“Predictive Analytic” กับการลาออกของพนักงานขับรถ

ทุกวันนี้ บริษัทขนส่งหลายบริษัท ยังไม่สามารถดำเนินธุรกิจแบบ “Driver Friendly” ได้ เพราะบางครั้งต้องใช้เวลาในการขนส่งสินค้าหลายวัน ทำให้พนักงานขับรถต้องทำงานอยู่บนท้องถนนเป็นเวลานาน ถึงแม้ว่า ต่อมาจะมีการพัฒนาโมเดลการขนส่ง    แบบเร่งด่วน” หรือ “Next Day Delivery” ได้ แต่การขนส่งแบบเร่งด่วนนี้เองนำมาซึ่งความกดดันและความเครียดจากการทำงาน อันเนื่องมาจากความเร่งรีบที่พนักงานขับรถจะต้องจัดส่งสินค้าให้ทันภายในเวลาที่กำหนด

Covenant Transportation Group, Inc. (CTG) บริษัทผู้ให้บริการขนส่งยักษ์ใหญ่ในสหรัฐอเมริกาที่มีปริมาณการขนส่งในแต่ละวันมหาศาลทั้งทางรถและทางเรือ แต่กลับมีอัตรา “Driver Turnover” ที่สูงมากเช่นกัน ทั้งๆที่บริษัทมีการดูแลพนักงานขับรถที่ดีรวมถึงมีการอบรมทักษะพิเศษ (Commercial Driver License Class A) สำหรับพนักงานขับรถบรรทุกโดยเฉพาะ ซึ่งอัตรา “Driver Turnover” ของ CTG ได้นำการไล่พนักงานออกอันเนื่องมาจากผลการปฏิบัติงานไม่ได้มาตรฐานมาคำนวณด้วย CTG จึงตัดสินใจที่จะพัฒนา “Key Performance Indicator” (KPI) ในส่วนนี้ให้ดีกว่าคู่แข่งในอุตสาหกรรมและนำการวิเคราะห์แบบ “Predictive Analytic”มาประยุกต์ใช้ในองค์กร

CTG ได้เริ่มวิเคราะห์แบบ “Predictive Analytic” ในปี2012 ซึ่งทำให้เห็นว่าการวิเคราะห์ดังกล่าวมีความสำคัญและประโยชน์สำหรับธุรกิจอย่างมาก ในขณะเดียวกันจะต้องพัฒนาศักยภาพภายในบริษัทด้วย CTG ได้จ้าง Chris Orban ผู้เชี่ยวชาญด้าน Predictive Analytics ที่มีประสบการณ์มากว่า 10 ปีเพื่อดำเนินการเรื่องนี้โดยเฉพาะ อีกทั้งยังใช้ Enterprise Resource Planning (ERP) อย่าง SAP HANA; Business Suite ที่มาพร้อมฐานข้อมูลเทคโนโลยีแบบใหม่ที่ช่วยให้สามารถเข้าถึงข้อมูลมหาศาลและดำเนินธุรกิจแบบเรียลไทม์ได้; เพื่อช่วยวิเคราะห์ได้อย่างมีประสิทธิภาพมากขึ้น

โมเดลแต่ละโมเดลที่ได้จากการวิเคราะห์จะแตกต่างกัน เช่น โมเดลสำหรับพนักงานขับรถที่มีประสบการณ์ในการทำงาน 6 เดือน จะต่างจากโมเดลของพนักงานขับรถที่มีประสบการณ์เพียง 5 ปี หรือ โมเดลสำหรับคนที่ทำงานเสร็จภายในวันเดียวก็จะต่างจากคนที่ทำงานหลายๆวันบนถนน เป็นต้น ตัวแปรหลายตัวถูกนำมาใช้ในการพัฒนาโมเดลบน SAP HANA ตัวแปรสำคัญ ได้แก่ ความถี่ในการขับรถ การใช้ประโยชน์จากพนักงานขับรถอย่างคุ้มค่า และ ค่าตอบแทนที่แตกต่างไปของพนักงานขับรถในช่วงสัปดาห์ที่ผ่านมา เป็นต้น ซึ่งการวิเคราะห์โมเดลต่างๆ ทำให้ CTG รู้ว่าความกดดัน หรือ ความเครียดของพนักงานขับรถจะเพิ่มขึ้นหากพวกเขาไม่สามารถรู้ตารางงานล่วงหน้าได้

