Se um sistema emitiu 100 senhas e 82 terminaram em atendimento, é tentador dizer que houve 18% de desistência. Esse atalho só seria correto se todas as outras 18 senhas representassem pessoas que entraram na fila, esperaram e foram embora antes do início do atendimento. Na operação presencial, isso quase nunca pode ser presumido sem uma classificação de desfechos.
A taxa de desistência precisa medir um evento específico: a pessoa entrou de fato na fila e saiu durante a espera, antes de começar a ser atendida. Senha cancelada, registro duplicado, teste do sistema, transferência, pessoa não localizada após a chamada e alguém que decidiu nem entrar na fila podem representar situações diferentes. Misturá-las produz um número simples, mas pouco confiável para decidir escala, capacidade ou mudanças no atendimento.
O que a taxa de desistência deve medir
Na literatura de filas, há uma diferença clássica entre balking e reneging. Balking é a recusa de entrar na fila; reneging é a saída depois que a pessoa já entrou e começou a esperar. Para uma métrica de desistência em fila presencial, o segundo comportamento é o mais próximo do que se pretende medir como abandono durante a espera.
Uma definição operacional útil é: taxa de desistência (%) = desistências confirmadas durante a espera ÷ entradas válidas na fila × 100.
O ponto decisivo está nas duas expressões da fórmula. “Desistências confirmadas” exige um critério de classificação. “Entradas válidas” exige que o denominador represente pessoas ou jornadas que realmente passaram a fazer parte daquela fila, sem testes, duplicidades e registros técnicos que não correspondam a demanda real.
Por que senha emitida menos senha atendida não é abandono
A diferença entre senhas emitidas e senhas atendidas mede, no máximo, quantas entradas não terminaram em atendimento dentro daquele recorte. Ela não revela sozinha o motivo.
Considere um exemplo hipotético com 100 entradas válidas, todas já encerradas. O sistema registra 82 atendimentos concluídos, 8 desistências confirmadas durante a espera, 4 cancelamentos explícitos e 6 faltas após chamada. Se a gestão calcular 100 menos 82, chegará a 18 casos não atendidos e poderá chamar isso de 18% de abandono. Mas apenas 8 casos foram efetivamente classificados como abandono durante a espera. Com o denominador de 100 entradas válidas, a taxa de desistência é 8%.
Os outros 10 casos continuam relevantes. Eles apenas respondem a perguntas diferentes. Cancelamento explícito pode revelar mudança de intenção, erro de triagem ou resolução por outro canal. Falta após chamada pode indicar que a pessoa saiu, que não ouviu o chamado, que houve erro operacional ou que o status foi usado como forma genérica de encerrar a senha. Somar tudo sob o rótulo “abandono” elimina essas diferenças e dificulta a correção da causa real.
O numerador: o que entra como desistência
O numerador deve conter somente jornadas que atendam à definição acordada pela operação. Em uma regra simples, a pessoa precisa ter entrado na fila e o atendimento ainda não pode ter começado quando ocorre o abandono.
O registro ideal é explícito. Pode existir um botão de “desistiu”, uma baixa feita pela recepção após confirmação, um evento no aplicativo de fila ou outro mecanismo que identifique a saída. Quanto menos observável for o evento, maior deve ser a cautela com o rótulo.
Uma senha chamada sem resposta, por exemplo, não prova sozinha que houve desistência. A pessoa pode ter se afastado por alguns minutos, não ter ouvido o painel, estar em outro ponto do estabelecimento ou ter sido chamada de modo incorreto. Se a operação deseja converter uma falta após chamada em abandono, precisa criar um protocolo objetivo, como número de rechamadas, intervalo entre chamadas e condição de encerramento. Até esse protocolo produzir evidência suficiente, é mais seguro manter “falta após chamada” como desfecho próprio.
Cancelamento explícito também merece categoria própria. Se a pessoa informa que não quer mais o serviço e a empresa registra esse ato, o dado é mais preciso do que inferir abandono. A gestão pode acompanhar cancelamento e desistência lado a lado e, depois, investigar se os motivos se sobrepõem.
O denominador: quem realmente entrou na fila
Para responder “qual parcela das pessoas que entraram na fila abandonou a espera?”, o denominador deve representar as entradas válidas dessa fila. Isso inclui os diferentes desfechos que podem ocorrer depois da entrada, porque todos pertencem à mesma população inicial.
