Come definire statistiche utili a migliorare il servizio

Le statistiche nel Facility Management possono essere uno strumento di governo o un generatore di rumore. Se definisci conteggi e tabelle pivot che rispondono a domande operative, ottieni un vantaggio reale: capisci dove il servizio si inceppa, dove perdi tempo, dove nascono contestazioni, e quali azioni migliorative hanno effetti misurabili.

Parliamo di statistiche pratiche, costruite sui dati del CMMS/CAFM e coerenti con tutto ciò che abbiamo discusso nei post precedenti: tracciabilità a prova di discussione, pianificazione realistica, carico a risorse finite, Gantt per armonizzare calendari, routing e dispacciamento per accelerare la presa in carico. Le statistiche utili sono quelle che rendono visibili le frizioni, non quelle che “decorano” una presentazione.

Qual è la regola numero uno: ogni statistica deve guidare una decisione?

Prima di creare un indicatore devi sapere quale decisione abilita. Esempio: se misuro tempi di arrivo on-site per sito e fascia oraria, posso decidere presidi, reperibilità e flotte. Se misuro recidive per asset e tipo problema, posso decidere revisione MP o sostituzione asset. Se misuro tempi di presa in carico call center, posso decidere turni, workflow e dispacciamento.

Se non sai dire “cosa farei se questo numero peggiora”, quell’indicatore è quasi sempre inutile. Nel migliore dei casi è informativo, nel peggiore diventa un alibi (“l’abbiamo misurato”) senza cambiare nulla.

Quali prerequisiti dati servono per statistiche credibili e non contestabili?

Servono dati temporali e stati coerenti, e una classificazione minima codificata. In pratica: creazione ticket, presa in carico, arrivo on-site, inizio lavorazione, messa in sicurezza (se applicabile), ripristino, completamento, chiusura. Senza questi eventi, i tempi diventano stime o testo libero, quindi discutibili.

Serve anche che ticket e interventi siano legati in modo affidabile a: sito/edificio/zona, servizio/categoria contrattuale, e tipologia problema. Se non hai questi campi compilati in modo standard, le pivot per sito e servizio diventano rumorose e ti portano a conclusioni sbagliate.

Perché i “conteggi” sono spesso più utili delle medie?

Perché i conteggi mostrano volume e carico, cioè la realtà operativa. Le medie nascondono variabilità e outlier. Se hai 5 ticket in un sito e 500 in un altro, la media complessiva non ti dice dove intervenire. Se hai una media di 4 ore di ripristino ma un 20% di ticket oltre 24 ore, è quel 20% che genera penali e disservizi.

Quindi, prima di qualsiasi tempo medio, costruisci conteggi e distribuzioni: quanti ticket per sito, per edificio, per servizio, per tipo problema, per fascia oraria, per priorità. Questa è la base per capire dove vale la pena agire.

Come strutturo le tabelle pivot per siti ed edifici senza perdere tempo in report inutili?

Una pivot utile deve avere una dimensione territoriale chiara: sito → edificio → zona. Il livello “zona” è spesso quello che fa emergere problemi reali (aree tecniche, reparti, linee produttive, piani). Se ti fermi al sito, rischi di non vedere che il problema è concentrato in un edificio o in un reparto specifico.

La pivot tipica che funziona è: righe = edifici (o zone), colonne = servizi o tipo problema, valori = conteggio ticket e ore totali. In una riga vedi subito “dove succede” e “di che natura è”, senza dover interpretare 10 grafici.

Perché devo fare pivot per servizi e non solo per “discipline”?

Perché nel FM contrattualizzato il servizio è l’unità con cui lavori: ha SLA, perimetro, canone/extra-canone, fornitori e responsabilità. “Elettrico” è una disciplina tecnica, ma “manutenzione impianti elettrici”, “pronto intervento”, “verifiche periodiche”, “servizi generali” sono servizi che si governano con logiche diverse.

Se vuoi migliorare il servizio, devi poter rispondere: quale servizio sta generando più volume? quale sta sforando SLA? quale ha più rifiuti o riassegnazioni? quale produce più extra-canone o più contestazioni? Questa lettura è più utile della sola disciplina.

Quali tempi devo misurare per capire dove si perde tempo davvero?

Devi misurare tempi per fasi, non solo “tempo totale”. In particolare: tempo di risposta del call center (da creazione a presa in carico/triage), tempo di dispatch (da presa in carico ad assegnazione effettiva), tempo di arrivo on-site (da assegnazione ad arrivo), tempo di messa in sicurezza (da arrivo a stabilizzazione del rischio quando serve), e tempo di completamento (da inizio lavorazione a ripristino e chiusura).

