Diferencia entre el análisis de rutina y ADHOC
Diferencia entre el análisis de rutina y ADHOC!
Normalmente se necesitan dos tipos de análisis para obtener información sobre los datos de rendimiento del servicio. Son análisis de rutina y análisis ad hoc. El análisis de rutina, como su nombre lo indica, se refiere al análisis regular y sistemático que se realiza en cada período de informe para evaluar el rendimiento del servicio en cuanto a la eficacia, la capacidad y las métricas de eficiencia. El análisis ad hoc es la prueba de diagnóstico detallada que se necesita para investigar los motivos de cambios inesperados en el rendimiento. La naturaleza y complejidad del análisis ad hoc diferirán de una situación a otra.
Las actividades de análisis de rutina se deben planificar para que se puedan realizar con el menor esfuerzo. El esfuerzo necesario para producir resultados todos los meses consume tanto a los equipos que queda poco tiempo para la interpretación o el análisis ad hoc.
Sin embargo, el análisis ad hoc debe ser el enfoque principal del equipo de administración del servicio, ya que es a través de los detalles de este análisis que se pueden obtener los conocimientos más importantes sobre el desempeño del servicio. Por otro lado, los procedimientos de análisis de rutina deben ser repetibles, documentados y descentralizados.
Repetible significa que debería ser posible seguir los mismos pasos de análisis en cada período de tiempo. Algunos equipos cambian sus métricas cada pocos meses, lo que hace muy difícil obtener una imagen completa del rendimiento del servicio a lo largo del tiempo.
En la medida de lo posible, los procedimientos de análisis deben permanecer sin cambios durante al menos doce meses para que se puedan estudiar las tendencias. Los procedimientos para el análisis de rutina deben documentarse de modo que todas las personas que realicen el análisis sigan los mismos pasos en la misma secuencia.
La documentación adecuada también ayuda en la formación de nuevo personal. En la medida de lo posible, las tareas más repetitivas del análisis de rutina deben automatizarse para que puedan reproducirse regularmente con poca intervención. La descentralización significa que casi todos los análisis de rutina (y la mayor parte del análisis ad hoc, según sea apropiado) deben realizarse cerca de donde se realiza el trabajo.
Procedimientos para compartir resultados de análisis:
Si la entrega del servicio se distribuye en varias áreas geográficas, o si diferentes subprocesos son administrados por diferentes organizaciones, entonces se deben desarrollar acuerdos que detallan cómo se enviarán los resultados del análisis al equipo de administración del servicio y en qué formato.
Por lo general, los resultados de las diversas organizaciones deben ser consolidados y agregados por el equipo de administración del servicio. Cualquier análisis ad hoc que sea necesario puede ser realizado por el equipo o por la organización responsable apropiada. El equipo de administración del servicio también puede realizar controles puntuales o auditorías de los resultados departamentales y regionales de vez en cuando.
Cuando todos los análisis ad hoc están completos, el equipo debe desarrollar una lista de intervenciones que pueden ser necesarias para estabilizar el desempeño de uno o más procesos, y luego debe pasarlas a las organizaciones apropiadas para su implementación.
En general, los procedimientos de análisis deben diseñarse para proporcionar al equipo de administración del servicio acceso a toda la información que necesita sin requerir que realice grandes análisis de datos por su cuenta. Los procedimientos también deben garantizar que todas las regiones y departamentos para administrar los diversos componentes del servicio estén igualmente involucrados en proporcionar aportes y recomendaciones al equipo de administración del servicio.
Herramientas de análisis:
Los resultados se pueden mostrar como número en tablas o en forma gráfica. Con la gran cantidad de herramientas gráficas ahora disponibles para computadoras de escritorio, es fácil producir resultados en forma de tablas de gráficos. La ventaja de las visualizaciones gráficas o visuales es que grandes cantidades de información pueden presentarse convenientemente de una manera que puede ser fácilmente asimilada.
La desventaja de estas pantallas es que pueden manipularse para dar al espectador una primera impresión parcial o errónea de los datos. Por ejemplo, la escala de un gráfico se puede ajustar de manera que se amplíen las pequeñas diferencias entre los puntos de datos, lo que lleva a un espectador a creer que se están presentando grandes diferencias.
