Vox Populi 4.0

As ferramentas de big data aumentam a voz do cliente (voice of the customer – VOC).

progess2Keith Bowers e Tina V. Pickerel

As novas e poderosas ferramentas que impulsionam a análise da VOC na Quality 4.0 permitem ver e compreender novos produtos e processos com clareza a partir da perspectiva do cliente. Se feito corretamente, essas novas abordagens podem trazer grandes benefícios. Se feito errado, no entanto, elas podem causar grandes problemas.

Essas oito dicas o manterão dentro dos limites e no caminho para melhorias incríveis na satisfação do cliente com a VOC 4.0. Ela se refere ao processo de captura de expectativas, preferências e feedback do cliente para que se possa projetar e fabricar produtos de excelente qualidade.

A VOC é uma ferramenta importante e poderosa para projetar produtos de sucesso e melhorar a qualidade de fabricação depois que esses produtos estiverem em produção. Para os profissionais de qualidade, uma visão precisa e diferenciada do feedback do cliente orienta os esforços de melhoria da qualidade e acelera o progresso positivo.

A Qualidade 4.0 é a aplicação da quarta tecnologia de revolução industrial – como a digitalização e a inteligência artificial (artificial intelligence – AI) – à qualidade. A VOC 4.0 é uma subcategoria da Qualidade 4.0 que se refere à aplicação de tecnologias da Qualidade 4.0 ao processo da VOC.

O projeto VOC 4.0 neste artigo usa tecnologias de IA para extrair, resumir e priorizar a VOC a partir de grandes volumes de dados de textos de feedback do cliente, o que era muito para ler e entender antes da VOC 4.0.

Dica 1: converta os registros de texto em dados significativos

Hoje, as organizações coletam enormes quantidades de dados de feedback do cliente baseados em texto. Mas como você converte esses dados em informações acionáveis? Antes da VOC 4.0, não se podia, isto é, sem gastar imenso tempo, esforço e recursos. Sem a VOC 4.0, esses dados são armazenados em planilhas, bancos de dados e sistemas de e-mail, e pouco é feito para converter esses dados em conhecimentos e conclusões significativos. A maioria dos arquivos de texto é muito grande, complexa, irregular e detalhada, mesmo para o profissional de qualidade mais eficiente ler e analisar.

Com as ferramentas VOC 4.0, no entanto, pode-se filtrar eficientemente os comentários dos clientes em todas as formas, como e-mails, planilhas, relatórios e gravações de correio de voz, e identificar dados relevantes para a VOC. Quando confrontados com centenas ou milhares de documentos de feedback de clientes, é fácil ficar sobrecarregado além das primeiras dúzias. A VOC 4.0 usa uma família de técnicas de IA, chamada de processamento de linguagem natural (natural language processing – NLP), que sumariza facilmente os detalhes e a complexidade ocultos nesses dados de texto não estruturados, onde os dados de VOC mais críticos geralmente residem.

As abordagens da Qualidade 4.0 permitem extrair informações muito mais úteis de fontes de dados existentes e possibilitam melhorar de maneira rápida e eficaz o desempenho de qualidade. Para ilustrar a VOC 4.0, usaremos dados reais de uma divisão principal da Owens Corning. Essa empresa, sediada em Ohio, foi formada em 1938 e produz materiais isolantes, telhados e compósitos de fibra de vidro. Como uma empresa da Fortune 500, emprega cerca de 15.000 pessoas em 110 fábricas em 25 países.

Neste estudo de caso, uma análise personalizada da ciência de dados – adaptada para a Owens Corning a partir de uma série de algoritmos de aprendizagem de máquina e NLP bem testados – reformulou os dados da VOC da organização e gerou análises, gráficos e relatórios interativos. A Tabela 1 contrasta a compreensão da VOC na Owens Corning antes e depois da adoção de ferramentas de big data e VOC 4.0.

progess3

Dica 2: use as ferramentas VOC 4.0

Você estava esperando pelo momento perfeito para implementar o VOC 4.0 – onde os pontos se alinham com o seu software, banco de dados e programa de melhoria de processos? Por favor, não espere mais. Esse momento pode nunca chegar. Considere implementar o VOC 4.0 agora se você tiver processos de qualidade maduros e uma quantidade razoável de dados relevantes, mesmo que esses dados abranjam vários sistemas e formatos.

