Pastaruosius kelerius metus praleidau analizuodamas šimtų paslaugų sektoriaus įmonių balansus ir pastebėjau vieną pasikartojantį „vaiduoklį“, kuris savininkus gąsdina labiau nei bet kas kitas: tuščią kėdę. Grožio ir asmens priežiūros industrijoje tuščia kėdė nėra tik prarastos pajamos; tai deganti grynųjų pinigų krūva. Jūs mokate už elektrą, nuomą ir, kas skaudžiausia, už specialisto, sėdinčio toje kėdėje ir laukiančio skambučio, laiką.
Tai ne tik tvarkaraščių problema. Tai duomenų problema. Dauguma savininkų bando ją spręsti pasikliaudami „nuojauta“ arba žiūrėdami į praėjusių metų kalendorių. Tačiau „praėję metai“ nežino, kad už trijų kvartalų atsidarė naujas konkurentas arba kad staigi vietinė karščio banga padidino pedikiūro paklausą 40 %. Norint tai išspręsti, jums reikia ne geresnio vadovo; jums reikia AI transformacijos, kuri paverstų jūsų istorinius duomenis prognostiniu varikliu.
Neseniai dirbau su 5 padalinių grožio grupe, kuri prarado beveik ketvirtadalį savo potencialios maržos dėl to, ką vadinu darbuotojų lankstumo atotrūkiu (angl. Staffing Elasticity Gap) – atstumu tarp fiksuotų darbo sąnaudų ir svyruojančios klientų paklausos realybės. Kai baigėme jų transformaciją, jie sumažino darbo jėgos švaistymą 22 %, neatleidę nė vieno žmogaus. Jie tiesiog pradėjo sodinti tinkamus žmones į tinkamas kėdes tinkamu laiku.
„Tuščios kėdės“ krizės anatomija
💡 Norite Penny analizuoti jūsų verslą? Ji nustato, kuriuos vaidmenis AI gali pakeisti, ir sudaro etapinį planą. Pradėkite nemokamą bandomąją versiją →
Šiai grupei problema buvo nematoma, nes ji atrodė „normali“. Kiekvieną ketvirtadienį–šeštadienį jie planavo darbuotojus maksimaliam pajėgumui. Popieriuje tai turėjo prasmę – tai buvo judriausios jų dienos. Tačiau, kai iš tikrųjų išanalizavome panaudojimo rodiklius minutės tikslumu, radome stulbinantį kiekį „mikro-prastovų“.
Stilistas turėdavo 45 minučių tarpą tarp dažymų. Terapeutas antradienio rytą neturėdavo jokių rezervacijų iki 11 val., tačiau darbe pasirodydavo 9 val. Penkiose vietose ir tarp daugiau nei 60 darbuotojų šie tarpai verslui kainavo daugiau nei £12,000 per mėnesį „mirusio“ darbo užmokesčio fondo.
Jei savo versle pastebite panašius dėsningumus, nesate vieni. Mūsų grožio ir asmens priežiūros taupymo vadovas rodo, kad dauguma nepriklausomų grupių ramiausiomis dienomis turi bent 15 % per didelį darbuotojų skaičių, o pelningiausiomis dienomis – per mažą.
Kodėl tradicinis tvarkaraščių sudarymas žlunga
Tradicinis tvarkaraščių sudarymas yra reaktyvus. Matote artėjantį užimtą šeštadienį, todėl įrašote visus į grafiką. Matote ramų antradienį, todėl vieną žmogų išleidžiate namo. Tačiau kol sureaguojate, pinigai jau būna prarasti.
5 padalinių grupė, kuriai konsultavau, buvo įstrigusi šiame cikle. Jų vadovai kiekvieną savaitę praleisdavo po maždaug 10 valandų krapštydamiesi su skaičiuoklėmis, bandydami atspėti, kas ir kada turėtų dirbti. Tai vadinu valdymo trinties mokesčiu (angl. Management Friction Tax) – mokėjimu aukšto lygio darbuotojams už rankinį duomenų įvedimą, kurio jie net neatlieka gerai, nes jiems trūksta bendro vaizdo į duomenis.
Norėdami tai pakeisti, mes ne tiesiog nusipirkome naują rezervacijų programėlę. Mes atlikome pilną jų operacijų AI transformaciją. Nustojome klausti „Kas gali dirbti?“ ir pradėjome klausti „Ką duomenys sako apie tai, kas tuoj įvyks?“
Strategija: prognostinio signalų rinkinio kūrimas
Į AI orientuotas verslas nežiūri tik į savo rezervacijas. Jis stebi pasaulį. Šiai grožio grupei sukūrėme tai, ką vadinu prognostiniu signalų rinkiniu (angl. Predictive Signal Stack). Tai trijų sluoksnių duomenų modelis, kuris maitina darbuotojų planavimo sistemą:
1. Vidinis pulsas (istoriniai duomenys)
Apdorojome trejų metų rezervacijų duomenis. AI puikiai pastebi dėsningumus, kurių žmogus vadovas nemato. Jis nustatė, kad nors šeštadieniai buvo užimti, paslaugų tipas keitėsi priklausomai nuo mėnesio savaitės (atlyginimų diena prieš mėnesio vidurį). Jis identifikavo „rezervacijų greitį“ – kaip greitai užsipildo penktadienis, palyginti su trečiadieniu – tai leido mums 72 valandas prieš pilnai užsakytą dieną numatyti ją su 94 % tikslumu.
2. Išorinė aplinka (kontekstiniai duomenys)
Čia įvyksta tikroji transformacija. Sujungėme darbuotojų planavimo sistemą su vietinių orų API ir renginių kalendoriais. Grožio pasaulyje orai yra likimas. Lietingas penktadienis gali lemti 20 % padidėjusį paskutinės minutės fenavimo paslaugų atšaukimą, bet 15 % padidėjusį masažų užsakymų skaičių. Pateikiant šiuos duomenis AI, grafikai galėjo būti pakoreguoti dar prieš prasidedant lietui.
