Análisis de Datos de un Banco
Ingrid Guevara - Andrés Vinueza
27/11/2019
1.- Introducción
Las instituciones financieras como cualquier empresa depende de sus clientes. Por lo que, deben generar la mejor atención y generar confianza, de no hacerlo las personas preferirán otros bancos[1]. Así el banco debe mantener a los clientes y motivar al público a unirse.
En este trabajo se realizará un análisis descriptivo de un banco con el objetivo de analizar la organización y los procesos que se llevan a cabo. Este análisis servirá para toma de decisiones y de estrategias dentro de la empresa.
Este trabajo esta formado por las siguientes secciones: Metodología, Desarrollo, Conclusiones y recomendaciones. En metodología se describirá los métodos que se usarán para realizar dicho análisis. Desarrollo estará formado por 4 subsecciones, en las que se describirá la data, eliminación de atípicos, contrucción de indicadores y diseño de perfiles. En Conclusiones y Recomendaciones se mostrará los resultados y se sugerirá cambios en favor de mejorar la gestión en el banco.
2.- Metodología
Para analizar las variables se iniciará con la investigación y la documentación necesaria para entender nuestra base de datos. Para eliminar los datos atípicos usaremos el diagrama de caja y bigotes como se puede ver en [3].
Una vez este lista nuestra base, comenzaremos analizando cada una de las variables, para esto realizaremos gráficos de pastel, de barras o de calor. Además, se realizará análisis ANOVA para encontrar subpoblaciones.
Para realizar una evaluación por cajeros y sucursales se construirá indicadores sintéticos. Las variables que formarán estos indicadores se discutirán de acuerdo a la importancia que representen cada uno.
3.- Desarrollo
3.1 Descripción de los Datos
La base de datos esta compuesta de las siguientes variables:
## [1] "Sucursal" "Cajero" "ID_Transaccion"
## [4] "Transaccion" "Tiempo_Servicio_seg" "Satisfaccion"
## [7] "Monto" "NS" "Ubicación"
## [10] "Edad" "Sexo" "Nivel.de.formación"
## [13] "Años.Experiencia"Estructura:
## 'data.frame': 24299 obs. of 13 variables:
## $ Sucursal : chr "62" "62" "62" "62" ...
## $ Cajero : chr "4820" "4820" "4820" "4820" ...
## $ ID_Transaccion : chr "2" "2" "2" "2" ...
## $ Transaccion : chr "Cobro/Pago (Cta externa)" "Cobro/Pago (Cta externa)" "Cobro/Pago (Cta externa)" "Cobro/Pago (Cta externa)" ...
## $ Tiempo_Servicio_seg: num 311 156 248 99 123 172 140 247 183 91 ...
## $ Satisfaccion : Ord.factor w/ 5 levels "Muy Malo"<"Malo"<..: 5 2 3 3 5 4 3 4 5 5 ...
## $ Monto : num 2889 1671 3172 1765 1836 ...
## $ NS : chr "No" "No" "No" "No" ...
## $ Ubicación : chr "Riocentro Sur" "Riocentro Sur" "Riocentro Sur" "Riocentro Sur" ...
## $ Edad : num 42 42 42 42 42 42 42 42 42 42 ...
## $ Sexo : chr "F" "F" "F" "F" ...
## $ Nivel.de.formación : chr "Bachiller" "Bachiller" "Bachiller" "Bachiller" ...
## $ Años.Experiencia : num 24 24 24 24 24 24 24 24 24 24 ...Resumen:
## Sucursal Cajero ID_Transaccion Transaccion
## Length:24299 Length:24299 Length:24299 Length:24299
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Tiempo_Servicio_seg Satisfaccion Monto NS
## Min. : 18.13 Muy Malo :3009 Min. : 53.82 Length:24299
## 1st Qu.: 75.69 Malo :4474 1st Qu.:1417.73 Class :character
## Median : 122.45 Regular :4639 Median :2087.43 Mode :character
## Mean : 155.58 Bueno :5915 Mean :1996.16
## 3rd Qu.: 197.73 Muy Bueno:6262 3rd Qu.:2482.09
## Max. :1602.70 Max. :6278.02
## Ubicación Edad Sexo Nivel.de.formación
## Length:24299 Min. :22.00 Length:24299 Length:24299
## Class :character 1st Qu.:26.00 Class :character Class :character
## Mode :character Median :32.00 Mode :character Mode :character
## Mean :33.45
## 3rd Qu.:35.00
## Max. :55.00
## Años.Experiencia
## Min. : 2.00
## 1st Qu.: 6.00
## Median : 7.00
## Mean :10.92
## 3rd Qu.:16.00
## Max. :35.00Sucursal: Variable Categórica asociada con el Número con el que se registra las sucursales del Banco
Cajero: Variable Categórica con los códigos de los cajeros
ID_Transaccion: Código que se almaceno cada una de las transacciones.
