一、关于灵活用工，我们应该知道的 1、「灵活」是指新业态下灵活多样的劳动关系，包括： 非全日制员工 临时工、兼职 劳务派遣 ……. 2、为什么灵活用工这个概念会在中国逐渐兴起? 2018年，我国的净劳动力数量与2011年相比，减少了4000万人！伴随而生的是，中国企业人力成本以每年16%以上的速度攀升。用工难、用工贵的难题，变得越来越突出： 显性成本：企业要承担员工工资、「五险一金」等； 隐性成本：企业还要承担离职补偿金、员工医疗期等； 用工需求：越来越多季节性、临时性、批量化。 在此背景下，传统的用工模式已经不能满足和适应企业的需求和发展。 3、连锁行业人才缺口 2019中国连锁零售业人才供需及新职业新岗位发展研究报告估算，连锁零售行业目前的人才需求总量每年为534万，人才缺口达477万人，企业正面对人才供不应求的挑战。灵活用工可让企业根据需求的峰谷期制定不同的用人计划，减少人才缺口，从而控制人力成本效能。 4、千禧一代成为劳动力主力 中国的灵活用工人数自2013年开始逐步提升，但目前占比仅为9%，不到日本的四分之一，仍有比较大的开发空间。千禧一代对灵活就业的接受度高达84%。 二、关于灵活用工，我们经常忽略的 灵活是修饰词，用工才是核心 「用」好了，灵活用工才会达成企业期望的结果 灵活用工的立足点在于，企业根据需求的峰谷期制定不同的用人计划 节省人力成本是大前提 三、怎样制定科学的用人计划 1、了解企业需求的峰谷期 从连锁零售（包括连锁餐饮）行业看，企业的运营状况有非常明显的波峰和波谷。首先要了解企业的运营状况，可以简单理解为：有多少客人决定着要有多少员工来服务。接着，通过这些业务数据，可以看出什么时候客人多，什么时候客人少，从而进一步分析每个时间段需要多少人，来满足业务需求。 2、了解企业的用工标准 用工标准：比如做一个汉堡需要一分钟，来了一个客人要10个汉堡，做汉堡的员工就需要工作10分钟。有了用工标准，再结合已知的业务数据，就可以计算出需要多少员工。 3、计算用工需求 通过业务数据和用工标准能够计算出用工需求，比如：不同的任务或岗位在不同时间段的用工需求不同，可能十点到十一点需要三个人，一点到两点需要两个人。有了用工需求后，就可以按照该需求计算这个门店需要多少人。 4、熟知员工技能及时间可用性 在灵活用工背景下，兼职或小时工的时间每天或每个周期都可能不同，这时候就需要一个记录机制，采集到这些人可以上班的时间，然后根据员工的排班偏好或时间限制来排班。 其次，还需要一个能够记录所有员工技能的工具，每个岗位都需要有一定的技能标准或技能要求，在排班的时候结合技能标签，能够更好地把人跟的岗位服务匹配起来。 5、根据企业需求、用工标准、员工技能和时间可用性制定计划 根据营业需求，高峰时多排人，低谷时少排人； 根据员工偏好和员工时间限制，同时考虑合规性； 根据员工技能熟练度，安排合适的员工做合适的事； 结合所有的标准制定出科学的用人计划。 6、对比不同用人计划的成本和效益 在不同的情况下，要制定不同的方案，以供不同的门店或不同情况的管理人员做选择。管理人员可以对比各种版本用人计划的成本和效益，确定出最优的方案。 四、智能算法的排班逻辑 智能排班的逻辑是从业务数据入手，首先得知道要完成多少业务数据，比如：要卖出多少东西，或者是要接待多少客户，为了完成这些业务需要多少人；再结合企业的劳动力标准，转化成劳动力需求；根据这些需求再结合现有的员工技能和时间限制性等一系列因素，生成最终的排班。 第一步：基于历史数据的业务量预估 从业务倒推需要多少人，再给这些人排班。通过门店的历史数据进行算法预测，比如：服装品牌未来一周收银会有多少，交易笔数会有多少，服务员会产生多少销售额等，然后将这些业务量平均分布在每一天的每个小时甚至每15分钟。 第二步：自动计算分时段人力需求 根据平均分布在每个时间段的预测结果，结合用工标准生成劳动力需求。 第三步：自动生成排班表 根据劳动力需求，生成既满足考勤规则，又考虑时间可用性等规则的排班表。 在排班的过程中，怎么样能确保排班工具生成的班次是既符合营业需求，又满足员工各种的个人诉求，还能确保符合劳动法律法规呢？接下来，我们将把每一步过程里涵盖的逻辑简单地给大家解释。 