Análise de benchmarking com foco na satisfação dos usuários de transporte coletivo : normalização, análise envoltória de dados e clusterização

• Main Author: Barcelos, Mariana Müller
• Other Authors: Lindau, Luis Antonio
• Format: Others
• Language: Portuguese
• Published: 2017
• Subjects: Benchmarking; Satisfação do usuário; Transporte coletivo urbano; Ônibus; Bus public transport; Quality with client focus; User’s satisfaction; Normalizing; Data Envelopment Analysis; DEA; Clusters
• Online Access: http://hdl.handle.net/10183/156823

Atrair usuários para o transporte coletivo e manter os que já utilizam é essencial para fomentar cidades mais sustentáveis. Melhorar a qualidade do transporte urbano por ônibus e considerar a visão do usuário, portanto, torna-se relevante. O benchmarking é uma ferramenta reconhecida de gestão da qualidade que permite comparar sistemas, identificar referências de boas práticas e promover trocas de experiência. Neste contexto, aliar o processo de benchmarking com avaliações de satisfação dos usuários do transporte coletivo tem um grande potencial para promover uma gestão mais efetiva e focada nas necessidades e desejos dos usuários do transporte. A comparação da percepção dos usuários de diferentes sistemas, entretanto, possui diversos desafios devido à falta de padronização na coleta de dados, subjetividade e vieses socioculturais dos respondentes. Este trabalho apresenta três métodos que buscam superar estes desafios e permitir a realização de análises de benchmarking com dados de satisfação dos usuários de diferentes cidades A primeira análise consiste na normalização das notas de satisfação para reduzir vieses sociais e culturais. A segunda aplica a análise envoltória de dados para identificar sistemas de transporte eficientes na visão dos seus usuários. Por fim, a terceira análise consiste na aplicação de análise de clusters para identificar relações entre perfis de usuários e as respectivas avaliações de satisfação em diferentes cidades. Os métodos mostram-se adequados para comparação de sistemas, permitindo identificação de metas, prioridades, benchmarks e entendimento de particularidades dos diferentes públicos. As análises apresentam distintos graus de complexidade de aplicação e de obtenção dos dados. Cada um dos métodos proporciona uma visão distinta a partir dos dados disponíveis, que permite que se definam benchmarks e auxilie na definição de diretrizes de melhorias. === Attracting users to public transport and maintaining the ones that already use it is essential to fostering more sustainable cities. Therefore, improving the quality of bus transit systems and considering the users’ vision becomes relevant. Benchmarking is a recognized quality management tool that allows comparing systems, identifying references to good practices and promoting exchanges of experience. Aligning benchmarking process and users’ satisfaction of public transport have great potential to become the management more focused and effective to the needs and desires of the users. However, comparing the perception of users of different systems results in several challenges due the lack of standardization of data collection, subjectivity and socio cultural biases. This study proposes the application of three methods aiming to overcome these challenges and to allow benchmarking analysis with users’ satisfaction data of different cities. The first analysis consists in normalizing satisfaction scores to reduce social and cultural biases. The second one applies Data Envelopment Analysis (DEA) to identify efficient transport systems in users’ view. The third one consists in using clusters analysis to identify relations between users’ profiles and their respective satisfaction in different cities. The methods are adequate for comparing systems, allowing goals identification, priorities, benchmarks and understanding of different audiences’ particularities. The analyses present different degrees of application complexity and data collection. Each method provides a distinct view from available data, which allows defining benchmarks and assist in improvements guidelines.