Tiempo_Servicio_seg: Variable continua con el tiempo que le tomo a cada cajero atender las transacciones.
Satisfacción: Variable Categórica con la calificación que los clientes le han dado a la atencón de los cajeros.
Monto: Variable Continua con la cantidad de dinero que los clientes realizaron las transacciones.
NS: Variable Discreta que indica si la sucursal tiene o no el nuevo sistema.
Ubicación: Variable Categorica para indicar en donde se encuentra la Sucursal
Edad: Variable continua de la edad de los cajeros.
Sexo: Sexo de los Cajeros.
Nivel de Formación: Nivel de Formación de los Cajeros.
Años de Experiencia: Variable continua con los años de Experiencia que tiene cada cajero.
3.2 Análisis Exploratorio
3.3 Detección y eliminación de datos Atípicos
Número de transacciones
Observemos el número total de transacciones que realizaron los cajeros a través de un gráfico de barras.
Notemos que existen ciertos casos donde el total de transacciones para algunos cajeros es más bajo en comparación al resto. Podría pensarse que un cajero más experimentado realice más transacciones, por lo que vamos a comparar el número de transacciones con los años de experiencia.
Con el gráfico de calor evidenciamos que existen cajeros con un número bajo de transacciones que tienen una experiencia similar a otros cajeros que registran una cantidad alta. La razón de que suceda esto es que no contamos con el total de transacciones de todos los cajeros, sino únicamente con aquellas que fueron calificadas por los clientes. De forma que, no queda más que eliminar los cajeros que presentan este problema. Los cuales corresponden a:
- 5174
- 2230
- 87
- 321
- 4453
- 4424
- 63
- 3023
- 3327
Tiempo de Servicio
Una vez retirados los cajeros con transacciones bajas, realizaremos un análisis exploratorio para la variable tiempo de servicio.
## [1] "data_banco$Tiempo_Servicio_seg"
## Tamano (n) Datos Perdidos Minimo 1er Qu
## 23926.000 0.000 18.132 76.031
## Media Mediana Media Recortada 3er Qu
## 156.409 123.145 142.755 199.000
## Max. DesEstandar. Var. SE Media
## 1602.698 120.255 14461.309 0.777
## Rango Intercuantil Rango Kurtosis Asimetria
## 122.969 1584.566 9.195 2.351
## L.Fords p-val
## 0.000De esta variable tenemos un total de atípicos:
## [1] 1203Lo cual corresponde a un porcentaje en la base:
## [1] "5.03 %"Retiramos estos datos y los guardamos para su posterior análisis
tiempo_at <- data_banco %>% slice(m$Posiciones)
data_banco <- data_banco %>% slice(-m$Posiciones)Monto
Análizamos la variable aleatoria Monto, donde el resumen de la variable vemos a continuacón
## [1] "data_banco$Monto"
## Tamano (n) Datos Perdidos Minimo 1er Qu
## 22723.000 0.000 53.820 1379.030
## Media Mediana Media Recortada 3er Qu
## 1937.774 2061.560 1935.980 2432.800
## Max. DesEstandar. Var. SE Media
## 5849.850 764.637 584669.359 5.073
## Rango Intercuantil Rango Kurtosis Asimetria
## 1053.770 5796.030 -0.164 -0.076
## L.Fords p-val
## 0.000De esta variable Tenemos un total de atípicos:
## [1] 84Lo cual corresponde a un porcentaje en la base de:
## [1] "0.37 %"Retiramos estas observaciones
monto_at <- data_banco %>% slice(m1$Posiciones)
data_banco <- data_banco %>% slice(-m1$Posiciones)Finalmente, la base consolidada es
## Sucursal Cajero ID_Transaccion Transaccion
## Length:22639 Length:22639 Length:22639 Length:22639
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## Tiempo_Servicio_seg Satisfaccion Monto NS
