Työvuorosuunnittelua tehdään monella työpaikalla ja kaikilla on siihen vähän omat terminologiansa. Jotkut puhuvat listojen tekemisestä, toiset vuorosuunnittelusta ja kolmannet työvoiman hallinnasta. Useimmiten kyse on työvuorojen laadinnasta henkilökuntaa ja yrityksen perustehtävää kunnioittaen, mutta yhä useammassa yrityksessä alkaa olla tarpeita myös työvoiman kokonaisvaltaisempaan hallintaan.
Tällöin tulee ajankohtaiseksi miettiä, miten kehitän työntekijöitäni, jotta vastaan jatkossa paremmin kysyntään? Voinko saada vuorosuunnittelusta tietoa työvoiman osaamisprofiileista ja kysyntää ennustamalla ennustaa tulevaisuuden osaamistarpeita?
Jo itse työvuorolistan suunnittelu on monimutkainen optimointiongelma, ainakin jos sen piirissä on kymmeniä työntekijöitä toiveineen ja osaamisineen.
Työvoiman tarpeen määrittely
Työvoiman tarpeen määrittely riippuu täysin toimialasta ja yrityksestä. Sitä voidaan päätellä, ennustaa ja laskea esimerkiksi tilauksista, paikkavarauksista, ennakkomyynnistä, asiakasvirroista kuten kassatapahtumista tai kävijämäärälaskureista liikkeen ovella. Asiakkaiden lukumäärää asumispalveluiden ja varhaiskasvatuksen puolella voidaan taas ennustaa kunnan ikärakenteesta.
Työvoiman tarve voi olla esimerkiksi määrätty laissa (erilaiset mitoitussäädökset), asiakassopimuksissa tai se voi olla kokemuksen sanelemaa hiljaista tietoa. Tarpeen ennustamisessa kannattaakin pohtia eri vaihtoehdot ja ottaa sekä historiaan katsovasta että tulevaisuutta ennakoivasta datasta kaikki irti.
Työvuorosuunnittelu
Kun tarve on riittävällä tasolla tiedossa, on aika alkaa suunnittelemaan tarpeen mukaisia työvuorolistoja. Perinteinen tarvelähtöinen suunnitteluprosessi on kaksivaiheinen. Ensin suunnitellaan anonyymit työvuorot, jotka kattavat ennustetut ja/tai tunnetut työtehtävät. Seuraavaksi kiinnitetään työvuorot saatavilla oleville työntekijöille. Sama prosessi on oletuksena myös monissa valmisohjelmistoissa.
Joillakin toimialoilla jo pelkkä vuorojen suunnittelu on monimutkaista. Työpäivät saattavat koostua useita eri tehtävistä ja osaamisista, jotka pitää sovitella optimaalisesti työvuoroiksi. Suunnittelijan asiantuntemuksen avulla vältetään mm. hankalia osaamisyhdistelmiä, joihin sopivaa työvoimaa ei ole saatavilla ja varmistetaan työvuorojen tehokkuus.
Esimerkiksi aloilla, joissa työ painottuu aamuun ja iltaan, mutta keskellä päivää työn tarve on pienempi, on sääntöjen puitteissa tapahtuva työvuorojen suunnittelu yksi yrityksen ehdottomista menestystekijöistä. Tällaisilla aloilla saadaan suurta hyötyä optimoimalla vuororakenne, eli mihin ajankohtaan vuorot sijoittuvat ja mitä tehtäviä niihin sisältyy.
Kun vuorot on suunniteltu, on jäljellä vielä vuorojen jakaminen työntekijöille. Tämä on hyvin perinteinen optimointiongelma, jossa työvuoron osaamistarve sovitetaan yhteen henkilöiden osaamisten sekä heidän työaikatoiveidensa kanssa. Optimoinnin tai automatiikan käyttäminen helpottaa itse suunnittelua, parantaa työ- ja asiakastyytyväisyyttä sekä tuo säästöjä esim kokonaispalkkakustannuksissa tai keskituntihinnassa.
