Our AI-generated summary
Our AI-generated summary
Uma das principais redes europeias de varejo alimentar, a MC, firmou parceria com a LTPlabs para repensar a forma como prepara sua força de trabalho para o futuro. Diante de mudanças no comportamento do consumidor, novos formatos de loja e uma pressão crescente sobre os custos de pessoal, a empresa precisava de uma abordagem estruturada para antecipar suas necessidades de equipes e alinhá-las aos objetivos estratégicos de longo prazo.
O objetivo era claro: criar um plano de força de trabalho com visão de futuro, flexível, eficiente em custos e orientado por dados, com profissionais preparados para novas tecnologias e equipados com a combinação certa de competências técnicas e comportamentais, alinhadas às prioridades estratégicas da MC.
O desafio
O planejamento tradicional da força de trabalho já não era suficiente. A oferta e a procura de profissionais frequentemente ficavam desalinhadas entre lojas e funções, e a tomada de decisão dependia em grande parte de análises pontuais, em vez de evidências analíticas sistematizadas. A empresa precisava compreender melhor as competências individuais e o potencial de cada colaborador, para extrair o melhor de cada pessoa. Isso implicava melhorar a alocação de profissionais às funções certas e garantir a contratação dos perfis adequados para as necessidades futuras.
Ao mesmo tempo, a organização tinha objetivos ambiciosos relacionados à requalificação, ao desenvolvimento de competências e ao equilíbrio entre colaboradores em regime de tempo parcial e integral.
Este contexto levantou uma questão central: como pode a MC preparar a sua força de trabalho para a loja do futuro de forma simultaneamente operacionalmente realista e estrategicamente sólida?
Nossa abordagem
A LTPlabs desenvolveu uma solução de planejamento estratégico da força de trabalho de ponta a ponta que combina machine learning, segmentação, simulação de cenários e otimização em larga escala utilizando o Gurobi. O ponto de partida foi um modelo preditivo capaz de estimar a rotatividade voluntária com base em variáveis como tempo de casa, desempenho, tipo de contrato, perfil de competências e fatores do mercado de trabalho local. Isso permitiu ao varejista alimentar antecipar lacunas na força de trabalho antes mesmo que elas ocorressem.
Para compreender melhor o potencial de mobilidade interna, os colaboradores de cada função foram agrupados em personas, definidas a partir de critérios como desempenho, potencial, proficiência tecnológica e carga de trabalho. Essa segmentação baseada em personas tornou possível identificar profissionais prontos para promoção, aqueles mais adequados a movimentos horizontais e os que necessitavam de desenvolvimento, sempre em conformidade com as regras do RGPD (GDPR).
No centro da solução está um modelo de otimização robusto, projetado para gerar planos plurianuais de força de trabalho com custo mínimo.
Ele considera remuneração, contratação, mobilidade interna e desligamentos, respeitando restrições operacionais e estratégicas. Essas restrições vão desde limites entre folha de pagamento e vendas e metas de escolaridade até proporção de trabalho parcial, regras de mobilidade e requisitos de competências. O modelo também garante que as trajetórias da força de trabalho sejam consistentes com os objetivos estratégicos definidos para cada ano.
Ao quantificar esses objetivos e conectá-los a ações concretas, ele permite antecipar movimentos atuais — como contratações ou mobilidades — necessários hoje para alcançar, no futuro, o perfil desejado de força de trabalho e de capacidades. O modelo permite aos usuários simular cenários alternativos e comparar os efeitos de diferentes escolhas estratégicas, como crescimento salarial, políticas de mobilidade mais rígidas, metas mais altas de qualificação, entre outras.
Impacto
A MC passou a ter a capacidade de produzir planos otimizados de força de trabalho em minutos, em vez de semanas.
Cada plano fornece orientações ao nível da loja sobre quantas pessoas contratar, transferir ou requalificar, juntamente com a evolução esperada da força de trabalho e os custos associados.
Mais importante, esses planos agora antecipam as necessidades futuras da força de trabalho, permitindo que a organização aja de forma proativa, em vez de reativa. Com essa visibilidade prospectiva, os tomadores de decisão podem quantificar trade-offs entre objetivos concorrentes (por exemplo, melhorar competências enquanto controlam custos, ou aumentar a flexibilidade sem comprometer a estabilidade) e tomar ações oportunas que alinhem as decisões de hoje às metas estratégicas de amanhã.
A solução também reforçou a capacidade da empresa de testar cenários “e se”. Os líderes podem explorar como tendências externas — desde a inflação salarial até mudanças no desemprego — podem impactar a disponibilidade futura, a composição da força de trabalho e as necessidades orçamentárias. Essa visão transformou o planejamento de equipes, antes uma tarefa administrativa reativa, em uma capacidade estratégica.
O projeto demonstrou o poder de combinar análise preditiva com otimização para lidar com dinâmicas complexas de força de trabalho.
Our AI-generated summary
Our AI-generated summary
