Çoğu hizmet sektörü yöneticisi için Pazar öğleden sonraları dinlenmek için değildir; bu saatler 'Vardiya Dansı'na ayrılmıştır. Bir elinizde bir tablo, diğer elinizde ise güçlü bir sezgiyle, önümüzdeki Perşembe günü kaç garsona ihtiyacınız olacağını tahmin etmeye çalışırsınız. Eğer eksik personel belirlerseniz, Google Yorumlarınız dibe vurur ve ekibiniz tükenir. Eğer gereğinden fazla personel belirlerseniz, kar marjınızın zaten temiz olan bardakları parlatmak için boş boş bekleyen üç kişi şeklinde buharlaşmasını izlersiniz.
Bağımsız restoran gruplarının ve otel zincirlerinin defterlerini incelemek için çok zaman harcadım. Duygusal Güvenlik Marjı adını verdiğim ve sürekli tekrarlayan bir örüntü var. Bu, yöneticilerin sırf hazırlıksız yakalanmaktan korktukları için vardiya planına ekledikleri fazladan %15-20'lik işgücü maliyetidir. Elinizde veri olmadığında, sigortayı bordronuzla satın alırsınız.
Geçenlerde, tahmin yürütmeyi bırakmaya karar veren orta ölçekli bir hizmet grubuyla çalıştım. Hava durumu paternleri, yerel konser programları ve hatta toplu taşıma aksaklıkları gibi harici verileri planlamalarına entegre ederek, tek bir kişiyi işten çıkarmadan veya ekibini daha fazla çalıştırmadan işgücü maliyetlerinde %30 azalma sağladılar. Sadece 'her ihtimale karşı' ödeme yapmayı bıraktılar. O noktaya gelmek için hizmet sektörü için en iyi yapay zeka araçlarını belirlemeleri ve zihniyetlerini reaktiften tahminleyiciye dönüştürmeleri gerekiyordu.
Sorun: Vardiyanız Neden Size Yalan Söylüyor?
💡 Penny'nin işinizi analiz etmesini ister misiniz? Yapay zekanın hangi rollerin yerini alabileceğini haritalıyor ve aşamalı bir plan oluşturuyor. Ücretsiz denemenizi başlatın →
Geleneksel hizmet sektörü planlaması, 'Geçen Yıl Artı veya Eksi' yöntemine dayanır. Geçen yıl bu tarihte ne yaptığınıza bakar ve ufak ayarlamalar yapırsınız. Ancak geçen yıl Salı günü yağmur yağmamıştı ve üç blok ötede 20.000 kişilik bir Harry Styles konseri yoktu.
Yöneticiler statik araçlar kullandıklarında, Reaktif Vardiya Tuzağına düşerler. Bu durumda personel seviyeleri, günün gerçek talebiyle hiçbir ilgisi olmayan tarihsel ortalamalara göre belirlenir. Sonuç, sermayeniz üzerinde yavaş ve görünmez bir sızıntı olan 'Vardiya Şişkinliği'dir (Shift Bloat). Çoğu işletme sahibi bunu 'iş yapmanın maliyeti' olarak kabul eder, ancak gıda maliyetlerinin arttığı ve marjların daraldığı bir dönemde bu, aslında para kaybetmeyi seçmektir.
İçgörü: İnsan Sezgisine Karşı Veri Sentezi
Müşterilerime sık sık bir insan yöneticinin misafirperverlik konusunda muhteşem olduğunu, ancak çok değişkenli kalkülüs konusunda berbat olduğunu söylerim. Mükemmel bir vardiya planı oluşturmak için en az beş değişken dış faktörü tartmanız gerekir:
- Hiper-yerel Hava Durumu: Sıcaklıktaki 2 derecelik bir düşüş, kalabalığı açık terastan kapalı salona kaydırabilir ve gerekli garson-masa oranını anında değiştirebilir.
- Etkinlik Katmanı: Yerel stadyum programları, tiyatro performansları ve hatta okul tatilleri, tarihsel verilerin genellikle kaçırdığı 'talep patlamaları' yaratır.
- Ulaşım Lojistiği: Mekanınızın yakınındaki ana metro hattı veya otoyol bakım nedeniyle kapalıysa, 'beklenen' yaya trafiğiniz %25 oranında düşecektir.
- Personel Duyarlılığı ve Yorgunluğu: Yapay zeka sadece satışlara bakmaz; kimin üst üste üç çift vardiya çalıştığına ve kimin daha yavaş hizmet verme veya hastalık izni alma olasılığının yüksek olduğuna da bakar.
- Rakip Faaliyetleri: Caddenin karşısındaki bar büyük bir kampanya mı yürütüyor? Bu, sizin randevusuz müşteri (walk-in) oranınızı etkiler.
Birlikte çalıştığım grup, ne kadar deneyimli olursa olsun hiçbir insanın Pazar günü saat 16:00'da altı farklı mekan genelinde bu değişkenleri sentezleyemeyeceğini anladı. Bunu yapabilecek bir sisteme ihtiyaçları vardı. Bu dinamiklerin belirli nişlerde nasıl işlediğine dair daha derin bir bakış için hizmet sektörü personel tasarrufu rehberimize göz atabilirsiniz.
