Se habla mucho de las recientes inversiones de los retailers en automatización, como los cajeros autoservicio o los robots que escanean estanterías y pasillos, sin embargo, hay una tendencia muy importante de la que no se habla tanto, y es que cada vez se añaden más tareas a las tiendas que son más complicadas de automatizar. Por ejemplo:
- Es probable que los empleados de tienda tengan que preparar productos, por ejemplo, empleados de supermercados horneando pan, o empleados de droguerías mezclando pintura o serrando madera.
- Muchos retailers han añadido servicios más allá de su alcance de negocio inicial para aumentar márgenes y añadir valor. Por ejemplo, supermercados de algunos países ahora ofrecen opciones de panadería, o retailers tecnológicos ofrecen servicios de instalación y seguros.
- A medida que los retailers adopten estrategias omnicanal, los empleados de tienda tendrán que preparar los pedidos online y la gestión de las devoluciones, además de cumplir con sus tareas regulares.
Así que, aún con el incremento de la automatización y la IA, se sigue siendo muy consciente de que uno de los grandes activos de los retailers de tiendas físicas – y el mayor coste operacional – es la plantilla. Para la mayoría de retailers, el personal de tienda suma aproximadamente un 10-20% de la facturación total. Haciendo inversiones estratégicas en la parte humana del negocio, los retailers pueden ofrecer una valor adicional y único. Aunque muchos retailers están actualmente enfrentándose a la necesidad de competir por el talento de tienda sin poder aumentar los costes operativos.
La buena noticia es que la mayoría de retailers podrían reducir los costes de personal hasta un 10% fácilmente, a la vez que podrían ofrecer a su plantilla unos turnos de trabajo más predecibles y bien equilibrados, al aprovechar la IA para predecir la carga de trabajo y optimizar la asignación de tareas consecuentemente.
Entonces, ¿cómo pueden los retailers aprovechar la optimización de los turnos de trabajo para ser más eficientes, ahorrar tiempo y mejorar la experiencia de sus empleados?
1. La Optimización de Workforce Da Mejores Resultados que La Gestión de Workforce
La tarea de los responsables de tienda actuales conlleva un gran reto. Tienen que crear los horarios de los turnos de la plantilla, y que cumplan satisfactoriamente con tres aspectos a la vez: hacer coincidir los turnos con la carga de trabajo pronosticada, cumplir con las reglas y restricciones, incluyendo leyes, convenios y contratos, y alinear los turnos con las habilidades, preferencias y disponibilidad de los empleados.
Las herramientas modernas de gestión de los turnos laborales pueden ayudar a los responsables de tienda a crear y publicar los horarios de los turnos de manera digital. También pueden ofrecer visibilidad sobre como los turnos planificados pueden afectar a los KPIs, como por ejemplo, el número total de horas trabajadas y las horas de trabajo por empleado. Pero la mayoría de estas herramientas no reducen la cantidad de tiempo que se dedica a la programación manual que los responsables de tienda tienen que hacer semana tras semana – tiempo que podría dedicarse para formar y dar soporte a la plantilla. Estas herramientas tampoco garantizan que los resultados de la planificación de turnos estén optimizados para las necesidades de la empresa, las tiendas, y los mismos empleados.
Para superar estos complejos retos, los retailers deberían incorporar la gestión de las jornadas laborales en un sistema más grande, de más potencia y basado en la IA.
2. ¿Qué es la optimización de las Jornadas Laborales?
La optimización de las jornadas laborales no se trata de hacer trabajar más a los empleados, ni tampoco se trata de reducir la plantilla. La optimización de las jornadas laborales proporciona a los retailers de una visibilidad precisa y a largo plazo de las tareas que se tienen que hacer en cada ubicación, cuando se van a necesitar y cuánta gente se necesita. Además ofrece información sobre qué empleado es el más adecuado para realizar las tareas según su formación y capacidades. Los retailers que implantan un software de optimización de las jornadas laborales basado en la IA tienen una oportunidad de mejorar el servicio y la experiencia del cliente, a la vez que se reducen los costes de personal hasta en un 10%.
Para que una solución de optimización de las jornadas laborales funcione, se tienen que gestionar tres áreas clave:
- Previsión de la carga de trabajo según la afluencia de clientes, volúmenes de entregas entrantes, y pedidos online.