As tecnologias VOC 4.0 prosperam nos dados caóticos e abundantes encontrados em comunicações escritas com clientes que não possuem estrutura ou rótulos consistentes. No exemplo da Owens Corning, usamos dados de texto não estruturados de mais de 11.000 documentos de feedback de clientes escritos em seis idiomas. Veja a Tabela 2 para um resumo dos dados de feedback do cliente.

progess4

Normalmente, eram encontradas quase todas as informações mais valiosas nas descrições de texto diversificadas e não estruturadas: clientes ou funcionários explicando porque os pedidos estavam sendo devolvidos ou modificados. A maioria descrevia erros de precificação, defeitos menos problemático no produto ou simplesmente o desejo de alterar um pedido após o envio.

Não se preocupe se você tiver mais ou menos dados do que neste exemplo. Essas técnicas são muito bonitas e podem rotineiramente lidar com o equivalente a uma planilha de 1 milhão de linhas. Em geral, quanto mais dados você tiver, mais obterá dessas técnicas.

Dica 3: Evite as maneiras fáceis de sair

Antes da VOC 4.0, para determinar onde precisávamos melhorar, confiávamos no julgamento e nas suposições profissionais e tínhamos dados limitados para entender o complexo panorama das percepções dos clientes. Com a VOC 4.0, agora podemos acessar esses dados para ajudar a mapear a estratégia de melhoria e determinar quais os problemas de qualidade mais merecem os recursos limitados. Essas percepções são cruciais para melhorar a satisfação do cliente.

Como seres humanos, procuramos entender nossos ambientes. Ao fazer isso, estamos propensos a dois erros cognitivos comuns – ou saídas fáceis – quando examinamos as fraquezas de nossos processos de produção. Primeiro, há o efeito de recência – a tendência humana normal de supervalorizar os eventos recentes em detrimento dos mais distantes. Isso nos leva a trabalhar em problemas recentes, que ainda são proeminentes em nossas memórias.

Em segundo lugar, tendemos a seguir o caminho da menor resistência, o que significa que trabalhamos nos problemas que somos bons em resolver. Por exemplo, se tivermos resolvido erros de medição no passado, estaremos inclinados a procurar outras oportunidades para conduzir programas de melhoria de mensuração, mesmo que nossos esforços possam produzir melhores resultados em outros lugares.

Dadas as vastas quantidades de informações complexas disponíveis para nós, essas saídas fáceis eram inevitáveis no passado. Hoje, no entanto, com técnicas de big data, podemos evitá-las e outros atalhos cognitivos comuns com a VOC 4.0 e aproveitar ao máximo todos os nossos dados para determinar os maiores problemas da VOC e identificar os melhores remédios.

Dica 4: Deixe os dados mostrarem o caminho

Não recorra a classificações anteriores para seus dados da VOC. Deixe os dados determinarem suas próprias classificações. Ao ler toda a complexidade e diversidade dos dados de feedback de seus clientes, a VOC 4.0 pode criar uma classificação hierárquica confiável e abrangente.

No exemplo da Owens Corning, usamos técnicas de PNL para filtrar 15 tipos amplos de comentários de clientes aparentemente ocultos em nossos dados (veja a Figura 1).

progess5

Cada tipo de feedback na Figura 1 é rotulado com três palavras-chave que são mais características para esses tipos de feedback. Esses 15 tipos de feedback do cliente podem ser agrupados em três agrupamentos de alto nível: dano de transporte, problemas administrativos, como erros de fatura, e problemas de fabricação, como produtos fora de especificação.

