Recentemente, a SISQUAL WFM apresentou ao mercado um novo modelo de previsão, desenvolvido em parceria com a UA (Universidade de Aveiro), em Portugal. No final de junho de 2023, foram divulgados os resultados do Projeto “RH 4.0 FeD – Forecast e Dimensionamento Automático para Equipes de Varejo”, concebido pela empresa, que atua com ferramentas de WFM (Workforce Management – gerenciamento de força de trabalho).
O projeto teve como base a criação de novos modelos de previsão para fazer o dimensionamento de equipes de acordo com diferentes variáveis externas, como eventos e condições meteorológicas, e sua aplicação, com o intuito de diminuir eventuais erros.
“O objetivo é utilizar os dados (data science) de forma automática para realizar forecast (previsão) e dimensionamento de equipes sem intervenção humana”, afirma Jorge Costa, CPO (Chief Product Officer) da SISQUAL WFM.
Para Pedro Cabral, COO da SISQUAL WFM, o projeto representa um marco significativo na vanguarda da tecnologia para equipes de varejo, destacando a capacidade de colaboração entre a indústria e a academia. “Os avanços conquistados reforçam o compromisso da marca com a inovação no setor de RH (Recursos Humanos) e na gestão da força de trabalho”, diz Cabral.
A iniciativa surge em um contexto em que a IA (Inteligência Artificial) tem ganhado uma aderência crescente e já faz parte da rotina de 12% dos profissionais em todo o mundo, segundo dados do estudo “The State of Automation Professional”, realizado pela UiPath, A pesquisa entrevistou 1.639 profissionais de diversas indústrias entre março e maio deste ano a fim de traçar um panorama do mercado de automação e suas perspectivas.
Novas tecnologias facilitam processos
O projeto RH 4.0 FeD teve como base a implementação de tecnologias emergentes, como ML (Machine Learning), a fim de realizar tarefas de forma automática por meio de dados históricos. “O algoritmo utilizado trabalha a partir de dados dispersos transformando-os para que foquem na mesma dimensão”, explica Martim Sousa, técnico superior de sistemas de informação da UA, que participou do projeto.
Na primeira fase, foram utilizados modelos de ML para fazer a previsão de séries temporais para determinar fluxos de clientes. Após a fase exploratória, e depois da testagem de vários modelos de previsão, a equipe da universidade portuguesa identificou um modelo com performance superior para previsão de clientes/dimensionamento de equipas, permitindo a integração de modelos de aprendizagem automática com a SISQUAL® WFM.
“Passamos a ter um módulo de forecast/dimensionamento completamente diferente em termos de automatização, podendo vender o modelo como serviço, projeto ou, inclusive, como consultoria”, ressalta o CPO Jorge Costa.
Para mais informações, basta acessar: https://www.sisqualwfm.com/