Vuorojen ja listojen yhtäaikainen suunnittelu
Aika harvoin näkee vielä ohjelmistoja, joissa sekä vuorot että vuoroja tekemään tulevat henkilöt suunniteltaisiin samanaikaisesti. Ilman suunnittelua tukevaa optimointia kahden suunnitteluvaiheen yhdistämisessä ei useimmiten olekaan mieltä, koska tarjolla olevien vaihtoehtojen ja rajoitteiden samanaikainen huomioiminen on liian monimutkainen palapeli.
Suunnitteluvaiheiden yhdistämistä ja suunnittelun optimointia kannattaa kuitenkin vakavasti harkita varsinkin työvoimavaltaisilla aloilla, joissa palkkakustannukset ovat merkittäviä. Tällöin optimointi huolehtii esim vuorojen alkamisaikojen ja kestojen optimoinnista osaamistarpeen vaihtelun mukaisesti.
Yksi esimerkki suunnitteluvaiheiden yhdistämisestä löytyy VuoroÄly-ohjelmistostamme. Mikäli aihepiiri kiinnostaa, käy katsomassa video alta.
Osaamisen kehittäminen
Blogin alussa mainitsin osaamisen kehittämisestä osana vuorosuunnittelua. Optimointi ja automatisointi vapauttaa vuorosuunnittelijoiden arvokasta aikaa, jonka voi käyttää vaikkapa osaamisen ennustamiseen ja kehittämiseen. Tässä apuna toimii optimointijärjestelmästä saatava data: tarve-ennusteet esim 12 kk päähän, yksiköiden väliset erot osaamisrakenteessa sekä optimaalisissa tuloksissa ja väliaikaisen työvoiman (keikkalaisten, vuokratyövoiman, sijaisten) tarve osaamisineen. Näiden tietojen avulla on mahdollista tehdä päätelmiä minkälaista osaamista tulisi yritykseen hankkia joko kouluttamalla tai rekrytoimalla.
Milloin Excelistä kannattaa siirtyä automaatioon?
Excel on edelleen validi työvuorosuunnittelun väline monessa yrityksessä. Monissa yrityksissä käytettäviin Excel-taulukoihin on vuosien varrella kehitetty monipuolisia apuvälineitä ja tarkistuksia.
Exceleiden lisäksi on käytössä ohjelmistoja, joiden avulla käyttäjä pystyy käsin tai puoliksi avustetusti suunnittelemaan työvuoroja. Kehittyneemmissä ohjelmistoissa on mukana optimointia, jota yleensä hyödynnetään vuorojen allokoinnissa henkilöille.
Työvuorosuunnittelun ohjelmistoissa esiintyy samanlaista kankeutta kuin muissakin valmisohjelmistoissa: jos oma liiketoimintasi sisältää erityispiirteitä tarpeen määrittelyn, osaamisen ennustamisen tai vuorosuunnittelun alueilla, voi valmisohjelmistoa olla vaikea sovittaa oman yrityksen toimintaan. Usein nämä sovitukset myös epäonnistuvat, eikä välineestä saada kaikkea irti. Omiin tarpeisiin räätälöity täysverinen optimointiohjelmisto voi olla silloin ratkaisu, joka maksaa itsensä nopeasti takaisin.
Milloin Excelistä sitten kannattaa siirtyä kehittyneemmän ohjelmiston pariin? Nyrkkisääntönä silloin kun seuraavista ehdoista täyttyy vähintään kaksi:
- Työntekijöitä on 20–30
- Työajat ja työn tarve on epäsäännöllistä
- Työntekijöistä suuri osa on osa-aikaisia tai työskentelyaikoja on rajattu
Tässä pätee erittäin hyvin optimoinnin perusajatus: kun useita päätöksiä tehdään samanaikaisesti, ne kaikki vaikuttavat samaan mittariin tai mittareihin, ne ovat jotenkin yhteydessä toisiinsa ja niiden vaikutus on suuri tai niitä tehdään toistuvasti – Tällöin tulisi vakavasti harkita matemaattista optimointia palapelin ratkaisemiseksi.