¿Qué esperar de los pronósticos de llamadas, de un Call Center?

¿Qué esperar de los pronósticos de llamadas, de un Call Center?

Autor: José Miguel Quesada Pérez, Director General de Analytiqum

Revista: Año 2011 - Número 43

Fecha de Publicación: 15-09-2011

El uso de la modelación de procesos mediante técnicas de pronósticos es, en la actualidad, indispensable para planear prácticamente cualquier proceso, no sólo en los Call Centers, sino en las demás empresas: para proyectos de inversión, producción, servicios o de distribución. Tanto en los procesos denominados push, como en los pull, dichas técnicas juegan un papel preponderante, pues mediante ellas se pretende disminuir el "gap" real, siempre existente: entre los recursos disponibles en la empresa, y los necesarios para lograr el adecuado nivel de servicio: entre las ganancias posibles y las reales.

Los modelos matemáticos de pronósticos ofrecen una alternativa para tratar de resolver esta problemática, pero es necesario entender cuál es su capacidad para realmente "predecir" el comportamiento de una demanda, en otras palabras: ¿Qué tan buenos pueden ser los modelos de pronósticos?, ¿Qué se puede esperar de ellos, y qué, no? Para empezar, me gustaría mencionar que el principio que rige la modelación para calcular pronósticos, consiste en tratar de encontrar un patrón de conducta en los datos históricos, y extrapolarlo al futuro. Esto implica que los modelos no serán capaces, por sí mismos, de pronosticar con precisión comportamientos futuros, si no tienen precedentes en el pasado, o si los tienen, no tengan un patrón identificable. Me he encontrado con gerentes que esperan que los programas que calculan pronósticos sean capaces de pronosticar patrones nunca antes ocurridos, lo cual no es posible.

Una vez aclarado el punto de partida de los modelos de pronósticos, expondré las ideas madre que se derivan de dicho principio rector, esperando que con ellas se dé respuesta a las peguntas formuladas líneas arriba.

1. Los pronósticos siempre tienen errores.

2. Los pronósticos "a corto plazo" suelen ser más precisos que los "a largo plazo".

3. Los pronósticos agregados suelen ser más precisos que los de a nivel de detalle.

4. No se puede esperar el mismo desempeño de los pronósticos para todos los fenómenos pronosticados.

Expliquemos ahora cada una de dichas afirmaciones

Respecto a la primera: "los pronósticos siempre tienen errores", es necesario entender que los modelos que tratan de describir comportamientos reales, son siempre "imprecisos": ya sea porque no se tiene información de todas las causas de un fenómeno, o porque no se sabe cómo se relacionan con el comportamiento por observar.

De hecho, muchos modelos no se orientan a buscar las causas de un comportamiento, sino tan sólo a estudiar cómo ocurren los hechos en el tiempo, para tratar de proyectarlos al futuro: método que se suele aplicar en casi todos los Call Centers de llamadas "inbound". Además, todos los procesos llevan inherente una variabilidad natural que no es pronosticable en sí misma. Por ejemplo, una máquina que fabrica tornillos puede tener ligeras variaciones en la calidad de sus productos: si cambia el voltaje de la fuente de luz, o la temperatura ambiente; si se desgasta un perno de la máquina, y mil detalles más.

En un Centro de Contacto hay comportamientos, que también afectan el flujo de llamadas, y son prácticamente imposibles de pronosticar: si hace más frío, es posible que llame menos gente; si hoy llegaron dos agentes menos al trabajo, se genera un flujo adicional de llamadas repetidas; si otra área de la compañía no está contestando el teléfono, pueden entrar llamadas adicionales a un skill determinado, que en teoría no tendría que contestarlas.

La pregunta natural que surge de esta primera idea, que nos indica que todos los pronósticos son equivocados, es ¿por qué entonces molestarse en pronosticar? Dice el famoso George Box, creador de uno de los modelos de pronósticos más conocidos del mundo (método de Box-Jenkins), que "esencialmente todos los modelos son erróneos, pero algunos son útiles". (1) Y es claro el razonamiento de este connotado científico: si no hacemos modelos de pronósticos, ¿cuántos recursos habría que utilizar? ¿Habría que tener 100 agentes, ó 200 ó 500? Sin ni una forma de pronosticar -sea intuitiva, o matemática- no se podrían tomar decisiones. Siempre hay que partir de una base para tomarlas, por lo tanto, la pregunta correcta no es si hay que usar, o no, modelos para pronosticar, sino saber cuáles usar o cómo desarrollar algunos, que permitan tomar decisiones suficientemente acertadas de acuerdo con la variabilidad del proceso.

¿Y por qué de acuerdo con la variabilidad del proceso? Porque, como dijimos, todos los procesos tienen una variabilidad inherente, pero no todos los procesos tienen el mismo grado de la misma.

Los procesos de un mercado estable, en las últimas fases de su ciclo de vida, de productos que pueden llamarse commodities, de bajo precio, tienden a tener una baja variabilidad, y por tanto, sus pronósticos pueden ser muy acertados, y tener un porcentaje de error cercano a más o menos 5%.

Los procesos de mercados nuevos, de alta tecnología, de ciclos de vida cortos, por sustitución de nuevos productos de alto precio, pueden tener una variabilidad tan alta, que los pronósticos, con errores de más o menos 50%, podrían llegar a considerarse realmente exitosos.

Por lo mismo, una nota esencial para determinar si el pronóstico de un proceso es suficientemente bueno, y si ya llegó al límite de precisión que se puede esperar de él, es saber si el proceso estudiado tiene alta variabilidad o no, y qué tan estable es el mercado que atiende.

Pasemos ahora a la segunda idea madre: los pronósticos "a corto plazo" suelen ser más precisos que los "a largo plazo". Siempre los datos disponibles nos pueden llevar a mejores conclusiones sobre lo que puede ocurrir mañana, o en un año. El "hoy ahora" nos da cierta información a la cual somos sensibles para ajustar

...