- Optimización de la carga de trabajo al tener en cuenta, por ejemplo, los tiempos de las tareas, y reglamentos del personal.
- Optimización de turnos basada en regulaciones, capacidades de los empleados y carga de trabajo.
Todo esto se tiene que dar junto con unas tareas más estándar de gestión de las jornadas laborales.
2.1. La Previsión de una Carga de Trabajo Precisa Tiene en Cuenta Múltiples objetivos
Muchos retailers actualmente confían en plantillas estandarizadas para la planificación de las jornadas y turnos laborales. Retailers más sofisticados puede que hayan incorporado presupuestos de venta diaria o pronósticos simples en sus planificaciones. Pero los pronósticos generales puede que no sean suficiente. Las previsiones de ventas juegan un papel importante en la carga de trabajo, y pueden hacer un trabajo sólido prediciendo cuántos empleados se necesitan para estar vendiendo en tienda o para estar en las cajas, también identifican la necesidad durante picos de afluencia, pero ofrecen una ayuda limitada en la planificación del trabajo relacionado con la logística en las tiendas, como en la recepción de entregas o la reposición de las estanterías. Este problema es especialmente crítico en las tiendas de alimentación, donde la reposición de las estanterías y las tareas de caja generalmente representan casi la misma cantidad de horas de trabajo.
Por ejemplo, para prever las necesidades de reposición de estanterías a nivel día-tienda, los retailers tienen que complementar los pronósticos de venta o afluencia con un pronóstico separado para las entregas (como se muestra en la siguiente imagen). Además, si los pedidos online se recogen en la tienda, se necesita otro pronóstico para tener visibilidad sobre el personal necesario para realizar estas tareas. Para hacer una organización precisa, los retailers deben incorporar todos estos factores relacionados con la carga de trabajo en sus proyecciones.
Los retailers han de ser capaces de gestionar múltiples tipos de tareas y a sus empleados como un todo, con información precisa y específica de múltiples fuentes de información. Los pronósticos de ventas y las proyecciones de las entregas que aprovechan la IA pueden tener en cuenta este tipo de detalles, como la demanda relacionada a los días de la semana, periodos festivos y eventos.
Un sistema de optimización de las jornadas laborales ha de poder convertir los pronósticos en cargas de trabajo de forma continuada, ofreciendo visibilidad tanto de las necesidades a corto como a largo plazo. Las previsiones a largo plazo facilitan la comprensión de las necesidades futuras (incluyendo la gestión de las vacaciones anuales y otros eventos como nuevas contrataciones y cambios contractuales), mientas que las previsiones a corto plazo deben ser flexibles para incorporar los cambios que puedan ir ocurriendo a diario, y los efectos que estos cambios tienen en términos de volumen. Como se puede ver en la Imagen 2, los volúmenes pueden fluctuar mucho durante las semanas, con lo que no es suficiente fiarse de patrones estándar de cargas de trabajo semanal; se tiene que pronosticar la demanda para cada día.
2.2. Optimización de las Jornadas Laborales: el Enlace Crítico Entre Pronósticos y Optimización de Turnos
Todas las tareas de retail pueden segmentarse en cuatro categorías, como se muestra aquí:
Un sistema automatizado debería poder entender cada tipo de tarea. Por ejemplo, abrir la tienda es algo que sucede cada día a la misma hora y requiere siempre la misma carga de trabajo, lo que facilita la programación. Pero el trabajo de estanterías normalmente se pronostica a nivel día, es más flexible y puede optimizarse para minimizar la inactividad durante el día. Las tareas de caja, por el contrario, necesitan estar en concordancia con la afluencia de clientes, con lo que el volumen fluctuará dependiendo de los picos de flujo de consumidores.
El reto en la optimización de las jornadas laborales basada en pronósticos está en la necesidad de considerar todos los diferentes tipos de pronósticos y las tareas fijas juntos para crear una total comprensión de la carga de trabajo y los tiempos para cada tarea. Muchas iniciativas de programación de calendario basadas en pronósticos han intentado confiar en solo un pronóstico para controlar la carga de trabajo, pero en el entorno de retail donde los diferentes tipos de tareas y capacidades marcan el calendario de turnos, esta aproximación se queda muy corta.