3. Skaitmeninis pėdsakas (ketinimų duomenys)
Stebėjome Google Search tendencijas vietinėje vietovėje ir pačios grupės svetainės srautą. Jei antradienio vakarą jų pašto kode išaugdavo „balayage netoli manęs“ paieškų skaičius, AI tai pažymėdavo kaip didelio ketinimo signalą artėjančiam savaitgaliui.
Transformacijos procesas: nuo spėliojimo iki automatizuotų grafikų
Tai nebuvo momentinis pokytis. Laikėmės etapinio požiūrio, kad komanda jaustųsi palaikoma, o ne pakeista.
1 etapas: Signalų valymas. Atlikome jų esamų darbo užmokesčio paslaugų išlaidų ir rezervacijų duomenų auditą. Pastebėjome, kad jų duomenys buvo „triukšmingi“ – darbuotojai ne visada teisingai registruodavo užeinančius klientus. Prieš AI pradedant prognozuoti ateitį, jam reikėjo švarių praeities įrašų.
2 etapas: Šešėlinis grafikas. 30 dienų kartu su vadovo rankiniu būdu sudarytu grafiku naudojome AI prognozuojamą grafiką. Tikrų pamainų dar nekeitėme. Mes tiesiog lyginome abu variantus. AI pranoko vadovus 18-oje iš 20-ies metrikų, ypač prognozuojant „štilį“ tarp 14:00 ir 16:00 val. darbo dienomis.
3 etapas: Dinaminis pamainų modelis. Įvedėme „budėjimo“ paskatas ir lankstų darbo pradžios laiką, pagrįstą AI prognozėmis. Užuot visiems pradėjus 9 val. ryto, AI galėjo pasiūlyti laipsnišką pradžią: du žmonės 9 val., trys – 10:30 val., o vienas – 13 val. Vien tai padėjo užpildyti didžiulę dalį darbuotojų lankstumo atotrūkio.
Rezultatas: 22 % mažiau švaistymo, 100 % daugiau ramybės
Šeši mėnesiai po transformacijos, skaičiai buvo neginčijami:
- Darbo jėgos švaistymas: Sumažėjo 22 %. Suderinus darbuotojų valandas su faktine paklausa, grupė penkiose vietose vidutiniškai sutaupė £14,500 per mėnesį.
- Pajamos vienai darbo valandai: Padidėjo 18 %. Stilistai savo pamainų metu buvo labiau užimti, o tai reiškia, kad jie uždirbo daugiau komisinių ir arbatpinigių.
- Vadovų laikas: Kiekvienas vadovas atgavo po 8 valandas per savaitę. Užuot kovoję su skaičiuoklėmis, jie grįžo į salę susikoncentruoti į klientų patirtį ir mokymus.
- Darbuotojų išlaikymas: Stebėtina, bet darbuotojų pasitenkinimas padidėjo. „Tuščios kėdės“ krizė stilistams yra nuobodi; jie nori dirbti. AI užtikrino, kad būdami salone jie uždirbtų.
Pagrindas: 90/10 taisyklė paslaugų sektoriaus personalui
Savo darbe su AI prioritizuojančiomis įmonėmis naudoju sistemą, vadinamą 90/10 taisykle. Ji teigia, kad AI gali atlikti 90 % loginio sunkaus darbo (grafikų sudarymo „kada“ ir „kas“), tačiau likę 10 % – žmogiškieji niuansai – yra tai, dėl ko viskas veikia.
Jei stilisto vaikas suserga arba komandos narys tiesiog blogai jaučiasi, AI to nežinos. Transformacija nėra skirta pašalinti vadovą; ji skirta suteikti vadovui „supergalių“ matymą, leidžiantį visiškai aiškiai matyti ateinančią savaitę.
Kaip pradėti savo transformaciją
Jums nebūtina turėti penkių padalinių grupės, kad gautumėte iš to naudos. Net vieno padalinio verslas gali pradėti mažinti atotrūkį tarp duomenų ir veiksmų.
- Nustokite vertinti darbo užmokestį kaip fiksuotas išlaidas. Tai kintamos išlaidos, kurias šiuo metu vertinate kaip fiksuotas. Pradėkite analizuoti savo pajamas per valandą detaliuoju lygmeniu.
- Audituokite savo duomenų kokybę. Ar kiekvienas užeinantis klientas registruojamas? Ar sekamas kiekvienas atšaukimas? AI yra tiek geras, kiek geras yra jam duodamas signalas.
- Ieškokite „signalo“ už savo sienų. Pradėkite stebėti, kaip išoriniai veiksniai (orai, renginiai, vietinės atlyginimų dienos) veikia jūsų rezervacijas.
AI transformacija nėra kažkokia futuristinė koncepcija, kuriai reikia duomenų mokslininkų komandos. Tai praktiškas, logiškas pokytis jūsų veiklos vykdyme. Mano verslas visiškai remiasi šiais principais – aš neturiu komandos, asistento ar vadovo. Turiu sistemas. Ir jei paslaugų verslas gali automatizuoti sudėtingiausią savo veiklos dalį – žmones – įsivaizduokite, ką galėtumėte padaryti su savo verslu.
Jei esate pasirengę pamatyti, kur slepiasi švaistymas jūsų grafikuose, pažiūrėkime į skaičius. „Tuščia kėdė“ neturi būti gyvenimo realybė. Tai tiesiog signalas, kad jūsų personalo valdymo modelis vis dar gyvena praeityje.