Dashboard Atendimento e SAC no Power BI: KPIs, layout e o que medir

Sua operação de atendimento sabe se está melhorando ou só sente que está?#

A maioria das áreas de SAC e help desk no Brasil funciona no piloto automático: o gestor abre o sistema de chamados de manhã, olha quantos tickets estão na fila e decide o dia pela sensação. Quando a diretoria pergunta se o atendimento melhorou no trimestre, a resposta vem carregada de "eu acho" e "parece que". Isso não é gestão, é adivinhação com planilha ao lado. Um dashboard atendimento e SAC Power BI existe justamente para substituir essa névoa por números que você pode defender numa reunião.

Neste artigo eu vou direto ao ponto: quais KPIs importam de verdade, como estruturar o layout para que ele seja lido em segundos, de onde vêm os dados e como escrever as medidas DAX que sustentam tudo isso. É conteúdo prático, para quem vai montar o painel ou cobrar quem monta.

O dashboard atendimento e SAC Power BI cobre oito indicadores que respondem perguntas diferentes#

O erro clássico é jogar tudo que o sistema de chamados exporta dentro de uma tela e chamar de dashboard. O painel bom nasce de perguntas de negócio, não de colunas disponíveis. Um painel maduro cobre volume de chamados, TMA (tempo médio de atendimento), TME (tempo médio de espera), FCR (resolução no primeiro contato), CSAT, NPS, backlog e aderência ao SLA. Cada um desses responde a uma pergunta distinta, e é por isso que nenhum substitui o outro.

KPI	O que mede	Pergunta que responde
Volume de chamados	Quantidade de tickets abertos no período	A demanda está crescendo ou sazonal?
TMA (tempo médio de atendimento)	Tempo médio de tratativa de um chamado	Somos ágeis para resolver?
TME (tempo médio de espera)	Tempo médio até o primeiro atendimento	O cliente espera demais na fila?
FCR (resolução no primeiro contato)	% resolvido sem reabertura ou retorno	Resolvemos de fato ou empurramos?
CSAT	Satisfação com o atendimento específico	O cliente saiu satisfeito daquela interação?
NPS	Propensão a recomendar a empresa	A relação de longo prazo está saudável?
Backlog	Chamados em aberto acumulados	A dívida de atendimento cresce ou diminui?
Aderência ao SLA	% de chamados dentro do prazo acordado	Estamos cumprindo o que prometemos?

Repare que volume, TMA e TME falam de esforço e eficiência operacional. FCR, CSAT e NPS falam de qualidade e percepção do cliente. Backlog e SLA falam de saúde e compromisso. Um painel que só mostra volume e TMA vira uma esteira de produtividade cega para a experiência do cliente, e isso é um jeito rápido de bater meta interna enquanto perde cliente.

Volume, TMA e TME são a base operacional#

Volume de chamados é o indicador mais simples e o mais subestimado. Sem entender a curva de demanda por dia, por hora e por canal, você dimensiona a equipe no chute. TME (tempo médio de espera) mede quanto o cliente aguarda antes de ser atendido, e é o número que mais dói na percepção de qualidade, porque a espera é a primeira coisa que o cliente sente. TMA (tempo médio de atendimento) mede quanto tempo o agente leva tratando o chamado do início ao fim. Confundir os dois é comum e perigoso: um TMA alto pode ser bom (atendimento cuidadoso) ou ruim (ineficiência), enquanto um TME alto é quase sempre ruim.

FCR, CSAT e NPS medem qualidade, não velocidade#

FCR (resolução no primeiro contato) é o indicador que mais correlaciona com satisfação na prática de qualquer operação de SAC. Um chamado resolvido de uma vez custa menos e satisfaz mais que três interações rápidas que não resolvem nada. CSAT mede a satisfação com aquela interação específica, coletada logo após o atendimento. NPS mede a disposição do cliente em recomendar a empresa, uma leitura de relacionamento de prazo mais longo. São complementares: dá para ter CSAT alto e NPS baixo quando o atendimento é bom mas o produto decepciona.