Un sistema diseñado para este propósito debería poder considerar cada tipo de carga de trabajo así como los parámetros de tiempo para combinar las diferentes tareas y optimizar la carga de trabajo total. Es importante poder optimizar y contabilizar el tiempo de los trabajos flexibles, como el de reponer las estanterías, alrededor de otras tareas, pero es igualmente importante poder añadir las tareas fijas críticas a la ecuación para garantizar que son gestionadas por la cantidad correcta de trabajadores. El sistema ha de ser capaz de optimizar dinámicamente la carga de trabajo a medida que la situación vaya cambiando y se actualizan los pronósticos.
2.3. IA y Automatización en la Optimización de las Jornadas Laborales
Los retailers necesitan una optimización de las jornadas laborales que use la IA y algoritmos personalizados diseñados para reducir la ineficiencia y el error humano inherente en la planificación manual. Tradicionalmente, el software de optimización de las jornadas laborales se creó para gestionar de forma simple y centralizadamente las jornadas laborales de, por ejemplo, los “call centers”. En cualquier caso, el retail es extremadamente turbulento a nivel local y requiere de la habilidad para gestionar las variaciones de los calendarios individuales, diferentes tipos de tareas, capacidades de los empleados, fluctuación de la carga de trabajo y rotación del personal al mismo tiempo que incorpora una planificación centralizada.
El software de optimización de las jornadas laborales diseñado para los entornos de retail debe construirse para una optimización “bottom-up”, eficiente. Tiene que ejecutar una combinación de metodología de IA que pueda dividir el problema de optimización de forma inteligente en subproblemas más fáciles de solucionar, y luego tiene que identificar y ejecutar la solución óptima para cada uno de estos problemas. Haciendo esto, la solución puede automatizar un par de procesos complejos:
- Optimización de los turnos a largo plazo para hacerlos coincidir con la carga de trabajo de cada mes, semana y día, y cumplir también con todas las regulaciones relacionadas con la jornada laboral o los días libres.
- Optimización de turnos a nivel detallado para hacerlos coincidir con la carga de trabajo a intervalos de hasta 15 minutos cada día y asignar las tareas a los empleados más capacitados según sus perfiles.
Con este nivel de detalle, un proceso que costaba horas de planificación manual y los horarios resultantes no eran los óptimos se reduce a 5 minutos de optimización basada en la IA y la creación de los horarios que tienen un nivel de exactitud y eficiencia imposible de conseguir para un planificador humano de forma consistente.
Las recomendaciones de los horarios de sistema deberían darles a los planificadores la flexibilidad para hacer ajustes en el caso que sean necesarios. Si un empleado está de baja por enfermedad, el sistema debería poder optimizar otros turnos para asignar las tareas de esta persona.
Además, un sistema automatizado tiene que sacar ventaja de los perfiles de los empleados para tenerlos en cuenta (según nivel de capacidad) así como cualquier requerimiento legal y/o contractual específico de cada empleado. Esto último es crítico porque la relación entre empleados y empleadores normalmente está regulada por las leyes laborales locales, y se complementan con convenios laborales.
Por ejemplo, algunos estados de EEUU tienen leyes de horarios predictivos que obligan a publicar los turnos por adelantado, mientras que otros países regulan los periodos de descanso entre turnos, duración máxima de turnos, y cualquier otra ley que proteja a los trabajadores. El sistema tiene que ser capaz de tener en cuenta requisitos locales, como por ejemplo “máximos de tres turnos de noche por semana”, en la optimización.
Todos los retailers, pero especialmente las empresas más grandes que operan en varios mercados, deben tener estos datos adjuntos a nivel de empleado para garantizar el cumplimiento de los plazos, la duración de los turnos, los tiempos de descanso asignados, etc.
Los perfiles de los empleados también ofrecen información a nivel ubicación que ayuda al sistema a asignar tareas a las personas más adecuadas para cumplir con los objetivos de la empresa. El mejor cajero de una tienda puede que sea un reponedor de estanterías ineficiente, con lo que no tiene sentido asignarle tareas de reposición. Es difícil tener en cuenta todo este nivel de información del empleado cuando se planifican los horarios manualmente, pero un sistema automatizado puede usar estos perfiles para optimizar los turnos rápidamente y con precisión. Además, los perfiles también pueden usarse para identificar el crecimiento del empleado y las oportunidades emergentes para promociones o formaciones.
