Olen käyttänyt viimeiset vuodet satojen palvelualojen yritysten taseiden analysointiin, ja järjestelmässä on yksi toistuva kummitus, joka piinaa omistajia enemmän kuin mikään muu: Tyhjä tuoli. Kauneus- ja hyvinvointialalla tyhjä tuoli ei tarkoita vain puuttuvaa liikevaihtoa; se on palava rahakasa. Maksat sähköstä, vuokrasta ja – mikä kivuliainta – ammattilaisesta, joka istuu tuolilla odottaen puhelimen soivan.
Kyseessä ei ole vain aikataulutusongelma. Se on dataongelma. Useimmat omistajat yrittävät ratkaista sen 'mututuntumalla' tai tarkastelemalla viime vuoden kalenteria. Mutta 'viime vuosi' ei tiedä, että kolmen korttelin päähän avattiin uusi kilpailija tai että äkillinen paikallinen helleaalto nosti pedikyyrien kysyntää 40 prosentilla. Tämän korjaamiseksi et tarvitse parempaa esimiestä; tarvitset tekoälytransformaation, joka muuttaa historiallisen datasi ennakoivaksi moottoriksi.
Työskentelin hiljattain viiden toimipisteen kauneusalan konsernin kanssa, joka menetti lähes neljänneksen potentiaalisesta marginaalistaan ilmiölle, jota kutsun nimellä Työvoiman joustavuuskuilu (The Staffing Elasticity Gap) – ero kiinteiden työvoimakustannusten ja vaihtelevan asiakaskysynnän välillä. Kun saimme heidän transformaationsa päätökseen, he olivat vähentäneet työvoimahukkaa 22 % irtisanomatta yhtäkään työntekijää. He alkoivat yksinkertaisesti sijoittaa oikeat ihmiset oikeisiin tuoleihin oikeaan aikaan.
'Tyhjän tuolin' kriisin anatomia
💡 Haluatko Pennyn analysoivan liiketoimintaasi? Hän kartoittaa, mitkä roolit tekoäly voi korvata, ja rakentaa vaiheittaisen suunnitelman. Aloita ilmainen kokeilu →
Tälle konsernille ongelma oli näkymätön, koska se oli 'normaalia'. He mitoittivat henkilöstön täyden kapasiteetin mukaan jokaiselle torstaille, perjantaille ja lauantaille. Paperilla se vaikutti järkevältä, sillä ne olivat kiireisimpiä päiviä. Kun kuitenkin tarkastelimme käyttöasteita minuutti minuutilta, löysimme valtavan määrän 'mikro-tyhjäkäyntiä'.
Hiusstylistillä saattoi olla 45 minuutin väli värikäsittelyjen välissä. Kosmetologilla oli tiistaiaamu ilman yhtäkään varausta klo 11 saakka, vaikka hän oli leimannut itsensä sisään jo klo 9. Viidessä toimipisteessä ja yli 60 työntekijän joukossa nämä aukot maksoivat yritykselle yli £12,000 kuukaudessa 'kuolleina' palkkakustannuksina.
Jos tunnistat vastaavia piirteitä omassa liiketoiminnassasi, et ole yksin. Kauneus- ja hyvinvointialan säästöoppaamme osoittaa, että useimmat itsenäiset yritysryhmät ovat ylimehitettyjä vähintään 15 % hiljaisimpina päivinään ja alimehitettyjä kannattavimpina päivinään.
Miksi perinteinen työvuorosuunnittelu epäonnistuu
Perinteinen työvuorosuunnittelu on reaktiivista. Huomaat kiireisen lauantain lähestyvän, joten merkitset kaikki töihin. Huomaat hiljaisen tiistain, joten lähetät yhden henkilön kotiin. Mutta siinä vaiheessa kun reagoit, raha on jo menetetty.
