Toro y el equipo del proyecto dieron un paso clave mientras pensaban en cómo empezar este proyecto de Six Sigma Esbelto.
“Primero empezamos a pensar en cómo podríamos ayudar a cada asociado a hacer mejor su trabajo en cada interacción con el cliente”, dice Toro. “Después, en lugar de ello, cambiamos nuestro enfoque hacia la mejora de todo el proceso y todos los aspectos que conforman una llamada de servicio: desde la capacitación de los nuevos asociados hasta cada fase de la llamada en sí y cualquier trabajo posterior a la llamada”.
Este cambio de enfoque permitió al equipo empezar a pensar en la mejora considerando el proceso como un todo. Empezaron a ver un proceso que era repetible, estandarizado y predecible: un proceso que podía optimizarse.
“Sabíamos que necesitábamos identificar las métricas para distinguir al asociado adecuado para la tarea adecuada, así como agilizar el flujo de trabajo de una manera más eficiente y significativa”, afirma Toro. “Al asignar la persona adecuada a las tareas adecuadas, podemos reducir el tiempo promedio de manejo y, de ese modo, mejorar la velocidad promedio de respuesta y la experiencia general del cliente”.
Al comienzo del proyecto, todos los asociados recibían capacitación en múltiples habilidades y todas las habilidades tenían la misma prioridad de dotación de personal. Además, las adiciones y modificaciones de recursos solían hacerse sin tener en cuenta los impactos. El equipo sabía que podían mejorar a partir del punto en el que estaban comenzando. “Teníamos la oportunidad de optimizar la capacidad de los asociados para equilibrar el funcionamiento de la división en todos aspectos de las interacciones telefónicas”, señala Toro.
¿Pero cómo lo harían? Con las herramientas de Diseño de experimentos (DOE) de Minitab.
En estadísticas, DOE se refiere a la creación de una serie de corridas experimentales, o pruebas, que proporcionan información sobre cómo múltiples variables afectan un resultado, o una respuesta. En un experimento diseñado, los equipos de proyecto pueden cambiar más de un factor a la vez y luego utilizar el análisis estadístico para determinar qué factores son importantes e identificar los niveles óptimos para esos factores.
La aplicación más común de DOE es en los entornos de manufactura, donde el método se utiliza para hallar la configuración de la máquina que produzca un rendimiento óptimo del proceso al menor costo.
“Normalmente, se sabe que DOE y otros métodos estadísticos se utilizan en la manufactura, pero en realidad la aplicación de la técnica no se limita a ningún área en particular”, sostiene Toro. “Una vez que comprendimos los principios de DOE, supimos que también podríamos aplicarlo a nuestros procesos de servicio”.
Toro y el equipo seleccionaron cuatro factores clave (clasificación de los asociados, trabajo posterior a la llamada, horario de los turnos y tiempo de capacitación) y usaron Minitab para diseñar un experimento factorial de 2 niveles. Tras recoger y analizar los datos, pudieron usar la salida de Minitab para evaluar la mejor combinación de cada uno de los cuatro factores clave.