El d\u00eda 30\/06, fueron presentados al p\u00fablico, los resultados del Proyecto ‘RH 4.0 FeD – Previsi\u00f3n y Dimensionamiento Autom\u00e1tico para Equipos de Retail’, desarrollado en co-promoci\u00f3n con la Universidad de Aveiro (UA)._x000D_
\n_x000D_
\nTras el lanzamiento de la actualizaci\u00f3n realizada a la versi\u00f3n de SISQUAL\u00ae Forecast, el proyecto se bas\u00f3 en la creaci\u00f3n de nuevos modelos de previsi\u00f3n para realizar el dimensionamiento de equipos en funci\u00f3n de diferentes variables externas (como eventos, condiciones meteorol\u00f3gicas, entre otros) y la aplicaci\u00f3n de estos con el fin de reducir posibles errores._x000D_
\n_x000D_
\n\u00abEl objetivo es utilizar la ciencia de datos de forma autom\u00e1tica para prever y dimensionar equipos sin intervenci\u00f3n humana\u00bb, afirma Jorge Costa, Chief Product Officer de SISQUAL\u00ae WFM._x000D_<\/p>\n
_x000D_
\nEl proyecto ‘RH 4.0 FeD’ se ha basado en la implementaci\u00f3n de tecnolog\u00edas emergentes (Machine Learning) para poder realizar tareas de forma autom\u00e1tica a partir de datos hist\u00f3ricos. Esto significa que \u00abel algoritmo utilizado trabaja a partir de datos dispersos, transform\u00e1ndolos para que todos se centren en la misma dimensi\u00f3n\u00bb, explic\u00f3 Martim Sousa, T\u00e9cnico de Sistemas de Informaci\u00f3n de la Universidad de Aveiro, que particip\u00f3 en el proyecto._x000D_
\n_x000D_
\nEn la primera fase, se utilizaron modelos de aprendizaje autom\u00e1tico para predecir series temporales que pudieran determinar los flujos de clientes. Tras la fase exploratoria, y despu\u00e9s de probar varios modelos de predicci\u00f3n, el equipo de la UA identific\u00f3 un modelo con un rendimiento superior para la previsi\u00f3n de clientes\/dimensionamiento de equipos, lo que permiti\u00f3 la integraci\u00f3n de modelos de aprendizaje autom\u00e1tico con SISQUAL\u00aeWFM._x000D_
\n_x000D_
\n\u00abAhora tenemos un m\u00f3dulo de Forecast \/ Sizing completamente diferente en t\u00e9rminos de automatizaci\u00f3n, pudiendo vender el modelo como servicio, proyecto o incluso como consultor\u00eda\u00bb, afirma Jorge Costa, CPO de SISQUAL\u00ae WFM._x000D_<\/p>\n
_x000D_
\nEl nuevo SISQUAL\u00ae Forecast ML (Machine Learning) tiene la ventaja de poder ajustarse a nuevos mercados, sirviendo como modelo universal para diferentes geograf\u00edas._x000D_
\n_x000D_
\nOtro beneficio de la soluci\u00f3n es la actualizaci\u00f3n a una versi\u00f3n a corto plazo de Forecast, permitiendo el uso de planes de ejecuci\u00f3n a corto plazo para cada \u00e1rea de negocio. En la pr\u00e1ctica, esta automatizaci\u00f3n permite a los directivos redistribuir el trabajo entre el equipo con al menos un d\u00eda de antelaci\u00f3n._x000D_
\n_x000D_
\nM\u00e1s de 75.000 gestores en el mundo utilizan SISQUAL\u00ae WFM, lo que la convierte en una soluci\u00f3n global, cada vez m\u00e1s a la vanguardia de los mecanismos que potencian la gesti\u00f3n de la fuerza de trabajo y aumentan la productividad de las empresas._x000D_
\n_x000D_
\nVea abajo la galer\u00eda de fotos del evento:_x000D_
\n_x000D_
\n<\/p>\n","protected":false},"excerpt":{"rendered":"
El d\u00eda 30\/06, fueron presentados al p\u00fablico, los resultados del Proyecto ‘RH 4.0 FeD – Previsi\u00f3n y Dimensionamiento Autom\u00e1tico para Equipos de Retail’, desarrollado en co-promoci\u00f3n con la Universidad de Aveiro (UA)._x000D_ _x000D_ Tras el lanzamiento de la actualizaci\u00f3n realizada a la versi\u00f3n de SISQUAL\u00ae Forecast, el proyecto se bas\u00f3 en la creaci\u00f3n de nuevos […]<\/p>\n","protected":false},"author":8,"featured_media":44426,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[1670],"tags":[],"class_list":["post-44586","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-eventos-es"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.sisqualwfm.com\/es\/wp-json\/wp\/v2\/posts\/44586","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sisqualwfm.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sisqualwfm.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sisqualwfm.com\/es\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sisqualwfm.com\/es\/wp-json\/wp\/v2\/comments?post=44586"}],"version-history":[{"count":2,"href":"https:\/\/www.sisqualwfm.com\/es\/wp-json\/wp\/v2\/posts\/44586\/revisions"}],"predecessor-version":[{"id":55821,"href":"https:\/\/www.sisqualwfm.com\/es\/wp-json\/wp\/v2\/posts\/44586\/revisions\/55821"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sisqualwfm.com\/es\/wp-json\/wp\/v2\/media\/44426"}],"wp:attachment":[{"href":"https:\/\/www.sisqualwfm.com\/es\/wp-json\/wp\/v2\/media?parent=44586"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sisqualwfm.com\/es\/wp-json\/wp\/v2\/categories?post=44586"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sisqualwfm.com\/es\/wp-json\/wp\/v2\/tags?post=44586"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}