к оптимальному принятию решений, с другой стороны, определяется на основе субъективизма и неточным образом, особенно в отношении прогнозов и управления данными.
- Выбор проекта:
Наблюдаемые данные были получены в течение типичного дня с января по декабрь 2005 года среди пользователей, которые подали заявку на урегулирование налога на имущество и транспортных средств, данные предоставлены одним из членов рабочей группы, отвечающей за разработка стратегий противодействия непредвиденному увеличению спроса на информацию (в частности, налог). Не было никакой теории, чтобы продемонстрировать, так как требуется проанализировать информацию, чтобы привлечь внимание к спросу на услуги.
- Определите и обоснуйте переменные, представляющие интерес:
- NS = уровень удовлетворенности QTY = количество предоставленных услуг ME = минуты ожидания MA = минуты внимания TS = тип услуги
- NS = уровень удовлетворенности. Полученные данные позволяют классифицировать NS как количественную переменную, которая использует числовую порядковую шкалу с числовыми данными для определения уровня удовлетворенности QTY = Количество предоставленных услуг. Это количественная переменная, использующая интервальную шкалу, а данные являются порядковыми. ME = минуты ожидания. Это количественная переменная, использующая интервальную шкалу, и данные являются порядковыми. MA = минуты внимания. Это количественная переменная, использующая интервальную шкалу, и данные являются порядковыми. TS = Тип услуги. Полученные данные позволяют классифицировать TS как количественную переменную, использующую интервальную шкалу.
Для нашего исследования мы можем рассматривать переменные исследования как количественные.
- Определите основную переменную, которая должна иметь непрерывный количественный тип:
Основная переменная - NS = уровень удовлетворенности
- Получите данные для определенных переменных из выбранных баз или источников:
См. Документ Excel «Образец по серверу»
- Обнаружение экстремальных или выбросов:
В соответствии с распределением данных в пункте 8 мы можем рассматривать их в форме распределения как колоколообразные.
Чтобы выяснить, есть ли у нас выбросы и / или экстремумы, мы построили таблицу значений z, чтобы идентифицировать элементы со значениями z менее -3 или более +3 стандартных отклонений в соответствии с эмпирическим правилом.
Значение z = -1,5 для переменной ME и z = -1,12 для MA находятся в пределах критериев, используемых от -3 до +3, поэтому значения z показывают, что в данных отсутствуют выбросы.
Что мы можем рассмотреть для этого случая - это экстремальные значения, которые позволят нам провести анализ случаев после этого статистического исследования. Эти данные показаны в следующей таблице:
- Построить распределения частот и графики, которые позволяют описывать и анализировать поведение переменных: записывать показатели центральной тенденции, дисперсии и полученного положения: формулировать соответствующие выводы, анализируя влияние на исследуемые проблемы:
Начиная с медианы, как меры центрального расположения данных, можно видеть, что для уровня удовлетворенности это едва приемлемо (3 = приемлемо), что, по-видимому, согласуется с большим временем ожидания, чуть более двух часов с 11 минут внимания, которые «приемлемы» для обслуживания в среднем 2 услуг на одного клиента; Однако количество услуг, которое повторяется чаще всего, составляет два (2) на одного клиента. Этот результат должен привести к тому, что клиенты, запрашивающие услугу, будут предварительно выбирать тип процедуры, которая будет выполняться, чтобы найти ее в специальном окне или направить ее к консультанту, который сможет быстрее эвакуировать свое дело или иметь более высокие уровни авторизации. Исходя из этого анализа, государственному субъекту рекомендуется предоставлять услугу налоговой информации,распределение предыдущих назначений для внимания налогоплательщиков через систему «Аудио - Назначения»
Что касается стандартного отклонения, оно больше для времени ожидания, чем для времени внимания. Это связано со значениями, которые принимает переменная в каждой выборке, но это указывает на разницу во времени, которая требуется для советника для типов запрашиваемой услуги; Это просто, услуга подчиняется системе распределения смен «Info-Shifts», которая различает время ожидания между каждым клиентом, то есть время, в которое клиент проходит между комнатой ожидания и соответствующим окном внимание (и, конечно, при этом найти его; что-то дорогое в сервисных супермаркетах, таких как SuperCADE). Вы также можете увидеть большое изменение в минутах ожидания относительно соответствующего среднего,который отражает постоянные колебания в течение дня, в который клиенты должны подчиняться, чтобы иметь возможность снимать деньги со своими услугами в руках, за ним в степени изменчивости следуют минуты внимания у окна, которые, хотя и не меняются, пропорция в течение дня, что минуты ожидания, если она постоянно меняется, от 4 до 58 минут с медианой 11.
