Bemanningsplanlegging med besøksdata
Bemanningsplanlegging med besøksdata bygger vaktplanen på målte ankomster per time, dag, uke og sesong. Anonyme tellinger viser toppene og de stille timene, så grunnbemanningen dekker de rolige timene, bemanningen økes på de tilbakevendende toppene, og mønsteret sjekkes på tvers av sesonger før høytidsplanene låses.
På denne siden
Hvorfor henger vaktplanen etter de besøkende?
Bemanningsplanlegging bygger ofte på vane. Mange vaktplaner tar utgangspunkt i fjorårets mønster og kopieres videre, også når de besøkende ikke lenger følger det. Det koster på to måter: køer og tynn service på toppene, og bortkastet lønnskostnad i de stille timene.
Salgsdata kan ikke tette gapet alene. Kassen registrerer transaksjoner, men presset på de ansatte starter tidligere, med folk som ser seg rundt, spør og står i kø. Etterspørselsstyrt vaktplanlegging måler når folk er i bygget, og legger vaktene etter den etterspørselen.
Hva trenger bemanningsplanlegging fra besøksmålingen?
Bemanningsplanlegging trenger et pålitelig bilde av når folk er i bygget. Bumbee Labs teller besøkende anonymt og gjør tellingene om til topper og bunner per time, dag, uke og sesong, og det er grunnlaget for bemanning og planlegging. Data på sonenivå viser også hvor, så et stort sted kan se når hvert område fylles opp.
Standardmåltall er klare dagen etter besøket, noe som er ferskt nok til å planlegge neste ukes vaktplan. Tilleggsmodulen Crowd Alert gir varsler om trengsel i nær sanntid. Der det finnes 3D-sensorer, holder Xovis’ ekskludering av ansatte personalet utenfor tellingene, så etterspørselskurven du legger vaktplanen etter, bare inneholder besøkende.
Dataleveranser viser hele settet med måltall og hvordan de når planleggingsverktøyene dine gjennom dashbord og API-et.
Stemmer vaktplanen og åpningstidene med når de besøkende kommer?
Målte ankomster gjør et misforhold synlig. En stor skandinavisk butikkjede som jobber med Bumbee Labs, la om vaktplanene sine rundt de reelle rushtimene. Detaljhandlere vi måler, har endret åpningstidene sine etter å ha talt flere forbipasserende om kvelden enn tidligere på dagen.
Der åpningstidene er spørsmålet, viser forbipasserende utenfor dagens åpningstider etterspørselen du ennå ikke har åpent for. Den skjulte ukentlige rytmen i besøkstall går grundigere inn på åpningstider som et dataspørsmål.
Dataene peker ofte på å flytte ansatte mellom timene og sjeldnere på å øke bemanningen. Bedre dekning på toppene gir bedre service, og strammere bemanning i de stille timene kan hente inn kostnader.
Hvordan blir trenden til en vaktplan?
Vaktplanen tar utgangspunkt i timemønsteret for hver ukedag. Det viser hvor de tilbakevendende toppene ligger, og hvilke rolige timer som utgjør grunnivået for bemanningen. Kampanjer, vær og kalenderen flytter kurven, så mønsteret må gås gjennom med jevne mellomrom.
- Hent timemønsteret per ukedag og se etter de tilbakevendende toppene.
- Sett grunnbemanningen etter de rolige timene og øk bemanningen på toppene.
- Sjekk det samme mønsteret på tvers av sesonger før du låser høytidsplanene.
- Gå gjennom det igjen hver måned.
På tvers av mange steder kan kurvene sammenlignes på likt grunnlag, så et vaktmønster som fungerer i én lokasjon, kan testes mot neste lokasjons etterspørselskurve før det kopieres.
Hvilke steder kan bruke besøksdata til bemanningsplanlegging?
Alle steder som folk går inn i, kan planlegge bemanningen etter besøksdata. Butikkjeder, hoteller og biblioteker bygger vaktplanene sine på den samme typen timekurver, målt i sine egne bygg, så hver av dem planlegger etter sin egen etterspørsel.
- Butikkjeder måler de samme toppene i hver butikk, så bemanningen følger etterspørselen lokalt.
- På hotell og i serveringsbransjen er gjestene innom mange områder på ett besøk. Lobby, bar, restaurant, spa og eventarealer får hver sin sone, så bemanning og service treffer gjestestrømmen i hvert område.
- Biblioteker bruker besøk per time, dag, uke og sesong til å sette åpningstider og vaktplaner som passer slik bygget faktisk brukes. Den samme dokumentasjonen støtter også samtalene deres om bevilgninger.
Er bemanningsplanlegging med besøksdata anonym?
Ja, målingen er passiv, og ingen enkeltperson identifiseres noensinne. De besøkende trenger verken app eller innlogging og blir ikke bedt om å gjøre noe. Signalene anonymiseres og aggregeres til statistikk, og metoden fungerer på samme måte i en flaggskipbutikk, på et hotell og i et folkebibliotek.
Bumbee Labs er selskapet bak den eneste metoden for besøksmåling i Europa som er godkjent av en datatilsynsmyndighet.
Nysgjerrig på hvordan dette ser ut for ditt sted?
Ofte stilte spørsmål
Hvordan forbedrer besøksdata bemanningsplanleggingen?
De viser når besøkende faktisk kommer, per time, dag, uke og sesong, så vaktplanene bygges på målt etterspørsel. Toppene og de stille timene blir synlige, og vaktplanen kan følge dem.
Kan besøksdata vise om åpningstidene våre er riktige?
Ja, de gir grunnlag for beslutningen. Forbipasserende og besøkstrender viser etterspørselen utenfor dagens åpningstider, og detaljhandlere vi måler, har endret åpningstidene sine etter å ha talt flere forbipasserende om kvelden enn tidligere på dagen.
Hvor ferske er besøksdataene for bemanningsplanleggingen?
Standardmåltall er klare dagen etter besøket, noe som er ferskt nok til neste ukes vaktplan. Gjentatte besøk innenfor samme dag kan også måles. Tilleggsmodulen Crowd Alert gir varsler om trengsel i nær sanntid.
Fungerer bemanningsplanlegging med besøksdata utenfor detaljhandelen?
Ja. Hoteller og serveringssteder bemanner lobby, bar og restaurant etter målt gjestestrøm, og biblioteker setter åpningstider og vaktplaner etter reelle besøk. Metoden er godkjent av en datatilsynsmyndighet, noe som er relevant for offentlige virksomheter.