Partie 3 : Gérer l’incertitude avec les prévisions et la planification des capacités

Blog

Les deux derniers articles de cette série expliquaient comment :

Nous sommes maintenant presque prêts à commencer à optimiser notre main-d’œuvre, c’est-à-dire à faire correspondre la capacité de la main-d’œuvre (les employés par compétence) aux ordres de travail ou à la demande de travail. Si vous êtes novice en matière d’optimisation de la main-d’œuvre, cela peut sembler facile – et c’est le cas dans certaines industries. Mais dans d’autres, cela devient rapidement extrêmement complexe. Voyons pourquoi.

Pour l’optimisation des effectifs, la prévision consiste à prévoir la demande future de travail à effectuer.

Certaines demandes futures sont faciles à prévoir. Par exemple, une chaîne hôtelière peut savoir quelle quantité de restauration sera nécessaire le mois prochain en se basant sur les réservations de salles de banquet.

D’autres types de demande de main-d’œuvre sont plus difficiles à prévoir. Imaginez un centre d’appel qui traite un grand nombre d’appels ou un hôpital qui s’occupe de patients souffrant d’un grand nombre de maladies et de blessures. De nombreux facteurs peuvent influencer la demande de main-d’œuvre à des degrés divers :

  • Les données météorologiques pourraient être en corrélation avec certaines maladies
  • Les données relatives aux points de vente pourraient être en corrélation avec la demande d’assistance du centre d’appel liée à certains produits.
  • Les données satellitaires relatives aux parkings pourraient être une indication de l’affluence à l’intérieur des bâtiments, ce qui pourrait être en corrélation avec la propagation de maladies.
  • Les taux de criminalité locaux pourraient être en corrélation avec les blessures causées par des armes à feu ou des couteaux.
  • Les données du centre de test Covid pourraient être en corrélation avec la demande d’unités de soins intensifs dans les hôpitaux.

Diverses méthodes d’intelligence artificielle (IA) et de Machine Learning (ML) sont couramment utilisées pour prévoir la demande dans des situations de ce type. À un niveau très élevé, ces méthodes consistent à analyser de grandes quantités de données historiques et à dériver un modèle mathématique (formule) basé sur les facteurs détectés de cette demande. Ce modèle peut ensuite être appliqué pour prédire l’avenir. Cette « prévision de la demande » peut ensuite alimenter tous les systèmes en aval qui soutiennent la prise de décision, tels que les systèmes de planification de la main-d’œuvre et d’ordonnancement dont nous parlerons dans les prochains articles.

Qu’est-ce que la planification des capacités et pourquoi est-ce difficile ?

La planification des capacités de main-d’œuvre consiste à s’assurer que l’on dispose de la bonne taille et de la bonne combinaison de main-d’œuvre pour répondre à la demande prévue.

Cela peut sembler facile, mais la planification de la capacité de main-d’œuvre est un véritable défi, car la capacité de main-d’œuvre humaine n’est pas instantanément disponible à la demande dans des tranches de temps distinctes, comme c’est le cas, par exemple, pour les ressources de l’informatique en nuage (cloud computing). Les travailleurs sont embauchés, formés et conservés à long terme, que ce soit en tant que sous-traitants ou employés. Ils travaillent par roulement et sont soumis à de nombreuses contraintes en matière de temps de travail et de durée. Il peut sembler étrange de présenter les choses ainsi, mais si nous voulons tirer parti des logiciels d’IA pour optimiser la façon dont les effectifs sont planifiés et programmés, c’est de cette façon que la capacité doit être modélisée de manière programmatique.

