Détail pharmaceutique · Europe

Douze pour cent de moins sur la masse salariale, à partir de vingt magasins.

Client
L'un des plus grands groupes pharmaceutiques d'Europe (nommé sur demande, sous référence)
Secteur
Distribution pharmaceutique en gros et pharmacie de détail
Région
Europe
Effectif
40 000+ employés, l'un des plus grands effectifs pharmaceutiques d'Europe
Empreinte
2 700+ pharmacies en propre et 161 centres de distribution dans plus de 20 pays
Défi
Prévoir la demande de main-d'oeuvre par site, par jour et par heure avec assez de justesse pour lui confier la masse salariale, magasin par magasin
Solution
WorkAxle Prévision de la demande, bâtie sur les propres données du groupe, puis Planification
Déploiement
Un projet pilote d'environ 20 magasins dans un marché, porté à ~100, puis étendu à l'échelle du continent
Résultat clé
12 % d'économies sur les coûts salariaux

Commencer par la prévision, pas par l'horaire.

Le client est l'un des plus grands groupes européens de distribution pharmaceutique en gros et au détail, exploitant un réseau de pharmacies dans plus d'une vingtaine de marchés européens, avec 40 000+ employés, 2 700+ pharmacies en propre et 161 centres de distribution. La plupart des projets d'effectifs commencent par un horaire. Ce groupe a fait l'inverse. Il a commencé par la prévision.

La question par laquelle personne d'autre ne commence.

Chaque minute d'attente d'un client dans une pharmacie est un risque de satisfaction et un risque de revenus. Mais une pharmacie ne peut pas simplement surdoter pour échapper à ce risque, car les marges ne le permettent pas. La vraie question n'a donc jamais été comment affecter le quart. C'était comment savoir, par site, par jour, par heure, combien de personnes le comptoir aurait réellement besoin avant même la publication de l'horaire.

Sur des milliers de pharmacies, dans des marchés aux achalandages, saisons et règles locales différents, cette question n'avait pas de réponse standard. Certains sites surdotaient et gaspillaient de l'argent; d'autres sous-dotaient et gaspillaient la bonne volonté. La variance elle-même était le problème, et elle était gérée par habitude historique et le jugement d'un gestionnaire. Le groupe avait des années de données opérationnelles et aucun système pour les convertir en une prévision de dotation exploitable par un planificateur.

La question a donc cessé d'être quelle plateforme avait le plus de fonctionnalités. Elle est devenue : une prévision bâtie sur leur propre historique pouvait-elle prédire la demande assez bien pour qu'on lui confie la masse salariale, magasin par magasin, pays par pays?

Mériter chaque expansion par des résultats.

Plutôt que d'engager tout le continent sur la promesse d'un fournisseur, le groupe a fait mériter à WorkAxle chaque expansion par des résultats. WorkAxle a bâti un modèle de prévision de la demande à partir de la réalité opérationnelle du groupe, les tendances d'achalandage, les ratios pharmacien-clients, les minimums de dotation réglementaires, les cibles de coût de main-d'oeuvre, puis l'a testé contre deux ans de données opérationnelles réelles du groupe.

Pas une démo sur des chiffres synthétiques. Une validation contre la performance réelle des magasins, des tendances de dotation réelles et des résultats clients réels. Avec un modèle validé par les données en main, la direction a approuvé un projet pilote en direct sur ses propres chiffres, non sur une projection de vente.

Le prouver dans vingt magasins, puis mériter les cent suivants.

Prévision de la demande Planification et affectation

WorkAxle a déployé la prévision de la demande dans environ vingt pharmacies d'un marché européen. Le pilote a testé le modèle en conditions réelles d'exploitation, avec de vrais pharmaciens, un vrai achalandage et de vraies variations saisonnières. Pharmaciens et gérants ont fait remonter ce que la prévision réussissait et ratait sur le terrain, et le modèle a été affiné selon cette rétroaction.

