Darbaspēka analītika: kā izmantot grafiku datus gudrākiem lēmumiem

Kas ir darbaspēka analītika?

Pagājušajā mēnesī reģionāls restorānu tīkls atklāja, ka tērē 14 000 dolāru ceturksnī virsstundām — tikai trīs atrašanās vietās. Operāciju direktoram par to nebija ne jausmas, līdz kāds ielādēja grafiku datus izklājlapā. Četrpadsmit tūkstoši dolāru, kas tecēja ārā maiņu pa maiņai, nedēļu pa nedēļai.

Tieši šāda veida problēmu risina darbaspēka analītika. Ne ar sarežģītu mākslīgo intelektu vai mašīnmācīšanās informācijas paneļiem (tie nāk vēlāk, ja vispār ir nepieciešami), bet ar vienkāršu ieradumu: skatīties uz datiem, ko komanda jau ģenerē, un izmantot tos lēmumu pieņemšanai nevis pieņēmumiem.

Būtībā darbaspēka analītika nozīmē mērīt, ko jūsu darbinieki dara — kad viņi reģistrējas darbā, cik ilgi paliek, kuras maiņas ir nepietiekami nodrošinātas, kurš neierodas, kuras nodaļas maksā visvairāk — un pārvērst šo informāciju darbībās. Tā atrodas starp HR atskaišu veidošanu un operatīvo izlūkošanu, un maiņu uzņēmumiem tas bieži vien ir atšķirība starp efektīvu darbību un naudas izšķērdēšanu. (Ja joprojām veidojat HR pamatus, sāciet ar darbinieka rokasgrāmatu — analītika nāk tūlīt pēc pamatu izveidošanas.)

Kāpēc darbaspēka analītika ir svarīga maiņu uzņēmumiem

Biroja uzņēmumi var atļauties būt neskaidri par darbinieku skaitu. Daži papildu cilvēki algās var maksāt naudu, bet ēka nesakritīs. Maiņu uzņēmumi — mazumtirdzniecība, viesmīlība, veselības aprūpe, loģistika — nevar atļauties šo greznību. Viena nenosegta maiņa nozīmē gaidošus klientus, kavētus pasūtījumus vai bez uzraudzības atstātus pacientus.

Darbaspēka analītika šiem uzņēmumiem nodrošina trīs lietas, ko citādā veidā iegūt nav iespējams:

Darbaspēka analītikas galvenie rādītāji

Nav nepieciešams izsekot visu. Sāciet ar skaitļiem, kas faktiski ietekmē lēmumus. Šeit ir rādītāji, kas ir vissvarīgākie operāciju komandām, kas pārvalda stundas un maiņu darbiniekus:

Mērķis nav izveidot informācijas paneli ar 30 KPI. Mērķis ir izvēlēties trīs vai četrus, kas saistīti ar problēmām, ko faktiski mēģināt atrisināt — un izsekot tiem pietiekami konsekventi, lai tendences kļūtu redzamas.

Darbaspēka analītika vs. HR analītika vs. cilvēku analītika

Šie termini tiek lietoti savstarpēji aizstājami, un godīgi sakot, robežas ir neskaidras. Taču praktiskā atšķirība ir svarīga, izlemjot, uz ko koncentrēties.

Lielākajai daļai maiņu uzņēmumu darbaspēka analītika ir sākumpunkts. Vispirms sakārtojiet operatīvos datus pareizi. Stratēģiskie slāņi var nākt, kad ir izveidots uzticams grafiku, apmeklējuma un izmaksu datu plūsmas pamats.

Kā sākt izmantot darbaspēka analītiku (bez datu komandas)

Jums nav nepieciešams BI rīks, datu noliktava vai speciāls analītiķis. Ja jums ir grafiku programmatūra, kas izseko stundas un apmeklējumu, jums jau ir nepieciešamais izejmateriāls. Lūk, kā to izmantot.

1. solis: Definējiet jautājumu, nevis rādītāju

Nesāciet ar "izsekosim prombūtnēm". Sāciet ar "kāpēc mums nedēļas nogales rītos vienmēr trūkst personāla?" Jautājums pateiks, ko mērīt. Rādītāji bez jautājumiem ir tikai ekrānā redzami skaitļi.

2. solis: Iegūstiet 90 dienu grafiku datus

Mazāk par trim mēnešiem modeļi nebūs redzami — būs redzams tikai troksnis. Eksportējiet maiņu datus, reģistrācijas laikus, neierašanos un virsstundas. Ja jūsu rīkam ir iebūvēta atskaišu veidošana un analītika, sāciet tur, nevis eksportējiet uz izklājlapām.