## Min. : 18.13 Muy Malo :2840 Min. : 53.82 Length:22639
## 1st Qu.: 74.00 Malo :4204 1st Qu.:1374.91 Class :character
## Median :117.46 Regular :4309 Median :2059.10 Mode :character
## Mean :136.27 Bueno :5479 Mean :1928.77
## 3rd Qu.:183.54 Muy Bueno:5807 3rd Qu.:2427.22
## Max. :383.37 Max. :4009.80
## Ubicación Edad Sexo Nivel.de.formación
## Length:22639 Min. :23.00 Length:22639 Length:22639
## Class :character 1st Qu.:26.00 Class :character Class :character
## Mode :character Median :32.00 Mode :character Mode :character
## Mean :33.44
## 3rd Qu.:35.00
## Max. :55.00
## Años.Experiencia
## Min. : 2.0
## 1st Qu.: 6.0
## Median : 7.0
## Mean :10.9
## 3rd Qu.:16.0
## Max. :35.0El total de observaciones retiradas es
## [1] 1660Esta cantidad corresponde a un porcentaje:
## [1] "0.07 %"3.4 Análisis datos atípicos
Tiempo
¿Cuántas transacciones con tiempo atípico se han registrado en las diferentes sucursales?| Sucursal | Ubicación | NTransacciones |
|---|---|---|
| 267 | Alborada | 238 |
| 443 | Mall del Sol | 314 |
| 62 | Riocentro Sur | 2 |
| 85 | Centro | 649 |
En la sucursal 586 no existen registros de estos casos y en la 62 solo existen dos. Por tanto consideramos que su análisis no es necesario. Para las demás sucursales calcularemos el número máximo y mínimo de transacciones con tiempo atípico por cajero. Se mostrará el tiempo en minutos por simplicidad.
Sucursal 85
| Cajero | Min_tiempo | Max_tiempo | NTransacciones |
|---|---|---|---|
| 357 | 6.410587 | 19.57258 | 116 |
| 3678 | 6.393253 | 22.27614 | 109 |
| 3983 | 6.411541 | 26.71164 | 182 |
| 472 | 6.416951 | 21.09556 | 178 |
| 4837 | 6.444759 | 13.80665 | 32 |
| 70 | 6.451844 | 15.42358 | 32 |
Sucursal 267
| Cajero | Min_tiempo | Max_tiempo | NTransacciones |
|---|---|---|---|
| 2503 | 6.395973 | 16.05954 | 100 |
| 2556 | 6.401935 | 17.67326 | 45 |
| 4796 | 6.475664 | 18.03351 | 93 |
Sucursal 443
| Cajero | Min_tiempo | Max_tiempo | NTransacciones |
|---|---|---|---|
| 2958 | 6.402038 | 17.18337 | 92 |
| 3732 | 6.398760 | 18.27271 | 100 |
| 4208 | 6.391089 | 20.22017 | 122 |
Todos los cajeros de estas sucursales presentan tiempos atípicos, y el rango de tiempo que han tardado es similar (alrededor de 6 y 23 minutos). Podríamos intuir que estos tiempos son altos porque corresponden a algún evento especial, como por ejemplo la atención durante días festivos.
Monto
Los valores de Monto que se catalogaron como valores atípicos se describen a continuación de acuerdo a cada sucursal:
| Sucursal | Min_Monto | Max_Monto | NTransacciones |
|---|---|---|---|
| 267 | 4014.80 | 5094.66 | 16 |
| 443 | 4023.12 | 5070.34 | 20 |
| 586 | 4649.41 | 4649.41 | 1 |
| 62 | 4080.05 | 4080.05 | 1 |
| 85 | 4013.82 | 5849.85 | 46 |
Al calcular la media entre sucursales de los valores de monto mínimos, tenemos que las cantidades atípicas en el banco es en promedio las que se refieren a una cantidad de:
## [1] 4156.24Ahora de acuerdo a cada transacción tenemos la siguiente tabla:
| Transaccion | NTransacciones |
|---|---|
| Cobrar cheque (Cta del Bco) | 18 |
| Cobro/Pago (Cta externa) | 14 |
| Deposito | 52 |
Los valores de Monto que se han registrado como atípicos en su mayoría correponden a cantidades altas en los Depósitos. La Sucursal que presenta mayor porcentaje de valores atípicos en esta variable es la 85, que corresponde con lo visto antes debido a que registra la mayor cantidad de atípicos.
3.3 Diagnóstico
Nuestro objetivo principal es evaluar el desempeño de las sucursales, así como de sus empleados.
Análisis para Tiempo de Servicio
Por Sucursal
A continuación se presenta las transacciones que se han realizado en cada una de las sucursales, junto con las evaluaciones que recibieron de los clientes.
En el gráfico se observan diferencias entre las sucursales. Lo que nos lleva a pensar que se las debe analizar por separado, para probar este supuesto realizamos un ANOVA no paramétrico (Kruskal-Wallis). Las hipótesis nula y alternativa son las siguientes:
\[ \left\{ \begin{array}{ll} H_{0}: & \textrm{No hay diferencia entre las medias de las sucursales}\\ H_{1}: & \textrm{No todas las medias son iguales} \end{array} \right. \]
kruskal.test(Tiempo_Servicio_seg ~ as.factor(data_banco$Sucursal), data = data_banco)##
## Kruskal-Wallis rank sum test
##
## data: Tiempo_Servicio_seg by as.factor(data_banco$Sucursal)
## Kruskal-Wallis chi-squared = 2662.7, df = 4, p-value < 2.2e-16Como podemos ver en la siguiente tabla, seguramente esta diferencia se debe a la ubicación pues los clientes convergen en el centro para realizar sus trámites bancarios.
| Sucursal | Ubicación | Transacciones |
|---|---|---|
| 267 | Alborada | 3075 |
| 443 | Mall del Sol | 3803 |
| 586 | Via Daule | 1624 |
| 62 | Riocentro Sur | 2788 |
| 85 | Centro | 11349 |
Por tipo de Transacción
Observemos el siguiente gráfico.
Evidentemente los depósitos son las transacciones más frecuentes, seguida por cobro de cheque (Cta del Banco) y cobro/pago (Cta Externa).
Se puede esperar que el tiempo para cada tipo de transacción varíe. Para ello usaremos un ANOVA no paramétrico de dos factores (Scheirer-Ray-Hare)[4] para sucursales y tipo de transacción. La hipótesis nula y alternativa son las siguientes: \[ \left\{ \begin{array}{ll} H_{0}: & \textrm{No hay diferencia entre las medias para todas las combinaciones}\\ & \textrm{ posibles de sucursal y tipo de transacción}\\ H_{1}: & \textrm{No todas las medias son iguales} \end{array} \right. \] De donde realizamos el test
##
## DV: Tiempo_Servicio_seg
## Observations: 22639
## D: 0.9999995
## MS total: 42712247## Df Sum Sq H p.value
## Sucursal 4 1.1373e+11 2662.7 0.0000000
## Transaccion 2 1.4857e+11 3478.3 0.0000000
## Sucursal:Transaccion 8 1.1059e+09 25.9 0.0010957
## Residuals 22624 7.0352e+11De la prueba concluimos que nuestro supuesto es correcto. Lo que implica que el tipo de transacción es también una fuente de variación para el tiempo.
3.5 Perfilamiento
Procedemos a calcular el tiempo de servicio y monto promedio de los cajeros en cada tipo de transacción; además se mostrará un gráfico que muestra cuántas transacciones manejan.
Sucursal 62
#### Tiempo promedio de servicio
| Cajero | Cobrar cheque (Cta del Bco) | Cobro/Pago (Cta externa) | Deposito |
|---|---|---|---|
| 4820 | 105.9740 | 160.0549 | 65.78838 |
| 5211 | 110.4409 | 155.3258 | 68.20000 |
| 5286 | 103.7923 | 166.6357 | 63.38022 |
Monto promedio
| Cajero | Cobrar cheque (Cta del Bco) | Cobro/Pago (Cta externa) | Deposito |
|---|---|---|---|
| 4820 | 1819.730 | 1966.945 | 1676.891 |
| 5211 | 1841.071 | 1969.502 | 1683.461 |
| 5286 | 1826.774 | 2121.880 | 1640.540 |
Sucursal 85
#### Tiempo promedio de servicio
| Cajero | Cobrar cheque (Cta del Bco) | Cobro/Pago (Cta externa) | Deposito |
|---|---|---|---|
| 357 | 187.5723 | 226.8883 | 128.5350 |
| 3678 | 172.0666 | 221.2793 | 128.0078 |
| 3983 | 178.6694 | 225.4099 | 128.5334 |
| 472 | 187.1825 | 234.0092 | 126.4048 |
| 4837 | 158.4465 | 221.6052 | 124.8836 |
| 70 | 175.9788 | 246.0512 | 125.9260 |
Monto promedio
| Cajero | Cobrar cheque (Cta del Bco) | Cobro/Pago (Cta externa) | Deposito |
|---|---|---|---|
| 357 | 2152.837 | 2225.623 | 1930.670 |
| 3678 | 1996.485 | 2188.130 | 1927.569 |
| 3983 | 1995.155 | 2113.387 | 1934.656 |
| 472 | 2113.453 | 2227.083 | 1910.124 |
| 4837 | 1964.540 | 2234.826 | 1976.153 |
| 70 | 2107.875 | 2332.658 | 1898.465 |
Sucursal 267
#### Tiempo promedio de servicio
| Cajero | Cobrar cheque (Cta del Bco) | Cobro/Pago (Cta externa) | Deposito |
|---|---|---|---|
| 2503 | 181.7078 | 229.1866 | 129.2638 |
| 2556 | 172.1913 | 248.6039 | 131.9696 |
| 4796 | 181.8171 | 214.8176 | 123.2196 |
Monto promedio
| Cajero | Cobrar cheque (Cta del Bco) | Cobro/Pago (Cta externa) | Deposito |
|---|---|---|---|
| 2503 | 2087.026 | 2200.998 | 1909.796 |
| 2556 | 1998.501 | 2287.851 | 1907.941 |
| 4796 | 1982.529 | 2138.026 | 1845.167 |
Sucursal 443
Tiempo promedio de servicio
| Cajero | Cobrar cheque (Cta del Bco) | Cobro/Pago (Cta externa) | Deposito |
|---|---|---|---|
| 2958 | 175.4189 | 220.9360 | 126.7030 |
| 3732 | 181.5278 | 227.9582 | 126.4695 |
| 4208 | 179.6550 | 238.9964 | 129.1416 |
Monto promedio
| Cajero | Cobrar cheque (Cta del Bco) | Cobro/Pago (Cta externa) | Deposito |
|---|---|---|---|
| 2958 | 1993.800 | 2229.796 | 1899.901 |
| 3732 | 2085.040 | 2117.844 | 1903.590 |
| 4208 | 2051.815 | 2332.169 | 1906.576 |
Sucursal 586
Tiempo promedio de servicio
| Cajero | Cobrar cheque (Cta del Bco) | Cobro/Pago (Cta externa) | Deposito |
|---|---|---|---|
| 2623 | 86.21429 | 162.8889 | 69.16552 |
| 299 | 106.48630 | 159.8529 | 66.89423 |
| 4353 | 121.87500 | 124.0000 | 61.00000 |
| 56 | 107.24551 | 180.8793 | 67.91598 |
Monto promedio
| Cajero | Cobrar cheque (Cta del Bco) | Cobro/Pago (Cta externa) | Deposito |
|---|---|---|---|
| 2623 | 1620.171 | 1810.017 | 1708.569 |
| 299 | 1832.061 | 2097.065 | 1626.402 |
| 4353 | 1632.171 | 1929.410 | 1573.895 |
| 56 | 1807.821 | 2278.575 | 1677.461 |
Cálculo Indicadores
Sucursal
Para evaluar las sucursales se contruirá un índice basado en el AHP (ANALYTIC HIERARCHY PROCESS ).
Hemos construido un ́índice que es la combinacion convexa de tres indicadores, de acuerdo a la siguiente fórmula:
\[\textrm{IndiceSucursal}_i=\sum_{i=1}^3\alpha_i c_i \]
Donde:
\(c_1\): Media ponderada asociada a las Transacciones
\(c_2= 1-\frac{\textrm{MediaTiempo}_i-\min{\textrm{MediaTiempo}}}{\displaystyle \max{\textrm{MediaTiempo}}- \min{\textrm{MediaTiempo}}}\)
\(c_{3_i}=\frac{\textrm{NoTransacciones}_i-\min \textrm{NoTransacciones}_i }{\displaystyle \max{\textrm{NoTransacciones}}-\min{\textrm{NoTransacciones}}}\)
La media ponderada se calculó con la siguiente valoración de acuerdo a la satisfacción:
Muy Buena: 5
Buena: 4
Regular:3
Malo: 2
Muy Malo: 1
Para calcular los valores \(\alpha_i\) se utilizará la escala de Saatay, que se presenta a continuación:
Con esta escala se construye una tabla para determinar los pesos. Y se procede a estimar el indice de consistencia lógica:
\(CL=\frac{\lambda_{max}-n}{n-1}\)
donde:
\(\lambda_{max}\): es el autovalor de la matriz de calificaciones.
\(n:\) número de variables.
Además CL debe ser menor a 0.1.
Después de minimizar el coeficiente CL, con CL=0.07 obtenemos la siguiente tabla de pesos:
Entonces:
\(\alpha_1=0.5\)
\(\alpha_2=0.39\)
\(\alpha_3=0.11\)
| Sucursal | Peso | Cantidad | MediaTiem | Indice |
|---|---|---|---|---|
| 267 | 9144 | 3075 | 155.12657 | 0.4655551 |
| 443 | 12989 | 3803 | 151.39729 | 0.5332899 |
| 586 | 5076 | 1624 | 82.39655 | 0.3125616 |
| 62 | 8801 | 2788 | 88.89562 | 0.3721835 |
| 85 | 39116 | 11349 | 145.42939 | 0.8299983 |
Cajero
De igual manera calcularemos el índice para cajeros de acuerdo a la siguiente fórmula:
\[\textrm{IndiceCajero}_i= \sum_{i=1}^4\alpha_i c_i \]
donde:
\(c_{1_i}=\textrm{Media ponderada cajero i},\)
\(c_{2_i}=1-\frac{\textrm{MediaTiempo}_i-\min{\textrm{MediaTiempo}}}{\displaystyle \max{\textrm{MediaTiempo}}- \min{\textrm{MediaTiempo}}}\)
\(c_{3_i}=\frac{\textrm{AñosExperiencia}_i-\min \textrm{AñosExperiencia}_i }{\displaystyle \max{\textrm{AñosExperiencia}}-\min{\textrm{AñosExperiencia}}}\)
\(c_{4_i}=\frac{\textrm{NoTransacciones}_i-\min \textrm{NoTransacciones}_i }{\displaystyle \max{\textrm{NoTransacciones}}-\min{\textrm{NoTransacciones}}}\)
La media ponderada se calculo con loa parámetros anteriores y los pesos \(\alpha_i\) de igual manera con la regla de Saaty y minimizando el índice CL. Con CL=0.04 tenemos la siguiente tabla de pesos:
Entonces:
\(\alpha_1=0.37\)
\(\alpha_2=0.21\)
\(\alpha_3=0.29\)
\(\alpha_3=0.13\)
Debido a que tenemos diferencias entre sucursales calcularemos los Indicadores de los cajeros por cada Sucursal.
