Encuestas, correlación y acciones de mejora (2 de 3)
Para prestar servicios de TI de manera competitiva es necesario comprender el punto de vista de nuestros usuarios y clientes, especialmente en algo tan relevante como su grado de satisfacción. En este artículo explicaremos cómo enfocar esto apoyándonos de sencillas herramientas estadísticas.
Continuamos lo indicado en el artículo anterior intentando mejorar la propuesta de análisis de la satisfacción según distintas preguntas de una encuesta.
Vamos a modificar ahora el enfoque haciendo un cambio muy sencillo: además de hacer P1, P2 y P3 preguntas para valorar el constructo C, vamos a preguntar directamente por el constructo C.
Es decir, si en el ejemplo del artículo anterior P1 era “valore entre 0 (nada satisfecho) y 5 (muy satisfecho) el plazo de resolución de sus incidencias y peticiones”, ahora añadiremos P4 que será “valore entre 0 (nada satisfecho) y 5 (muy satisfecho) su satisfacción en la gestión de incidencias y peticiones que brinda el helpdesk”.
El resultado es que preguntamos tanto por las dimensiones en que hemos descompuesto el constructo como por el propio constructo.
En la siguiente tabla vemos los resultados de las preguntas por las dimensiones (P1, P2 y P3), la pregunta por el constructo (P4) y el coeficiente de correlación de Pearson entre las preguntas P1, P2 y P3 y la pregunta P4.
P1 | P2 | P3 | P4 | |
4 | 3 | 4 | 4 | |
3 | 2 | 4 | 3 | |
4 | 0 | 4 | 4 | |
1 | 5 | 4 | 2 | |
4 | 2 | 3 | 4 | |
4 | 2 | 4 | 4 | |
1 | 1 | 3 | 1 | |
2 | 4 | 5 | 3 | |
Cor | 94,72% | -18,86% | 22,27% |
La diferencia de este método con el utilizado en la primera parte del artículo es que el constructo no lo calculamos nosotros promediando P1, P2 y P3, sino que tenemos un resultado directo dado por los encuestados que es P4.
Puede parecer un poco absurdo preguntar por las dimensiones si directamente preguntas por el constructo, pero la ventaja que tenemos ahora es que podemos ver qué dimensión correlaciona más con el constructo.
Esto nos permite saber qué pregunta aproxima mejor la satisfacción (aquella pregunta con un coeficiente de correlación más cercano al 100%). En este caso vemos que la pregunta P1 aproxima mejor la satisfacción y, por lo tanto, podemos suponer que lo que más valoran nuestros usuarios y clientes como satisfacción es la dimensión de la pregunta P1 (en nuestro ejemplo serían los plazos de resolución).
En la continuación de este artículo explicaremos cómo se puede explotar los datos de esta tabla para identificar oportunidades de mejora.
José Luis Fernández