Hoje em dia muito se fala em mensurar, controlar e pesquisar métricas de qualidade. No entanto, ao mesmo tempo em que isso já seja algo embutido no dia a dia do mundo corporativo, muito se define e pouco se aproveita. Você deve estar se perguntando, mas como assim? Vou explicar melhor em qual ponto eu gostaria de chegar.
Gabriel Cantanhede (*)
Falar sobre métricas de qualidade é falar sobre norte. É decidir por qual direção deseja-se seguir. Mas, para que realmente uma métrica de qualidade faça a diferença e ajude a estreitar o relacionamento com cliente, mais do que saber o que medir é preciso ter bastante clara a ideia de o porquê medir e como analisar cada um desses indicadores.
Separei aqui alguns passos importantes que ajudam a trilhar esse caminho.
1: Entenda o contexto.
Ter claro os objetivos a serem atingidos é muito importante. É isso o que torna as métricas relevantes. Identifique-os e, aí sim, defina quais são as informações que poderão ajudar no processo de tomada de decisão. Eleja qual delas são as mais importantes e também quais trazem uma visão complementar, que poderia ajudar a entender os comportamentos, o que é crucial no universo do relacionamento com o cliente.
Alguns segmentos já têm muito bem mapeados os indicadores que fazem a diferença na jornada do cliente. Por exemplo, sabe-se que SLA (nível de serviço) é uma métrica de qualidade importante para a maior parte dos segmentos de mercado. Porém, nem sempre o que compõe esse SLA está evidente para todos.
2 Aprofunde o nível de detalhamento da informação.
Restringir-se ao quantitativo e não se aprofundar no nível de detalhamento é um erro comum. Atente-se ao fato de que aquele cliente que hoje liga para reclamar, é um potencial candidato a cancelar o serviço amanhã. Não foque apenas na foto e procure ver o filme. Este mindset é um passo essencial para jornada do cliente.
3 Olhe sempre todos os lados.
É preciso levar em consideração duas abordagens distintas, complementares e igualmente importantes: a técnica, partindo sempre da informação mais granular possível para um universo de possibilidades cada vez mais amplo; e a específica, que está relacionada a mergulhar no negócio e identificar os parâmetros e as especificidades da empresa. Isso também incluir mapear o fluxo, desde o planejamento até o faturamento, garantindo que a cadeia toda use sempre do mesmo conceito.
Usando novamente o exemplo do SLA: os parâmetros utilizados na operação são os mesmos estabelecidos em contrato? A informação disponibilizada na origem é confiável e aderente aos mesmos parâmetros? A renegociação de contrato retroalimenta a cadeia com a atualização da nova realidade?
4 Tenha clara a importância da governança.
O maior desafio no contexto da criação de uma plataforma de informações (e suas métricas de qualidade) é a governança. Sob a perspectiva de negócio, garantir a aderência e a não “descaracterização” da informação dentro da cadeia. Já do ponto de vista técnico, significa garantir uma camada de consumo única para toda a cadeia, a integridade e disponibilidade do dado. E o mais importante: este é um trabalho diário e não uma iniciativa pontual!
5 Transforme os dados em informação de valor.
Depois de garantir a segurança e a integridade das informações que serão amplamente divulgados dentro é da empresa, chega a hora de transformar dados em informação de valor. Este é um processo que deve ser conduzido com muito cuidado, com diversas diretrizes e por especialistas em Data Science, pois eles conseguem aplicar parâmetros, suas análises, auxiliar em todo o processo com muita destreza combinando a necessidade de negócio com a necessidade da operação.
Em suma, quanto mais embutido estiver esse conceito de métrica de qualidade, mais ele faz sentido em um determinado contexto, com um propósito específico. As informações estão à nossa disposição, e depende de nós fazer bom uso delas e torná-las úteis para o negócio.
(*) É COO da Meeta Solutions, empresa brasileira de tecnologia que provê soluções inovadoras para aprimorar o relacionamento das empresas com os seus clientes, transformando dados
em informações de valor.