Backlog e SLA mostram se a promessa está sendo cumprida#

Backlog é a dívida acumulada de chamados em aberto. Se ele cresce semana após semana, sua operação está perdendo a corrida contra a demanda, e nenhum TMA bonito esconde isso. Aderência ao SLA é o percentual de chamados resolvidos dentro do prazo acordado com o cliente ou definido internamente. É o KPI que mais aparece em contrato e em reunião de diretoria, porque é o compromisso formal da operação.

O dado vem do sistema de chamados, e a modelagem decide se o painel presta#

Toda essa história começa na fonte, e a fonte é o sistema de chamados, o help desk. Zendesk, Freshdesk, ServiceNow, Movidesk, GLPI, um Jira Service Management ou até uma base própria: o que importa é que cada ticket carrega os carimbos de tempo que sustentam os indicadores. Data de abertura, data do primeiro atendimento, data de resolução, data de fechamento, canal, categoria, prioridade, agente responsável e resultado da pesquisa de satisfação. Sem esses campos, metade dos KPIs vira estimativa.

A forma de trazer o dado depende do sistema. As opções mais comuns são:

• Conector nativo ou API REST, quando a ferramenta oferece. É o caminho mais limpo e confiável para atualização recorrente.
• Exportação para um banco ou data warehouse, quando o volume é grande ou você já tem uma camada de dados montada.
• Arquivos exportados (CSV, Excel), aceitável para começar, mas frágil como fundação de longo prazo.

Independente do caminho, a modelagem no Power BI precisa de disciplina. O modelo estrela é obrigatório: uma tabela fato de chamados no centro, com dimensões de calendário, agente, canal, categoria e cliente ao redor. A tabela calendário dedicada não é opcional, é o que permite comparar mês contra mês e aplicar inteligência de tempo. Se você quer se aprofundar em como estruturar isso sem cair nas armadilhas clássicas, vale a leitura sobre modelagem e boas práticas de DAX no Power BI, porque um dashboard de atendimento mal modelado fica lento e mente sutilmente nos totais.

Uma decisão que economiza muita dor: calcule as durações na camada de transformação (Power Query) sempre que possível, deixando o DAX para agregações e regras de negócio. Diferença entre data de abertura e primeiro atendimento, por exemplo, é uma coluna que pode nascer pronta no ETL, em minutos ou horas, e não algo que você recalcula toda hora no visual.

As medidas DAX de TMA e SLA são o coração do painel#

Aqui está a parte técnica que separa um painel que funciona de um que engana. Vou mostrar o raciocínio das medidas centrais. Considere uma tabela fato chamada Chamados com colunas de datas e uma coluna de duração de atendimento em minutos.

O TMA (tempo médio de atendimento) é a média da duração de tratativa dos chamados resolvidos no contexto filtrado:

TMA (min) =
AVERAGEX(
    FILTER( Chamados, NOT ISBLANK( Chamados[DataResolucao] ) ),
    Chamados[DuracaoAtendimentoMin]
)

Perceba o FILTER garantindo que só chamados efetivamente resolvidos entram na conta. Incluir chamados em aberto na média de TMA é um erro que infla ou desinfla o número dependendo de como o sistema preenche o campo, e ninguém percebe até a diretoria questionar.