Konserni, jota neuvolin, oli vangittuna tähän sykliin. Heidän esimiehensä käyttivät noin 10 tuntia viikossa kukin taulukoiden pyörittämiseen, yrittäen arvata kenen pitäisi olla töissä ja milloin. Tätä kutsun Johtamisen kitkaveroksi (Management Friction Tax) – korkeasti palkatulle henkilöstölle maksetaan manuaalisesta tiedonsyötöstä, jossa he eivät ole edes kovin hyviä, koska heiltä puuttuu kokonaiskuva datasta.
Siirtyäksemme tästä eteenpäin emme vain ostaneet uutta varaussovellusta. Kävimme läpi koko heidän toimintansa tekoälytransformaation. Lopetimme kysymästä 'Kuka on käytettävissä?' ja aloimme kysyä 'Mitä data sanoo olevan tapahtumassa?'
Strategia: Ennakoivan signaalipinon rakentaminen
Tekoälyä hyödyntävä yritys ei tarkastele vain omia varauksiaan. Se tarkastelee maailmaa. Tälle kauneusalan konsernille rakensimme sen, mitä kutsun Ennakoivaksi signaalipinoksi. Tämä on kolmikerroksinen datamalli, joka syöttää tietoa henkilöstömoottoriin:
1. Sisäinen pulssi (Historiallinen data)
Analysoimme kolmen vuoden varaustiedot. Tekoäly on loistava löytämään kuvioita, jotka jäävät esimieheltä huomaamatta. Se havaitsi, että vaikka lauantait olivat kiireisiä, palveluiden tyyppi vaihtui kuukauden ajankohdan mukaan (palkkapäivä vs. kuun puoliväli). Se tunnisti 'varausnopeuden' – kuinka nopeasti perjantai täyttyy verrattuna keskiviikkoon – minkä ansiosta pystyimme ennustamaan täyteen varatun päivän 72 tuntia etukäteen 94 % tarkkuudella.
2. Ulkoinen ympäristö (Kontekstuaalinen data)
Tässä tapahtuu todellinen transformaatio. Yhdistimme henkilöstömoottorin paikallisiin sää-API-rajapintoihin ja tapahtumakalentereihin. Kauneusalalla sää on kohtalo. Sateinen perjantai saattaa johtaa 20 % piikkiin viime hetken föönausperuutuksissa, mutta 15 % kasvuun hierontavarauksissa. Syöttämällä tämän tekoälylle työvuorolistoja voitiin mukauttaa jo ennen kuin sade edes alkoi.
3. Digitaalinen jalanjälki (Aikomukset)
Seurasimme Google-hakutrendejä paikallisella alueella ja konsernin oman verkkosivuston liikennettä. Jos 'balayage lähelläni' -haut piikkasivat heidän postinumeroalueellaan tiistai-iltana, tekoäly merkitsi sen korkean aikomuksen signaaliksi tulevalle viikonlopulle.
Transformaatioprosessi: Arvailusta automaattiseen työvuorosuunnitteluun
Tämä ei ollut yön yli tapahtuva muutos. Noudatimme vaiheittaista lähestymistapaa varmistaaksemme, että tiimi tunsi itsensä tuetuksi, ei korvatuksi.
Vaihe 1: Signaalin puhdistus. Auditoimme heidän nykyiset palkanlaskentapalvelun kustannuksia ja varaustietonsa. Huomasimme, että data oli 'kohinaista' – henkilökunta ei aina kirjannut walk-in-asiakkaita oikein. Ennen kuin tekoäly pystyi ennustamaan tulevaa, se tarvitsi puhtaan rekisterin menneestä.
Vaihe 2: Varjotyövuorolista. 30 päivän ajan ajoimme tekoälyn ennustamaa työvuorolistaa esimiehen manuaalisen listan rinnalla. Emme vielä muuttaneet varsinaisia vuoroja. Vertasimme vain näitä kahta. Tekoäly suoriutui paremmin kuin esimiehet 18:ssa 20:stä mittarista, erityisesti ennustaessaan arkipäivien klo 14 ja 16 välisen suvantovaiheen.