Dönüşüm: Tahminleyici Personel Planlamasına Geçiş
İşe mevcut teknoloji yığınlarını denetleyerek başladık. Temel işlemleri yapan ancak hiçbir öngörü sunmayan standart bir bordro hizmeti kullanıyorlardı. (Bu arada, temel idari işlemler için fazla ödeme yapıyorsanız, bu paranın yapay zekaya nerelerde daha iyi harcanabileceğini görmek için bordro hizmet maliyetleri analizimizi incelemelisiniz).
Vardiya şişkinliğini gidermek için üç aşamalı bir Tahminleyici Vardiya Döngüsü uyguladık:
Adım 1: Veri Alımı
Planlama yazılımını sadece 'Geçmiş Satışlar' ile beslemek yerine, yerel hava durumu ve Eventbrite/Ticketmaster programları için API'lere bağladık. Bu, 10 gün öncesine kadar %92 doğruluk payına sahip bir 'Talep Tahmini' oluşturdu.
Adım 2: Hizmet Sektörü İçin En İyi Yapay Zeka Araçları Entegrasyonu
Onları 7shifts ve Planday gibi platformlara geçirdik, ancak bir farkla. 'Talep Tahmini'ni alan ve otomatik olarak bir vardiya taslağı öneren bir yapay zeka ara katmanı kullandık. Bu, yöneticinin rolünü vardiya oluşturmaktan, vardiyayı denetlemeye kaydırdı.
Adım 3: Gerçek Zamanlı Esneklik
Eğer yapay zeka ani bir değişiklik tespit ederse (örneğin, ani bir fırtına veya bir ulaşım grevi), vardiyadan üç saat önce yöneticiye bir bildirim göndererek bir kişiyi 'kesmesini' veya bir diğerinden erken gelmesini istemesini öneriyordu. %30'luk tasarruf ile %5'lik tasarruf arasındaki fark işte budur.
90/10 Kuralı İş Başında
Bu dönüşüm, 90/10 Kuralının mükemmel bir örneğidir: Yapay zeka, rutin veri sentezinin %90'ını (tahminleme ve ilk taslak oluşturma) üstlenir ve yöneticiye son %10'u, yani insani kararları bırakır.
Belirli bir personelin ailevi bir mesele nedeniyle belirli bir öğleden sonra izne mi ihtiyacı var? Yapay zeka duygusal bağlamı her zaman bilemez, ancak yöneticiye bu esnekliğin kapsama açısından tam olarak ne kadara mal olacağını söyler. Yapay zeka 'ne' kısmını hallettiğinde, insanlar 'kim' kısmına odaklanabilir. Bu yaklaşım, tahminleyici zamanlamanın her şey demek olduğu gıda ve içecek lojistiği gibi diğer sektörlerde gördüğümüz verimlilik artışlarına benzemektedir.
Sonuçlar: Rakamlar Yalan Söylemez
Altı ay sonra, hizmet grubu için sonuçlar çarpıcıydı:
- Toplam İşgücü Maliyeti: Grup genelinde %30 azaldı.
- Personel Elde Tutma Oranı: Şaşırtıcı bir şekilde arttı. Personel daha az stres bildirdi çünkü yetersiz personel varken yoğunluk altında ezilmiyorlardı ve yöneticinin fazla planlama yapması nedeniyle eve erken gönderilip (ücret kaybı yaşayıp) mağdur olmuyorlardı.
- Yönetici Süresi: Haftalık 6 saatlik vardiya planlama süresi, 45 dakikalık inceleme süresine düştü.
Penny’nin Bakış Açısı: 'Belirsizlik Vergisi' Ödemeyi Bırakın
Eğer işgücü maliyetiniz gelirinizin %30'undan fazlaysa, sadece personelinize ödeme yapmıyorsunuz; aynı zamanda bir Belirsizlik Vergisi ödüyorsunuz. Gelecek Salı günü ne olacağını bilmediğiniz gerçeği için bedel ödüyorsunuz.
Hizmet sektöründe tahminleyici yapay zeka, bir restoranın 'ruhunu' değiştirmekle ilgili değildir. Bu, bir tablo hatası yüzünden o ruhun iflas etmemesini sağlamakla ilgilidir. Hizmet sektörü için en iyi yapay zeka araçları, arka planda kaybolan ve size sadece doğru zamanda doğru sayıda insanı sunan araçlardır.
Nereden Başlamalı?
Eğer 'Vardiya Şişkinliği'nin ağırlığını hissediyorsanız, şuradan başlayın:
- 'Güvenlik Marjınızı' Denetleyin: Son dört haftalık vardiya planlarınıza bakın. Kaç kez birini eve erken gönderdiniz? Kaç kez insanlar boş boş bekliyordu? Hedef tasarrufunuz budur.
- Bir harici değişkeni entegre edin: İlk günden tam bir yapay zeka paketine ihtiyacınız yok. Bir sonraki vardiya planınızı yayınlamadan önce hava durumuna ve yerel etkinliklere bakarak başlayın.
- Teknoloji yığınınızı değerlendirin: Mevcut planlama yazılımınız API entegrasyonlarına veya yapay zeka destekli tahminlemeye izin vermiyorsa, size aylık abonelik ücretinden çok daha fazlasına mal oluyordur.
Verimlilik daha çok çalışmakla değil; kapılar açılmadan önce yapılacak ne kadar iş olduğunu tam olarak bilmekle ilgilidir. Veri orada. Siz onu kullanıyor musunuz?