![]()
本文來自微信公眾號:蓋雅時間,作者:蓋雅時間,頭圖來自:AI生成
周六下午三點,一家服裝門店客流高峰。門店排了10名員工,實際站在場內接待顧客的只有6個人。
另外4個人呢?
一個在倉庫里翻找被系統顯示“有庫存”但實際找不到的貨品,花了20分鐘;另一個站在收銀臺后面等主管過來授權折扣,站了15分鐘;還有兩個剛結束上一波客流高峰,正處于喘息期——沒有客人,也不好意思閑著,只能裝作在整理衣架。
而這家門店的管理者,此刻正盯著手機上的打卡記錄:全員到崗,滿勤。
這是零售業最常見、最普遍、也最隱蔽的一幕。
員工來了,時間花了,成本出了,但大量真正消耗在后臺的工時,既沒有人看見,也沒有人計算。
我們把這種現象叫做:沉默工時。
一、消失的工時,都藏在哪里?
沉默工時不是加班,不是遲到,不是曠工——這些好歹有記錄在案,容易被抓住。沉默工時更隱蔽:它是被合法記錄的、卻實質上未產生價值的工時。
這種空轉,在制造業叫設備空載率,而在零售業,往往連個名字都沒有,只剩下一句籠統的“人效不高”。為什么人效不高這四個字能年復一年地出現在管理層討論里,卻始終沒有解決?
主要是因為缺少工時管理的工具。
大多數零售企業的人力管理,建立在一張考勤表上。員工幾點到,幾點走,中間休息了多久,有沒有請假。這套邏輯運行了二十年,技術上成熟,操作上簡便,成本上可控。但它的致命局限在于:只回答“來沒來”,不回答“干了什么”。
我們來做一個思想實驗。假設你是門店店長,今天是周末,排了10個人在崗。月底,考勤系統告訴你:這10個人一共工作了260個小時。
這260個小時里,直接面向客戶服務(直接影響銷售產出)的時間占多少?剩下的時間,去了哪里?
大多數店長會沉默兩秒,然后給出一個大概的數字,“可能有七八成在接待客戶吧”。七八成。這是一個既經不起追問、也經不起驗證的答案。
這就是沉默工時的根源:不是員工的問題,是管理工具的問題。
當管理本身存在盲區,被遺漏的那部分就會自動變成“被允許的損耗”。有意思的是,這種損耗在財務賬上找不到對應科目。銷售額、人力成本、租金成本、毛利率——這些數字每個月都會出現在經營分析會上。但“沉默工時損耗”這張表,從來沒有被單獨列示過。
那么,沉默工時到底藏在哪些地方?
蓋雅結合對客戶項目調研的結果,梳理了七個關鍵節點。
1
第一個節點,開店前的準備時間。
每家門店都有這部分工作:陳列整理、貨品補位、系統登錄、晨會。這段時間通常被排進正常工時,員工按時到崗,薪資照常計算。
那這段準備時間,每位員工的有效產出時間是多少?答案往往是模糊的。
因為開店準備這段時間,在很多門店的工時結構里是“隱形的”。它不被單獨計量,不被納入任務分配,更沒有被納入過人效的考核。它的存在被默認了。
有一家服裝連鎖的運營總監告訴我們,他們做過一次門店工時審計,發現一家月銷售額中等的門店,每周僅晨會超時這一項,就多消耗約2.5個小時的無產出時間。一個月就是10個小時。一年下來,夠安排一個人上兩周的班了。
這不是某個員工的問題,是排班邏輯和任務分配方式的問題。
2
第二個節點,客流低谷期的合法空轉。
零售業有一個基本事實:客流不是均勻分布的。早高峰一批,中午一段低谷,下午又上來,晚高峰沖一波,然后回落。任何一家門店的排班,都只能取一個折中值——不可能專門為客流低谷大幅裁人,也不可能臨時從別處調人過來填補一小時的需求波動。
于是,低谷期的員工“合法空轉”了。
站在那兒等客人。整理已經不亂的貨架。在柜臺后面站成一排。偶爾低頭看一眼手機,被店長瞥見,再假裝整理一下臺面。
問題的根源不在于員工不努力,而在于門店的任務結構里,低谷時段沒有被安排任何必須完成的后臺工作。例如庫存整理可以填補等待,訂單處理可以填補等待,會員回訪可以填補等待。但這些事情通常沒有進入排班的視野。
3
第三個節點,即時零售帶來的增量空白。
這是近三年才快速顯現的一類沉默工時,而且還在持續擴大。