Observe a consistência interna dos tipos de feedback no diagrama de rede na Figura 1. Muitas das palavras-chave que caracterizam os tipos de feedback de fabricação são específicas para esse setor e produtos, mas os tipos de feedback administrativo são mais fáceis de entender.

Por exemplo, o tipo 3 do feedback do cliente, próximo ao final da Figura 1, é rotulado com as palavras-chave “fatura”, “preço” e “czk”, representando o feedback dos clientes sobre problemas de preço nas faturas, causado principalmente por erros tipográficos. A palavra czk é o símbolo da moeda checa, um termo identificado pelo software como frequentemente diagnóstico de feedback do cliente em relação a preços.

Cada um dos 11.000 relatórios de feedback do cliente está associado a um tipo de cliente e fornece muitos exemplos reais de cada tipo de feedback. Ter inúmeros exemplos específicos do mundo real facilita o planejamento de ações corretivas.

Além disso, observe o alto grau de consistência interna no diagrama de rede; tipos similares de feedback estão localizados próximos uns dos outros e organizados em uma hierarquia precisa e consistente de tipos. O número de tipos de feedback (15) foi escolhido porque se ajusta melhor aos dados. Analisamos rotineiramente os dados com menos ou mais tipos, dependendo do objetivo e da escala das perguntas.

Os usuários iniciantes destas técnicas frequentemente se surpreendem com o quão específicas, informativas e consistentes essas classificações geradas pela IA são: muito mais detalhadas, precisas, customizadas e acionáveis do que qualquer classificação geral de categoria pré-VOC 4.0 poderia ter sido.

Com as ferramentas VOC 4.0, podemos agora medir quantitativamente o impacto e a extensão de todos os documentos de feedback do cliente com precisão e confiabilidade, para que possamos entender melhor as reações complexas dos clientes às variações em nossos processos de fabricação. Além disso, agora podemos abordar com confiança os problemas mais importantes de feedback do cliente porque os derivamos, quantificamos e classificamos de forma objetiva.

Dica 5: Maximize as melhorias de desempenho

Com as ferramentas VOC 4.0, podemos analisar dados quantitativos enquanto aplicamos novas técnicas, como a NLP. No exemplo da Owens Corning, classificamos e priorizamos os resultados da análise de texto e os combinamos com os totais de custo e contagem. Recomendamos o uso de várias métricas, como custo e contagem, para classificar e priorizar as diferentes classes de tipos de feedback do cliente. Isso reduz interpretações incorretas e fornece suporte adicional para suas conclusões.

Para colocar a rede de alto nível de tipos de feedback do cliente em perspectiva, classificamos os 15 tipos pelo número total de reclamações e custo total para cada tipo de feedback. A contagem representa o número de documentos de feedback do cliente em cada um dos 15 tipos mostrados na Figura 1.

O custo representa o custo total, se houver, que foi incorrido na resposta a cada comunicação de feedback do cliente. Removemos a maior parte dos erros de precificação de nossa análise porque não queríamos contabilizar as altas taxas de remoção entre os custos reais de produção.

Essa classificação quantitativa dos tipos de feedback do cliente nos ajuda a priorizar nossas ações corretivas. A Figura 2 mostra que os tipos 4, 10 e 3 são os mais frequentes, enquanto os tipos 7, 9 e 11 são os mais caros.

progess6

Observe que o tipo oito de feedback do cliente – dano de transporte – é proeminente nos gráficos de custo e contagem. O dano de transporte é importante para este estudo porque está entre as rachaduras da organização e pode ter causas enraizadas na fabricação, no transporte ou em ambos. Ao classificar claramente o feedback dos clientes com base nos próprios dados, reconhecemos problemas que, de outra forma, poderiam ter sido perdidos.