Na prática, o denominador deve excluir senhas de teste, duplicidades, registros criados por erro e eventos técnicos que não representam uma nova pessoa ou uma nova jornada de atendimento. Transferências entre guichês ou filas exigem uma regra clara para não contar a mesma jornada duas vezes.
Há outro cuidado importante: o recorte precisa estar fechado. Se o relatório é calculado às 17h com pessoas ainda esperando, essas jornadas ainda não têm desfecho. Uma solução robusta é trabalhar por coorte de entrada: selecionar quem entrou em determinado período e calcular a taxa quando todas as jornadas dessa coorte tiverem sido encerradas. Em painel em tempo real, a taxa pode ser exibida como provisória, mas o número de casos ainda abertos precisa aparecer separadamente para não criar falsa precisão.
Quatro situações que não devem ser misturadas
Recusa antes de entrar na fila
Quem vê a fila e decide não participar não é abandono de uma espera que nunca começou. Na teoria das filas, esse comportamento é chamado de balking. Em uma fila baseada apenas em senhas, ele pode ser invisível, porque nenhuma senha chegou a ser emitida.
Se esse comportamento for importante para o negócio, ele exige outra fonte de dados, como contagem de fluxo na entrada, abordagem da recepção ou registro de pessoas que perguntam o tempo estimado e desistem antes de retirar senha. O indicador deve ter outro nome, porque o denominador também é outro: pessoas que chegaram ao ponto de decisão, não pessoas que efetivamente entraram na fila.
Abandono durante a espera
Aqui está o evento central da taxa de desistência. A pessoa entrou na fila, permaneceu aguardando e saiu antes do início do serviço. O momento do abandono também é útil: saber se a saída ocorre após 5, 20 ou 60 minutos ajuda a localizar a faixa em que a espera deixa de ser tolerada naquele contexto.
Cancelamento explícito
Cancelamento é um encerramento conhecido. A pessoa informa que não deseja mais prosseguir, ou a operação registra um motivo específico que torna o atendimento desnecessário. Mantê-lo separado permite entender se o problema é tempo de espera, mudança de necessidade, documentação, encaminhamento ou outro fator.
Falta após chamada
Falta após chamada é um sinal, não necessariamente uma causa. O sistema sabe que a senha foi chamada e não houve apresentação naquele momento. Sem confirmação adicional, ele não sabe por quê. Tratar essa falta automaticamente como abandono pode inflar a taxa e esconder problemas de áudio, painéis, orientação, circulação no espaço ou encerramento incorreto de senhas.
Um modelo mínimo de dados para a fila
A qualidade do indicador depende mais dos eventos registrados do que da fórmula. Para cada jornada, o sistema deveria conseguir reconstruir ao menos a entrada na fila, a primeira chamada, o início do atendimento quando houver, o encerramento e o desfecho final. Data, hora, unidade, serviço e fila também precisam estar associados à jornada para permitir análise por contexto.
O campo de desfecho deve ser limitado a categorias claras e mutuamente compreensíveis pela equipe. Se “desistiu”, “não compareceu”, “cancelou” e “erro operacional” significarem coisas diferentes para cada atendente, o painel parecerá preciso, mas não será comparável entre turnos ou unidades.
É igualmente importante impedir que um atendimento já iniciado seja encerrado como desistência. Depois do início do serviço, uma saída do cliente pode exigir outro conceito, como interrupção de atendimento. Misturar fases diferentes torna impossível saber em qual ponto da jornada a perda ocorreu.
Como reconciliar os números antes de publicar a taxa
Uma boa auditoria começa verificando se os desfechos fecham a população observada. Para uma coorte já encerrada, a quantidade de entradas válidas deve ser compatível com a soma dos atendidos, abandonos confirmados, cancelamentos explícitos, faltas após chamada e outros desfechos válidos previstos pela operação.
Se a soma não fecha, há registros em aberto, duplicidade, transferência mal tratada ou encerramento faltando. A taxa não deveria ser usada para comparar desempenho antes que essa diferença seja entendida.
Também vale testar a sequência temporal. Um abandono não pode ter horário anterior à entrada. Um atendimento não pode começar depois de um encerramento definitivo. Uma senha marcada como “não compareceu” não deveria aparecer simultaneamente como atendimento iniciado. Regras automáticas de consistência reduzem erros que seriam difíceis de detectar apenas olhando o percentual final.