预估准确性源自算法云和大数据平台 首先，我们会采集客户的历史业务数据，比如：交易笔数、销量、客流量等这些跟业务紧密相关的数据； 其次，再结合标准，比如：完成这个工序标准的时间。如果没有这样的信息，可以通过历史的排班和出勤信息计算出来； 最后，采集一些历史的数据，比如：季节、地理位置、气候、商圈等，把这些数量放进算法后，会建立一个预测模型，预测模型产出的结果，就是对于业务数据的预测。 揭开算法的神秘面纱 我们的预测模型可以简单理解为一堆f(x)=y的公式集合而成 X是已知的变量（节日、天气、周末、促销、地理位置等） Y是在这个变量情况下对应的业务数据 盖雅预测算法可以实现的高预测准确性 销售额交易笔数、商品件数、于工时需求的预测准确度都能够达到80分上下。 为什么准确性无法达到百分之百？因为会有一些属于比较意外的情况，比如企业的大采购等。这样的偶发性事件会产生很大差距，大大地降低了准确率。但是从大趋势来看，吻合程度是非常高的。 智能算法下的动态标准工时 利用神经网络算法和机器学习，基于客户已有的历史业务数据，排班和出勤工时，可以测算出劳动力标准工时； 这个标准工时会因为不同日期、时间段、业务量、产品、型号，以及工作任务等维度的变化而变化； 动态工时标准更贴近实际业务场景，同时也不像传统测量那么耗时耗力； 在不同的情况下，可以结合历史数据生成合理的标准区间。 排班优化算法 两个班表总人数总工时一致，优化后的班表工时分布和晚班分配更均衡，员工公平满意度提高。 五、灵活用工怎么「用」？ 对公司的业务有准确的认识和预测 结合岗位标准工时，计算出人员需求 确定人员需求及人才缺口 引入灵活用工形式 通过智能化工具解决灵活的员工的班次及考勤问题 除了给大家分享连锁行业的「灵活用工」怎么用之外，田然老师还回答了HR们非常关心的一些问题： 1、请问如何对区域零售门店员工的排班进行集中管控？ 集中管控可以理解为不管是区域，还是总部，都要有一个人专门去负责这件事。如果有一个比较好的排班系统，员工的情况、班次等信息都会在系统里，负责的同事只需操作系统就可以。这完全可以总部集中管控，用一个固定的人统一操作。 集中管控也可以理解为有一个统一的排班标准。如果引入了一个标准的排班工具，大家的逻辑及其标准都是一致的。数据基础都放在系统里，排班可以根据业务来排，而不用拍脑袋。盖雅工场的智能排班预设了丰富的实施模板，如果门店有在运营排班方面比较有经验的店长，也可以在这基础上做一些调整，这样的系统生产班次能达到80分的标准线。 2、餐饮业如何把排班和体温监测同时管控起来呢？ 我们在2月10号刚刚复工的时候就推出了免费的健康上报功能，现在也在不断优化。如果员工体温异常，系统首先会预警，然后给到人事负责人确认该员工的健康情况，员工在系统里就变为不可用，第二天状态正常才会再变回可用。这样就可以把排班和体温监测同时管控起来。 3、不同区域客流高峰期不同，该如何统一排班和管理？ 不同区域门店的客流高峰期不同，导致不同区域门店的用工需求旺盛时段不同，这种情况通过盖雅的系统能够非常简单地解决。盖雅系统可以预测出不同时间的业务量，自动生成排班。 此外，不同区域之间的员工也可以做一些灵活的调动，比如两家距离较近的门店，A店中午是高峰，B店晚上是高峰，A店高峰结束后，多余的员工就可以到B店上班，这样能够同时满足A店和B店的营业需求，也降低了门店的用工成本。 4、 连锁行业的灵活用工的理论和逻辑可以用在制造业吗？ 我觉得相对而言，制造业跟连锁行业的需求面对的是不同的趋势。零售行业每天都不一样是很好理解的，制造业更多的是以季节或者月份为单位，也会以一个比较长的时间周期划分旺季和淡季。 但只要有用工需求的不同，有时候用工需求多，有时候用工需求少，我相信就可以和灵活用工匹配。假如业务量最少的时候需要100个人，那有100个人就足够了。在临时需求比较旺盛期间就可以引入一些灵活用工员工进来。

上一篇：企业组织形式的选择，为企业税收筹划带来了可能-灵活用工平台

下一篇：共享员工VS灵活用工：应急之策or大势所趋？-灵活用工平台

声明：文章部分内容和图片来源于网络，且文本信息仅用于网络分享展示，如有侵权请联系管家删除。