Za većinu voditelja u ugostiteljstvu, nedjelja poslijepodne nije vrijeme za odmor. To je vrijeme za „Ples s rasporedom“. Sjedite s proračunskom tablicom u jednoj ruci i intuitivnim osjećajem u drugoj, pokušavajući pogoditi koliko će vam konobara trebati sljedeći četvrtak. Ako imate premalo osoblja, vaše recenzije na Googleu će potonuti, a tim će izgorjeti. Ako imate previše osoblja, gledate kako vaša profitna marža isparava u obliku troje ljudi koji stoje i poliraju čaše koje su već čiste.
Proveo sam mnogo vremena analizirajući poslovne knjige neovisnih grupa restorana i hotelskih lanaca. Postoji ponavljajući obrazac koji nazivam Emocionalna margina sigurnosti. To je onih dodatnih 15-20% troškova rada koje voditelji dodaju na raspored jednostavno zato što se boje da će ostati zatečeni s premalo ljudi. Kada nemate podatke, kupujete osiguranje putem vlastitog troška plaća.
Nedavno sam surađivao sa srednje velikom ugostiteljskom grupom koja je odlučila prestati nagađati. Integracijom vanjskih podataka – vremenskih obrazaca, rasporeda lokalnih koncerata, pa čak i poremećaja u javnom prijevozu – u svoje planiranje, postigli su smanjenje troškova rada od 30% bez otpuštanja ijedne osobe ili prisiljavanja tima na naporniji rad. Jednostavno su prestali plaćati za situacije „za svaki slučaj“. Da bi to postigli, morali su identificirati najbolje AI alate za ugostiteljstvo i promijeniti svoj pristup iz reaktivnog u prediktivni.
Problem: Zašto vas vaš raspored laže
💡 Želite da Penny analizira vaše poslovanje? Ona mapira koje uloge AI može zamijeniti i gradi plan u fazama. Započnite besplatno probno razdoblje →
Tradicionalno planiranje u ugostiteljstvu oslanja se na princip „Prošla godina plus ili minus“. Gledate što ste radili na ovaj datum prošle godine i malo to prilagođavate. Ali prošle godine u utorak nije padala kiša, niti je tri bloka dalje bio koncert Harryja Stylesa s 20.000 posjetitelja.
Kada voditelji koriste statične alate, upadaju u Zamku reaktivnog rasporeda. To je situacija u kojoj se razine osoblja određuju na temelju povijesnih prosjeka koji nemaju nikakve veze sa stvarnom potražnjom tog dana. Rezultat je „Shift Bloat“ – sporo, nevidljivo curenje vašeg kapitala. Većina vlasnika to prihvaća kao „trošak poslovanja“, ali u eri rastućih troškova hrane i tijesnih marži, to je zapravo svjesna odluka o gubitku novca.
Uvid: Sinteza podataka ispred ljudske intuicije
Često govorim svojim klijentima da je ljudski menadžer briljantan u gostoljubivosti, ali užasan u multivarijantnom računu. Da biste izradili savršen raspored, morate odvagnuti barem pet promjenjivih vanjskih čimbenika:
- Hiper-lokalno vrijeme: Pad temperature od 2 stupnja može premjestiti gomilu s vanjske terase u unutarnji salon, trenutačno mijenjajući potreban omjer poslužitelja i stolova.
- Preklapanje događaja: Rasporedi lokalnih stadiona, kazališne predstave, pa čak i školski praznici stvaraju „vrhunce potražnje“ koje povijesni podaci često propuštaju.
- Logistika prijevoza: Ako je glavna linija podzemne željeznice ili autocesta u blizini vašeg objekta zatvorena zbog održavanja, vaš „očekivani“ broj posjetitelja pasti će za 25%.
- Raspoloženje i umor osoblja: AI ne gleda samo prodaju; on gleda tko je odradio tri dvostruke smjene zaredom i vjerojatno će pružiti sporiju uslugu ili se javiti da je bolestan.
- Aktivnost konkurencije: Nudi li pub preko puta veliku promociju? To utječe na vaš broj nenajavljenih gostiju.
Grupa s kojom sam radio shvatila je da nijedan čovjek, bez obzira na iskustvo, ne može sintetizirati ove varijable u šest objekata u nedjelju u 16 sati. Trebali su sustav koji to može. Za dublji uvid u to kako se ova dinamika odvija u specifičnim nišama, pogledajte naš vodič za uštede na osoblju u ugostiteljstvu.