Questo scompone il problema. Se il tempo totale è alto ma la presa in carico è rapida, il collo di bottiglia è altrove (logistica, accesso, ricambi, competenze, fornitore). Se la presa in carico è lenta, allora torna utile tutto ciò che abbiamo discusso su routing e dispacciamento email.

Come misuro il tempo di risposta del call center in modo non contestabile?

Devi definire chiaramente l’evento “presa in carico” o “triage completato”. Non può essere un campo compilato a posteriori: deve essere un cambio stato tracciato con timestamp automatico e un responsabile (operatore).

Poi devi segmentare: richieste che arrivano fuori orario hanno una regola diversa rispetto a richieste in orario. Se mescoli, ottieni numeri falsi e discussioni infinite. La statistica utile è: percentuale di ticket presi in carico entro soglia per fascia oraria e priorità.

Come misuro il tempo di arrivo sul posto senza farmi ingannare da “arrivo dichiarato”?

Il tempo di arrivo on-site è sempre sensibile alla dichiarazione. La soluzione pratica è legarlo a un evento operativo verificabile: check-in nell’app, geolocalizzazione dove disponibile e consentita, o almeno un cambio stato “arrivato in sito” obbligatorio e tracciato, con audit.

Poi devi filtrare i casi particolari: interventi remoti, interventi multi-sito nello stesso ordine, accessi negati. Se non li separi, il tempo di arrivo diventa una media senza significato.

Perché ha senso misurare il tempo di “messa in sicurezza” separatamente dal completamento?

Perché in molte situazioni la priorità contrattuale e operativa è mettere l’impianto o l’area in condizione sicura, anche se la riparazione definitiva richiederà ricambi o ulteriori attività. Se misuri solo “completamento”, penalizzi chi lavora correttamente in emergenza e non distingui ripristino provvisorio da risoluzione.

Separare messa in sicurezza e completamento ti permette di governare meglio: puoi rispettare obiettivi di sicurezza e continuità, e poi gestire follow-up e backlog in modo trasparente. È anche un modo per evitare contestazioni su SLA quando la situazione richiede due fasi diverse.

QuQuali conteggi devo avere sempre per controllare “salute” del servizio?

Devi avere conteggi che mostrano carico e attrito: nuovi ticket per periodo, ticket chiusi, backlog aperto oltre soglia, ticket riassegnati, ticket rifiutati con causale, ticket riaperti, ticket con sospensione SLA e motivazione, e ticket senza asset/location valorizzati (qualità dato).

Questi conteggi sono la base per capire se il processo sta funzionando o se stai accumulando debito operativo. Senza questi numeri, puoi avere tempi medi buoni e comunque un backlog che cresce.

Come collego le statistiche alla pianificazione MP e al calendario (Gantt) per migliorare davvero?

Le statistiche devono alimentare decisioni di pianificazione, non restare in report. Se vedi picchi di carico in certe settimane e backlog che cresce, torni alla revisione del calendario prima di generare MP: usi viste Gantt per spostare date entro finestre e livellare.

Se vedi che certe famiglie di asset generano troppa correttiva, rivedi procedure MP o frequenze. Se vedi che i tempi di arrivo peggiorano in certe aree, rivedi cluster territoriali, flotta, presidi e assegnazioni. La statistica utile è quella che cambia il piano, non quella che descrive il passato.

Quale strumento mi aiuta a gestire la reportistica in ottica “BI”?

Parti da quello che ti offre il Sistema Informativo ma se vedi che ti serve analizzare a fondo i tuoi dati passa a strumenti evoluti come Microsoft Power BI, Tableau, QlikView.

Conclusioni

Definire statistiche utili a migliorare il servizio significa costruire conteggi e tabelle pivot che rendono visibili carico, colli di bottiglia e variabilità: per edifici, siti, servizi, tipi di problema e tempi per fase. La chiave è misurare non solo “quanto ci mettiamo”, ma dove e in quale fase perdiamo tempo: risposta del call center, assegnazione, arrivo on-site, messa in sicurezza, completamento.

Se le statistiche sono basate su eventi tracciati e codifiche standard, diventano uno strumento di governo: alimentano routing e dispacciamento, migliorano pianificazione (incluso il Gantt e lo spostamento date prima della MP), e riducono backlog, ritardi e penali. In FM, la statistica utile non è quella che racconta: è quella che ti obbliga a decidere.