A legtöbb vendéglátóipari vezető számára a vasárnap délután nem a pihenésé, hanem a „beosztástáncé”. Az egyik kezében egy táblázatot, a másikban a megérzéseit tartva próbálja megtippelni, hány felszolgálóra lesz szükség jövő csütörtökön. Ha alultervezi a létszámot, a Google-értékelései mélyrepülésbe kezdenek, a csapata pedig kiég. Ha túltervezi, nézheti, ahogy a profitmarzsa elpárolog három olyan ember formájában, akik a már tiszta poharak fényesítésével töltik az idejüket.
Sok időt töltöttem független éttermi csoportok és szállodaláncok könyvelésének vizsgálatával. Van egy visszatérő minta, amelyet érzelmi biztonsági tartaléknak nevezek. Ez az a plusz 15-20%-nyi bérköltség, amelyet a vezetők egyszerűen azért adnak hozzá a beosztáshoz, mert félnek attól, hogy kevés lesz a személyzet. Amikor nincsenek adatai, a bérköltséggel köt biztosítást.
Nemrégiben egy közepes méretű vendéglátóipari csoporttal dolgoztam együtt, amely elhatározta, hogy felhagy a találgatással. Külső adatok – időjárási minták, helyi koncertprogramok, sőt a tömegközlekedési fennakadások – beépítésével az ütemezésbe 30%-os bérköltség-csökkenést értek el anélkül, hogy bárkit elküldtek volna, vagy keményebb munkára kényszerítették volna a csapatot. Egyszerűen nem fizettek többé a „minden eshetőségre” alapozva. Ennek eléréséhez azonosítaniuk kellett a legjobb AI eszközöket a vendéglátóipar számára, és át kellett állniuk a reaktív szemléletről a prediktívre.
A probléma: Miért hazudik Önnek a beosztása?
💡 Szeretné, hogy Penny elemezze vállalkozását? Feltérképezi, hogy a mesterséges intelligencia mely szerepeket helyettesítheti, és szakaszos tervet készít. Indítsa el az ingyenes próbaidőszakot →
A hagyományos vendéglátóipari ütemezés a „múlt év, plusz-mínusz” elvére épül. Megnézik, mi történt tavaly ugyanezen a napon, és kicsit korrigálnak. De tavaly kedden nem esett az eső, és nem volt egy 20 000 fős Harry Styles-koncert három sarokkal odébb.
Amikor a vezetők statikus eszközöket használnak, beleesnek a reaktív beosztás csapdájába. Ilyenkor a létszámot olyan történelmi átlagok alapján határozzák meg, amelyeknek semmi közük az adott nap tényleges keresletéhez. Az eredmény a létszámfelesleg – a tőke lassú, láthatatlan elszivárgása. A legtöbb tulajdonos ezt az „üzletmenet költségeként” fogadja el, de az emelkedő élelmiszerárak és a szűk marzsok korában ez valójában döntés a pénzveszteség mellett.
A felismerés: Adatszintézis az emberi megérzés helyett
Gyakran mondom az ügyfeleimnek, hogy egy emberi menedzser zseniális a vendéglátásban, de csapnivaló a többváltozós kalkulusban. A tökéletes beosztás összeállításához legalább öt változékony külső tényezőt kell mérlegelni:
- Hiper-lokális időjárás: 2 fokos hőmérséklet-csökkenés a tömeget a kültéri teraszról a belső társalgóba terelheti, ami azonnal megváltoztatja a szükséges felszolgáló-asztal arányt.
- Eseményátfedés: A helyi stadionok menetrendje, a színházi előadások, sőt még az iskolai szünetek is olyan „keresleti csúcsokat” hoznak létre, amelyeket a történelmi adatok gyakran kihagynak.
- Közlekedési logisztika: Ha a helyszín közeli fő metróvonalat vagy autópályát karbantartás miatt lezárják, a „várt” forgalom 25%-kal visszaesik.
- A személyzet hangulata és fáradtsága: Az AI nemcsak az eladásokat nézi; azt is figyeli, ki dolgozott három dupla műszakot egymás után, és ki az, aki emiatt valószínűleg lassabb lesz, vagy beteget jelent.
- Versenytársak tevékenysége: A szemközti pub nagy promóciót hirdetett? Ez befolyásolja az Ön betérő vendégeinek számát.
A csoport, amellyel dolgoztam, rájött, hogy egyetlen ember sem képes – bármennyire tapasztalt is – ezeket a változókat hat különböző helyszínre vonatkozóan vasárnap délután 4-kor szintetizálni. Olyan rendszerre volt szükségük, amely képes erre. Ha részletesebben is kíváncsi arra, hogyan működnek ezek a dinamikák specifikus területeken, olvassa el a vendéglátóipari létszámoptimalizálási útmutatónkat.