線上訂單到店取貨,需要分揀、打包、通知消費者。社群運營的咨詢,需要員工在服務顧客的同時兼顧回復。品牌做門店直播,需要有人配合出鏡、補貨、演示。這些事情,POS系統查不到工時,排班表里找不到位置,月底的人力成本分析也從來沒有單獨列項。但它們每天都在門店里真實消耗著。
某頭部即時零售平臺發布的行業報告顯示,即時零售履約訂單量同比增長超過40%,而承接這些訂單的線下門店中,超過六成尚未將O2O工時納入獨立的排班和成本核算體系。
換句話說:訂單量在高速增長,背后的工時消耗也在高速增長,但管理方式和工具還停留在增量出現之前。
一家月均500單的社區門店,僅O2O打包這一件事,每月就消耗約25到30個小時。這些時間沒有被計進任何成本基準,卻是真實發生的勞動付出。
這也是近期蓋雅一家商超客戶上智能排班系統的直接原因。
4
第四個節點,促銷檔期的隱性成本。
任何一次促銷活動,都有一條固定的工時消耗鏈:布場要人,補貨要人,維持活動現場的秩序要人,活動結束后撤場還要人。
這條鏈上消耗的時間,在很多門店被統一計為“加班”兩字處理。
但“加班”是一個籠統的結果描述,并非工時分析。例如,同一場促銷活動,門店A從布場到撤場用了45分鐘,門店B用了整整兩小時。這1小時15分鐘的差距,是人員能力的問題?是流程設計的問題?還是任務分配從一開始就模糊不清的問題?
促銷活動從來不只是銷售額的競爭,也是工時效率的競爭。但大多數門店只在收入端復盤,不在成本端審計。
促銷頻次越高,這個問題越容易被掩蓋。反正每周都有活動,每場活動都有加班,月底一看,加班時長在合理范圍內。但這個“合理范圍內”,掩蓋了門店之間巨大的工時效率差異。
5
第五個節點,交接班時的信息漏損。
門店運營是多班次接力。每個班次結束時,交班員工需要向接班員工傳遞當日狀態、遺留問題、待辦事項。這本應是一個高效的信息傳遞節點。
但現實往往是這樣的:口頭交接,“那個投訴你記得跟進一下”;書面記錄,字跡潦草或者格式不統一;系統里沒有對應的任務記錄,全靠記憶傳遞。
然后接班員工上崗,發現那個投訴根本沒有系統記錄,只能從頭了解。庫存盤點時發現有一項數據對不上,追溯到前一個班次發現交接時漏了一項說明。第二天處理這件事花了三十分鐘。
這三十分鐘,在考勤表上查不到,在任何人的加班記錄里也找不到,但它真實發生了。
一家每天運行三個班次的門店,即使每次交接只損耗5分鐘的無用等待,一天就是15分鐘。一年下來,就是近百小時,足夠填滿兩周的全職工時。
這些時間從來不出現在工時報表里,但它們每一天都在悄悄發生。
6
第六個節點,閉店后的賬目處理。
這是勞動合規領域里最容易被忽視、也最容易產生糾紛的一個環節。
收銀日結、報表填寫、清潔整理、安全檢查……這些工作加起來,短則十五分鐘,長則半小時。在大多數門店的排班邏輯里,這個時間段是不存在的。員工打完卡,繼續干活。
我們可以來算一筆賬。如果一個員工每天閉店后多留半小時處理收尾工作,一個月是13個小時,一年是156個小時。如果一家門店涉及兩到三名員工,這個數字直接翻到300小時以上。
這些時間從未被預排,從未被記錄,從未被計入任何月度成本分析。但在勞動法的語境里,它有一個明確的名字:隱性加班。其帶來的風險不容忽視。
7
第七個節點,月度與季度專項任務。
庫存盤點、總部巡店配合、新員工培訓、季度績效面談——這些任務有一個共同特點:它們不是日常運營的一部分,但又真實消耗工時;它們通常由店長估算耗時,但沒有人實際測量。
我們見過最極端的一個案例:某連鎖品牌一家門店,月度盤點計劃排了兩名員工各兩小時。但實際執行中,因為庫存數據不準確、系統操作不熟練,加上中間被臨時進店客人打斷,最終用了將近六個小時。
事后復盤,沒有人追問這六個小時的構成:有多少是有效工作,有多少是等待和返工。因為這類專項任務,從來沒有進入工時效率的審計范疇。
你的門店里,各類沉默工時又占比多少呢?
大多數管理者答不上來——不是不想答,是沒有數據。而這,恰恰是下一章要聊的問題:當沉默工時從來沒有被單獨計量,它的代價是如何被掩蓋的,又是如何悄悄侵蝕利潤的。
二、沉默工時,會讓企業付出哪些代價?
