Preparação: verifique a FCR recalculando FirstContactResolved/EligibleTickets; exclua do par as semanas com zero chamados elegíveis, em vez de tratar a FCR como zero. Mantenha os 274 pares completos de agente-semana e informe os 14 pares ausentes. Adicione gráficos de dispersão com TrainingHours no eixo x e FCR no eixo y, use cores para indicar o período de lançamento ou a equipe e rotule a linha de 6 horas. Como as observações se repetem para os mesmos 24 agentes, o coeficiente geral de Pearson é descritivo, e seu teste de significância comum, que pressupõe linhas independentes, é inadequado.
Excel: a fórmula geral =CORREL(FILTER(AgentWeek[TrainingHours],valid),FILTER(AgentWeek[FCR],valid)) reproduz +0,46 no Microsoft 365. Crie uma Tabela Dinâmica de resumo dos agentes com a média de TrainingHours e a FCR ponderada (soma dos resolvidos / soma dos elegíveis) e, em seguida, calcule a correlação dos resumos dos 24 agentes; o resultado fornecido de +0,18 é consideravelmente mais fraco. Adicione AgentMeanTraining e AgentMeanFCR com AVERAGEIFS e correlacione os desvios de cada linha em relação à média, como uma associação exploratória dentro de cada agente. Repita a análise excluindo o ponto rotulado de 6 horas, por período de lançamento ou fora dele, por faixa de tempo na função e com comparações dentro da mesma semana quando a amostra permitir. Não compare médias simples de proporções quando os denominadores de chamados forem diferentes.
Redação segura: “Entre 274 observações de agente-semana, as horas de treinamento e a FCR apresentaram uma associação bruta positiva moderada (Pearson r=0,46). A associação foi mais fraca entre as médias por agente (r=0,18), e as observações repetidas, o momento do lançamento, o tempo na função, a carga de trabalho, a composição dos chamados, a seleção para treinamento e um ponto com muitas horas limitam a interpretação. Estes dados não demonstram que atribuir treinamento adicional aumenta a FCR.” A direção inversa é plausível se semanas de pior desempenho levarem ao treinamento, enquanto um suporte comum ao lançamento pode elevar ambos. Próxima evidência causal: faça o pré-registro do resultado e do denominador e distribua aleatoriamente os agentes elegíveis, ou escalone a atribuição usando um desenho de grupos ou medidas repetidas devidamente analisado, verificando contaminação e equilíbrio da carga de trabalho.
ChatGPT
