人工智能(AI)如何帮助企业优化劳动力管理?
△企业信息化部署率
△企业信息化的成熟度其中,成熟度的描述更多来自于前期与众多人力资源从业者的访谈过程中,企业对数据应用深度的描述的总结。 结合图表D8和D9不难发现,信息化部署率较高:超过一半的企业在考勤(缺勤、休假管理)、排班管理、工时等场景应用了信息化系统和软件管理。 信息成熟度低:就信息系统应用的成熟度而言,无论采取何种劳动管理实践,大多数企业仍停留在“成熟度1级:仅供员工自助使用、查询、或人力资源部门使用”大约有30%的企业达到了“成熟度2:不仅仅是简单的统计,还要进行一定的分析,了解员工的工作行为和状态”。不过,也有少数企业达到了成熟度3级和4级。我们详细阐述了针对企业信息化成熟度不高和人力资源从业者了解其背后的挑战和原因,结合多家企业的实践和专家意见,我们发现关键挑战是:
1、数据量不足以进行建模的深入应用;
2、缺乏明确的数据采集节点设置策略,即不知道如何采集结构化、适用的数据;
3、数据质量低,需要花费较长的时间和精力进行清理和整理,但公司目前缺乏投入成本的勇气和意识;
4、各领域数据不互通,存在信息孤岛,尤其是生产、零售等领域。 由于视角和岗位不同,人力资源部门无法从一线业务获取运营数据。
人工智能如何帮助企业
优化劳动力管理?
使用人工智能洞察进行需求预测公司如何预测劳动力需求的高峰和低谷? 从农历新年到天气动荡,每晚、每周、每月都有许多触发因素影响着生意的兴衰。 然而,如果没有智能预测工具来准确预测需求,管理者就无法正确安排员工,因为他们无法确定不同时间段适合多少人。 安排过多的人员会导致人力成本的浪费,而安排过少的人员则会导致员工工作量减少,客户体验变差,甚至难以正常运营。 人工智能和机器学习的快速发展为人力需求预测提供了更准确的选择。 AI预测的工作原理是通过机器学习算法将客户数据(销量、客流、订单数)、外部数据(天气、节假日、风暴等)和需求模式(季节性、趋势、工作日)推送到机器学习中算法。 然后,该算法学习所有不同数据源之间的关系,以创建模型并生成指定时间段的业务预测。
随后,AI算法模型可用于创建所需劳动力的百分比,以满足特定区域、工作规模和职能的预测需求。 这一百分比有助于派遣主管避免潜在的短缺/人手不足问题,并增加总体劳动力成本。
例如,公司每接到20个蛋糕订单,模型就会根据相应的劳动效率标准建议3名送货司机和2名糕点师的配比,以满足业务需求。 这些百分比不再只是劳动力模型中的猜测,而是帮助管理者根据实际业务需求调整员工人数。
利用人工智能重新构想灵活的时间表在当今竞争激烈的劳动力市场中,公司需要提供灵活的时间表,特别是因为 85% 的小时工认为对自己的工作时间有更多的控制很重要。 但是,这些一直使用传统手动技术来创建工作计划(例如电子表格,甚至“笔和纸”)的管理者面临着制定低效计划并浪费本可用于更高价值活动的时间的风险。 时间,例如与客户合作、向员工提供建设性和积极的反馈。
由人工智能驱动的劳动力管理解决方案可以使整个调度过程变得手动,使管理人员能够轻松高效地生成符合当地劳动法的时间表,例如用餐和休息时间,同时满足工人的偏好。 这种智能调度解决方案还允许员工轻松申请休假、换班甚至加班——通常只需通过中国联通应用程序即可,为所有员工创造更好的整体体验。 因为工人可以定义他们想要工作的时间、工作量和地点。 智能连接平台对于千禧一代和 Z 世代员工尤其重要,因为他们希望生活的各个方面都在线、高效和个性化,以满足他们的需求。
Gaia 的劳动力管理平台允许企业通过在多个地点共享员工来优化其劳动力。 这不仅为企业提供了更多了解企业内部运作的员工,也让一专多能的员工充分发挥自己的价值。
-
喜欢(11)
-
不喜欢(3)