Vaihe 3: Dynaaminen vuoromalli. Otimme käyttöön 'varallaolo'-kannustimet ja joustavat aloitusehdot tekoälyn ennusteiden perusteella. Sen sijaan, että kaikki aloittaisivat klo 9, tekoäly saattoi ehdottaa porrastettua aloitusta: kaksi henkilöä klo 9, kolme klo 10:30 ja yksi klo 13. Tämä yksistään kuroi umpeen valtavan osan työvoiman joustavuuskuilun aiheuttamasta hukasta.
Tulos: 22 % vähemmän hukkaa, 100 % enemmän mielenrauhaa
Kuusi kuukautta transformaation jälkeen luvut olivat kiistattomat:
- Työvoimahukka: Väheni 22 %. Kohdistamalla työtunnit todelliseen kysyntään konserni säästi keskimäärin £14,500 kuukaudessa viidessä toimipisteessään.
- Liikevaihto per työtunti: Kasvoi 18 %. Stylistit olivat kiireisempiä vuorojensa aikana, mikä tarkoitti suurempia provisioita ja tippejä.
- Esimiesten aika: Esimiehet saivat takaisin 8 tuntia viikossa kukin. Taulukoiden kanssa taistelemisen sijaan he palasivat asiakaspalveluun ja koulutukseen.
- Henkilöstön pysyvyys: Yllättäen henkilöstön tyytyväisyys nousi. 'Tyhjän tuolin' kriisi on turhauttavaa ammattilaisille; he haluavat tehdä töitä. Tekoäly varmisti, että kun he olivat salongissa, he myös ansaitsivat.
Viitekehys: Palvelualan henkilöstömitoituksen 90/10-sääntö
Työskennellessäni tekoälyyn nojaavien yritysten kanssa käytän viitekehystä nimeltä 90/10-sääntö. Sen mukaan tekoäly voi hoitaa 90 % logistisesta raskaasta työstä (aikataulutuksen 'milloin' ja 'kuka'), mutta loput 10 % – inhimillinen hienovaraisuus – on se, mikä saa homman toimimaan.
Jos stylistin lapsi on sairas tai tiimin jäsenellä on huono päivä, tekoäly ei tiedä sitä. Transformaatiossa ei ole kyse esimiehen poistamisesta, vaan esimiehen varustamisesta 'supervoimilla', joiden avulla hän näkee tulevan viikon täysin kirkkaasti.
Kuinka aloittaa oma transformaatiosi
Et tarvitse viiden toimipisteen konsernia hyötyäksesi tästä. Jopa yhden toimipisteen yritys voi alkaa kuroa umpeen kuilua datan ja toiminnan välillä.
- Lopeta palkkakustannusten pitäminen kiinteänä kuluna. Se on muuttuva kulu, jota tällä hetkellä kohtelet kiinteänä. Ala seurata liikevaihtoasi per tunti erittäin tarkalla tasolla.
- Auditoi datasi laatu. Kirjataanko jokainen walk-in-asiakas? Seurataanko jokainen peruutus? Tekoäly on vain niin hyvä kuin sille syötetty signaali.
- Etsi 'signaaleja' seinien ulkopuolelta. Ala kiinnittää huomiota siihen, miten ulkoiset tekijät (sää, tapahtumat, paikalliset palkkapäivät) vaikuttavat varauksiisi.
Tekoälytransformaatio ei ole mikään futuristinen konsepti, joka vaatii datatieteilijöiden tiimiä. Se on käytännöllinen ja looginen muutos siinä, miten pyörität toimintaasi. Oma yritykseni toimii täysin näiden periaatteiden mukaisesti – minulla ei ole tiimiä, assistenttia tai esimiestä. Minulla on järjestelmiä. Jos palveluyritys voi automatisoida toimintansa monimutkaisimman osan – ihmiset – kuvittele, mitä sinä voisit tehdä omassasi.
Jos olet valmis selvittämään, missä hukka piileksii työvuorolistoillasi, tarkastellaan lukuja. 'Tyhjän tuolin' ei tarvitse olla pysyvä asiantila. Se on vain merkki siitä, että henkilöstömallisi elää vielä menneisyydessä.