Étude de cas Power BI · Service client

Performance d’un centre de contact dans Power BI

J’ai analysé 197 278 interactions pour étudier l’accès à une assistance humaine, les transferts abandonnés et les retours clients. J’ai produit un rapport Power BI de quatre pages, avec des indicateurs définis, des contrôles qualité et des priorités opérationnelles.

  • Power BI
  • Power Query
  • DAX
  • Modélisation des données
  • Analyse opérationnelle
Parcours des appels entrantsTotaux rapprochés

Issues des appels entrants

Distinguer les appels terminés sur un point IA de ceux orientés vers une personne permet de définir la bonne base pour chaque taux.

Issues de routage enregistrées134 463 appels entrants : 34 492 se terminent sur un point IA, 99 967 ont un parcours humain identifié et quatre restent non classés. Parmi les parcours humains identifiés, 31 602 sont abandonnés avant la prise en charge, 66 075 se terminent auprès d’un agent et 2 290 sont abandonnés après un contact humain. Appels entrants134 463 Point de sortie IA34 492 Orientés vers une personne99 967 Abandon initial31 602 Prise en charge humaine68 365 4 appels non classés sont exclus du dénominateur des parcours identifiés.
Appels entrants134 463
Point de sortie IA34 492
Orientés vers une personne99 967
Avant le contact humain31 602Abandons initiaux
Prise en charge humaine68 365Transferts abandonnés inclus

4 appels non classés sont exclus de la base des parcours humains.

La prise en charge humaine inclut les appels abandonnés après contact. Une sortie IA ne prouve pas la résolution de la demande.

Les issues entrantes sont distinguées avant le calcul des taux. Le tableau des issues présente la ventilation complète.
Interactions analysées197 278

Appels entrants, sortants et échanges par chat conservés.

Abandon initial31,61 %

Parmi les parcours humains entrants identifiés, avant prise en charge.

Net Promoter Score · NPS34,28 points

7 708 réponses ; zéros inclus à titre provisoire.

Satisfaction · échelle de 1 à 109,46/10

5 127 notes valides ; couverture de 7,50 %.

La question

Par où commencer l’investigation ?

Ce cas pratique examine les appels entrants, les tentatives sortantes et les chats d’un centre de contact du secteur des télécommunications.

Ma contribution

J’ai préparé et classé les données, construit le modèle et les mesures, conçu quatre pages de rapport, rapproché les résultats et traduit les constats en plan d’investigation.

Livré : un rapport Power BI et une note d’aide à la décision.

Le rapport Power BI

De la vue d’ensemble au détail

Le rapport distingue le suivi de direction, la performance opérationnelle, l’expérience client et la qualité des données. Ces aperçus agrégés conservent les libellés espagnols d’origine.

Vue de direction Power BI anonymisée avec totaux par canal, issues des appels entrants et volumes sur six périodes
Les totaux par canal, les issues des appels et les motifs regroupés établissent la référence opérationnelle. La période 6 est partielle.Agrandir ↗
Vue opérationnelle Power BI anonymisée présentant les abandons par équipe initiale, la demande horaire et les temps d’attente
L’équipe initiale et la demande horaire orientent l’investigation. L’unité des temps d’attente est supposée être la seconde, à confirmer à la source.Agrandir ↗
Vue qualité Power BI anonymisée documentant les cas à examiner, les règles des enquêtes, les dénominateurs et la sensibilité du NPS
Les contrôles qualité, les bases de réponse et les variantes du NPS restent visibles avec les résultats.Agrandir ↗
Accès à l’assistance

95 % des abandons initiaux

Le support client concentre 30 017 des 31 602 abandons. Examiner d’abord ses files d’attente et sa demande.

Transferts commerciaux

12,2 % d’abandons après contact

1 081 des 8 864 appels pris en charge dans le groupe commercial initial. Examiner le parcours de transfert.

Définition des retours

34,28 ou 50,02 points NPS

Les mêmes données donnent des scores différents lorsque les zéros sont exclus. Confirmer les règles d’enregistrement avant de fixer des objectifs.

Données opérationnelles

Performance opérationnelle

Comparer les volumes, les abandons initiaux et le 90e percentile de l’attente pour les parcours humains entrants identifiés. Les périodes portent des noms génériques dans cette version publique ; la dernière est partielle.

Comparer les périodes

Choisissez un indicateur et une période. La période 6 est partielle. L’unité des temps d’attente reste provisoire ; les définitions et les bases de réponse sont documentées ci-dessous.

Voir tous les indicateurs en tableau
Indicateurs agrégés par période. L’abandon initial utilise les parcours humains entrants identifiés ; le NPS utilise les réponses entrantes valides.
PériodeToutes les interactionsAppels entrantsAbandon initialAttente P90NPS
Période 126 15317 96537,94 %146,1 s42,75
Période 230 86520 23435,16 %152,0 s42,62
Période 344 43632 82746,09 %164,3 s16,91
Période 441 99029 42624,92 %164,8 s26,18
Période 530 25019 06611,58 %140,6 s42,79
Période 6 · Période partielle23 58414 94517,83 %156,2 s42,93
Toutes les périodes197 278134 46331,61 %157,9 s34,28
Consulter le rapprochement des issues entrantes
Classification terminale de la source, avec des libellés publics génériques. Les parts utilisent les 134 463 appels entrants.
Issue enregistréeAppelsPart des appels entrants
Se termine sur l’IA34 49225,65 %
Issue terminale auprès d’un agent66 07549,14 %
Abandon initial31 60223,50 %
Abandon après contact humain2 2901,70 %
Non classés40,00 %

Retours clients

Retours clients et NPS

Le Net Promoter Score (NPS) mesure la propension à recommander l’entreprise. J’ai comparé deux règles de traitement des zéros : le brief décrit une échelle de 1 à 10, mais les données contiennent aussi des zéros.

Voir les deux calculs du NPS et leurs bases
Les mêmes réponses enregistrées selon deux règles de traitement des zéros. Le NPS consolidé est recalculé à partir des réponses réunies, sans moyenne des scores par période.
PériodeNPS avec zérosBase de réponseNPS sans zérosBase de réponseNotes zéro
Toutes les périodes34,287 70850,026 899809
Période 142,7597358,5687697
Période 242,621 21357,991 095118
Période 316,911 44339,541 209234
Période 426,181 69641,821 509187
Période 542,791 42155,001 309112
Période 6 · Période partielle42,9396252,6190161

Le brief indique 1–10 ; les données contiennent des zéros. Leur sens reste à confirmer : le calcul sur 0–10 et son scénario de sensibilité sont donc conservés.

Méthode et validation

Comment j’ai construit le modèle

J’ai conservé une ligne par interaction, distingué les canaux et les issues, et vérifié que chaque mesure gardait sa définition lorsque les filtres changeaient.

  1. 01Préparer

    Nettoyer et classer

    Définir les types des dates et durées, normaliser les clés, joindre les dictionnaires de destinations et conserver les cas à examiner.

  2. 02Modéliser

    Distinguer les relations

    Relier les dimensions de calendrier et de destinations aux interactions. Distinguer l’équipe initiale du point de sortie final.

  3. 03Calculer

    Définir chaque mesure

    Utiliser DAX pour les taux par parcours, les percentiles d’attente et les retours clients, avec numérateur et dénominateur dans le même contexte de filtre.

  4. 04Valider

    Rapprocher et examiner

    Comparer des totaux indépendants, examiner les filtres et vérifier les quatre pages du rapport et les résultats exportés.

Une table de faits, deux dimensions

CalendrierUne ligne par date
1 → *
InteractionsUne ligne par interaction
* ← 1
DestinationsCorrespondance unique des points de sortie
Les filtres unidirectionnels vont des dimensions vers la table de faits.

Contrôles qui ont éclairé l’analyse

242 combinaisons destination/temps, 4 destinations entrantes sans correspondance et 1 enregistrement à durée extrême ont été conservés pour examen. Un signalement indique un cas à étudier, pas nécessairement une erreur.

Le rapport enregistré a été validé dans Power BI Desktop. Les éléments publics conservent les résultats agrégés et les définitions documentées.

