Téléchargez le jeu de données exploité avec Minitab pour l'exemple traité par cet article.
Connaître le temps nécessaire à la réalisation d’une tâche peut être très utile pour évaluer l'efficacité d’un processus.
Considérons un service de support technique, les requêtes provenant d'usagers, de clients et de prospects sont envoyées par courrier électronique, téléphone et Internet aux opérateurs. La plupart de ces requêtes sont standards et seront traitées dans un délai lié, bien sûr, à l’efficience de chaque opérateur ; mais certaines requêtes, beaucoup plus complexes ou inhabituelles, devront être soumises à des spécialistes, nécessiteront réflexion, recherche ou concertation avec des collègues...
Deux modes de fonctionnement peuvent être observés dans ce contexte. D’une part, le mode habituel standard qui se distingue par des réponses rapides et une faible variabilité. D’autre part, un mode pour les requêtes insolites ou complexes qui révèle un temps de traitement plus long et une plus grande variabilité.
Un autre exemple pourrait être le temps de réparation d’une voiture en panne : certaines pièces standard peuvent être trouvées facilement, d’autres, plus rarement demandées, ne seront pas toujours disponibles dans l’atelier. Les durées sont beaucoup plus longues lorsque ces pièces inhabituelles sont nécessaires et doivent être commandées, exceptionnellement.
Toute entreprise qui traite des réclamations clients et contrôle le temps nécessaire pour résoudre des incidents pourrait être intéressée par l'analyse de ces durées. Ce pourrait être un incident adressé à un fournisseur d'accès Internet , une entreprise de télécommunications , une société en charge de la maintenance du réseau électrique dans une zone particulière, un service de « SAV », un centre d'appel qui réagit aux réclamations de clients ou le temps nécessaire pour récupérer une pièce dans un entrepôt , etc.
Comment pouvons-nous quantifier l'expérience client ? La moyenne (ou la médiane) n'est pas vraiment représentative dans ce contexte, les durées ne suivent généralement pas une distribution normale et nous avons affaire à des distributions bi - modales. Certains clients recevront une réponse rapide, d'autres devront attendre beaucoup plus longtemps. Nous pourrions nous intéresser aux durées maximales nécessaires pour résoudre une tâche, mais ces statistiques ne sont pas vraiment représentatives non plus.
L’idéal serait d’avoir une vue globale de l’ensemble des durées jusqu'à la fin de la tâche, afin de comparer plusieurs services, équipes, types de produits etc.
Un moyen très efficace de gérer visuellement ces processus est d'utiliser une «Analyse de répartition non paramétrique» (dans Minitab, aller à > Stat > Fiabilité / Survie > Analyse de répartition (troncature à droite) > «Analyse de répartition non paramétrique»). Cette approche vous apporte un avantage supplémentaire : les valeurs censurées peuvent aussi être analysées. Dans un service de support technique , une valeur censurée pourrait représenter un utilisateur qui a signalé un problème , à qui une solution a été proposée mais qui n’est jamais revenu vers le support et pour lequel on ne peut pas vraiment être sûr que le problème a été résolu avec succès et que l'incident peut être clôturé.
Considérez les graphiques ci-dessous : il s’agit de temps de traitement de réclamations de la clientèle pour trois agences (A, B et C)
Le diagramme de survie représente le nombre de demandes qui n'ont pas encore été résolues (les tâches en suspens, le pourcentage de clients qui sont toujours en attente du traitement de leur demande) après une durée donnée. La courbe verte représente l’agence C nous indique que celle-ci besoin de plus de temps que les agences A ou B. Considérons encore la courbe verte de l’agence C, la plupart des demandes, faciles, sont satisfaites dans les 20 premières heures mais les demandes inhabituelles prennent beaucoup plus de temps avec un temps maximum d’à peu près 100 heures. Pour l’agence C toujours, notez la pente raide de la courbe verte au début qui dénote une réduction très rapide avec une décélération importante après 20 heures.
Le diagramme des défaillances cumulées représente le pourcentage des tâches, les demandes de client dans notre exemple, qui ont été résolues avec succès après un temps donné. Ainsi, sur le graphique ci-dessus, l’axe des abcisses correspond au temps, soit les durées pour résoudre un problème, et l’axe des ordonnées correspond aux proportions des problèmes résolus. Le diagramme des défaillances cumulées et le diagramme de survie représentent différemment le même type d'information et confirment nos impressions.
L’Agence C est clairement moins performante par rapport aux autres agences en termes de délai de résolution des problèmes clients. Des améliorations sont nécessaires. Dans le but de réduire les durées les plus longues, les requêtes inhabituelles pourraient par exemple être adressées rapidement au niveau approprié, alors que les demandes simples pourraient suivre un processus standard.
L’ «Analyse de répartition non paramétrique» est généralement utilisée pour analyser les données de fiabilité/survie, mais dans cette présentation, cette fonction statistique a été utilisé avec un objectif totalement différent. Nous n’avons pas affaire à des données de survie ou à des défaillances de pièces mécaniques, c'est une façon novatrice de gérer visuellement les durées dans les processus de service.
Téléchargez le jeu de données exploité avec Minitab pour l'exemple traité par cet article.