Modelo de optimización para servicio técnico

Contexto

Nuestro cliente, buscando mejorar la calidad y velocidad del servicio técnico, se acercó a Brain Food para ver como dar una solución automatizada y basada en datos para la optimización de la flota. La empresa se enfrenta a la realidad que su servicio técnico ante reclamos en muchas ocasiones toma más de un día en accionarse, lo que pone en riesgo la lealtad del cliente, especialmente en los identificados con alto riesgo de fuga, donde cualquier interacción negativa con puede gatillar su salida. En particular se definieron ciertas metas para el proyecto:

– Estimar el tamaño óptimo de la flota de servicio técnico para poder atender a los clientes según los plazos y niveles de servicio
– Generar una estimación de requerimientos objetiva 
– Incorporar el comportamiento aleatorio y estadístico de la operación
Retener a los clientes del segmento clave definido, con un método correcto de atención de sus requerimientos, particularmente los plazos comprometido

Solución

Se implementó una Simulación Estocástica de Montecarlo a través de R-Software y Excel, donde se tomaron datos históricos de los clientes y se encontraron histogramas de comportamiento, lo que permitió generar múltiples escenarios simulados de distintos meses de funcionamiento, con ciertos elementos parametrizados para ser modificados por el usuario (ej: SLA). Con esta información, se pudo determinar el valor estimado de móviles requeridos para distintos valores de los parámetros y con el nivel de significancia definido por el usuario. De esta forma, el cliente logró tener una herramienta para estimar los costos (aumento de móviles) para aumentar los niveles de servicio y tiempos de respuesta para distintos tipos de clientes en distintos tipos de escenarios.

Resultados

Se entregó al cliente una herramienta automatizada con el modelo programado en R-Software, integrado en una macro en Excel (herramienta elegida por el cliente), que logra estimar costos, niveles de servicio y tiempos de respuesta para distintos escenarios. El usuario puede definir los parámetros de entrada según las necesidades que tiene y se le entregan los resultados de las simulaciones según los inputs entregados de forma rápida y automática