Az átalakulás: Áttérés a prediktív létszámtervezésre
A meglévő technológiai eszköztáruk átvilágításával kezdtük. Egy szabványos bérszámfejtő szolgáltatást használtak, amely elvégezte az alapokat, de nulla előrelátást nyújtott. (Mellesleg, ha túl sokat fizet az alapvető adminisztratív feldolgozásért, érdemes megnéznie a bérszámfejtési szolgáltatások költségeiről szóló elemzésünket, hogy lássa, hol költhetné el okosabban ezt a pénzt AI-ra).
A létszámfelesleg orvoslására egy háromszintű prediktív beosztási hurkot vezettünk be:
1. lépés: Adatbevitel
Ahelyett, hogy csak a „múltbéli eladásokat” tápláltuk volna be az ütemező szoftverbe, összekapcsoltuk a helyi időjárás-előrejelző és az Eventbrite/Ticketmaster API-kkal. Ez egy olyan „kereslet-előrejelzést” hozott létre, amely 92%-os pontossággal működött 10 napra előre.
2. lépés: A legjobb vendéglátóipari AI eszközök integrációja
Olyan platformokra álltunk át, mint a 7shifts és a Planday, de egy csavarral. Egy AI köztes szoftverréteget használtunk, amely fogta a „kereslet-előrejelzést”, és automatikusan elkészített egy javasolt beosztást. Ez megváltoztatta a menedzser szerepét: a beosztás létrehozása helyett annak auditálása lett a feladata.
3. lépés: Valós idejű rugalmasság
Ha az AI hirtelen változást észlelt (például egy hirtelen vihart vagy egy közlekedési sztrájkot), három órával a műszak kezdete előtt értesítette a menedzsert, javasolva, hogy „vágjanak le” egy embert, vagy kérjenek meg valakit, hogy jöjjön be korábban. Ez a különbség a 30%-os és az 5%-os megtakarítás között.
A 90/10-es szabály a gyakorlatban
Ez az átalakulás tökéletes példája a 90/10-es szabálynak: az AI végzi a rutinszerű adatszintézis 90%-át (az előrejelzést és az első tervezetet), a menedzserre hagyva az utolsó 10%-ot – az emberi döntéseket.
Szüksége van egy adott munkatársnak egy bizonyos délutánra szabadidőre családi okok miatt? Az AI nem fogja mindig érteni az érzelmi kontextust, de pontosan megmondja a menedzsernek, mennyibe fog kerülni ez a kedvezmény a lefedettség szempontjából. Amikor az AI kezeli a „mit”, az emberek a „kire” fókuszálhatnak. Ez a megközelítés hasonló ahhoz, amit más szektorokban is látunk, például az étel- és ital-logisztika területén, ahol a prediktív időzítés mindennél fontosabb.
Eredmények: A számok nem hazudnak
Hat hónap elteltével a vendéglátóipari csoport eredményei magukért beszéltek:
- Teljes bérköltség: 30%-kal csökkent a csoport szintjén.
- Munkavállalói megtartás: Valójában növekedett. A munkatársak kevesebb stresszről számoltak be, mert nem voltak túlterhelve alacsony létszám mellett, és nem küldték őket korábban haza (pénzt veszítve) a túltervezett beosztás miatt.
- Vezetői idő: A heti 6 órányi beosztáskészítés 45 percnyi felülvizsgálatra csökkent.
Penny perspektívája: Ne fizesse tovább a „bizonytalansági adót”
Ha a bérköltsége meghaladja a bevétele 30%-át, akkor nemcsak a személyzetét fizeti – hanem egy bizonytalansági adót is. Azért fizet, mert nem tudja, mi fog történni jövő kedden.
A prediktív AI a vendéglátásban nem egy étterem „lelkének” lecseréléséről szól. Hanem arról, hogy a lélek ne menjen csődbe egy táblázatkezelési hiba miatt. A legjobb AI eszközök a vendéglátóipar számára azok, amelyek észrevétlenül a háttérbe simulnak, és egyszerűen a megfelelő számú embert biztosítják a megfelelő időben.
Hol kezdje?
Ha érzi a „létszámfelesleg” súlyát, kezdje itt:
- Auditálja a „biztonsági tartalékot”: Nézze meg az elmúlt négy hét beosztásait. Hányszor küldött haza valakit korábban? Hányszor álltak az emberek tétlenül? Ez az Ön megtakarítási célpontja.
- Integráljon egy külső változót: Nincs szüksége teljes AI-csomagra az első napon. Kezdje azzal, hogy megnézi az időjárást és a helyi eseményeket, mielőtt közzéteszi a következő beosztást.
- Értékelje a technológiai hátterét: Ha a jelenlegi ütemező szoftvere nem teszi lehetővé az API-integrációkat vagy az AI-segített előrejelzést, az többe kerül Önnek, mint a havi előfizetési díja.
A hatékonyság nem a keményebb munkáról szól; hanem arról, hogy pontosan tudjuk, mennyi munka vár ránk, még mielőtt az ajtók kinyílnának. Az adatok rendelkezésre állnak. Ön használja őket?