大数据如何在劳动力管理上创造价值
当前,中国经济已经进入转型升级的新常态,人力资源结构也随之发生变化,其中老龄化导致劳动力结构性短缺,大量、廉价劳动力的时代已经结束。“90后”、“00后”步入职场并且开始担任管理岗位,企业开始寻求多元化的用工模式和更有效的管理策略。
在此背景下,全球最大的劳动力管理解决方案提供商Kronos在上海举办2015劳动力管理年会暨Kronos用户大会,探讨在新人力资源结构下,企业如何通过优化劳动力管理打造差异化竞争优势,在变革中华丽转型。此外,Kronos邀请到蓝月亮、唯品会、一茶一坐等连锁企业代表,分别以自身企业为例,就企业在发展中遇到的劳动力管理瓶颈、解决之道以及实践经验等进行了分享。
企业如何通过信息化方案解决劳动力管理突出问题?Kronos产品自身又有哪些演进?为此,联商网等行业媒体采访了Kronos大中华区总经理缪青、Kronos垂直行业副总裁Charlie DeWitt及Kronos全球产品经理Christine Paquay。
Kronos和去年比有些变化,推出了关于中小企业的版本,SMB版本,还跟本土一些公司成为了友情合作伙伴,Kronos2015的一些市场策略会着重在哪些方面?
2015年我们整个客户的增长情况非常快速,其中有两个非常重要的策略,一个是细分市场,主要是制造业,包括CBT行业、快消品行业、项目经营制造型企业。还有一块是餐饮连锁零售、娱乐行业,包括像万达这种,主题乐园行业。
我们在深耕行业,推行产品至上的理念。不光是产品,你要对这个行业很了解,针对他的管理模式,管控模式,他到底在企业管理,管控管理方面要做出哪些改变,所以我们在这个细分市场上深耕。
另外,我们针对中小型的市场推出了SMB,SMB后续还会有计划的正在商讨把一个纯粹的SARS模式的产品引入到中国来,这个还是在具体的规划当中。大中型的企业,提供给他们行业的解决方案;中小型将来会提供SARS产品。
从更宏观的角度来看,现在社会上很多人会说,人力成本的升高,人口老龄化导致了中国现在的人口红利正在成为过去,请问Kronos对这个问题是怎么看的。
有两件事情,一个是说人工的成本,就发达国家来讲,像英国,法国还有其他几个国家都会有人工成本上的一个考虑。第二个是指人工效率,比如像菲律宾。
从Kronos公司产品来看,可以很好的解决这些问题,我们有两个Model,一个是考勤管理,一个是排班。其实人工效率是大家关注最多的一个部分,Kronos产品三个功能可以帮助到大家,一个是排班、排班预测,另外是做一个活动管理,作业活动管理,最后一个是大数据的分析。
到最后,所有企业都会关注在人工效率上,如果中国不能把人工陈本降低的话会造成企业向其他城市或国家转移,比如菲律宾、墨西哥,他们可以从那边找到低廉的制造厂商或生产厂商来协助他们以便降低他们的生产成本。
刚才您提到大数据分析,这个大数据分析有哪些内容?这些数据分析后在劳动力管理中会起到哪些帮助?
传统的做法是,有一堆数据然后有一堆聪明的人,对这些数据,希望找出有用的数据能够来帮助企业业务。这种方式是不行的,我拜访过50家这样的客户,花了上千万的美金来做这个事情,建立数据仓库,做出两个数据报表,这两个表也没人看,纯粹是浪费钱。
我们的解决方案和他们是完全颠倒过来的,我们是先问客户有什么业务问题,业务大概会存在哪些问题,通过研究那些问题,把问题简单化,哪些数据会对这些业务会有影响,然后把这些数据找出来。
在制造业、零售业存在超额加班、缺勤等问题,管理者通常到最后才发现员工的加班工时超出了原来的劳动力预算。我们帮他做的分析,可以得出为什么有这些加班,为什么会超出劳动力预算,是什么类型的加班,是哪个部门哪个人,甚至可以追溯到考勤时间,什么时候进来,什么时候出去。
往往我们有了这些大数据的展示之后,这种滥用加班和缺勤的情况会迅速降低,因为管理层会随时看到那些员工什么原因。
Kronos的解决方案使得员工的考勤数据时间数据和订单数据挂起钩来,能够找出劳动力成本的差异,和订单对比,订单有假设预算,及时的展露在管理层面前,对于企业而言不用等到期末,你就知道劳动力成本是高于还是低于你的劳动力预算。
现在不仅在中国还是在美国,四个世代的员工共存都是存在的,Kronos的最新产品是否考虑到了四个世代共存的这种特点。Kronos的产品能够在企业四世代管理方面有哪些优势,企业在这种情况下应该有哪些变革和创新?
Kronos10年前的产品版本很难用,也不好看,现在则多是触摸屏,很接近苹果系统,我们最新的产品刚趋向于IPhone的操作方式,老中青少四代人可以通过看界面就知道如何去操作。
中间一代的人更需要找到一种合适的工具,够帮助他们在工作提高效率,方便分析。“00后”他们在生活中更多需要的是有意思,他们不愿意6070后那么努力辛苦的,我们的产品正在倾向于沟通,能够有互动。
“00后”他们并不喜欢给你下一个指令就去工作,他们希望的是参与到工作当中,能够有更多的团队合作,以前的人更愿意一个人工作,一个人坐在图书馆做研究,而现在现在年轻人更多的是希望参与当中,能够有更多的互动在里面,如果做好了他们也喜欢有表扬在里面,比如点赞。
现在很多制造业都在做无人工厂,机器人越来越多,我们的劳动力成本一方面在增加,另一方面劳动力需求貌似又在变少,Kronos有什么应对这些变化?另外像很多物流公司就在使用手机APP打卡,这些都是对Kronos的挑战,如何应对?
关于第一个问题,我不同意,2000年以来,企业就不断用自动化工具替代人力,实际上是增加了价值,中美原来都是农业大国,人们种粮食种谷子,然后自动化设备的使用,使得这部分人群就转移到工业领域去了,制造业又用了很多自动化的设备,这批人又到服务性行业去了。
我并不清楚最新的技术会使劳动力会怎样被重新被部署。但是我相信根据这2000年的变化趋势,劳动力被重新分配,会有新的机会出现。比较好的地方,Kronos服务几乎所有行业,即便劳动力从某一个行业转到另一个行业,Kronos还是能帮助他们提高效率,这一点我们很有信心。
6年以前,我们就已经发现远程现场工作人员有这个需求,而且越来越多,我们也有移动解决方案,类似GPS,移动打卡。
另外,我们也在研究可穿戴设备,比如说Apple Watch,甚至不要你签到,只要你到了那个地方,就会自动连接到设备上,开始记录工作时间,完全自动化,连签到的时间都不需要。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 8-1 Pandas 数据重塑 - 数据变形 数据重塑(Reshaping) 数据重塑,顾名思义就是给数据做各种变 ...
2024-11-26统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22