Tempo médio de espera pode enganar: como usar média, mediana e P90 para enxergar filas realmente ruins

Imagine duas operações que atenderam 100 pessoas no mesmo dia.

Na primeira, todos esperaram 10 minutos.

Na segunda, 80 pessoas esperaram 5 minutos e 20 esperaram 30 minutos.

As duas operações terminaram o dia com o mesmo tempo médio de espera: 10 minutos. Só que a experiência oferecida foi completamente diferente.

Na primeira, o resultado foi uniforme. Na segunda, um quinto dos clientes ficou seis vezes mais tempo na fila do que a maioria.

É por isso que acompanhar apenas o tempo médio de espera pode dar uma impressão enganosa de que a fila está saudável. Para entender o que realmente acontece, a média precisa ser lida junto com medidas que mostrem o centro e a parte mais lenta da distribuição, como a mediana e o P90.

O problema não está na média, mas no que ela deixa de mostrar

O tempo médio de espera é calculado somando todos os tempos registrados e dividindo o resultado pelo número de atendimentos. Ele continua sendo útil para acompanhar o comportamento geral da operação.

O problema aparece quando o número é tratado como uma descrição completa da experiência.

Tempos muito altos puxam a média para cima. Da mesma forma, uma grande quantidade de atendimentos muito rápidos pode compensar matematicamente um grupo menor de clientes que esperou demais.

Por isso, duas filas com a mesma média podem ter distribuições bastante diferentes.

Esse comportamento não é exclusivo de filas. Sistemas de monitoramento de desempenho também usam percentis para enxergar a distribuição de latência e distinguir o comportamento típico da chamada “cauda”, onde ficam os casos mais lentos. A documentação da AWS, por exemplo, apresenta o P50 como uma medida do comportamento típico e percentis mais altos como uma forma de observar as ocorrências lentas que a média não descreve sozinha.

Média, mediana e P90 respondem a perguntas diferentes

As três métricas não competem entre si. Cada uma ajuda a responder uma pergunta operacional.

Média: quanto os clientes esperaram, em média?

A média resume todos os tempos em um único número.

Se cinco pessoas esperaram 4, 5, 6, 7 e 8 minutos, a média foi de 6 minutos.

Ela funciona bem para acompanhar tendência: saber, por exemplo, se o tempo geral aumentou de uma semana para outra ou se uma mudança operacional reduziu a espera agregada.

Sozinha, porém, ela não mostra como esses tempos estão distribuídos.

Mediana: qual foi a espera do cliente típico?

A mediana corresponde ao percentil 50, ou P50. Depois de ordenar os tempos do menor para o maior, ela representa o ponto que separa aproximadamente metade dos registros abaixo e metade acima. O NIST define o 50º percentil como a mediana.

Voltemos às duas operações do início.

Na operação em que todos esperaram 10 minutos:

• média: 10 minutos;
• mediana: 10 minutos.

Na operação em que 80% esperaram 5 minutos e 20% esperaram 30:

• média: 10 minutos;
• mediana: 5 minutos.

A segunda operação parece até melhor quando olhamos apenas para o cliente típico. A mediana mostra que a maior parte das pessoas foi atendida rapidamente.

Mas ainda falta enxergar o grupo que ficou muito tempo esperando.

P90: até quanto tempo esperaram 90% dos clientes?

O P90 é o 90º percentil da distribuição.

Em termos operacionais, um P90 de 20 minutos indica que cerca de 90% dos tempos observados ficaram em até esse patamar, enquanto a parcela restante ficou acima dele. Essa é a mesma lógica usada por ferramentas de monitoramento que reportam percentis de latência.

No nosso exemplo:

A tabela mostra por que as três medidas juntas são mais informativas.

A média diz que as operações parecem iguais.

A mediana revela que o atendimento típico da operação B é mais rápido.

O P90 mostra o problema escondido: existe uma parte da fila enfrentando uma espera muito maior.

Quando média e mediana se afastam, investigue a distribuição

Uma diferença relevante entre média e mediana é um sinal de que os tempos não estão distribuídos de maneira uniforme.

Suponha que uma unidade registre:

• média de 14 minutos;
• mediana de 7 minutos;
• P90 de 35 minutos.

O cliente típico está sendo atendido em aproximadamente metade do tempo indicado pela média. Ao mesmo tempo, os atendimentos mais demorados levam o P90 a 35 minutos.

Isso sugere que o problema pode não estar em toda a operação. Pode existir um grupo específico de horários, serviços ou pontos de atendimento produzindo esperas muito maiores.

Essa leitura é mais útil do que simplesmente estabelecer a meta de “reduzir a média”.

Uma queda da média de 14 para 11 minutos pode parecer uma grande melhoria. Mas, se o P90 continuar em 35 minutos, os clientes da parte mais lenta da fila praticamente não perceberam a mudança.