Sucursal 62
| Cajero | Sexo | Edad | Indice |
|---|---|---|---|
| 4820 | F | 42 | 0.7715281 |
| 5211 | F | 23 | 0.2191496 |
| 5286 | M | 25 | 0.6437142 |
Sucursal 85
| Cajero | Sexo | Edad | Indice |
|---|---|---|---|
| 357 | F | 32 | 0.4365685 |
| 3678 | M | 30 | 0.5095635 |
| 3983 | F | 33 | 0.6529431 |
| 472 | F | 26 | 0.3635173 |
| 4837 | M | 43 | 0.7249883 |
| 70 | F | 29 | 0.3136326 |
Sucursal 267
| Cajero | Sexo | Edad | Indice |
|---|---|---|---|
| 2503 | F | 44 | 0.4112148 |
| 2556 | M | 48 | 0.2684247 |
| 4796 | F | 55 | 0.7634270 |
Sucursal 443
| Cajero | Sexo | Edad | Indice |
|---|---|---|---|
| 2958 | F | 26 | 0.4598426 |
| 3732 | M | 27 | 0.4468475 |
| 4208 | F | 35 | 0.6789449 |
Sucursal 586
| Cajero | Sexo | Edad | Indice |
|---|---|---|---|
| 2623 | F | 25 | 0.4582927 |
| 299 | F | 23 | 0.5235794 |
| 4353 | F | 29 | 0.3188647 |
| 56 | M | 47 | 0.7880029 |
Se aceptará a los cajeros que tengas un índice mayor a 0.5 los cuales son:
| Cajero | Sexo | Edad | Indice |
|---|---|---|---|
| 4820 | F | 42 | 0.7715281 |
| 5286 | M | 25 | 0.6437142 |
| 3678 | M | 30 | 0.5095635 |
| 3983 | F | 33 | 0.6529431 |
| 4837 | M | 43 | 0.7249883 |
| 4796 | F | 55 | 0.7634270 |
| 4208 | F | 35 | 0.6789449 |
| 299 | F | 23 | 0.5235794 |
| 56 | M | 47 | 0.7880029 |
Suman un total de:
## [1] 19Se puede ver que el Cajero que tiene el mejor desempeño es:
## [1] 0.7880029Sin embargo, los cajeros que no sobrepasen dicho índice son:
| Cajero | Sexo | Edad | Indice |
|---|---|---|---|
| 5211 | F | 23 | 0.2191496 |
| 357 | F | 32 | 0.4365685 |
| 472 | F | 26 | 0.3635173 |
| 70 | F | 29 | 0.3136326 |
| 2503 | F | 44 | 0.4112148 |
| 2556 | M | 48 | 0.2684247 |
| 2958 | F | 26 | 0.4598426 |
| 3732 | M | 27 | 0.4468475 |
| 2623 | F | 25 | 0.4582927 |
| 4353 | F | 29 | 0.3188647 |
Son un total:
## [1] 194.- Conclusiones y Recomendaciones
Las Sucursales con un indicador más alto son aquellas en las que se implementó el nuevo sistema. Se recomienda que se implemente en todas las sucursales.
La Sucursal 85 es la que realiza más operaciones, además de manejar montos superiores; este resultado es de esperarse pues se encuentra ubicada en el Centro de la ciudad. Esta sucursal posee el mejor indicador de satisfacción. Por lo que no es necesario aumentar más cajeros, la mayor parte de clientes están a gusto con el servicio brindado. Se podría considerar a futuro la elaboración de una nueva sucursal. Pero al momento es preferible crear estrategias de marketing para motivar a la gente a realizar sus transacciones en las otras sucursales.
La mayor parte de los cajeros tienen un indicador superior al 50%, con lo que podemos considerar que están realizando un trabajo adecuado. Los Cajeros con un indicador bajo son aquellos con pocos años de experiencia. Por lo que se debería realizar capacitaciones a estas personas. Sin embargo, la mayoría de estos cajeros con calificación baja son del sexo femenino, de manera que se debería realizar una supervisión para saber que está sucediendo.
Existe un porcentaje algo representativo para las calificaciones de Satisfacción de Muy Malo y Malo para cada sucursal.Lo que pronto podría aumentar y convertirse en algo preocupante. El tipo de transacción más frecuente son los depósitospor lo tanto una alternativa es que al mejorar los procesos en los depósitos se mejorará la percepción de los clientes
Bibliografía
[1] Palacio González, Rubén Darío. Técnicas del Servicio al Cliente. 1995.
[2] José Manuel Pastor. Eficiencia, cambio productivo y cambio técnico en los bancos y cajas de ahorro españolas. 1994.
[3] Yubar Daniel Marín Benjumea. Tratamiento de outliers. Rpubs.com. http://rpubs.com/ydmarinb/429759
[4] Summary and Analysis of Extension Program Evaluation in R. Search Rcompanion.org. https://rcompanion.org/handbook/F_14.html
[5] Cepal. Metodología Multicriterio para la Priorización y Evaluación de Proyectos. https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=2ahUKEwjdhIfJ2qzmAhXNrVkKHXiDAGAQFjAAegQIAxAC&url=https%3A%2F%2Fwww.cepal.org%2Filpes%2Fnoticias%2Fpaginas%2F7%2F29837%2FMetodolog%25C3%25ADa_Multicriteriocompleta.ppt&usg=AOvVaw0ObQTRdrBjg1F7v2miV3Os