D’autres facteurs rendent la planification des capacités difficile :

  • La disponibilité des employés est en constante évolution et souvent incertaine en raison de la rotation du personnel, des maladies et d’autres absences imprévues.
  • La capacité de la main-d’œuvre est répartie en fonction des compétences et de l’expertise. Il se peut que vous ayez apparemment un effectif total suffisant, mais que vous ne disposiez pas de la bonne combinaison de compétences pour répondre à la demande.
  • Il arrive que des fonctions différentes aient des compétences qui se chevauchent, ce qui doit être correctement pris en compte.
  • Les employés acquièrent constamment de nouvelles compétences qui doivent être prises en compte. Ces nouvelles compétences sont idéalement basées sur les recommandations des systèmes de planification basés sur l’optimisation. Ce point sera abordé plus loin dans ce guide, dans la partie consacrée à la planification stratégique.

Voici un exemple d’écran de planification de la capacité pour un centre de contact qui crée des horaires quotidiens optimisés pour les agents. Chaque ligne représente le planning d’un agent. La couleur de la case indique le type de travail assigné par période de temps (réponse au téléphone, réponse au courrier électronique, travail administratif, etc.) On remarque que les agents sont généralement affectés à la même tâche pendant de longues périodes, voire pendant toute l’équipe, afin de réduire l’inefficacité liée au changement de tâche. On constate également que les horaires quotidiens sont limités par le nombre total d’heures et que des pauses obligatoires sont prévues. Le deuxième graphique montre dans quelle mesure l’horaire répond à la demande. La capacité de travail, indiquée en gris, est généralement supérieure à la demande, sauf tôt le matin, vers 1h30, lorsque le centre d’appel est légèrement en sous-effectif.

Capacity Planning System for Call Center

Figure 1 : Système de planification des capacités pour un centre d’appel

Comment optimiser les plans de capacité

Maintenant que nous avons une bonne compréhension de ce que sont la prévision de la demande et la planification de la capacité, nous pouvons commencer à réfléchir à la manière de créer des plans de capacité optimisés. C’est d’ailleurs le sujet des trois prochains billets de cette série. En effet, l’optimisation de la planification des capacités peut rapidement devenir très complexe.

Afin de réduire la complexité, les praticiens de l’industrie segmentent généralement les problèmes de planification de la capacité en 3 types de problèmes basés sur l’horizon temporel considéré : la planification stratégique de la capacité (~ annuelle), la planification tactique de la capacité (~ mensuelle) et la planification opérationnelle (~ quotidienne/horaire). L’optimisation peut être appliquée à chacun de ces trois types de problèmes individuellement, mais lorsqu’elle est appliquée aux trois, les résultats sont maximisés.

Workforce time horizons

Consultez notre prochain article pour une discussion approfondie sur les sujets suivants planification opérationnelle dans lequel nous expliquons en détail ce qui se passe lors de la création d’un programme comme celui présenté ci-dessus.

Conclusion

Les prévisions et les plans de capacité sont des éléments essentiels des systèmes de planification et d’ordonnancement. Lorsqu’elles sont effectuées correctement, les prévisions et la planification des capacités permettent aux dirigeants de prendre des décisions éclairées en matière d’embauche, de formation, d’approbation des congés et de planification afin de réduire les coûts et le taux de rotation des employés tout en maximisant les niveaux de service.

Pour commencer avec l’optimisation, lisez la suite : Partie 4 Planification opérationnelle

Les prochains articles de cette série sur l’optimisation des effectifs seront les suivants :
Introduction à notre série l’optimisation des effectifs
Partie 1 : Cataloguer les compétences et les activités professionnelles des employés
Partie 2 : L’étalonnage des mesures de performance
Partie 4 Planification opérationnelle
Partie 5 Planification tactique
Partie 6 Planification stratégique

Vous ne pouvez pas attendre ? Téléchargez dès maintenant le guide PDF complet pour accéder immédiatement au contenu.

À propos de l’auteur
Giulia Burchi est analyste commerciale senior chez DecisionBrain. Elle possède une vaste expérience dans la fourniture de solutions avancées de planification, d’ordonnancement et d’optimisation de la main-d’œuvre à des organisations dotées d’équipes importantes ou distribuées. Elle est titulaire d’une maîtrise en génie industriel de l’Université de Bologne en Italie.