No dia 30\/06, foram apresentados ao p\u00fablico, os resultados do Projeto \u2018RH 4.0 FeD \u2013 Forecast e Dimensionamento Autom\u00e1tico para Equipas de Retalho\u2019, desenvolvido em co-promo\u00e7\u00e3o com a Universidade de Aveiro (UA)._x000D_
\n_x000D_
\nNo seguimento da divulga\u00e7\u00e3o do upgrade efetuado \u00e0 vers\u00e3o do SISQUAL\u00ae Forecast, o projeto teve como base a cria\u00e7\u00e3o de novos modelos de previs\u00e3o para fazer o dimensionamento de equipas de acordo com diferentes vari\u00e1veis externas (tais como eventos, condi\u00e7\u00f5es meteorol\u00f3gicas, entre outras) e a aplica\u00e7\u00e3o destas de forma a diminuir eventuais erros._x000D_
\n_x000D_
\n\u201cO objetivo \u00e9 utilizar os dados (data science) de forma autom\u00e1tica para realizar Forecast (previs\u00e3o) e dimensionamento de equipas sem interven\u00e7\u00e3o humana\u201d, afirma Jorge Costa, Chief Product Officer da SISQUAL\u00ae WFM._x000D_<\/p>\n
_x000D_
\nO projeto \u2018RH 4.0 FeD\u2019 teve como base a implementa\u00e7\u00e3o de tecnologias emergentes (Machine Learning) para atrav\u00e9s de dados hist\u00f3ricos, poder realizar tarefas automaticamente. Isto significa que \u201co algoritmo utilizado trabalha a partir de dados dispersos transformando-os para que se foquem todos na mesma dimens\u00e3o\u201d explicou Martim Sousa, T\u00e9cnico Superior de Sistemas de Informa\u00e7\u00e3o da Universidade de Aveiro, que esteve envolvido no projeto._x000D_
\n_x000D_
\nNuma primeira fase foram utilizados modelos de Machine Learning para fazer a previs\u00e3o de s\u00e9ries temporais, que pudessem determinar fluxos de clientes. Ap\u00f3s a fase explorat\u00f3ria, e depois da testagem de v\u00e1rios modelos de previs\u00e3o, a equipa da UA identificou um modelo com performance superior para previs\u00e3o de clientes\/dimensionamento de equipas, permitindo a integra\u00e7\u00e3o de modelos de aprendizagem autom\u00e1tica com o SISQUAL\u00aeWFM._x000D_
\n_x000D_
\n\u201cPass\u00e1mos a ter um m\u00f3dulo de Forecast \/ Dimensionamento completamente diferente em ternos de automatiza\u00e7\u00e3o, podendo vender o modelo como servi\u00e7o, projeto ou, inclusive, como consultadoria\u201d, ressalva Jorge Costa, CPO da SISQUAL\u00ae WFM._x000D_<\/p>\n
_x000D_
\nO novo SISQUAL\u00ae Forecast ML (Machine Learning) tem a vantagem de poder ajustar-se a novos mercados, servindo como um modelo universal para diferentes geografias._x000D_
\n_x000D_
\nOutro benef\u00edcio da solu\u00e7\u00e3o passa pelo upgrade que permite uma vers\u00e3o de Forecast a curto prazo, permitindo utilizar planos de execu\u00e7\u00e3o a curto prazo, para cada \u00e1rea de neg\u00f3cio. Na pr\u00e1tica, esta automatiza\u00e7\u00e3o possibilita que com, pelo menos com 1 dia de anteced\u00eancia, a chefia possa redistribuir trabalho pela equipa._x000D_
\n_x000D_
\nMais de 75.000 chefias no mundo utilizam SISQUAL\u00ae WFM, fazendo desta um solu\u00e7\u00e3o global, cada vez mais na linha da frente no que respeita a mecanismos que impulsionam a gest\u00e3o da for\u00e7a de trabalho e o aumento da produtividade das empresas._x000D_
\n_x000D_
\nVeja a galeria de fotos do evento:_x000D_
\n_x000D_
\n<\/p>\n","protected":false},"excerpt":{"rendered":"
No dia 30\/06, foram apresentados ao p\u00fablico, os resultados do Projeto \u2018RH 4.0 FeD \u2013 Forecast e Dimensionamento Autom\u00e1tico para Equipas de Retalho\u2019, desenvolvido em co-promo\u00e7\u00e3o com a Universidade de Aveiro (UA)._x000D_ _x000D_ No seguimento da divulga\u00e7\u00e3o do upgrade efetuado \u00e0 vers\u00e3o do SISQUAL\u00ae Forecast, o projeto teve como base a cria\u00e7\u00e3o de novos modelos […]<\/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":[1671],"tags":[],"class_list":["post-44582","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-eventos"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.sisqualwfm.com\/pt-pt\/wp-json\/wp\/v2\/posts\/44582","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.sisqualwfm.com\/pt-pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.sisqualwfm.com\/pt-pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.sisqualwfm.com\/pt-pt\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/www.sisqualwfm.com\/pt-pt\/wp-json\/wp\/v2\/comments?post=44582"}],"version-history":[{"count":2,"href":"https:\/\/www.sisqualwfm.com\/pt-pt\/wp-json\/wp\/v2\/posts\/44582\/revisions"}],"predecessor-version":[{"id":55817,"href":"https:\/\/www.sisqualwfm.com\/pt-pt\/wp-json\/wp\/v2\/posts\/44582\/revisions\/55817"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.sisqualwfm.com\/pt-pt\/wp-json\/wp\/v2\/media\/44426"}],"wp:attachment":[{"href":"https:\/\/www.sisqualwfm.com\/pt-pt\/wp-json\/wp\/v2\/media?parent=44582"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.sisqualwfm.com\/pt-pt\/wp-json\/wp\/v2\/categories?post=44582"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.sisqualwfm.com\/pt-pt\/wp-json\/wp\/v2\/tags?post=44582"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}