A aderência ao SLA é uma razão entre chamados dentro do prazo e o total elegível. O padrão robusto usa uma coluna booleana calculada no ETL (DentroDoSLA), e a medida apenas conta:

Aderência ao SLA % =
VAR TotalElegivel =
    CALCULATE( COUNTROWS( Chamados ), NOT ISBLANK( Chamados[DataResolucao] ) )
VAR DentroPrazo =
    CALCULATE(
        COUNTROWS( Chamados ),
        Chamados[DentroDoSLA] = TRUE(),
        NOT ISBLANK( Chamados[DataResolucao] )
    )
RETURN
    DIVIDE( DentroPrazo, TotalElegivel )

O uso de DIVIDE em vez do operador / não é preciosismo: ele evita erro de divisão por zero quando o filtro devolve um período sem chamados, e o painel simplesmente mostra vazio em vez de quebrar. O backlog segue a mesma lógica de clareza:

Backlog =
CALCULATE(
    COUNTROWS( Chamados ),
    ISBLANK( Chamados[DataResolucao] )
)

FCR e CSAT seguem o mesmo espírito de razão bem definida. A regra de ouro é a mesma em todas: defina no ETL o que dá para definir no ETL, use VAR para deixar a leitura clara, e feche divisões com DIVIDE. Medida boa é medida que outra pessoa consegue ler e entender o que ela promete.

O layout tem que ser lido em segundos, não estudado por minutos#

Um dashboard de atendimento é olhado dezenas de vezes por dia, muitas vezes de pé, numa TV da operação ou num celular. Se ele exige interpretação, ele falhou. A regra que uso é a pirâmide de leitura: o topo responde "como estamos", o meio responde "onde está o problema" e a base responde "quem e o quê".

Zona do painel	O que colocar	Função
Topo (cartões)	SLA %, TMA, TME, FCR, backlog do dia	Diagnóstico imediato em 3 segundos
Meio (tendências)	Volume por dia, evolução do SLA, backlog no tempo	Enxergar direção e sazonalidade
Base (detalhe)	Chamados por agente, canal, categoria, fila atual	Ação e responsabilização
Filtros (topo/lateral)	Período, canal, categoria, prioridade	Recortar sem poluir

Três princípios que economizam retrabalho. Primeiro, use cor com propósito: verde, amarelo e vermelho só para status de meta, nunca decorativos, porque cor gratuita cansa e esconde o que importa. Segundo, evite gráfico de pizza com dez fatias, que ninguém consegue ler; barras ordenadas comunicam melhor. Terceiro, cada visual precisa de um título que seja uma frase de negócio, não o nome técnico da medida. "Aderência ao SLA caiu nas últimas 3 semanas" comunica mais que "SLA %".

Se você quer ver exemplos concretos de como estruturamos esse tipo de painel em operações reais, dê uma olhada nos nossos dashboards e nos cases de clientes. A diferença entre um painel bonito e um painel usado está quase sempre no layout e na disciplina de foco, não na quantidade de gráficos.

Boas práticas que separam o painel de vitrine do painel de gestão#

Depois de dezenas de projetos de BI, alguns padrões se repetem entre os dashboards de atendimento que realmente mudam a operação. Vou ser honesto sobre o que funciona e o que é perda de tempo.

• Meta explícita em todo KPI. Um número sem meta é trivia. SLA de 92% é bom ou ruim? Depende da meta. Coloque a linha de meta no visual e deixe o painel gritar quando ela é rompida.
• Comparação temporal sempre. TMA de hoje só significa algo comparado com a semana passada ou o mês anterior. Sem tendência, você não sabe se melhora ou piora.
• Segmente por canal e categoria. O TME médio pode estar ótimo enquanto o canal de telefone afunda. A média esconde, o recorte revela.
• Cuidado com a média como único olhar. Um TMA médio de 8 minutos pode esconder metade dos chamados em 2 minutos e a outra metade em 14. Percentis contam uma história mais honesta que a média em operações de atendimento.
• Atualização confiável e documentada. Um painel que atrasa a atualização perde a confiança da operação em uma semana. Defina a frequência, monitore a falha e comunique.
• Não meça o que não vai gerar ação. Se ninguém vai fazer nada diferente por causa de um indicador, ele é ruído. Corte.