隨著數字化轉型辦公室的成立,該企業全力著手構建統一的大數據體系與技術中臺,全力推動業財人一體化、集成產品交付等核心變革落地生根。
在這樣的整體轉型框架下,工廠人員管理系統的重建工作,早已不是一次單純的局部IT升級項目,而是融入企業整體布局,成為整個數字化轉型版圖里不可或缺、至關重要的組成部分。
沉默工時到底在消耗什么?
很多人以為代價是"錢"。這沒錯。
我們把七個節點加在一起,那就相當于:一家20人的門店,每天沉默工時保守估計在30到50個小時之間。一個月累計是780到1300小時。一年折算下來,相當于每年燒掉二三十萬人力預算。這筆錢雖然在財務賬上不存在,但在經營結果里真實發生。
而且,這個數字會隨著門店規模擴大、業務復雜度增加(尤其是O2O占比提升)而持續擴大。
但錢只是一個結果。我們把代價拆開來,會發現它至少存在三個層面,每一層都比錢更難追回。
人效失真
零售業最常用的效率指標是:人效等于銷售額除以工時。這個公式本身沒問題,問題出在“工時”這個變量上。
當沉默工時混在正常工時里,人效公式實際上在比較兩件完全不同的東西:分子端的銷售額,來自員工高強度接待客戶的那些時間;分母端的工時,包含的是接待時間、等待時間、行政時間、閉店后加班時間全部攪在一起。
我們來算一個具體的數字。
假設一家20人門店,月銷售額80萬元。如果沉默工時占比三成,實際有效工時就是總工時的七成。這意味著:人效公式里的“工時”被人為放大了約43%,但銷售額沒有同步放大,因為沉默的那部分時間本來就沒在創造收入。結果則是人效被低估了四成以上。
更直接的后果出現在排班決策上。
管理者看到人效數字下降,直覺反應是“人手不夠”。于是多排兩個人進來。但沉默工時的比例不會因此改變——新來的人同樣會陷入等待、流程摩擦、交接損耗。人效進一步被稀釋。
這還沒有結束。人效繼續低,繼續加排,繼續稀釋,直到有一天管理者終于意識到:排班表上明明人已經夠了,為什么產出還是不夠?
問題不是“人不夠”。是“時間沒有被正確使用”。但在不精確的測量體系里,這個判斷永遠不會出現。
合規成本
人效的賬算不清,還有一個后果更直接——合規層面的賬也算不清。
沉默工時里有一部分處于勞動法規的邊界地帶,它的危害不是立刻顯現的,但一旦顯現就是真金白銀的損失。
最典型的場景是閉店后的收尾工作。
大多數門店的排班到“打卡時間”截止,但收銀日結、報表填寫、清潔整理、安全檢查這些事情,打卡之后還得繼續做。我們訪問過一批華東地區的連鎖門店店長,這個收尾時長差異很大:快的15分鐘,慢的超過40分鐘,差距主要取決于有沒有標準化的收店流程、收銀系統操作是否熟練、門店大小。
一個員工每天閉店后多留25分鐘。一個月是10到12個小時。一年是多少?120到145個小時。
按月薪2500元、時薪約14元估算,一年沉默的加班成本在1700元到2000元之間。這聽起來不多,但一家50家門店的連鎖品牌,如果每家門店有兩個員工存在這個問題,全年就是十幾萬的隱性加班費。如果涉及離職結算或勞動仲裁,這筆錢加上罰金和賠償,數字會成倍放大。
另一個容易被忽視的場景是提前到崗。很多門店默認員工提前5到10分鐘到崗準備,這是“正常節奏的一部分”,不會有人專門問“這十分鐘怎么算”。但《勞動法》的界定很清楚:只要員工在門店提供勞動,就是工作時間。
類似這些沉默工時的存在就變成了沒有被預防、沒有留證據、被默認忽視的合規缺口。
跨門店對標的失準
人力成本的賬算不清,還有一個更隱蔽的后果——橫向比較的時候,結論也會出錯。
連鎖零售最難做的一件事,是搞清楚門店之間人效差距的真正原因。
總部每個月拿到各門店的經營數據。人效最高的門店和最低的,差距往往在一倍以上。同一家品牌,同樣的面積,差不多的客流量,結果卻相差懸殊。
復盤時,原因通常被歸結為三類:店長能力差異、員工素質差異、商圈環境差異。這些解釋不能算錯,但太粗糙了。導致的結論往往是“換人”。
實際上,真正的原因往往藏在工時結構里。
門店A沉默工時率25%,20個人里實際有15個人在做有效產出。門店B沉默工時率45%,同樣20個人,只有11個人在創造價值。差距不是人的差距,是時間利用率的差距。
但沒有人能證明這一點,因為沉默工時從來沒有被單獨拆出來。“人效差距”被歸因到了人身上,而不是結構身上。店長換了一個又一個,問題還在原地。
把結構性缺陷當成人的問題來改進,是最昂貴的決策失誤之一。
三、沉默工時高,是店長的問題嗎?
讓沉默工時持續存在的,不是員工的素質,不是店長的管理意愿,甚至不是老板的重視程度,而是整個管理體系里,有一個結構性的缺口。
就是排班、任務、工時,這三件事在大多數零售門店里是脫節的。
排班系統管的是“什么時候需要幾個人”。它回答的是:明天早班需要幾個人,晚班需要幾個人,高峰期加幾個臨時工。
任務分配是另一套邏輯。它由店長在每天的晨會上宣布,或者寫在交接本上,或者在微信群里發一條消息:今天誰負責收銀區,誰負責庫房,誰負責上貨。
工時記錄又是另一套。員工打卡,系統記錄離崗時間和到崗時間,自動生成一個工時數字。
這三套邏輯之間,有大量的信息損耗。
排班表告訴你“早班六個人”,但沒有說這六個人各自的任務是什么。任務分配告訴你“張三今天負責庫房”,但沒有說張三在庫房里待了多久、實際干了多少活。工時記錄告訴你“張三今天工作了八小時”,但沒有說這八小時里有多少在接待客戶、多少在等待、多少在處理O2O訂單。
于是出現了一個經典的管理盲區:你知道有人,但你不知道在干什么;你知道在干什么,但你不知道花了多少時間;你知道花了多少時間,但你不知道創造了多少價值。
三個問題,環環脫扣。
然而,這個缺口很少被主動發現。
管理者每天面對的事情太多了:銷售額、客流、客訴、庫存、招聘、排班調整。這些事情有反饋周期,有優先級,有緊迫感。日積月累成一筆糊涂賬。
直到有一天,老板翻報表發現人效又低了,問了一句“怎么回事”,店長能給出的最誠實的回答是:“我感覺人挺忙的,但確實不知道時間都去哪了。”
不過,伴隨著即時零售的滲透率在零售行業持續上升,為零售業的工時精細化管理拉響了警報。
O2O工時的管理復雜度,遠超傳統線下零售。
以一家月均O2O訂單500單的社區門店為例。500單聽起來不多,但它的實際含義是:每天平均16到17單,每單需要分揀、打包、等待騎手、交接。這些環節穿插在正常客戶服務中間,不是專門拿出一段時間來處理,而是員工在接待顧客的同時被手機提示打斷,放下手頭的活去處理訂單,再回來繼續。
這種碎片化的工作節奏,在排班表上是看不出來的。排班系統只能顯示“今天安排了六個人”,但沒有辦法告訴你:這六個人今天有多少比例的時間被O2O訂單切割了?有多少次服務中斷是因為訂單處理?O2O工時和非O2O工時各自的效率差異有多大?這很難有準確答案。
關鍵問題是,不同平臺的訂單處理邏輯不一樣。
某些平臺支持批量打印揀貨單,某些需要逐單掃碼確認;某些品類整進整出,某些需要二次包裝。門店承載的平臺越多,訂單結構越復雜,處理同一批訂單所消耗的時間差異就越大。同樣的500單,有的門店用兩小時消化,有的用四小時。這部分工時差距,在傳統考勤系統里完全看不見。
而且,O2O訂單的分布是波動的。
周中每天可能只有十幾單,周末翻倍到三十甚至五十單。門店不可能按周末峰值來配置人力,那樣周中會大量閑置。也不可能按周中配置,那樣周末會爆單。
總之,O2O工時的彈性特征,讓傳統排班邏輯的局限性徹底暴露出來。
四、讓工時被記錄、被分類、被分析
聊到這里,那怎么消除沉默工時呢?
答案看起來很簡單:讓工時被記錄、被分類、被分析。
第一步,把工時和任務真正綁定在一起。
排班表上要說清楚三件事:這個人今天在這個區域要干多少活?干完這些活實際花了多長時間?和計劃的時間有沒有偏差?
