Aplicación de Aprendizaje Enfocado en la Decisión en optimización de dotación de personal en retail.

Abstract

En el sector minorista, las ventas de una tienda están relacionadas con el tráfico de clientes y el personal que lo atiende, por lo mismo, las ventas mejoran si se tiene el personal suficiente para satisfacer a los clientes. No obstante, los factores que logran determinar cuál es una cantidad de personal óptima en cada bloque horario por turno es un problema complejo de resolver. Una de las razones radica en la incertidumbre que hay en la relación entre las ventas y la cantidad de personal requerido, siendo un desafío en la gestión de turnos para una empresa. El propósito de esta memoria es resolver un problema de dotación de personal en el cual el impacto que tiene la fuerza laboral en las ventas es incierto. Para estimar este parámetro desconocido, se realizará una comparación de dos metodologías de aprendizaje: enfocado en la predicción y enfocado en la decisión. En el primer caso, el modelo de aprendizaje se entrena minimizando el error de predicción y en el segundo caso minimizando el impacto en el proceso de decisión. Este último método está basado en lo que plantean Elmachtoub y Grigas (2022) en su artículo “Smart: Predict, then Optimize”. Para la metodología enfocada en la decisión, se evaluaron distintas funciones de pérdida para estimar los parámetros necesarios para predecir las ventas. Además, se evaluó la eficacia en términos de error de predicción y error de decisión. Los principales hallazgos obtenidos concluyen que al aplicar metodologías de Aprendizaje Enfocado en la Decisión se puede tener mayores ganancias económicas. Los resultados obtenidos respaldan la hipótesis de que el enfoque de Aprendizaje Enfocado en la Decisión supera al enfoque de Aprendizaje Enfocado en la Predicción para la toma de decisiones de personal. Por ende, la manera en la que se predice un parámetro incierto para un modelo de optimización influye y tiene un impacto económico. Aunque este estudio tiene ciertas limitaciones, contribuye en la comprensión de una nueva metodología que predice inteligentemente parámetros desconocidos, logrando asociarla a un desafío real de la industria.