Dica 6: Procure tendências no tempo e no espaço

Verifique as tendências ao longo do tempo. Isso pode impedir a correção de problemas que já foram corrigidos e identificar as tendências de qualidade não reconhecidas. A tendência do feedback do tipo oito ao longo do tempo na Figura 3 mostra uma tendência suave e descendente, semelhante às tendências de defeitos gerais e retornos de clientes ao longo do tempo para toda a organização.

progess7

Todas essas tendências mostram melhorias constantes no desempenho de qualidade. Essa primeira análise de danos de transporte do tipo oito em todos os locais identificou diversos sites que justificaram investigações adicionais e demonstrou a importância de analisar os dados ao longo do tempo (tendências) e do espaço (variação de desempenho por localização).

Dica 7: trabalhe com seu cientista de dados

Para usar as ferramentas VOC 4.0, você não precisa ser um cientista de dados. Mas, você deve trabalhar de perto com um e, de preferência, com um Consórcio de Sistemas de Internet (Internet Systems Consortium – ISC) e experiência de qualidade.

Se você pular essa última parte, você e seu cientista de dados podem acabar aplicando as ferramentas erradas – e tomando decisões analíticas abaixo do ideal. Isso foi especialmente importante com as técnicas de NLP usadas em nosso exemplo, porque o conhecimento dos processos e as tecnologias da Owens Corning foi crucial para a tomada de muitas melhorias e decisões analíticas do modelo que essas técnicas exigem.

Dica 8: Você ficará surpreso, e é aí que os maiores ganhos são encontrados

Espere ser surpreendido. Cerca de 25% dos resultados da VOC 4.0 serão muito surpreendentes. O resto irá confirmar, quantitativamente, o que você já suspeitou.

As surpresas – aqueles resultados inesperados que vão abalar a maneira como você vê a experiência do cliente – são onde as maiores e mais imediatas oportunidades frequentemente residem. Descubra as surpresas, confirme e tome uma atitude.

Focando nas preocupações certas do cliente

Com a VOC 4.0, você entenderá seus clientes de maneira nova e empolgante. Você entenderá o valor na complexidade e na quantidade de todas as suas comunicações com o cliente. Os clientes não conhecem nem falam com a terminologia do seu setor ou usam um idioma consistente. Mas a VOC 4.0 ainda pode revelar as mensagens subjacentes dos clientes. As ferramentas usadas nesses exemplos são apenas algumas das muitas maneiras de entender melhor a VOC como parte do programa da Qualidade 4.0.

Escolha as ferramentas certas e faça as perguntas mais difíceis e específicas que você puder para obter os resultados focados e acionáveis necessários para obter grandes melhorias na satisfação do cliente. Por meio da conversão de nossas vastas reservas de dados em informações úteis na Owens Corning, ganhamos confiança de que estamos identificando os maiores problemas enfrentados por nossos clientes e não nos distrairmos com os problemas isolados – ou aqueles poucos incidentes que poderiam ter roubado nosso tempo, atenção e esforços.

Com uma estratégia da VOC 4.0 claramente definida e bem concebida, estamos confiantes de que estamos nos concentrando nas preocupações certas dos clientes e maximizando a melhoria na satisfação do cliente.

Keith Bowers é presidente da Bowers Management Analytics em Phoenix. Ele possui mestrado pela Texas A & M University em College Station e um MBA pela Arizona State University em Tempe. Ele é um membro da ASQ, um six sigma black belt certificado pela ASQ e um profissional de gestão de projetos certificado pelo Project Management Institute. Ele também recebeu uma certificação em ciência de dados da Universidade John Hopkins, em Baltimore.

Tina V. Pickerel é líder do programa de qualidade global da Owens Corning em Toledo, OH. Ela possui um mestrado em estatística pela Colorado State University em Fort Collins e é certificada pela American Production e pela Inventory Control Society em gerenciamento de produção e estoque.

Fonte: Quality Progress/2019 March

Tradução: Hayrton Rodrigues do Prado Filho



Categorias:Qualidade

Tags:, , , , ,

Deixe uma resposta

%d blogueiros gostam disto: