Monessa yrityksessä työajanseuranta nähdään ennen kaikkea lakisääteisenä velvollisuutena. Todellisuudessa työaikadata voi kuitenkin olla yksi organisaation arvokkaimmista tietolähteistä. Ensimmäisessä osassa käsiteltiin, miten se tukee ihmisten johtamista, hyvinvointia ja resursointia.

Tässä osassa katse kääntyy euroihin: kannattavuuteen ja siihen, miksi laadukas työaikadata määrittää myös sen, kuinka pitkälle tekoälyn hyödyntämisessä voidaan päästä.

 

Laskutuksessa eurot ratkaisevat, eivät vain prosentit

Asiantuntijayrityksissä laskutusaste on tuttu mittari. Pelkkä prosenttiluku voi kuitenkin johtaa harhaan.

Korkea laskutusaste kuulostaa hyvältä, mutta mitä jos laskutettavan työn mahdollistamiseen kuluu suuri määrä sisäistä, laskuttamatonta työtä? Tai mitä jos kiinteähintainen projekti on vienyt moninkertaisesti enemmän aikaa kuin alun perin arvioitiin?

Silloin kiinnostavampi kysymys on, mitä työn tekeminen on kokonaisuudessaan maksanut yritykselle ja mitä siitä on lopulta laskutettu.

Kun työaika yhdistetään projekti- ja laskutustietoon, päästään tarkastelemaan todellista kannattavuutta. Näyttääkö projekti hyvältä vain laskutusasteen perusteella vai tuottaako se yritykselle aidosti kannattavaa liiketoimintaa?

Tämän kaltainen tarkastelu vaatii kuitenkin yleensä työtä: joku käy projektit läpi, vertailee toteutuneita tunteja arvioihin ja etsii poikkeamat käsin, usein vasta kuukausiraportoinnin yhteydessä.

Mitä jos esimerkiksi kiinteähintaisen projektin uhkaava ylitys havaittaisiin jo silloin, kun siihen voidaan vielä reagoida? Juuri tällaisten poikkeamien tunnistaminen on yksi konkreettisimmista tavoista, joilla tekoäly voi tukea kannattavuuden johtamista. Se edellyttää kuitenkin riittävän tarkkaa ja kattavaa työaikadataa.

 

Tekoäly tarvitsee dataa, ja mitä laadukkaampaa se on, sitä pidemmälle päästään

Tekoäly lupaa organisaatioille paljon: ennakointia, poikkeamien tunnistamista ja entistä älykkäämpää analytiikkaa. Nämä lupaukset ovat realistisia, mutta tekoäly ei tee ihmeitä tyhjästä. Se tarvitsee dataa. Ja mitä laadukkaampaa, kattavampaa ja tarkempaa data on, sitä kiinnostavampiin kysymyksiin voidaan saada vastauksia.

Otetaan yksinkertainen esimerkki. Kysytään tekoälyltä: Miten tiimillä menee?

Jos käytettävissä ovat vain kokonaistunnit, vastaus voi olla yksinkertainen: tiimi tekee normaalit 37,5 tuntia viikossa, joten kaikki näyttää olevan kunnossa.

Kun mukaan otetaan tarkemmin kohdistettu työaikadata, kuva voi muuttua täysin. Saattaa käydä ilmi, että 70 prosenttia tiimin ajasta kuluu yhteen asiakasprojektiin, joka on laskutettu kiinteähintaisena ja jonka arvioitu työmäärä on jo ylittynyt kolminkertaisesti. Samalla huomataan, että merkittävä osa työajasta kuluu sisäisiin palavereihin ja koordinointiin asiakastyön sijaan. Kapasiteettia siis on, mutta sitä ei käytetä niin kuin johto olettaa.

Pelkkien kokonaistuntien perusteella tätä ei voisi nähdä. Työmäärä näyttää normaalilta, vaikka projektin kannattavuus olisi heikentynyt ja resursseja kuluisi vääriin asioihin.

Sama kysymys, mutta täysin eri tasoinen vastaus. Ero syntyy datan laadusta ja tarkkuudesta.

Organisaatiot, joilla on jo nyt kattava, laadukas ja riittävän tarkka kirjaushistoria, ovat vahvassa asemassa tekoälykyvykkyyksien kehittyessä. Historiallista dataa ei voi rakentaa jälkikäteen. Siksi tämän päivän kirjaukset muodostavat pohjaa huomisen analytiikalle ja päätöksenteolle.

 

Työajanseuranta on investointi tietoon

Työajanseuranta on pitkään nähty pakollisena pahana. Entä jos sitä tarkasteltaisiin investointina tietoon, johtamiseen ja tulevaisuuteen?

Kyse ei ole vain lakisääteisen velvollisuuden täyttämisestä. Olennaisempaa on kysyä, mitä organisaatio haluaa tietää omasta toiminnastaan ja miten tätä tietoa voidaan hyödyntää parempien päätösten tekemisessä.

Työajanseurannan arvo ei synny kirjatuista tunneista, vaan siitä, mitä niiden avulla voidaan ymmärtää toiminnasta, resursseista ja työn tekemisen tavoista. Ensimmäisessä osassa käsitellyt hyvinvoinnin ja resursoinnin näkökulmat ja tässä osassa käsitellyt kannattavuus ja tekoäly ovat lopulta saman kolikon kaksi puolta: molemmat perustuvat samaan, tarkasti kirjattuun työaikadataan.

Paras aika aloittaa oli eilen. Toiseksi paras on tänään.