Отрицательная асимметрия переменной указывает на то, что переменная принимает очень низкие значения чаще, чем очень высокие, и говорят, что она имеет тяжелый левый хвост или асимметрична влево. Если асимметрия положительная, переменная принимает очень высокие значения чаще, чем очень низкие, и говорят, что она имеет тяжелый правый хвост или имеет перекос вправо. Если асимметрия равна нулю, низкие и высокие значения переменной имеют равные вероятности, переменные. Согласно этому определению, переменная TS имеет отрицательную асимметрию, переменная NS может рассматриваться как асимметрия, равная нулю, а переменные ME и MA имеют положительную асимметрию.
Куртоз указывает на форму, которую принимает распределение и где сосредоточены данные. Следовательно, переменная MA имеет эксцесс, превышающий ноль (g2> 0), поэтому распределение имеет данные с самой высокой концентрацией в центре распределения. Переменные NS, CANT, ME и TS имеют значения эксцесса меньше нуля (g2 <0), поэтому распределение имеет концентрацию данных в центре распределения, но форму сплющенного распределения в центральном пике.
- Составьте таблицу сопряженности для двух задействованных переменных (категориальной или количественной), чтобы показать их взаимосвязь, обосновав причину таблицы: используйте информацию в таблице, чтобы сформулировать и решить вопросы, касающиеся предельной, совместной и условной вероятности: Определить зависимость или независимость анализируемых событий:
- Из приведенных выше вопросов видно, что вероятность того, что человек выполняет более одной услуги, высока (57,14%). Также наблюдается, что когда запрашиваемая услуга составляет только 1, уровень удовлетворенности является высоким (66,67%). При выполнении более 1 услуги уровень удовлетворенности, превышающий 3, является низким. (25%).
Анализируя эти наблюдения, можно сделать вывод, что с учетом того, что более половины людей оказывают более одной услуги и что при предоставлении одной услуги уровень удовлетворенности является высоким, уровень удовлетворенности и число зависимых услуг. Вы должны реорганизовать людей с учетом того, сколько сервисов они собираются выполнять, и упорядочив управление, чтобы сократить время обслуживания для этих людей.
Эта альтернатива, которая была предложена в анализе в пункте 10, теперь была продемонстрирована с анализом совместных вероятностей. Также может быть частью последующего решения провести различие между теми, кто является обработчиками этих услуг, и теми, кто делает это непосредственно, путем специализации службы или путем настройки терминала предварительной консультации для доступа к этой группе клиентов.
- Определите, является ли основная переменная нормально распределенной, и сделайте два вывода из применения этого распределения:
Согласно анализу, сделанному в пункте 10, о эксцессе и коэффициенте асимметрии, мы можем работать с основной переменной NS как с нормальным распределением, коэффициент асимметрии которого близок к нулю, а эксцесс указывает на колоколообразную форму, где центральные значения Они сосредоточены вблизи среднего, а стиль кривой сплющен в центральной части.
- Построить доверительный интервал для основной переменной со значением 5%:
Будучи главной переменной NS и 3.48 ее средним значением, можно
95% доверительный интервал (значимость = 5%), что
Среднее значение этой переменной составляет 3,48:
3,48 ± (1,96) (1,121223821 /)
3,48 ± 0,37
То есть доверительный интервал (95%), что среднее значение
3,48 для уровня удовлетворенности находится между 3,11 и 3,85.
- Провести проверку гипотезы для основной переменной, уровень значимости 1% и 5%
Что касается темы обслуживания клиентов, хотя всегда ожидается максимальный рейтинг, в данном случае 5, принимая во внимание связанные и связанные переменные в этом документе в дополнение к другим внешним переменным, можно установить, что услуга может быть принять от 3/5 балла, при условии явного улучшения, и от этой нисходящей меры можно считать некачественную услугу и то, что для клиента это не удовлетворение, а несоответствие. Так:
Возникает ситуация, при которой районная администрация получает жалобы в колл-центр, утверждая, что услуги, предоставляемые субъектом в контактных пунктах, неудовлетворительны и что администрация не принимает мер в этом отношении; Администрация до того, как постоянные вызовы решат, что если выборочные данные указывают на то, что H не может быть отклонен, никакие принудительные действия не будут приняты в отношении серверов, с другой стороны, если H может быть отклонен, будут предприняты статистические тесты, чтобы продемонстрировать, что жалобы в Колл-центр адаптирован к реальности, и необходимо будет принять корректирующие меры в этом вопросе.