Incluso si los datos no se manipulan a propósito, una presentación descuidada o incompetente puede hacer que los espectadores lleguen a conclusiones no deseadas. Por lo tanto, los presentadores de datos gráficos deben asegurarse de que el método de visualización elegido sea el más apropiado para representar la información y que se minimice el sesgo visual.
Ahora describimos brevemente cuatro métodos versátiles de mostrar gráficamente datos que se pueden usar en una amplia variedad de aplicaciones: histogramas, cuadros de ejecución, diagramas de dispersión y cuadros de control.
Estos métodos nos permiten responder visualmente las siguientes preguntas comunes durante cualquier análisis de datos:
¿Cómo se distribuyen los datos?
¿Qué tan variable es el rendimiento?
¿Cómo han cambiado los resultados con el tiempo?
¿Qué factores afectan los resultados observados?
¿Qué tan estable es el rendimiento en torno a los estándares?
¿Qué tan cerca está el rendimiento a los estándares?
Histogramas:
Un histograma es un gráfico de barras que muestra el número de veces que ocurre cada valor de una variable en una muestra de observaciones. La tabulación del número de ocurrencias de cada valor se denomina distribución de frecuencia, y un histograma es una representación gráfica de esta distribución. Las variables pueden ser discretas (es decir, tomar valores ordinales como 1, 2, 3) o continuas.
Los histogramas de variables discretas también se conocen como un gráfico de barras. Las variables continuas, como el tiempo de ciclo, se segmentan en grupos y se grafica el número de observaciones en cada grupo. El punto medio de cada grupo generalmente se usa como valor representativo para el grupo, aunque también se puede usar cualquier otro valor. El histograma es una imagen visual de la forma de la distribución de los datos.
Algunas preguntas que se pueden responder desde un histograma incluyen las siguientes:
¿Es la distribución simétrica?
¿Hay colas largas (es decir, grandes números de valores en cualquiera de los extremos de la escala)?
¿Hay múltiples picos?
¿Qué tan amplia es la dispersión en los datos (es decir, la variable toma muchos valores o unos pocos?)
Las versiones especiales de histogramas son útiles para aplicaciones específicas. Un gráfico de Pareto es un histograma donde las barras se ordenan desde la frecuencia más alta a la más pequeña. Este cuadro puede usarse para identificar los pocos factores críticos que contribuyen más a la variabilidad en los datos.
Los gráficos de Pareto son útiles para analizar las principales causas de defectos, para identificar las actividades que contribuyen a los mayores costos o para determinar los factores que tienen el mayor impacto en la satisfacción del consumidor. Un caso especial de un gráfico de barras es un gráfico de barras agrupado o apilado que se puede utilizar para comparar una variable en múltiples dimensiones discretas.
Tabla de ejecutar:
Un gráfico de ejecución es un gráfico que muestra el rendimiento de una variable a lo largo del tiempo.
Estas parcelas sirven para los siguientes propósitos:
Identificar patrones de comportamiento cíclicos o variaciones estacionales.
Para determinar las tendencias históricas en el rendimiento.
Para evaluar el efecto de las mejoras del servicio en el rendimiento.
Para identificar el lapso de tiempo entre las mejoras del servicio y los cambios en el rendimiento.
Para determinar el desgaste o experimentar los efectos que causan que el rendimiento varíe con el tiempo
Para evaluar la brecha entre el desempeño deseado y el real a lo largo del tiempo.
Gráfico de dispersión:
Un diagrama de dispersión muestra la relación entre dos variables, como la tasa de defectos y la experiencia del empleado, o el tiempo necesario para completar una transacción de servicio y la satisfacción del cliente.
El diagrama de dispersión muestra lo siguiente:
Si existe una relación entre dos variables.
La forma de la relación (es decir, lineal, curva).
La cantidad de variabilidad aleatoria en la relación entre dos variables.
Si esta variabilidad difiere para diferentes valores de las dos variables.
Un diagrama de dispersión es un gráfico, con los valores de la variable dependiente (cuyo valor se predice) en el eje y, y los del predictor o variable independiente (que predice el valor de la variable dependiente) en el eje x. Cada punto en el gráfico representa un par de valores de las variables dependientes y predictoras.
