Workforce Analytics: podaci o rasporedu za bolje odluke

Što je workforce analytics?

Prošlog mjeseca jedan regionalni lanac restorana otkrio je da troši 14.000 dolara kvartalno na prekovremeni rad — samo u tri lokacije. Direktor operacija nije imao pojma sve dok netko nije izvukao podatke iz rasporeda u tablicu. Četrnaest tisuća dolara, curilo je smjena po smjenu, tjedan po tjedan.

Upravo takav problem rješava workforce analytics. Ne složenom umjetnom inteligencijom ili nadzornim pločama strojnog učenja (to dolazi kasnije, ako vam bude trebalo), već jednostavnom navikom: pratiti podatke koje vaš tim već generira i koristiti ih za donošenje odluka umjesto pretpostavki.

U osnovi, workforce analytics znači mjeriti što vaši ljudi rade — kada se prijave, koliko dugo ostaju, koje smjene imaju manjak osoblja, tko se javlja bolestan, koji odjeli koštaju najviše — i pretvoriti te informacije u akciju. Nalazi se negdje između HR izvještavanja i operativne inteligencije, a za tvrtke sa smjenskim radom često je razlika između učinkovitog poslovanja i financijskih gubitaka. (Ako još gradite HR temelje, počnite s priručnikom za zaposlenike — analytics dolazi odmah nakon što su osnove postavljene.)

Zašto je workforce analytics važan za tvrtke sa smjenskim radom

Uredske tvrtke mogu si priuštiti nepreciznost u broju zaposlenika. Nekoliko dodatnih ljudi na platnoj listi može koštati novca, ali posao se ne zaustavlja. Tvrtke sa smjenskim radom — maloprodaja, ugostiteljstvo, zdravstvo, logistika — nemaju tu luksuznost. Jedna nepokrivena smjena znači čekanje klijenata, zakašnjele narudžbe ili pacijente bez nadzora.

Workforce analytics daje tim tvrtkama tri stvari koje drugačije ne mogu dobiti:

Ključne metrike u workforce analyticsu

Ne morate pratiti sve. Počnite s brojevima koji zaista mijenjaju odluke. Evo metrika koje su najvažnije operativnim timovima koji upravljaju satnim i smjenskim radnicima:

Cilj nije izgraditi nadzornu ploču s 30 KPI-ja. Radi se o odabiru tri ili četiri koja su vezana uz probleme koje zaista rješavate — i dosljednom praćenju sve dok trendovi ne postanu vidljivi.

Workforce analytics vs. HR analytics vs. people analytics

Ovi pojmovi se koriste naizmjenično, i iskreno, granice su nejasne. Ali praktična razlika je bitna kada odlučujete na što se usredotočiti.

Za većinu tvrtki sa smjenskim radom, workforce analytics je polazišna točka. Prvo ispravno postavite operativne podatke. Strateški slojevi mogu doći kada imate pouzdanu osnovu podataka o rasporedu, prisutnosti i troškovima.

Kako početi s workforce analyticsom (bez podatkovnog tima)

Ne trebate BI alat, skladište podataka ni dediciranog analitičara. Ako imate softver za raspored smjena koji prati sate i prisutnost, već imate sirovi materijal. Evo kako ga iskoristiti.

Korak 1: Definirajte pitanje, ne metriku

Ne počinjite s „pratimo izostanke." Počnite s „zašto nam uvijek nedostaje osoblje u subotnjoj jutarnjoj smjeni?" Pitanje vam govori što mjeriti. Metrike bez pitanja su samo brojevi na ekranu.

Korak 2: Izvucite 90 dana podataka o rasporedu

Sve kraće od tri mjeseca neće pokazati obrasce — pokazat će samo šum. Izvezite podatke o smjenama, evidencije dolazaka i odlazaka, izostanke i prekovremene sate. Ako vaš alat ima ugrađene izvještaje i analitiku, počnite tamo umjesto izvoza u tablice.

