案例研究 · 新加坡 · Mews · 3 家酒店
工时从空闲的上午转移到傍晚的高峰
一家拥有三家酒店的新加坡集团将平均入住登记等候时间缩短 40%，同时前厅工时减少 7%：来自 Mews 的逐小时抵店预测首次为 17:00–20:00 的高峰配置了人手，跨酒店机动人员池则把运力调往最先出现高峰的前台。招聘自始至终都受限。
−40%平均入住登记等候时间，对比基准
−7%集团前厅工时
81%实施期间的入住率
实测成效，应客户要求酒店已匿名化。指标均对照约定基准核验。
问题所在：排班无视了人人可见的抵店曲线
新加坡商务酒店的抵店高度集中在 17:00 之后：晚航班、晚会议。集团各前台从 08:00 起固定安排六名接待员，于是上午闲置，而旗舰酒店的傍晚队伍一再超过十五分钟。宾客写的评价都是关于排队。
做了什么改变
Mews 的抵店数据转化为每家酒店的逐小时人手预测；排班跟随曲线，接受过交叉培训的机动人员则覆盖最先迎来抵店高峰的酒店。背后的酒店数据洞察视图 →
需求匹配排班所需人手（按抵店数据）原固定排班
图表背后的数据
| 时段 | 所需人手 | 原排班 | 需求匹配排班 |
|---|---|---|---|
| 08:00 | 3 | 6 | 3 |
| 10:00 | 3 | 6 | 3 |
| 12:00 | 4 | 6 | 4 |
| 14:00 | 4 | 6 | 4 |
| 16:00 | 6 | 6 | 6 |
| 17:00 | 9 | 6 | 9 |
| 18:00 | 10 | 6 | 10 |
| 19:00 | 9 | 6 | 9 |
| 20:00 | 7 | 6 | 7 |
| 22:00 | 4 | 6 | 4 |
“评价里不再提到排队。同样的团队，同样的楼，工时只是挪到了宾客所在的时间。”
HotelCadence 是面向酒店的劳动力管理软件。它读取您物业管理系统中已有的预订，按小时预测每个部门的繁忙程度，据此生成匹配的排班表，记录实际工时并准备薪资。各部门主管审批每一份排班表。每位排班员工每月 6 美元起。
等候时间下降 40% 的同时，工时为何能减少 7%？
原排班既人手过多又时机错位：全天六名接待员意味着 10:00 人手过剩、18:00 却在排队。按抵店曲线配置人手后，傍晚高峰有九到十名接待员，清静的上午只需三名；总工时减少，但更多工时落在宾客抵达的时段。
什么是跨酒店机动人员池？
跨酒店机动人员池是由步行可达范围内的几家酒店共享的一小队接受过交叉培训的前台接待员，每天按逐小时抵店预测分配到最先出现高峰的前台。因为三家酒店都使用 Mews，一份逐小时抵店预测即可覆盖整个集群，所以运力在移动，编制保持不变。
为什么不直接多招接待员？
新加坡的劳动力短缺预计将使行业增长削减最多 1.4 个百分点，招聘受限是市场现实。集团入住率为 81%；剩下唯一的杠杆就是把现有工时对准高峰。