Vagtplanlægning med besøgsdata
Vagtplanlægning med besøgsdata bygger på målte ankomster pr. time, dag, uge og sæson, så det faste personale dimensioneres efter de roligste timer, og ekstra vagter lægges på spidsbelastningerne.
På denne side
Hvorfor halter vagtplanen efter de besøgende?
Vagtplanlægning bygger ofte på vane. Mange vagtplaner tager udgangspunkt i sidste års mønster og kopieres videre, også når de besøgende ikke længere følger det. Det koster på to måder: køer og tynd service i spidsbelastningerne og døde lønkroner i de stille timer.
Salgsdata kan ikke lukke hullet alene. Kassen registrerer transaktioner, men presset på personalet begynder tidligere, når folk kigger, spørger og står i kø. Efterspørgselsstyret vagtplanlægning måler, hvornår folk er i bygningen, og lægger vagterne efter den efterspørgsel.
Hvad kræver vagtplanlægning med besøgsdata af målingen?
Vagtplanlægningen har brug for et pålideligt billede af, hvornår folk er i bygningen. Bumbee Labs tæller besøgende anonymt og omsætter tællingerne til spidsbelastninger og lavpunkter pr. time, dag, uge og sæson, som er grundlaget for personaleplanlægningen. Data på zoneniveau viser både hvor og hvornår, så et stort sted kan se, hvornår de enkelte områder fyldes op.
Standardmetrikker er klar dagen efter besøget, hvilket er aktuelt nok til at planlægge næste uges vagtplan. Varsler om trængsel i næsten realtid fås med tilføjelsen Crowd Alert. Hvor der er 3D-sensorer, holder Xovis’ eksklusion af personale medarbejderne ude af tællingerne, så efterspørgselskurven, du lægger vagtplanen efter, kun indeholder besøgende.
Dataleverancer viser alle målingerne, og hvordan de når dine planlægningsværktøjer gennem dashboards og API’en.
Passer vagtplanen og åbningstiderne til, hvornår de besøgende kommer?
Målte ankomster gør et misforhold synligt. En stor skandinavisk butikskæde, der arbejder med Bumbee Labs, lagde sine vagtplaner om efter de reelle spidstimer. Detailhandlere, vi måler, har ændret deres åbningstider efter at have talt flere forbipasserende om aftenen end tidligere på dagen.
Når åbningstiderne er spørgsmålet, viser forbipasserende uden for de nuværende åbningstider den efterspørgsel, du endnu ikke har åbent for. Den skjulte ugentlige rytme i besøgstrafik går mere i dybden med åbningstider som et dataspørgsmål.
Dataene peger oftest på at flytte personale mellem timerne og sjældnere på flere ansatte. Bedre dækning i spidsbelastningerne forbedrer servicen, og færre på vagt i de stille timer kan hente omkostninger hjem.
Hvordan bliver tendensen til en vagtplan?
Vagtplanen tager udgangspunkt i timemønstret for hver ugedag. Det viser, hvor de tilbagevendende spidsbelastninger ligger, og hvilke rolige timer der danner grundniveauet. Kampagner, vejret og kalenderen flytter kurven, så mønstret skal ses efter i sømmene med jævne mellemrum.
- Træk timemønstret pr. ugedag, og find de tilbagevendende spidsbelastninger.
- Læg det faste grundniveau efter de stille timer, og sæt flere på vagt i spidserne.
- Tjek det samme mønster på tværs af sæsoner, før du låser ferieplanerne.
- Gennemgå det igen hver måned.
På tværs af mange lokationer kan kurverne sammenlignes på samme grundlag, så et vagtmønster, der virker ét sted, kan testes mod den næste lokations efterspørgselskurve, før det kopieres.
Hvilke steder kan bruge besøgsdata til vagtplanlægning?
Alle steder, som folk går ind i, kan planlægge personalet efter besøgsdata. Butikskæder, hoteller og biblioteker bygger deres vagtplaner på den samme slags timekurver, målt i deres egne bygninger, så hver af dem planlægger efter sin egen efterspørgsel.
- Butikskæder måler de samme spidsbelastninger i hver butik, så personalet følger efterspørgslen lokalt.
- På hoteller og restauranter kommer gæsterne gennem mange områder på ét besøg. Lobby, bar, restaurant, spa og eventarealer zoneopdeles hver for sig, så personale og service matcher gæstestrømmen i hvert område.
- Biblioteker bruger besøg pr. time, dag, uge og sæson til at fastsætte åbningstider og vagtplaner, der passer til, hvordan bygningen faktisk bruges. Det samme datagrundlag støtter også deres samtaler om bevillinger.
Er vagtplanlægning med besøgsdata anonym?
Ja, målingen er passiv, og ingen enkeltperson identificeres nogensinde. De besøgende skal ikke bruge en app eller et login og bliver ikke bedt om at gøre noget. Signalerne anonymiseres og aggregeres til statistik, og metoden virker på samme måde i en flagskibsbutik, på et hotel og på et folkebibliotek.
Bumbee Labs er virksomheden bag den eneste metode til besøgsmåling i Europa, der er godkendt af en databeskyttelsesmyndighed.
Ofte stillede spørgsmål
Hvordan forbedrer besøgsdata vagtplanlægningen?
De viser, hvornår de besøgende faktisk kommer, pr. time, dag, uge og sæson, så vagtplanerne bygges på målt efterspørgsel. Spidsbelastningerne og de stille timer bliver synlige, og vagtplanen kan følge dem.
Kan besøgsdata vise, om vores åbningstider er rigtige?
Ja, de giver grundlag for beslutningen. Forbipasserende og besøgstendenser viser efterspørgslen uden for dine nuværende åbningstider, og detailhandlere, vi måler, har ændret deres åbningstider efter at have talt flere forbipasserende om aftenen end tidligere på dagen.
Hvor aktuelle er besøgsdataene til vagtplanlægningen?
Standardmetrikker er klar dagen efter besøget, hvilket er aktuelt nok til næste uges vagtplan. Genbesøg inden for samme dag kan også måles. Varsler om trængsel i næsten realtid fås med tilføjelsen Crowd Alert.
Virker vagtplanlægning med besøgsdata uden for detailhandlen?
Ja. Hotel- og restaurationsvirksomheder planlægger personalet i lobby, bar og restaurant efter målte gæstestrømme, og biblioteker fastsætter åbningstider og vagtplaner efter reelle besøg. Metoden er godkendt af en databeskyttelsesmyndighed, hvilket er relevant for offentlige steder.