Данные по учёту рабочего времени, истории продаж или динамике других бизнес-показателей. Они нужны, чтобы планировать рабочие смены и автоматически распределять их между сотрудниками. После того, как мы узнали, с какими системами вы работали до нас, наши менеджеры помогут сформулировать бизнес-требования и ограничения проекта. Так мы лучше будем понимать друг друга.

Можно только на основе исторических данных. Это значит, что WFM распределит смену именно так, как это делалось раньше (в тот же период прошлого года). А можно планировать персонал с учётом динамики прошлых и текущих бизнес-показателей.

> Ритейл после бурного покупательского всплеска на "чёрную пятницу" столкнулся с резким падением выручки. > Но прошла неделя и в двух днях продаж подряд система видит рост числа чеков в конкретном магазине. > Логики в этом нет: место не самое проходное, продавцы не лидеры месяца, маркетинг с чувством выполненного долга отсыпается. > В такой ситуации WFM молча корректирует прогноз по персоналу на следующий день. > Менеджеру останется определиться, он хочет доп. персоналом перекрыть весь день или только те часы, в которые был зафиксирован всплеск. > Менеджер делает такой интервал рабочей сменой. Теперь на неё может претендовать любой сотрудник из доступных.

Учитывается потребность в персонале, квалификация сотрудника и ограничения, данные нам Трудовым кодексом. Человек не сможет работать по 16 часов 7 дней в неделю. Но, при нужных настройках, сможет отработать 8 часов на одной позиции и 4 часа совместителем на другой в рамках одного дня. Что касается свободы выставления и выбора желаемого графика, то после первого опыта пользователей сейчас нам её приходится ограничивать. К примеру, в WFM от TARGControl можно создать настройку, при которой на открытую смену можно директивно назначать сотрудника, если к заданному нами моменту никто не отозвался на эту возможность.

Модуль прогнозирования нужен тогда, когда мы говорим о сезонности или оборачиваемости бизнеса. Так что, если вы хотите спрогнозировать нагрузку на март, желательно иметь эти данные за март предыдущего года. Чем больше данных (больше лет истории учтено), тем лучше. Как правило, мы извлекаем данные из текущих систем клиента и на этом строим прогноз TARGControl. Возможен и второй вариант. Если оцифрованных данных по истории продаж или графиков персонала у вас не было, можно поэтапно обучать систему. Сперва пройдёте стадию пилотного проекта в рамках одного объекта, а уже после будете применять полученные датасеты по отношении ко всем объектам сети.

Можете с точностью до минуты. Главное, чтобы это не противоречило законодательству. Производственные и обеденные перерывы, отпуска и больничные - часть системы, которую вы можете сконструировать под свои задачи. К примеру, интервал времени, под который было создано календарное событие "Корпоратив", может учитываться как рабочее.