Поскольку у нас есть 3.48 - среднее значение выборки для NS, значение статистики теста рассчитывается следующим образом:
При сравнении значения z = 2,34 с критическим значением для теста, z = - 2,33, видно, что 2,34 больше, чем - 2,33. Следовательно, z = 2,34 не находится в области отклонения, поэтому альтернативная гипотеза H: <3 не отклоняется, и нулевая гипотеза H: 3 принимается.
В соответствии с проведенным мероприятием Администрация не будет предпринимать никаких принудительных мер в отношении серверов, так как нет статистической значимости для того, чтобы отдать должное звонкам, полученным Колл-центром с жалобами на плохое обслуживание (<3), когда выборка означает 3,48.
Для уровня значимости 5% = 0,05 в таблице z мы имеем значение -1,65 (критическое значение для теста);
Отклонить H: если z <- 1,65
Сравнивая значение z = 2,34 и критическое значение для теста, мы получаем, что 2,34 больше –1,65. Таким образом, альтернативная гипотеза H: <3 снова отклоняется, поскольку z = 2,34 не находится в области отклонения.
Таким образом, как для уровня значимости 1%, так и для уровня 5% кажется, что звонки, сделанные некоторыми клиентами в колл-центр, не имеют достаточной статистической «базы», чтобы подтвердить, что услуга, предлагаемая Состояние субъекта плохое (<3), поэтому Администрация не будет принимать ответные меры против серверов за полученные жалобы, поскольку средний уровень удовлетворенности составляет 3,48.
- Выберите первичные и вторичные переменные, чтобы выполнить простое упражнение регрессии и корреляции:
Регрессия и простые корреляционные упражнения разрабатываются между основной переменной, уровнем удовлетворенности (NS) и минутами ожидания (ME):
Простая корреляция
- Определите уравнение регрессии и сформулируйте некоторый тип прогноза для анализируемой ситуации:
NS = a + bME
NS = 4,613975794 + (- 0,007137534) (1)
NS = 4,60
Из чего можно сделать вывод, что при сохранении всего остального, если время ожидания составляет одну минуту, уровень удовлетворенности составит 4,6 / 5 с уверенностью более 95%.
В противном случае, если время ожидания будет больше не одна минута, а 300 (5 часов), ожидается, что уровень удовлетворенности значительно снизится, даже ниже среднего. И в соответствии с реальностью, которая ниже трех (3) квалифицируется как плохое обслуживание
NS = a + bME
NS = 4,613975794 + (- 0,007137534) (300)
NS = 2,47
- Принимая основную переменную в качестве зависимой переменной и три вторичные переменные в качестве независимой, подгоните упражнение множественной линейной регрессии:
Принимая уровень удовлетворенности (NS) в качестве основной переменной, переменные количества (CANT), минут ожидания (ME) и минут внимания (MA) дополнительно берутся для регрессии и множественной корреляции:
Коэффициент множественной корреляции
- Определите уравнение регрессии и сформулируйте некоторый тип прогноза для ситуации, проанализированной на протяжении всего проекта:
NS = a + bME + cCANT + dMA
Будут предложены два противоположных сценария, по которым, исходя из простого здравого смысла, можно определить определенное влияние на уровень удовлетворенности, чтобы подтвердить эффективность уравнения и его близость к реальности, принимая для этого максимальные и минимальные значения для каждого из них. связанных переменных
Оптимальный сценарий обслуживания
Минуты ожидания: 2
Количество услуг: 1
Минуты внимания: 4
NS = 4613975794 + (-0,005268723) (2) + (-0,025738698) (1) + (-0,037586709) (4)
NS = 4,826385071
Можно предсказать, что если гражданин приближается к исследуемому государственному субъекту, чтобы запросить одну (1) службу налоговой информации, и для этого ему нужно подождать две (2) минуты для участия в течение четырех (4) минут, большинство из них с уверенностью более 95% прогнозируют, что гражданин оценит уровень удовлетворенности в 4,82 / 5.
С другой стороны, Паршивый сервисный сценарий
Минуты ожидания: 366
Количество услуг: 3
Минуты внимания: 58
NS = 4613975794 + (-0,005268723) (366) + (-0,025738698) (3) + (-0,037586709) (58)
NS = 0,827410416
С этими последними данными, которые очень близки к практической реальности, можно предсказать, что если гражданин обращается к государственному субъекту, который подвергается анализу, требовать три (3) налоговых информационных услуги и должен ждать триста шестьдесят шесть (366) минут, которые нужно посещать в течение пятидесяти восьми минут (58), существует вероятность, превышающая 95%, что гражданин квалифицирует услугу как паршивую со значением менее одного (1).
Скачать оригинальный файл