Esse último ponto é o que mais vejo ser ignorado. Painéis incham porque parece que mais métrica é mais valor. É o contrário: cada visual a mais dilui a atenção e aumenta a chance de o gestor olhar para o lugar errado. Se a operação precisa de camadas mais sofisticadas, como previsão de volume ou detecção de anomalia na fila, isso é assunto de analytics avançado, não de encher a tela principal de gráficos.

Perguntas frequentes#

Qual a diferença prática entre TMA e TME?

TME (tempo médio de espera) é quanto o cliente aguarda na fila antes de alguém começar a atender. TMA (tempo médio de atendimento) é quanto tempo o agente leva efetivamente tratando o chamado, do início da interação até a resolução. O TME é sentido diretamente pelo cliente na forma de espera, enquanto o TMA reflete a eficiência interna. Os dois precisam aparecer separados no painel, porque um TME alto com TMA baixo indica falta de gente na fila, e o diagnóstico é diferente do inverso.

De onde saem os dados do dashboard de atendimento?

Do sistema de chamados, o help desk, seja ele Zendesk, Freshdesk, ServiceNow, Movidesk, GLPI ou uma base própria. O ideal é conectar via API ou conector nativo para atualização recorrente e confiável. Cada ticket precisa trazer os carimbos de tempo de abertura, primeiro atendimento e resolução, além de canal, categoria, prioridade, agente e resultado da pesquisa de satisfação. Sem esses campos, boa parte dos KPIs não pode ser calculada com precisão.

Vale a pena colocar CSAT e NPS no mesmo painel?

Sim, mas deixando claro que medem coisas diferentes. CSAT mede a satisfação com uma interação específica, coletada logo após o atendimento. NPS mede a propensão do cliente a recomendar a empresa, uma leitura de relacionamento mais ampla. Colocar os dois juntos ajuda a enxergar quando o atendimento está bom (CSAT alto) mas a relação com a empresa está desgastada (NPS baixo), o que geralmente aponta problemas fora do SAC, no produto ou na precificação.

Como calcular aderência ao SLA em DAX sem erro?

O caminho mais robusto é marcar cada chamado com uma coluna booleana DentroDoSLA na camada de transformação, comparando o tempo de resolução com o prazo acordado, e no DAX apenas contar. A medida divide os chamados dentro do prazo pelo total de chamados elegíveis, sempre com a função DIVIDE para evitar erro de divisão por zero em períodos sem chamados. Calcular a regra do SLA direto no visual, em vez do ETL, é o que costuma gerar totais inconsistentes.

Quantos KPIs um dashboard de atendimento deve ter?

Menos do que você imagina. Os oito indicadores centrais (volume, TMA, TME, FCR, CSAT, NPS, backlog e SLA) já cobrem a operação inteira, e nem todos precisam estar na tela principal. A regra é: cada métrica visível tem que gerar uma ação possível. Se ninguém vai mudar nada por causa de um número, ele não merece espaço. Painel enxuto e focado é lido; painel cheio é ignorado.

Consigo montar isso sozinho ou preciso de consultoria?

A versão inicial, com dados exportados e alguns cartões, dá para montar internamente e já ajuda. O problema aparece na escala: conexão confiável com o help desk, modelagem que não mente nos totais, DAX que aguenta volume e governança da atualização. É aí que a maioria trava. Ter apoio de quem já montou dezenas desses painéis encurta o caminho e evita retrabalho de refazer o modelo do zero seis meses depois.

Comece pelos indicadores que geram decisão#

Um bom dashboard de atendimento e SAC no Power BI não é o que tem mais gráficos, é o que responde em segundos se a operação está entregando a promessa ao cliente. Comece pela fonte certa, o sistema de chamados, modele com disciplina, escreva medidas DAX que você consegue explicar e monte um layout que seja lido, não estudado. O resto é iteração.

Se você quer estruturar um painel de atendimento que a operação usa de verdade, com Power BI modelado para durar, fale com a gente. A Fynx já entregou mais de 2.000 soluções Microsoft e sabe transformar fila de chamado em decisão de gestão.