Previsão das Chamadas Recebidas num Call Center

Seminário de Estatística e Gestão do Risco

Orador: Ana Carolina Santos Ferreira, aluna do Mestrado em Econometria Aplicada e Previsão, ISEG

Data: 13 dezembro 2017 (4ª feira)

Hora: 13h30

Local: Sala 1.7, ed. VII, FCT NOVA

Resumo: Call centers consistem em centros operacionais para automatizar uma quantidade volumosa de diferentes atividades e serviços telefónicos. Os centros do tipo inbound, onde as chamadas são originadas pelos clientes, são caracterizados como um sistema constituído por várias pessoas, que recebem ligações telefónicas, normalmente clientes – ainda que potenciais, que desejam obter alguma informação, contratar algum serviço, comprar algum produto, etc (Grossman et al,. 2001; Hawkins et al., 2001). A indústria de call center tem sofrido um crescimento bastante elevado nos últimos anos, tornando-se assim necessário uma gestão de forma eficiente. Esta gestão consiste na previsão das chamadas recebidas e da consequente carga de trabalho associada, que precisam então ser estimadas de forma cuidada. Segundo vários autores, esta previsão é um pré-requisito para um nível de serviço consistente, representando um dos passos mais importantes do processo como um todo. A previsão no call center atende a todas as formas de interação entre a empresa e o cliente, ou seja, além de prever o volume de chamadas, considera também o volume de emails e outro tipo de contacto que envolva os agentes. É de notar ainda que, para além do histórico do volume de chamadas, outras características podem impactar esse número, tais como: próprio funcionamento da empresa (dias mais afetos à receção de chamadas), véspera de feriado, épocas festivas, etc. Assim, os resultados da previsão são considerados uns bons instrumentos, pois torna-se possível organizar as equipas de forma mais eficiente, estabelecendo um equilíbrio entre a elevada prestação de serviços e a redução de custos de uma operação.

Para a modelação deste tipo de dados é importante ter em conta algumas conclusões sintetizadas num estudo realizado por Avramidis et al. (2004):

- A procura diária total (número de chamadas) revela uma sobredispersão em relação ao modelo de Poisson – a variância é maior do que o valor esperado E(y│x)<Var(y|x). Note-se que o modelo de Poisson tem subjacente a igualdade E(y│x)=Var(y|x).

- A taxa de chamadas recebidas varia consideravelmente com a hora do dia.

- Evidências de uma forte associação positiva entre períodos de tempo dentro de um determinado dia – dependência intra-diária.

Dependência significativa (correlação forte e positiva) entre o número de chamadas recebidas em dias sucessivos.

Métodos como o alisamento exponencial, os modelos ARIMA (Autoregressive Integrated Moving Average), a regressão linear e a decomposição das séries temporais são os mais utilizados quando o foco é a previsão do volume total de chamadas recebido diariamente – ver estudos de Andrews & Cunningham (1995), Bianchi et al. (1998)   Taylor (2008), etc.

No entanto, com o decorrer do tempo os call centers têm-se tornado cada vez mais sofisticados na identificação dos dados necessários para uma boa previsão e a qualidade dos dados históricos tem vido a aumentar, bem como a capacidade de armazenar essa informação. Consequentemente, a facilidade de acesso aos dados das chamadas intra-diários aumentou e o foco começou a ser também a dependência intra-diária das chamadas. Jongbloed & Koole (2001) verificaram que a variância era maior do que a média e, portanto, observaram que o processo de chegada segue um processo de Poisson não homogéneo. Brown et al. (2005), ao analisarem os dados de outro call center, observaram também a existência de persistência dinâmica da taxa de chegada das chamadas do dia-a-dia e sugerem um processo de Poisson variável no tempo. O estudo de Weinberg et al. (2007) é uma extensão aos trabalhos de Avramidis et al. (2004) e de Brown et al. (2002) em que é considerado um modelo de Poisson não homogéneo, onde se assume que a taxa das chamadas recebidas incorpora fortes padrões intra-diários e a existência de dinâmicas do dia-a-dia para prever as taxas futuras da chegada das chamadas.

Primeiramente será feita a análise introdutória/ descritiva dos dados reais de uma instituição financeira, seguidamente aplicar-se-ão os processos de Poisson com uma variável periódica e os modelos autorregressivos, com comparação dos resultados obtidos e referência às vantagens, desvantagens e limitações das diferentes abordagens.