No dia 30/06, foram apresentados ao público, os resultados do Projeto ‘RH 4.0 FeD – Forecast e Dimensionamento Automático para Equipas de Retalho’, desenvolvido em co-promoção com a Universidade de Aveiro (UA)._x000D_
_x000D_
No seguimento da divulgação do upgrade efetuado à versão do SISQUAL® Forecast, o projeto teve como base a criação de novos modelos de previsão para fazer o dimensionamento de equipas de acordo com diferentes variáveis externas (tais como eventos, condições meteorológicas, entre outras) e a aplicação destas de forma a diminuir eventuais erros._x000D_
_x000D_
“O objetivo é utilizar os dados (data science) de forma automática para realizar Forecast (previsão) e dimensionamento de equipas sem intervenção humana”, afirma Jorge Costa, Chief Product Officer da SISQUAL® WFM._x000D_
Novas Tecnologias facilitam processos
_x000D_
O projeto ‘RH 4.0 FeD’ teve como base a implementação de tecnologias emergentes (Machine Learning) para através de dados históricos, poder realizar tarefas automaticamente. Isto significa que “o algoritmo utilizado trabalha a partir de dados dispersos transformando-os para que se foquem todos na mesma dimensão” explicou Martim Sousa, Técnico Superior de Sistemas de Informação da Universidade de Aveiro, que esteve envolvido no projeto._x000D_
_x000D_
Numa primeira fase foram utilizados modelos de Machine Learning para fazer a previsão de séries temporais, que pudessem determinar fluxos de clientes. Após a fase exploratória, e depois da testagem de vários modelos de previsão, a equipa da UA identificou um modelo com performance superior para previsão de clientes/dimensionamento de equipas, permitindo a integração de modelos de aprendizagem automática com o SISQUAL®WFM._x000D_
_x000D_
“Passámos a ter um módulo de Forecast / Dimensionamento completamente diferente em ternos de automatização, podendo vender o modelo como serviço, projeto ou, inclusive, como consultadoria”, ressalva Jorge Costa, CPO da SISQUAL® WFM._x000D_
Modelo é ajustável e universal
_x000D_
O novo SISQUAL® Forecast ML (Machine Learning) tem a vantagem de poder ajustar-se a novos mercados, servindo como um modelo universal para diferentes geografias._x000D_
_x000D_
Outro benefício da solução passa pelo upgrade que permite uma versão de Forecast a curto prazo, permitindo utilizar planos de execução a curto prazo, para cada área de negócio. Na prática, esta automatização possibilita que com, pelo menos com 1 dia de antecedência, a chefia possa redistribuir trabalho pela equipa._x000D_
_x000D_
Mais de 75.000 chefias no mundo utilizam SISQUAL® WFM, fazendo desta um solução global, cada vez mais na linha da frente no que respeita a mecanismos que impulsionam a gestão da força de trabalho e o aumento da produtividade das empresas._x000D_
_x000D_
Veja a galeria de fotos do evento:_x000D_
_x000D_
