Orquest impulsa al máximo la rentabilidad del negocio a través de la planificación óptima de empleados y la automatización.
Dimensiona y planifica los equipos en tienda para ofrecer la mejor atención al cliente y maximizar tu rendimiento.
Jun 25 2020
En los últimos años, las principales cadenas de supermercados han dedicado grandes esfuerzos a mejorar sus procesos y ganar eficiencia, con grandes resultados. Reduciendo costes operativos hasta en un 15% gracias a iniciativas LEAN. Pero la competencia cada vez mayor y los clientes cada vez más exigentes han obligado a los supermercados líderes a buscar nuevas formas de mejorar en eficiencia y servicio al cliente.
Considerando que el coste laboral es uno de los costes variables más altos, sin duda, las áreas más susceptibles de mejorar son la planificación y la gestión del personal. Durante muchos años, las soluciones de planificación estándar se han utilizado para planificar el personal y sus horarios, para gestionar su ejecución y para generar sus nóminas. Pero ninguna de ellas ha considerado ni la volatilidad de la demanda, ni las fluctuaciones de cargas de trabajo.
Cada punto de ineficiencia en la planificación del personal se traduce a final de año en pérdidas de miles (en algunos casos millones) de euros. Planificar horas de más cuando no son necesarias, puede incurrir en pérdidas y en costes laborales; y planificar menos horas en momentos de máxima actividad, puede incurrir en notables pérdidas en ventas. Sin mencionar el coste reputacional de un mal servicio al cliente, o el impacto en la experiencia del cliente de tener empleados insatisfechos.
Si un supermercado pudiera predecir el dimensionamiento óptimo de los empleados y sus habilidades en cada tarea/puesto, cada hora del día y día de la semana, podría garantizar un mejor servicio al cliente. El supermercado estaría perfectamente reabastecido, no habría colas en las cajas y los empleados estarían siempre que el cliente les necesitara. Te asegurarías de que los empleados no están ociosos ni sobrecargados de trabajo, lo que se reflejaría en un ahorro de costes laborales y en un aumento de las ventas gracias a un mejor servicio al cliente.
La dificultad de alinear perfectamente la planificación de los empleados con la actividad real del supermercado es evidente. Con un tráfico de clientes tan variable y cambios constantes en los hábitos de consumo, ser preciso en esta área es extremadamente difícil.
Debido a esta complejidad, en la mayoría de los casos la realidad es muy diferente, y rara vez los horarios están alineados con las necesidades laborales reales de los supermercados. Muchos supermercados deciden los presupuestos de personal de una manera muy básica, simplemente mirando que los costes laborales de cada tienda no excedan el 10% de las ventas. A partir de ahí, calculan el volumen de horas, para luego distribuirlas a lo largo del año de acuerdo a las ventas esperadas. Este enfoque simplista está ignorando la actividad real que tendrá cada una de las tiendas y sus áreas, sin mencionar que no está teniendo en cuenta la singularidad de cada supermercado.
La buena noticia es que hoy en día es posible alcanzar este objetivo, y los líderes del sector ya lo están haciendo, adoptando un enfoque de análisis avanzado basado en datos.
Gracias a las últimas técnicas de Inteligencia Artificial, hoy en día es posible predecir con precisión el tráfico de clientes y la cantidad de ventas que habrá en la tienda cada hora. Utilizando estas predicciones y aplicando reglas avanzadas y modelos de Machine Learning, es posible calcular con precisión el número óptimo de empleados por hora en cada tarea/puesto del supermercado, que garantice el mejor servicio al cliente. En resumen, la cobertura perfecta del personal.
Pero incluso conociendo la cobertura perfecta del personal por hora para cada puesto en el supermercado, el problema más complejo de resolver sigue siendo cómo generar los horarios y la planificación de tareas para cada empleado. Porque debe asegurar la mejor cobertura posible, teniendo en cuenta todas las variables existentes, como las normas de regulación laboral, el equilibrio de la carga de trabajo, la equidad de los descansos, la singularidad de los contratos de los empleados, las habilidades y aptitudes de los empleados, las preferencias de los empleados, y muchas más.
Afortunadamente, las técnicas más avanzadas de optimización matemática pueden ayudar, generando los horarios y el plan de tareas de cada empleado, asegurando el cumplimiento de todas las restricciones y variables en juego, a la vez que se garantiza el mejor servicio al cliente al menor coste.