3. solis: Vispirms meklējiet novirzes

Kurai atrašanās vietai ir visvairāk virsstundu? Kurai maiņai ir augstākais neierašanās rādītājs? Kurai lomai ir ātrākā mainība? Novirzes ir tur, kur ir nauda — gan nauda, ko zaudējat, gan nauda, ko varat ietaupīt.

4. solis: Veiciet vienu izmaiņu un izmēriet rezultātu

Analītika nav noderīga, ja tā nenoved pie rīcības. Ja piektdienas virsstundas konsekventi ir augstas, mēģiniet pielāgot piektdienas grafiku — pievienojiet papildu darbinieku, mainiet darba sākuma laikus, sadaliet pīķa slodzi. Pēc tam mēriet četras nedēļas. Vai tas darbojās? Par cik? Tas ir atgriezeniskās saites cikls, kas padara analītiku vērtīgu.

5. solis: Izveidojiet iknedēļas pārskata ieradumu

Visbiežākais neveiksmes veids nav slikti dati vai slikti rīki — tas ir vienreizēja numuru apskatīšana un pēc tam atgriešanās pie intuitīviem lēmumiem. Rezervējiet 15 minūšu iknedēļas laiku trīs galveno rādītāju pārskatīšanai. Padariet to par sapulci, ieradumu, par kaut ko, no kā nevar atteikties.

Biežākās darbaspēka analītikas kļūdas

Pārāk daudz rādītāju izsekošana. Ja izsekojat 20 KPI, faktiski neizsekojat nevienu. Izvēlieties trīs, kas ir saistīti ar faktiskajiem biznesa rezultātiem — darbaspēka izmaksas, seguma robi un mainība ir laba sākotnējā trijotne lielākajai daļai operāciju.

Atskaišu jaukšana ar analītiku. Atskaites stāsta, kas notika. Analītika stāsta, kāpēc tas notika un ko darīt. Atskaite, kas saka "virsstundas pagājušajā mēnesī bija 18%", ir noderīga. Zināšana, ka 70% no tām virsstundām nāca no trim darbiniekiem, kuri sedza maiņas lomai, kas ir bijusi vakanta sešas nedēļas — tā ir analītika.

Datu izmantošana no netīriem avotiem. Ja laika uzskaite ir nekonsekventa — daži izmanto lietotni, citi papīra laika tabulas, un daži tiek vienkārši atzīmēti kā "klātesoši" no viņu vadītāja — jūsu analītika būs bezjēdzīga. Konsekventa datu vākšana ir nulles solis. Viss pārējais no tā ir atkarīgs.

Cilvēciskā konteksta ignorēšana. Skaitļi neizskaidro visu. Ja prombūtne vienā nodaļā pieaug, dati parādīs pieaugumu — bet jums joprojām ir jārunā ar cilvēkiem, lai noskaidrotu, vai tas ir izdegšana, slikts vadītājs vai izplatošs grips. Analītika virza sarunu. Tā to neaizstāj.

Ko meklēt darbaspēka analītikas rīkā

Uzņēmumu platformas kā Visier vai Workday maksā sešciparu summas un ieviešana aizņem mēnešus. Lielākajai daļai maiņu uzņēmumu tas nav nepieciešams. Viņiem nepieciešama grafiku programmatūra, kas darbojas arī kā analītikas dzinējs — izsekojot datus notikumu laikā un izcēlot atziņas bez atsevišķa BI slāņa.

Lūk, kas ir svarīgi:

• Reāllaika apmeklējuma un stundu dati (nevis algas perioda beigu eksporti)
• Virsstundu izsekošana ar brīdinājumiem, pirms tiek sasniegti limiti
• Prombūtnes un neierašanās modeļi pēc lomas, atrašanās vietas un maiņas
• Darbaspēka izmaksu prognozes, kas saistītas ar grafiku (nevis tikai vēsturiskas atskaites)
• Eksportējami dati gadījumiem, kad vēlaties padziļināti pētīt izklājlapā

Shifton ir veidots tieši šim lietošanas gadījumam — maiņu grafiku veidošana ar iebūvētu analītiku, ko operāciju komandas var izmantot bez datu analītiķa personālā. Dati atrodas tur, kur notiek darbs, nevis atsevišķā sistēmā, par kuru jāatceras pārbaudīt.

Darbaspēka analītikas BUJ