杨书帆：用运营数据优化人效

酒店行业是一个劳动密集型的行业，运营过程复杂且系统性。为了满足消费者的需求，酒店需要提供优质的服务体验，这需要大量的员工参与其中。服务和消费是同时进行的，因此对员工的管理成为品质控制的关键。

除了一线的服务人员，酒店还有大量的后勤运营人员在背后支撑着对客的服务。这样一个庞大而复杂的机器，稍有不慎就可能出现疏漏。特别是过去一两年，酒店行业流失了很多人才，招聘困难，编制不足，给行业带来了更大的挑战。这不仅影响了人效，也对整个行业的品质造成了极大的挑战。

蓝豆云将酒店的线下运营流程，包括SOP和人员管理，搬到了线上，通过系统来更好地实现住客服务管理、工程管理和客房管理，实现了运营的在线化。这些在线流程不断产生运营数据，经过一段时间的沉淀后，这些数据成为非常好的原材料，帮助酒店乃至品牌不断迭代人效和组织。

以住中服务为例，当客人通过电话或使用语音AI等方式联系酒店，要求输送物品或需要服务时，系统会将客人需求分发到各个相关部门进行协同工作。根据任务性质，系统会分派任务到不同的部门，如客房部或工程部等。在这个过程中产生的数据包括客人的偏好、高频任务响应时间、员工响应情况、执行效率以及针对事件的统计分析等等。此外，在客房管理流程中还会产生每天的排班排房、员工对客房的执行情况、主管的检查情况以及物耗管理等数据。同时，在工程方面也会产生日常维修的数据，包括定期巡检、计划维保和能耗管理等方面的数据。

“提升人效不是盲目的降低人房比，而是寻求品质和降本之间的平衡点”

这段时间我看到的很多酒店都在省成本，特别是经过了疫情，酒店的编制已经被压缩得非常低了。在这种前提下，我们怎么去保障酒店有更好的收益，酒店产品的品质跟收益是呈正相关的，所以现在的现状很有可能是各个部门都有自己的KPI。人力资源部门要控制编制，运营部门要保障服务品质，所以我们不能孤立地看这个问题，而是将各种数据放在一起分析它们之间的关联关系。

员工的减少对服务品质造成的伤害有多大，能不能用更高效率的办法，既能满足宾客的体验，同时提高员工的工作效率，这是一个大的思路框架，而不是割裂地看单一问题。虽然我们都知道要做好服务需要有足够的人手，但现在的条件已经不允许了。在这种情况下，我们可以从酒店的众多经营指标中找出哪些环节会对宾客的满意度产生重大影响，哪些会对效率产生重大影响。

行业数据分析案例：住中服务耗时

根据蓝豆云大数据（数据来源于全量客户的全量工单，涵盖了在合作的全国各区域酒店，包括不同品牌类型的高星级酒店，包括全服务型，度假型，商务型，和有限服务型酒店）结果显示，全服务酒店从客人下单到员工完成服务平均时间为10分钟，在我们认为的服务“高峰”时间，晚上8-10点，是响应速度最快的，反而在中午12点下午5点服务耗时最长，可能跟入住需求与送物需求高并发有关。从宾客体验角度，这个时间段是大量产生客诉的时段，我们通过OTA点评也能得到侧面验证。

以地处一线城市市中心的某商务型酒店为例，全天都存在较大的服务效率问题，其中白天服务耗时高达14—22分钟，远超行业平均值。这时候可以考虑在这个时间段多派人手，甚至安排专人做服务等。

行业数据分析案例：客人服务偏好

从行业数据来看，各种类型酒店的服务物品中矿泉水是服务率最高的品类。我们抽样其中一间酒店，其矿泉水的需求占比高达13.9%，折算为人工成本，就发现送一瓶矿泉水的人力成本，比一瓶一块钱的矿泉水要贵得多，自此之后酒店调整了服务标准，在房间里面提高了矿泉水的配置。其实这就是一个PDCA的循环，当有了数据之后，更好地分析现状，并且给出一个解决方案。

行业数据分析案例：住中报修率

住中报修，这个指标反映了设施设备对于客人的体验的影响。如果客人在入住期间发现设施坏了，他就会打电话去投诉要求换房或者报修。这个指标从管理的角度来说越低越好。

蓝豆云一家在合作的国际五星级酒店，在疫情期间工程部编制控制得非常好，15个人负责400多间客房的维修工作。尽管该酒店的各项指标都非常好，包括未完成的维修单数和人均维修量等都处于行业领先水平，但住中报修率仍然引起了关注。经过数据挖掘分析后，我们发现大量的住中报修问题集中在客房马桶上。当维修人员排查所有马桶时，发现水件批量老化的问题。因此，一次性解决了这些问题后，住中报修率大幅度下降。这是一个通过数据分析发现小问题并持续迭代的案例。

清洁人员编制优化方案

如果我们在这个基础上继续提高，就进入了精细化管理的深水区。例如我们发现退房清洁和住房清洁所需的时间是不同的。经过精确统计后，可以更好地计算一天的排班是否合理。某酒店经过测算后，发现理论上的排班和实际改善后的排班效率还有10%的提升空间，这在客房管理方面是非常不容易的。

客房清洁绩效考核方案

关于通过数据来评估客房绩效的问题。在整个清洁过程中，两个核心维度是最重要的：一个是效率，另一个是清洁度。从员工的角度来看，清洁度需要有一个闭环的反馈机制，即通过主管的检查和客人的投诉来反映他们的客房是否做得好。

我们把这两个指标放在一个坐标图上，可以很容易地发现酒店中哪些员工是高效且高质量的。这些员工位于我们的第一象限。针对第一象限的员工，我们可以采取更加灵活的管理和激励策略，让他们更好地发挥带头作用。

最后，总结一下：数据无处不在，只是我们是否使用它来不断提高我们做决策的正确率。其实运营无小事，每个决策都需要被认真对待，而通过数据分析可以提高我们的决策正确率。

为了让我们一线员工和管理人员能够高效地执行管理策略，现在有很多在线化的工具和管理系统可以使用。最重要的是我们的迭代能力。因为当我们拥有了这些数据之后，我们可以从原来的半年做一次分析转变为每个月甚至每周进行一次分析，这是一个指数级的进步速度。