沒有這三個維度,工時和任務之間就還是脫節的。店長只能說“張三今天在某個崗位和區域待了八小時”,但說不出“這八小時里有多少在接待顧客,多少在等顧客,多少在處理O2O訂單”。
要解決這個問題,需要的是一套能把“班次”和“任務”對應起來的工時記錄方式。員工到崗后,系統知道他今天的主要任務是哪幾項;每一項任務的開始和結束,由員工或店長在系統里確認;系統自動記錄每一項的實際耗時,和計劃工時做對比,生成偏差記錄。
我們來看一個具體的操作場景。
某商超上線工時賬戶系統之后,店長在復盤時發現了一個從未注意到的數據:每天上午10點到11點之間,平均有25分鐘的實際接待空白。不是沒有客流,而是員工在處理O2O訂單的分揀和打包,導致前場出現短暫的接待真空。
這個數據怎么來的?不是店長觀察到的,是工時記錄告訴他的。
該企業的運營團隊看到這個數據后,立刻調整了排班邏輯:O2O高峰期段增加一名員工專職負責線上訂單,前場接待保持滿編。同時,O2O任務被單獨列為一個工時類別,不再和線下服務混在一起統計。
這就是任務綁定之后才能做到的事情:不是靠店長的眼睛更勤快,而是讓數據自己開口說話。
第二步,把工時和成本對應起來。
光知道時間花在哪里還不夠,我們還要知道這些時間值多少錢。
對于連鎖品牌來說,這一點尤為關鍵。同一家集團旗下,不同門店的人力成本可能差不多,但工時結構可能差很遠。門店A70%的工時在直接服務客戶,門店B只有55%。剩下的差距在哪里?可能是在等待、流程摩擦,又或是O2O帶來的隱性消耗、交接不清帶來的返工?
這種差距不透明,總部的決策就會失準。批了同樣的預算下去,有的門店用出了兩倍的效果,有的門店持續虧損但找不到原因。人力成本管控變成了一筆糊涂賬,增量預算永遠批不準,優化空間永遠看不見。
當工時和成本對應起來,每家門店的工時結構就變成了一張清晰的賬。不只看到花了多少錢,還能看到錢換成了多少有效工時。高價值工時的單時成本是多少?沉默工時的單時損耗是多少?這兩個數字的差距,就是優化空間。
更重要的是,同一本賬,企業也可以橫向對標。同一個品牌、同一個商圈的兩家門店,人效差距30%,是人的問題還是結構的問題?
工時賬會給出答案:是門店B的O2O工時占比高了8個百分點,交接損耗多了15分鐘每天,閉店后收尾時間比門店A長了一倍。這些數字指向的不是換店長,而是重新設計門店的任務結構和操作流程。
第三步,建立工時健康度的定期審計機制。
一次性的改變還不夠。
因為工時結構會隨著季節、促銷、員工流動、O2O占比的變化而持續波動。這個月排查完,下個月又出現了新的沉默工時節點。O2O訂單量在漲,客流的波峰波谷在變,人員編制在調整——沉默工時的來源也在隨之遷移。
所以需要一套定期審計的機制。
我們建議企業每季度做一次工時結構復盤,復盤的維度有三個:其一,高價值工時占比有沒有下降,如果下降,是哪個環節出了問題;其二,沉默工時有沒有增加,新增的部分在哪里;其三,不同門店之間的工時結構差距有沒有在縮小,如果差距在擴大,說明管理標準在退步。
這個復盤不需要多復雜,但需要持續做。當工時結構成為每個季度經營復盤的標準議題,沉默工時就從“看不見的損耗”變成了“被監控的指標”。
最后,在合上這篇文章之前,我們也可以對照自己的門店:
你能說出過去一周,每家門店沉默工時的占比嗎?
你的排班系統能區分“在崗等待”和“高強度接待”這兩種工時嗎?
你上一次因為工時結構數據調整排班方案,是什么時候?
三個問題,不需要現在就給出答案。
但這三個問題指向的卻是同一個事實:沉默工時不是獨有的新問題,而是需要一個被衡量的新方法。
這就是為什么全球范圍內,越來越多的零售企業開始用勞動力賬戶、工時銀行的概念替代傳統考勤打卡,需要一套能把排班、任務、工時三個環節打通的管理工具。
從考勤打卡到勞動力賬戶,本質上是企業管理精度的升級:它讓工時從“記錄的時間”變成“可分析的數據資產”。
本文來自微信公眾號:蓋雅時間,作者:蓋雅時間
本內容由作者授權發布,觀點僅代表作者本人,不代表虎嗅立場。如對本稿件有異議或投訴,請聯系 tougao@huxiu.com。
本文來自虎嗅,原文鏈接:https://www.huxiu.com/article/4851514.html?f=wyxwapp
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.