Gebruik 1: Optimalisatie van personeel voor piekuren in de detailhandel
Scenario
Een grote winkelketen ervaart gedurende de dag wisselende klantenbezoekers. Tijdens piekuren, zoals lunchpauzes of avonden, nemen klanten aanzienlijk toe, wat meer kassamedewerkers en vloerpersoneel vereist. Echter, er zijn minder medewerkers nodig tijdens de laagste uren om de loonkosten te verlagen.
Oplossing
Gebruik arbeidsnormen met lineaire regels om het aantal benodigde kassamedewerkers te voorspellen op basis van verwachte verkooptransacties tijdens piekuren.*
Configureer dynamische regels om rekening te houden met verschillende productiviteitsniveaus (bijvoorbeeld snellere transactieverwerking tijdens piekuren).
Meestal gebruik je lineaire of dynamische regels, niet beide, omdat het combineren ervan het aantal hoofden kan overschatten door de behoeften die uit elke regel zijn berekend.
Lineaire regels werken mogelijk het beste voor kassamedewerkers, omdat hun transactiesnelheid doorgaans consistent blijft ongeacht de wachtrijlengte.
Dynamische regels daarentegen kunnen geschikter zijn voor vloermedewerkers, omdat zij doorgaans minder tijd per klant besteden wanneer het aantal klanten toeneemt.
Voer minimale regels in om ervoor te zorgen dat er tijdens winkeluren altijd minstens één manager aanwezig is.
Minimumregels of statische regels kunnen in winkels worden gebruikt om ervoor te zorgen dat iemand 15 minuten voor en na openingstijd begint te werken om de winkel te openen en te sluiten, wat een heel veelvoorkomend scenario is.
Uitkomst
Het optimale personeelsbestand zorgt voor voldoende personeel tijdens piekuren, terwijl overbezetting in rustigere periodes wordt geminimaliseerd en de klantenservice en arbeidsefficiëntie verbetert.
* We gebruiken historische verkoopgegevens om toekomstige verkopen te voorspellen, maar voor arbeidsnormen passen we lineaire regels toe op basis van de verwachte toekomstige verkopen.
Use case 2: Arbeidsnormen beheren op meerdere locaties
Scenario
Een fastfoodfranchise opereert op verschillende locaties met verschillende productiviteitsniveaus door verschillen in apparatuur (bijvoorbeeld oudere machines in één vestiging doen er langer over om voedsel te bereiden).
Oplossing
Stel locatie-specifieke arbeidsnormen in om verschillen in productiviteit per eenheid te weerspiegelen.
Gebruik bijvoorbeeld een andere arbeidsnorm voor een vestiging met een tragere koffiemachine, waarbij het aantal benodigde barista's wordt aangepast.
Gebruik statische regels om ervoor te zorgen dat er altijd een vast aantal sleutelrollen (bijvoorbeeld één manager en twee kassamedewerkers) op alle locaties wordt bemand.
Uitkomst
Elke locatie werkt efficiënt volgens haar unieke behoeften en de loonkosten worden geoptimaliseerd zonder concessies te doen aan de servicekwaliteit.
Use Case 3: Het automatiseren van het aanmaken van roosters voor een callcenter
Scenario
Een klantenservicecallcenter moet personeelsbezetting afstemmen op prognoses voor het aantal oproepen om serviceniveauovereenkomsten (SLA's) te handhaven. Tijdens piekuren zijn meer agenten nodig, terwijl er in periodes met lage vraag minder agenten nodig zijn.
Oplossing
Gebruik Dynamische Regels om verwachte oproepvolumes te koppelen aan het vereiste aantal agenten per uur.
Pas Min/Max-regels toe om ervoor te zorgen dat er een minimum aantal agenten beschikbaar is om onverwachte oproeppieken af te handelen, maar niet de maximale capaciteit overschrijden vanwege beperkte zitplaatsen.
Maak gebruik van de Auto Schedule-functie om diensten te genereren op basis van optimale personeelsaantallen en beschikbaarheid.
Uitkomst
Het callcenter behaalt consistente SLA, vermindert de inactieve tijd van agenten en voorkomt overbezetting tijdens periodes met weinig drukte, waardoor kosten bespaard worden en de servicekwaliteit behouden blijft.