Logique des indicateursConsulter la définition de l’abandon initial
Taux d’abandon initial =
    Appels entrants abandonnés avant prise en charge humaine
    ÷ Appels entrants avec parcours humain identifié

Calcul consolidé :
    31 602 ÷ 99 967 = 31,61 %

Appels avec parcours humain identifié =
    66 075 appels terminés auprès d’un agent
    + 31 602 abandons initiaux
    + 2 290 abandons après contact humain

Les appels terminés sur l’IA et les 4 appels entrants
non classés sont exclus de ce dénominateur.
Définitions et interprétation
Appels orientés vers une personne
Destinations entrantes identifiées comme agent ou file d’attente : 99 967 appels. L’abandon initial vaut 31 602 / 99 967. La prise en charge humaine inclut 2 290 appels abandonnés après contact ; ces issues recoupent le total des abandons.
Temps d’attente
Temps de routage des parcours humains identifiés, attentes nulles incluses et points IA exclus. Le P90 est la valeur sous laquelle se situent 90 % des observations. L’unité supposée est la seconde, à confirmer à la source ; aucun objectif SLA n’est fourni.
Échelles et couverture des enquêtes
Le brief indique 1–10, mais des zéros sont présents. Le NPS utilise provisoirement les notes entières de 0 à 10 ; la variante exclut les zéros. La satisfaction utilise 1–10 pour les appels pris en charge. La couverture du NPS est de 5,73 % des appels entrants ; celle de la satisfaction de 7,50 % des prises en charge humaines. Le nombre d’invitations est inconnu : il s’agit de couvertures, pas de taux de réponse aux invitations.
Limites des périodes et des issues
Les six périodes publiques conservent l’ordre chronologique ; la dernière est partielle. Une sortie IA ne prouve pas une résolution. Les appels sortants sont des tentatives, sans connexion ni réussite commerciale confirmées. L’équipe initiale n’identifie pas l’agent final. Ces données seules ne permettent pas d’établir les causes, les besoins en effectifs ou la résolution au premier contact.
Éléments publics
La page, les aperçus et les téléchargements utilisent des données agrégées et des libellés génériques. Les données individuelles, identifiants d’agents, dates d’origine, commentaires et fichiers sources sont exclus.

Logique de décision

Priorités opérationnelles

Les constats soutiennent un plan d’investigation ciblé. Ils indiquent où regarder ; des données sur la capacité, le routage et les processus restent nécessaires pour expliquer les causes.

01
Concentration

Examiner l’accès au support

Action

Le support concentre environ 95 % des abandons initiaux. Commencer par les arrivées, la couverture des files et la distribution de l’attente ; évaluer si des changements d’effectifs, de routage ou de rappel justifient un test contrôlé.

02
Signal de transfert

Examiner les transferts commerciaux

Action

Le groupe commercial présente 12,2 % d’abandons après contact parmi les appels pris en charge. Examiner les destinations, les responsabilités et les étapes de transfert avant d’attribuer ce résultat à la performance des agents.

03
Mesure

S’accorder sur les règles des retours

Action

Confirmer si les zéros sont des réponses soumises ou des valeurs par défaut, conserver la comparaison de sensibilité et suivre la couverture avec chaque score. Utiliser des bases comparables avant d’évaluer des changements.

Comparer les équipes avec le dénominateur visible
Équipes du routage initial, sans données individuelles. L’abandon initial utilise les parcours humains identifiés ; l’abandon après contact utilise les appels pris en charge, au sein de chaque équipe initiale.
ÉquipeParcours humains identifiésAbandons initiauxTaux d’abandon initialTaux d’abandon après contact
Support client86 37430 01734,75 %2,15 %
Service commercial9 6287647,94 %12,20 %
Opérations réseau3 74269218,49 %0,00 %
Autres22312957,85 %0,00 %
Séquence de suiviSignal → investigation → changement mesuré
RéférenceDéfinitions, volume et qualité
InvestigationAccès au support et transferts commerciaux
ÉvaluationChangements contrôlés et périodes comparables

Aucune intervention n’a été mise en œuvre dans cette étude. Les recommandations sont des étapes proposées, dont l’impact devra être mesuré après application.

Poursuivre la découverte

Autres travaux d’analyse

Découvrez les autres projets ou l’expérience, les outils et la formation mobilisés pour ce cas.

Contact

Besoin de réponses dans des données complexes ?

Je relie la préparation des données, la modélisation et des rapports clairs pour aider à comprendre les résultats et à décider des prochaines investigations.