O P90 não é um “tempo máximo”

Esse é um erro comum na interpretação de percentis.

Se o P90 da fila é de 30 minutos, isso não quer dizer que ninguém esperou mais do que 30 minutos.

Quer dizer que o 90º percentil está nesse ponto da distribuição. Ainda pode existir uma cauda acima dele, com esperas de 35, 50 ou 80 minutos.

Por isso, o P90 deve ser usado como um indicador de serviço para a maior parte dos clientes, não como limite máximo absoluto.

Dependendo da criticidade da operação, também pode fazer sentido acompanhar P95 ou P99. Quanto maior o percentil, mais o indicador se aproxima dos casos extremos, mas também mais sensível ele tende a ficar a volumes pequenos e ocorrências raras.

Não calcule o indicador apenas para o dia inteiro

Mesmo um painel com média, mediana e P90 pode esconder problemas se todos os atendimentos forem agrupados em uma única visão.

Uma fila pode apresentar P90 razoável no consolidado diário e ainda funcionar mal durante duas horas específicas.

O diagnóstico melhora quando os mesmos indicadores são segmentados por dimensões operacionais que realmente podem explicar a diferença.

Por horário

Compare faixas como 8h–9h, 9h–10h e 10h–11h.

Se a média diária estiver em 8 minutos, mas o P90 entre 11h e 12h chegar a 28 minutos, o gargalo provavelmente está concentrado naquele período.

Isso pode orientar decisões sobre escala, intervalo da equipe, abertura de guichês ou distribuição da demanda.

Por tipo de serviço

Misturar atendimentos rápidos e demorados na mesma estatística pode distorcer a interpretação.

Uma retirada de documento que leva poucos minutos e um atendimento técnico que exige análise detalhada não necessariamente deveriam compartilhar a mesma referência operacional.

Separar as métricas por serviço permite descobrir se determinada fila está puxando os tempos para cima ou concentrando a cauda mais lenta.

Por guichê ou ponto de atendimento

A segmentação por guichê também pode revelar diferenças importantes, desde que o indicador seja interpretado com contexto.

Um guichê pode apresentar P90 maior porque recebe os casos mais complexos. Outro pode estar com uma configuração inadequada ou sofrer interrupções frequentes.

A métrica aponta onde investigar; ela não explica sozinha a causa.

No Biomi Pass, a operação pode trabalhar com diferentes tipos de atendimento e guichês especializados, o que torna essas dimensões particularmente relevantes para uma análise de filas. A página atual do serviço informa que os guichês podem ser especializados por tipo de atendimento e que senhas podem ser transferidas entre filas.

Uma leitura prática para saber se a fila está realmente saudável

Não existe um valor universal de média ou P90 que seja bom para qualquer negócio.

Esperar 15 minutos pode ser aceitável em determinado serviço e inviável em outro. O parâmetro depende do contexto, da expectativa do cliente, da complexidade do atendimento e dos objetivos definidos pela própria operação.

O mais importante é interpretar o desenho formado pelos indicadores.

Essa matriz evita um erro frequente: tentar corrigir qualquer problema de fila aumentando indiscriminadamente a velocidade de todos os atendimentos.

Às vezes a maior oportunidade está concentrada em apenas um horário ou serviço.

Use sempre o mesmo método de cálculo

Há diferentes métodos estatísticos para calcular percentis, especialmente quando a amostra é pequena e o valor procurado fica entre duas observações.

O próprio NIST documenta métodos baseados em ordenação e interpolação dos valores.

Na prática, isso significa que dois sistemas podem apresentar pequenas diferenças no P90 usando os mesmos dados.

Para gestão operacional, o mais importante é definir um método e mantê-lo consistente. Trocar a fórmula no meio de uma série histórica pode criar uma falsa impressão de melhoria ou piora.

Também convém evitar conclusões fortes sobre percentis quando há pouquíssimos atendimentos no período. Um P90 calculado sobre centenas de registros costuma ser mais estável para comparação do que um P90 baseado em apenas alguns casos.

Uma fila saudável precisa ser boa também para quem está na cauda

O tempo médio de espera continua sendo um indicador útil. Ele só não deveria trabalhar sozinho.

A média mostra o resultado agregado. A mediana ajuda a entender o que acontece com o cliente típico. O P90 expõe a experiência de quem está na parte mais lenta da fila.

Quando esses três números são acompanhados por horário, serviço e ponto de atendimento, a gestão deixa de perguntar apenas “quanto tempo esperamos em média?” e passa a fazer uma pergunta mais útil:

quem está esperando demais, quando isso acontece e onde o problema se concentra?

Essa mudança de leitura é o que transforma um número de painel em informação operacional.