Korak 3: Najprije potražite odmake od prosjeka

Koja lokacija ima najviše prekovremenih? Koja smjena ima najveću stopu izostanaka? Koja uloga ima najbrže tekućestvo? Odmaci su tamo gdje su novci — i oni koje gubite i oni koje možete uštedjeti.

Korak 4: Napravite jednu promjenu i izmjerite rezultat

Analytics nije koristan ako ne vodi do akcije. Ako su petkovni prekovremeni konstantno visoki, pokušajte prilagoditi petkovski raspored — dodajte zamjenskog radnika, pomaknite početke smjena, rasporedite vršno opterećenje. Zatim mjerite četiri tjedna. Je li funkcioniralo? Za koliko? To je petlja povratnih informacija koja čini analytics vrijednim.

Korak 5: Izgradite naviku tjednog pregleda

Najčešći razlog neuspjeha nisu loši podaci ili loši alati — već to da se jednom pogleda u brojke pa se vrati odlučivanju prema osjećaju. Rezervirajte 15 minuta tjedno za pregled tri ključne metrike. Neka to bude sastanak, neka to bude navika, neka to bude neupitna obaveza.

Česte pogreške u workforce analyticsu

Praćenje previše metrika. Ako pratite 20 KPI-ja, zapravo ne pratite nijedan. Odaberite tri koja su vezana uz stvarne poslovne rezultate — troškovi rada, praznine u pokrivenosti i fluktuacija solidni su početni trojac za većinu operacija.

Miješanje izvještavanja s analyticsom. Izvještavanje vam govori što se dogodilo. Analytics vam govori zašto se dogodilo i što poduzeti. Izvješće koje kaže „prekovremeni su prošlog mjeseca bili 18%" je korisno. Znati da 70% tih prekovremenih dolazi od trojice zaposlenika koji pokrivaju poziciju koja je nepopunjena šest tjedana — to je analytics.

Korištenje podataka iz nepouzdanih izvora. Ako je evidencija radnog vremena nedosljedna — jedni koriste aplikaciju, drugi papirnate tablice, a neki su samo označeni kao „prisutni" od strane menadžera — analytics će biti bezvrijedan. Dosljedna evidencija podataka je nulti korak. Sve ostalo ovisi o tome.

Ignoriranje ljudskog konteksta. Brojevi ne objašnjavaju sve. Ako izostanci naglo porastu u jednom odjelu, podaci će pokazati skok — ali još uvijek morate razgovarati s ljudima da biste saznali radi li se o izgaranju, lošem menadžeru ili gripe koja se širi. Analytics usmjerava razgovor. Ne zamjenjuje ga.

Što tražiti u alatu za workforce analytics

Enterprise platforme poput Visiera ili Workdaya koštaju šestocifren iznos i implementacija traje mjesecima. Većina tvrtki sa smjenskim radom to ne treba. Što trebaju jest softver za planiranje smjena koji ujedno funkcionira kao analitički motor — prateći podatke kako nastaju i prikazujući uvide bez odvojenog BI sloja.

Što je važno:

• Podaci o prisutnosti i satima u stvarnom vremenu (ne izvozi na kraju obračunskog razdoblja)
• Praćenje prekovremenih s upozorenjima prije dosezanja ograničenja
• Obrasci izostanaka i nedolazaka po ulozi, lokaciji i smjeni
• Projekcije troškova rada vezane uz raspored (ne samo povijesna izvješća)
• Izvozivi podaci za dublje analize u tablici

Shifton je izgrađen točno za ovaj slučaj upotrebe — planiranje smjena s ugrađenom analitikom koju operativni timovi mogu koristiti bez analitičara podataka u osoblju. Podaci su tamo gdje se odvija rad, a ne u odvojenom sustavu koji morate posebno pamtiti provjeriti.

Česta pitanja o workforce analyticsu