No abstract

La calidad en el servicio se considera una alternativa para que las empresas puedan obtener una ventaja competitiva y sostenible en un entorno económico globalizado. Las pequeñas y medianas empresas deben ofrecer una mayor calidad en el servicio que las empresas grandes, y así obtener la preferencia de los clientes. El objetivo de este estudio fue identificar la relación entre la variable calidad en el servicio y las variables satisfacción del cliente y lealtad del cliente. Se utilizó el coeficiente de correlación de Spearman y un método estadístico basado en análisis factorial exploratorio que apunta a extraer la varianza máxima del conjunto de datos dentro de cada factor. Los resultados permitieron observar una correlación altamente significativa, positiva y fuerte de la variable de calidad en el servicio con satisfacción del cliente (r = 0.820) y lealtad del cliente (r = 0.803). Un hallazgo importante también fue la asociación entre la dimensión aspectos tangibles con las variables satisfacción del cliente (r = 0.910) y lealtad del cliente (r = 0.919). Por otro lado, en el análisis factorial, a través de la varianza total explicada, se observó que el autovalor es superior a 1 en los cinco primeros casos, donde el porcentaje de la varianza alcanza un valor máximo de 54.886 % en su primer factor. Entonces, con cinco factores se consigue explicar un 73.713 % de la varianza de todos los datos originales. El estudio presentó la limitación de su aplicación en solo una empresa. Se confirmó que a través de una mejor atención y servicio al cliente, la calidad en el servicio constituye una excelente herramienta para la rentabilidad y sostenibilidad de la empresa.

No abstract

Actualmente, las organizaciones públicas o privadas buscan implementar estrategias para lograr un ambiente laboral saludable, con el fin de aumentar la productividad, motivación, satisfacción y calidad de vida laboral de sus empleados. Un aspecto importante son los espacios físicos de trabajo y el ambiente al interior de los edificios, siendo por ejemplo la calidad del aire un problema ambiental, por afectar la salud de sus ocupantes. En este artículo se evalúa el entorno y los espacios de trabajo, así como los síntomas y trastornos de los trabajadores de una dependencia de educación superior en México, lo que permitirá identificar el Síndrome del Edificio Enfermo (SEE) en dos edificios compuestos de varias secciones. Los datos provienen de la aplicación de un instrumento que permitió determinar la percepción de las condiciones de trabajo. La población del estudio está compuesta por dos grupos de empleados de la institución de educación: profesores de tiempo completo (PTC) y personal administrativo (PA). El análisis de los datos permite identificar problemas con el nivel de ruido, calidad del aire interior (percepción de olores no agradables) y el nivel de comodidad con la temperatura ambiental, los cuales fueron estimados a partir de un modelo de regresión logística. Además, se identifican los síntomas oculares que afectan con mayor frecuencia a los trabajadores. Finalmente, se pudieron diagnosticar cuatro secciones de un edificio con características de SEE y señalar que no se observa diferencia significativa por el tiempo de operación que tienen los edificios.

Process mining is a novel alternative that uses event logs to discover, monitor, and improve real business processes through knowledge extraction. Event logs are a prerequisite for any process mining technique. The extraction of event data and event log building is a complex and time-intensive process, with human participation at several stages of the procedure. In this paper, we propose a framework to semi-automatically build an event log based on the XES standard from relational databases. The framework comprises the stages of requirements identification, event log construction, and event log evaluation. In the first stage, the data is interpreted to identify the relationship between the columns and business process activities, then the business process entities are defined. In the second stage, the hierarchical structure of the event log is specified. Likewise, a formal rule set is defined to allow mapping the database columns with the attributes specified in the event log structure, enabling the extraction of attributes. This task is implemented through a correlation method at the case, event, and activity levels, to automatic event log generation. We validate the event log through quality metrics, statistical analysis, and business process discovery. The former allows for determining the quality of the event log built using the metrics of accuracy, completeness, consistency, and uniqueness. The latter evaluates the business process models discovered through precision, coverage, and generalization metrics. The proposed approach was evaluated using the autonomous Internet of Things (IoT) air quality monitoring system’s database and the patient admission and healthcare service delivery database, reaching acceptable values both in the event log quality and in the quality of the business process models discovered.