Transformacija: Prijelaz na prediktivno planiranje osoblja
Započeli smo revizijom njihove postojeće tehnologije. Koristili su standardni servis za obračun plaća koji je obavljao osnove, ali nije nudio nikakvu predvidivost. (Usput, ako previše plaćate za osnovnu administrativnu obradu, trebali biste provjeriti našu analizu troškova servisa za plaće kako biste vidjeli gdje bi se taj novac mogao bolje potrošiti na AI).
Kako bismo riješili problem prekomjernih smjena, implementirali smo prediktivnu petlju rasporeda u tri razine:
Korak 1: Unos podataka
Umjesto da softveru za planiranje samo dajemo podatke o „prošloj prodaji“, povezali smo ga s API-jima za lokalno vrijeme i rasporede Eventbrite/Ticketmaster. To je stvorilo „Prognozu potražnje“ koja je bila 92% točna do 10 dana unaprijed.
Korak 2: Najbolji AI alati za integraciju u ugostiteljstvu
Prebacili smo ih na platforme kao što su 7shifts i Planday, ali uz dodatak. Koristili smo AI middleware sloj koji je preuzimao „Prognozu potražnje“ i automatski sastavljao predloženi raspored. To je promijenilo ulogu menadžera iz kreiranja rasporeda u njegovu reviziju.
Korak 3: Prilagodba u stvarnom vremenu
Ako bi AI otkrio iznenadnu promjenu (npr. iznenadnu oluju ili štrajk u prijevozu), poslao bi obavijest menadžeru tri sata prije smjene, sugerirajući da „otkaže“ jednu osobu ili zamoli drugu da dođe ranije. To je razlika između uštede od 30% i uštede od 5%.
Pravilo 90/10 na djelu
Ova transformacija savršen je primjer Pravila 90/10: AI obrađuje 90% rutinske sinteze podataka (predviđanje i početni nacrt), ostavljajući menadžeru završnih 10% – ljudske odluke.
Treba li određeni zaposlenik slobodno popodne zbog obiteljskih razloga? AI neće uvijek znati emocionalni kontekst, ali će reći menadžeru točno koliko će ta prilagodba koštati u smislu pokrivenosti. Kada AI rješava „što“, ljudi se mogu usredotočiti na „tko“. Ovaj pristup sličan je onome što smo vidjeli u povećanju učinkovitosti u drugim sektorima, poput logistike hrane i pića, gdje je prediktivno vrijeme sve.
Rezultati: Brojke ne lažu
Nakon šest mjeseci, rezultati za ugostiteljsku grupu bili su jasni:
- Ukupni trošak rada: Smanjen za 30% na razini grupe.
- Zadržavanje osoblja: Zapravo se povećalo. Osoblje je prijavilo manje stresa jer nisu bili pretrpani poslom kad ih je bilo premalo, niti su ranije slani kući (gubeći zaradu) jer je menadžer planirao previše ljudi.
- Vrijeme menadžera: Smanjeno sa 6 sati izrade rasporeda tjedno na 45 minuta pregleda.
Penny perspektiva: Prestanite plaćati „porez na nesigurnost“
Ako je vaš trošak rada veći od 30% vašeg prihoda, ne plaćate samo svoje osoblje – plaćate Porez na nesigurnost. Plaćate činjenicu da ne znate što će se dogoditi sljedeći utorak.
Prediktivni AI u ugostiteljstvu ne služi zamjeni „duše“ restorana. Služi tome da osigura da ta duša ne bankrotira zbog pogreške u proračunskoj tablici. Najbolji AI alati za ugostiteljstvo su oni koji nestaju u pozadini i jednostavno vam daju pravi broj ljudi u pravo vrijeme.
Odakle početi
Ako osjećate teret prekomjernih smjena, počnite ovdje:
- Revidirajte svoju „marginu sigurnosti“: Pogledajte svoje rasporede u posljednja četiri tjedna. Koliko ste puta nekoga poslali kući ranije? Koliko su puta ljudi stajali besposleni? To je vaš cilj uštede.
- Integrirajte jednu vanjsku varijablu: Ne trebate puni AI sustav prvog dana. Počnite pratiti vremensku prognozu i lokalne događaje prije nego što objavite sljedeći raspored.
- Procijenite svoje alate: Ako vaš trenutni softver za planiranje ne dopušta API integracije ili prognoziranje uz pomoć AI-ja, on vas košta više od svoje mjesečne pretplate.
Učinkovitost nije u tome da radite više; radi se o tome da točno znate koliko posla ima i prije nego što se vrata otvore. Podaci su tu. Koristite li ih?