2.4. Alineando la optimización de la Workforce y la Gestión de la Workforce
Junto con la optimización de las jornadas laborales, se han de tener en cuenta también aspectos estándar de la gestión de las jornadas laborales. Aunque la optimización entrega un punto de inicio ideal, los turnos pueden necesitar ajustes manuales ocasionalmente. Además, los planificadores de las jornadas laborales necesitan un sistema que pueda resolver de forma efectiva el reto de las sustituciones temporales a corto plazo, cuando un empleado informa de que está enfermo, por ejemplo. Un sistema automatizado que pueda reajustar las tareas puede simplificar el problema con una funcionalidad de “llamada al trabajo”.
El responsable solo tiene que crear un nuevo turno en el sistema y seleccionar a los empleados a los que quiere ofrecérselo, aprovechando los perfiles de los empleados para encontrar los candidatos principales. Haciendo clic en un botón, el sistema puede enviar una notificación al móvil de cada persona informando del turno extra. Los empleados que quiera el trabajo extra pueden rechazarlo o aceptarlo, dependiendo de las circunstancias, dándoles un control adicional sobre sus propios horarios.
A través de una interfaz de móvil. Los empleados pueden solicitar turnos así como cambiar turnos entre compañeros, cuando es apropiado. Con acceso a estos tipos de funcionalidades modernas de autoservicio, los trabajadores pueden influir de manera efectiva en sus propios turnos, lo que es un factor importante en la satisfacción de los empleados y de lealtad hacia la empresa.
Una vez ya realizada la planificación, la comunicación y los cambios, y con la información recopilada de los turnos ejecutados, el sistema tiene que ser capaz de extraer los datos de los horarios y la asistencia y luego calcular las horas trabajadas a partir de los tiempos y asistencia registrados por los empleados. Estas horas son la base del material de las nóminas, que tiene que crearse de acuerdo con las legislaciones locales y los convenios colectivos.
3. Conclusión
En resumen, el software de optimización de las jornadas laborales basadas en la IA ofrece horizontes de planificación amplios con la flexibilidad de hacer los ajustes a corto plazo que surgen a diario. Introduce altos niveles de automatización en la planificación de turnos, que proporciona a los retailers un doble beneficio: aumento en la precisión de la planificación y costes de personal más bajos. Con el uso de las previsiones de la demanda y las entregas para optimizar los turnos, los retailers eliminan: 1) el exceso de coste de personal por el exceso de empleados durante momentos de baja demanda, y 2) niveles altos de stress en los empleados y pobres niveles de servicio al cliente por la escasez de personal durante los momentos de alta demanda.
Como ya hemos apuntado, el ahorro en los costes de personal por implementar un sistema de optimización de Workforce puede alcanzar el 10%. Para un retailer de Tier1 con una facturación de miles de millones, el potencial de ahorro puede llegar a ser de decenas de millones de dólares. Además, el retorno de la inversión en la optimización de las jornadas laborales es inmediato; los retailers pueden empezar a ahorrar dinero el día que se optimicen los primeros turnos. Pero aún hay más, no hace falta que el ahorro se proyecte de forma teórica, se puede ver inmediatamente en la nómina. Muy probablemente, los empleados estarán más contentos porque tienen una carga de trabajo más estable y acceso a funcionalidades de auto servicio modernas que ofrecen un mayor control sobre los turnos laborales.
Los supermercados suecos Coop Värmland es un excelente ejemplo de una implantación exitosa del sistema de optimización de las jornadas laborales. Ellos ya contaban con una cadena de suministro integrada que cumple con todas las mejores prácticas, pero cuando introdujeron la optimización de las jornadas laborales basadas en los pronósticos, observaron que los costes de personal se reducían en un impresionante 6-8%.
Consideraciones económicas aparte, el software de optimización de las jornadas laborales mejora los niveles de servicio, lo que significa un aumento de las ventas y una mayor satisfacción del cliente. Al mismo tiempo, reduce la falta de capacidad durante los momentos de alta demanda para que cada tienda pueda ejecutar de forma efectiva sus tareas sin tener que saturar a sus empleados. Los mismos conceptos que se han discutido en la configuración de la tienda son también aplicables en los centros de distribución y almacenes. Con el tiempo, comparar los pronósticos de carga de trabajo a largo plazo con la disponibilidad de la plantilla permite a los retailers identificar fácilmente y prevenir escenarios de exceso o escasez de personal con mucha antelación.