Ce n'est qu'ensuite que le groupe a passé à l'échelle, s'étendant à environ cent magasins du réseau de ce pays. Le même modèle est maintenant étendu à d'autres marchés de l'empreinte du groupe, soit 2 700+ pharmacies dans plus d'une vingtaine de pays. Vingt magasins, puis cent, puis le continent : chaque étape validée avant le début de la suivante.

La différence tenait à trois choses : le modèle était bâti sur l'historique propre du groupe, de sorte qu'il prédisait leur demande plutôt que celle d'une pharmacie générique; le déploiement était par étapes, de sorte que personne n'avait à parier des milliers de sites sur la foi; et la prévision menait la marche au lieu de suivre la planification.

Ce que la prévision a rapporté.

Coût salarial
12 %
Économie sur les coûts salariaux grâce à une dotation guidée par la demande
RSI complet
6-8 sem
RSI de 100 % en six à huit semaines après la mise en service
Déploiement
20→100
Piloté dans ~20 magasins, porté à ~100, puis étendu au continent
Base du modèle
2 ans
Bâti et validé sur deux ans de données opérationnelles propres au groupe

Ces 12 % méritent qu'on s'y arrête, à cause de leur origine. Quand la prévision dit avec justesse qu'un après-midi a besoin de trois pharmaciens au lieu de quatre, l'économie est petite pour ce seul quart et grande sur l'ensemble. Multipliez-la par des centaines de quarts, sur des centaines de magasins, chaque semaine, et un seul point de pourcentage de justesse se traduit en argent réel retranché de la masse salariale. Les petits pourcentages se composent à grande échelle, et les économies salariales ont remboursé la totalité de l'investissement du groupe en six à huit semaines après la mise en service.

La plateforme derrière l'histoire.

WorkAxle est une plateforme de gestion des effectifs d'entreprise axée sur la conformité, conçue pour les organisations réglementées dont les effectifs sont multijuridictionnels et multisyndicaux. De la prévision de la demande à l'intégration de la paie, elle constitue la couche opérationnelle des entreprises dont les règles de travail sont trop complexes pour des outils génériques. WorkAxle est un Workday Innovation Partner (Silver), Design Approved et inscrit sur le Workday Marketplace, et un partenaire SAP (SAP PartnerEdge) doté d'une intégration SAP SuccessFactors.

À propos de cette étude de cas.

Dans quel secteur évolue ce client?

Distribution pharmaceutique en gros et au détail. L'un des plus grands groupes pharmaceutiques d'Europe, exploitant 2 700+ pharmacies en propre et 161 centres de distribution dans plus d'une vingtaine de pays européens.

Par quel module WorkAxle ont-ils commencé?

La Prévision de la demande. Le groupe a mené avec la prévision plutôt qu'avec la planification, prouvant le modèle sur ses propres données avant de passer à l'échelle.

Comment le déploiement était-il structuré?

Un déploiement par étapes et à risque réduit : un pilote d'environ 20 magasins dans un marché, porté à ~100 magasins, puis étendu au continent, chaque étape validée sur des résultats mesurés avant le début de la suivante.

Quels ont été les résultats?

Une économie de 12 % sur les coûts salariaux grâce à une dotation guidée par la demande, avec un RSI de 100 % en 6 à 8 semaines.

Prêt à obtenir des résultats comme ceux-ci dans votre organisation?

Découvrez d'autres histoires clients.

Parcourez les études de cas par secteur, module ou défi pour trouver celle qui ressemble le plus à votre organisation.

Explorez la plateforme pour votre secteur.

Découvrez comment la prévision de la demande et la planification de WorkAxle servent les opérations de santé et de pharmacie.

Voyez comment WorkAxle peut produire des résultats similaires.

Apportez votre scénario le plus difficile à une démo de 30 minutes. Nous ferons le calcul sur vos propres chiffres.