Orquest es la primera solución de gestión de personal basada en IA que consigue tener a los empleados correctos con los horarios y tareas adecuadas al menor coste posible. Al hacerlo, un supermercado puede ahorrar hasta un 12% en costes laborales y aumentar las ventas hasta un 8% al mejorar el servicio al cliente, reduciendo tiempos de espera en las cajas y mejorando el reabastecimiento de los estantes.
Sin embargo, una planificación perfecta que asegure la cobertura óptima de los empleados en cualquier momento, podría ser una misión imposible si partimos de una estructura de personal no alineada con la realidad del supermercado, con contratos de trabajo erróneos, formación mal adaptada o desequilibrios de disponibilidades.
Cambiar la estructura de personal requiere tiempo y un pensamiento a futuro, para tener en cuenta los diferentes períodos de actividad de la tienda inherentes a la estacionalidad. Esta es la razón por la que es necesario tener una visión a largo plazo, que nos asegure la detección con suficiente antelación de picos y valles de actividad.
Incluso teniendo una previsión de actividad a largo plazo, sigue siendo difícil identificar con precisión cuándo contratar más empleados, con qué tipo de contrato, con qué duración, qué habilidades necesitan los empleados, etc. Enfrentarse a este desafío utilizando la intuición, sin la ayuda de herramientas inteligentes, lleva inevitablemente al fracaso.
Afortunadamente en este punto también pueden ayudar los datos y la analítica avanzada. Utilizando técnicas de optimización matemática, se puede identificar exactamente el número de horas no alineadas por día y por franja horaria, en los diferentes puestos. De este modo se puede identificar el plan de contratación óptimo, que asegure una estructura optimizada y que se ajuste perfectamente a las necesidades de la empresa.
Orquest es la primera solución de gestión de personal diseñada específicamente para la industria retail, con una visión a largo, medio y corto plazo en todos los puntos cruciales del proceso de planificación del personal en tienda.
Prestando atención a estos seis puntos clave para una planificación eficiente del personal en tienda, los supermercados podrán tener un impacto significativo en los resultados de sus establecimientos:
Si quieres saber más sobre la planificación eficiente del personal en supermercados y cómo la analítica avanzada puede ayudar en las problemáticas del día a día, visita nuestro blog, síguenos en las redes o contacta con nosotros.
Cookie | Duración | Descripción |
---|---|---|
cookielawinfo-checkbox-advertisement | 1 year | Set by the GDPR Cookie Consent plugin, this cookie records the user consent for the cookies in the "Advertisement" category. |
cookielawinfo-checkbox-analytics | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics". |
cookielawinfo-checkbox-functional | 11 months | The cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional". |
cookielawinfo-checkbox-necessary | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary". |
cookielawinfo-checkbox-others | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other. |
cookielawinfo-checkbox-performance | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance". |
CookieLawInfoConsent | 1 year | CookieYes sets this cookie to record the default button state of the corresponding category and the status of CCPA. It works only in coordination with the primary cookie. |
viewed_cookie_policy | 11 months | The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data. |
Cookie | Duración | Descripción |
---|---|---|
sp_landing | 1 day | The sp_landing is set by Spotify to implement audio content from Spotify on the website and also registers information on user interaction related to the audio content. |
sp_t | 1 year | The sp_t cookie is set by Spotify to implement audio content from Spotify on the website and also registers information on user interaction related to the audio content. |
wp-wpml_current_language | session | WordPress multilingual plugin sets this cookie to store the current language/language settings. |
Cookie | Duración | Descripción |
---|---|---|
CONSENT | 2 years | YouTube sets this cookie via embedded YouTube videos and registers anonymous statistical data. |
Cookie | Duración | Descripción |
---|---|---|
VISITOR_INFO1_LIVE | 5 months 27 days | YouTube sets this cookie to measure bandwidth, determining whether the user gets the new or old player interface. |
YSC | session | Youtube sets this cookie to track the views of embedded videos on Youtube pages. |
yt-remote-connected-devices | never | YouTube sets this cookie to store the user's video preferences using embedded YouTube videos. |
yt-remote-device-id | never | YouTube sets this cookie to store the user's video preferences using embedded YouTube videos. |
yt.innertube::nextId | never | YouTube sets this cookie to register a unique ID to store data on what videos from YouTube the user has seen. |
yt.innertube::requests | never | YouTube sets this cookie to register a unique ID to store data on what videos from YouTube the user has seen. |
Cookie | Duración | Descripción |
---|---|---|
loglevel | never | No description available. |