La pendiente de un diagrama de dispersión muestra la extensión de la relación promedio entre dos variables. Si la pendiente es plana, no existe relación. La cantidad de dispersión en el gráfico (es decir, si los valores de y están bastante cerca para cada valor de x, o si forman una "nube") muestra el grado de variabilidad aleatoria en los datos, y es una medida de la fuerza de La relación entre las dos variables. Un diagrama de dispersión es a menudo un primer paso útil antes de estimar una ecuación de regresión, porque da una indicación de la naturaleza, la fuerza y la forma de la relación entre dos variables.
El diagrama de dispersión también se puede utilizar para validar las suposiciones hechas durante el diseño de un servicio. Supongamos que un equipo de diseño está intentando desarrollar una función de rendimiento para un atributo de servicio en particular para el que se desconoce la forma funcional exacta. Supongamos que el equipo de diseño se aproxima a la función utilizando una mezcla de experiencia y juicio.
Una vez que el servicio está en funcionamiento, se puede utilizar un diagrama de dispersión para validar la forma funcional asumida. El equipo de gestión del servicio puede recopilar datos sobre el rendimiento de los atributos en diversos niveles de características operativas. Es posible que el diseño deba modificarse si la función de rendimiento real es significativamente diferente de lo que se asumió.
Tabla de control:
Un gráfico de control es una herramienta gráfica que forma parte de una metodología conocida como “control de proceso estadístico (SPC)”. Esta metodología se utiliza para medir la variabilidad de los procesos de fabricación y servicio con el fin de determinar si esta variabilidad es atribuible a causas sistemáticas o aleatorias.
Un gráfico de control compara el rendimiento de una variable continua o discreta con los "límites de control" calculados estadísticamente. La idea de límites de control se deriva del hecho de que el rendimiento de cualquier atributo de servicio es inherentemente variable debido a una variedad de causas aleatorias que no se pueden identificar o controlar. Esta variabilidad aleatoria debe ser la única fuente de variabilidad en un servicio que ha sido diseñado para producir un nivel de rendimiento promedio estable que sea robusto a los cambios dentro de un rango operativo dado.
Además, esta variabilidad debe permanecer dentro de los límites especificados por el diseño. Un gráfico de control prueba la estabilidad del rendimiento durante la operación del servicio. Si el rendimiento se distribuye normalmente, entonces a partir de las propiedades de la distribución normal, también esperaríamos que el 99.7% de los valores de rendimiento se encuentren al azar dentro de las tres desviaciones estándar del valor promedio. Si los datos recopilados cumplen estas expectativas, se dice que el rendimiento del servicio está bajo control. Los valores de rendimiento representados por tres desviaciones estándar se conocen como límites de control.
El procedimiento para trazar un gráfico de control consta de dos pasos: calibración y control. En el paso de calibración, la media y la variabilidad de los datos se calculan a partir de los datos históricos de rendimiento del proceso y se determinan los límites de control.
Los límites de control son los valores de rendimiento en tres desviaciones estándar a cada lado de la media. Existen varios métodos para estimar la desviación estándar de los datos. Una transformación del rango de las observaciones, que es la diferencia entre el valor máximo y el mínimo, es una estimación comúnmente utilizada.
En el paso de control, las observaciones actuales del rendimiento del proceso se trazan regularmente en el cuadro de control calibrado. Si el proceso está bajo control, esperaríamos que más del 99% de los puntos de la tabla se encuentren entre los límites de control superior e inferior. También esperamos que los puntos se distribuyan al azar, es decir, no se deben ver patrones inusuales en los datos. Existen pruebas estándar para verificar patrones inusuales a través de la inspección visual.
Distribución del informe:
Una vez completado el análisis de los datos, los resultados y las acciones sugeridas deben compartirse con los responsables de su implementación. Los resultados también pueden ser enviados a la alta dirección. Los resultados no necesitan presentarse con el mismo nivel de detalle para todos en la organización.
Para la alta gerencia, es suficiente presentar un resumen breve y conciso que enumere el desempeño actual y pasado de los indicadores clave, las acciones que se tomarán y su efecto previsto en el desempeño futuro y los detalles de su proceso (por ejemplo, efectividad y capacidad por ubicación de trabajo, región, orden o tipo de cliente). Para los gerentes de un lugar de trabajo, un resumen del desempeño general debe complementarse con detalles de su propio lugar de trabajo.
La idea debería ser proporcionar a todos los interesados clave una visión general del rendimiento de todos los componentes del servicio y proporcionar detalles específicos a los responsables. La información necesaria en los distintos niveles de la organización se presenta en la Tabla 16.3.