CTG จึงพยายามมองหาจุดที่เป็นต้นเหตุของปัญหา โดยพฤติกรรมทีเปลี่ยนไป สามารถบ่งชี้ให้เห็นถึงต้นเหตุของปัญหาได้ เช่น พนักงานขับรถไม่เคยขอเบิกค่าจ้างล่วงหน้ามาก่อน แต่ได้เบิกเงินล่วงหน้าไปในเดือนนั้น นั่นแปลว่า พฤติกรรมทางการเงินของเขาเปลี่ยนไป ซึ่งอาจตีความได้ว่า พนักงานคนนั้นกำลังตกอยู่ในภาวะเครียด ซึ่งความเครียดจะนำไปสู่การเพิ่มขึ้นของอัตรา turnover เป็นต้น ในโมเดลของ SAP HANA มีตัวแปรมากถึง200 ตัวแปรที่มีผลต่อโมเดลการพยากรณ์ ซึ่งนั่นเป็นเป็นข้อดีของ SAP HANA ที่สามารถพิจารณาตัวแปรใหม่ๆ แล้วคำนวณออกมาได้อย่างรวดเร็ว

นอกจากปัจจัยด้านการเงินแล้ว ปัจจัยด้านความปลอดภัย ก็มีผลต่ออัตรา turnover ของพนักงานขับรถเช่นกัน พนักงานขับรถจะต้องถูกอบรม หรือ coaching โดยบุคลากรด้านความปลอดภัย ถ้าผู้จัดการมีการ coaching ที่ไม่ดี พนักงานขับรถก็มีโอกาสลาออกมาขึ้น หรือ มีการ coaching ที่ดีแล้ว แต่พนักงานขับรถไม่ยอมเปิดใจ/เปิดรับสิ่งที่สอน ทางบริษัทก็อาจจำเป็นที่จะต้องพิจารณาให้เขาออกจากงานเมื่อฝืนกฎแห่งความปลอดภัยเช่นกัน

อย่างไรก็ตาม เมื่อ SAP HANA มีการพยากรณ์ว่า พนักงานขับรถกำลังจะลาออก ผู้จัดการจะเข้าไปพูดคุยกับพนักงานขับรถ ด้วยบทสนทนาธรรมดาๆ (เช่น การทำงานเป็นอย่างไรบ้าง เป็นต้น) เพราะการทำงานในปัจจุบันอาจทำให้เขาไม่ค่อยมีเวลาพูดคุยกับลูกน้อง CTG จึงกระตุ้นให้ผู้จัดการในแต่ละ fleet ใช้เวลาเพียง 5 – 10 นาที ในการพูดคุยและสร้างความสามัคคีกับลูกน้อง ผู้จัดการควรจะรู้ว่า ตอนนี้ลูกน้องของเขาเป็นอย่างไร แล้วบริษัทสามารถช่วยเหลืออะไรเขาได้บ้าง ยกตัวอย่างเช่น หลังจากการพูดคุยกัน ทำให้ผู้จัดการรู้ว่าลูกของลูกน้องป่วย ทำให้เขาต้องใช้เวลาในการดูแลลูกที่ป่วยมากขึ้น ก็อาจจะมีการเปลี่ยน fleet ในการวิ่งรถให้สั้นลง เพื่อให้เขามีเวลาในการกลับไปดูแลลูก หรือ บางครั้ง พบว่าลูกน้องมีปัญหาทางการเงิน การให้เงินค่าจ้างล่วงหน้า หรือ กำหนดเงื่อนไขในการขอเบิกที่ยืดหยุ่น จะสามารถช่วยเขาได้ เป็นต้น

ซึ่งผลจากการนำ Predictive Analytics มาใช้ในการวิเคราะห์และแก้ปัญหา สามารถลดอัตราการลาออกของพนักงานขับรถได้ถึง 5 – 8% บางครั้งความใส่ใจและเข้าใจที่เพิ่มขึ้นเพียงเล็กน้อย ก็สามารถส่งผลต่อธุรกิจได้อย่างมหาศาลเช่นกัน

** ท่านสามารถ “Comment”(Log-in ก่อน) กด “Like” กด “Share” บทความนี้ไปที่ Facebook ได้เลย **

เรียบเรียงโดย BLOG.SCGLogistics

อ้างอิงและรูปภาพจาก  forbes.com, pexels.com

Share this post