TIM contrata SAS para prever demandas de clientes
SAS Forecast Server calcula, de forma automatizada, a expectativa de atendimentos para cada mês.
A TIM adotou o SAS Forecast Server, uma ferramenta automatizada focada na previsão da demanda dos consumidores em seus canais de suporte, para aperfeiçoar o atendimento ao cliente. A plataforma permite que a companhia, que conta com, aproximadamente, 68 milhões de clientes, tenha maior precisão e eficiência na gestão do atendimento, gerando previsões de alta qualidade de forma rápida e automática.
A ferramenta calcula, de forma automatizada, a expectativa de atendimentos para cada mês levando em conta variáveis como sazonalidades, vencimentos de contas, suspensões de serviço, entre outras. A partir destas informações é possível prever, por exemplo, os dias e os horários em que se espera pico de atendimento e preparar as equipes para oferecer a melhor experiência.
“Com o processo automatizado e dados mais precisos, conseguimos ter previsibilidade de volumes e custos. Quanto mais precisas são nossas projeções, melhor o desempenho de custo e operacional. No projeto piloto do Pré-Pago já notamos benefícios como a redução do desvio no volume em 20% e a ampliação do tempo dos consultores dedicados à análise de 60% para 80%”, comenta Angela Montet, Diretora de Customer Relations Monitoring da TIM Brasil.
Para dar início ao projeto, a TIM e a SAS realizaram, ao longo de um ano, um projeto piloto na base dos clientes Pré-Pagos e desenvolveram diferentes modelos até chegar ao formato final. Com acompanhamento dos times estratégicos, foi possível definir as principais variáveis e chegar a versão que já está sendo utilizada. Atualmente, o projeto está em funcionamento nos segmentos Pré-Pago e Controle, com previsão de expansão para Pós-Pago e Voz Corporativo em 2023.
Com a adoção da ferramenta, os próximos passos contemplam a evolução na modelagem estatística, incluindo o uso de elementos de Inteligência Artificial por meio do SAS Visual Forecasting, que cria previsões de forma rápida e automática utilizando técnicas de machine learning. Além disso, a ideia é expandir a metodologia para todos os canais de atendimento.