O alerta do TCU sobre dado de fila sem procedimento confiável
A importância dessa governança aparece de forma concreta na auditoria do Tribunal de Contas da União sobre o atendimento da Defensoria Pública da União, julgada no Acórdão 956/2025-Plenário. O TCU tratou tempo de espera e taxa de desistência como indicadores relevantes do atendimento presencial, mas também registrou falta de confiabilidade em dados quando o sistema de gerenciamento de filas não era usado de forma adequada.
A auditoria apontou, entre outros problemas, distorções associadas à ausência de finalização correta de atendimentos no sistema. O resultado é uma lição aplicável fora do setor público: não basta ter um software que emite senhas. Se os estados da jornada não forem encerrados de modo consistente, a base pode produzir tempos de espera absurdos e taxas de desistência que parecem objetivas, mas refletem erro de procedimento.
O próprio TCU recomendou monitorar todas as etapas do atendimento, incluindo tempo de espera e taxa de desistência. No serviço público, a Lei 13.460/2017 também inclui a previsão de tempo de espera entre os padrões de qualidade informados ao usuário e exige avaliação continuada da qualidade do atendimento. A lei não fornece uma fórmula para desistência; a definição operacional continua dependendo de uma classificação de dados que seja estável e auditável.
Como comparar horários, unidades ou profissionais sem distorcer
Depois de estabilizar a definição, use sempre o mesmo numerador e o mesmo denominador nas comparações. Se uma unidade conta falta após chamada como abandono e outra não, o ranking mede diferença de regra, não necessariamente diferença de experiência do usuário.
O agrupamento por horário também deve respeitar o momento de entrada na fila. Assim, todas as jornadas iniciadas entre 10h e 11h pertencem à mesma coorte, mesmo que algumas só terminem depois das 11h. Agrupar pelo horário de encerramento mistura pessoas que enfrentaram condições de chegada diferentes e pode deslocar o problema para outra faixa.
Ao consolidar vários grupos, some os abandonos e some as entradas antes de calcular a taxa total. Evite tirar a média simples das taxas de cada grupo quando os denominadores são diferentes. Uma fila com 100 entradas tem peso operacional diferente de outra com 10.
A taxa de desistência não deve andar sozinha
Uma taxa baixa pode coexistir com espera ruim se as pessoas não tiverem alternativa, e uma taxa alta pode estar concentrada em um único serviço ou horário. Por isso, a interpretação melhora quando o indicador é lido junto com o tempo de espera.
Há ainda um efeito importante: observar apenas o tempo de espera dos atendidos pode esconder quem desistiu. Se os clientes mais impacientes saem antes de chegar ao guichê, a média dos que permaneceram pode parecer razoável mesmo com perda relevante na fila. Sempre que possível, acompanhe separadamente o tempo até o atendimento e o tempo até o abandono.
Mediana e percentis de espera também ajudam a enxergar caudas longas que a média esconde. O objetivo não é acumular indicadores, mas descobrir se a desistência cresce em determinada faixa de espera, serviço, horário, unidade ou configuração de equipe.
Uma regra prática para implantar a métrica
Primeiro, escreva a definição em uma frase que qualquer atendente consiga aplicar: “desistência é a saída confirmada de quem já entrou na fila e ainda não iniciou o atendimento”. Depois, configure desfechos distintos para abandono, cancelamento e falta após chamada. Em seguida, elimine do denominador testes, duplicidades e movimentos técnicos que não sejam novas entradas reais.
Faça a primeira apuração por uma coorte pequena e já encerrada. Reconcilie o total de entradas com todos os desfechos. Revise amostras de registros e verifique se os horários fazem sentido. Só depois amplie para painéis diários, semanais e comparações entre unidades.
Se a operação ainda não consegue distinguir os desfechos, o indicador deve assumir essa limitação. É melhor publicar “não atendidos após entrada” como uma métrica ampla e temporária do que chamar tudo de desistência e tomar decisões sobre capacidade a partir de um número semanticamente errado.
O indicador fica útil quando cada perda tem nome
A taxa de desistência em fila presencial não é “tudo o que não virou atendimento”. Ela é a parcela das entradas válidas que terminou em abandono confirmado durante a espera, segundo uma regra operacional clara.
Separar recusa antes de entrar, abandono durante a espera, cancelamento explícito e falta após chamada transforma um saldo genérico de senhas em informação de gestão. Com isso, o gestor consegue saber se precisa reduzir espera, melhorar a chamada, corrigir a triagem, revisar o cadastro de desfechos ou investigar por que as pessoas estão cancelando. A fórmula é curta; a confiabilidade vem da classificação e do procedimento que alimentam o numerador e o denominador.
