圖表背後的數據
| 小時 | 所需人手 | 主管預測 | 已排人手 |
|---|---|---|---|
| 06:00 | 14 | 16 | 16 |
| 07:00 | 22 | 20 | 16 |
| 08:00 | 30 | 24 | 24 |
| 09:00 | 26 | 24 | 24 |
| 10:00 | 20 | 22 | 24 |
| 11:00 | 24 | 22 | 22 |
| 12:00 | 26 | 22 | 22 |
| 13:00 | 20 | 20 | 22 |
| 14:00 | 16 | 18 | 18 |
| 15:00 | 18 | 18 | 18 |
| 16:00 | 24 | 20 | 18 |
| 17:00 | 30 | 24 | 24 |
| 18:00 | 36 | 28 | 28 |
| 19:00 | 38 | 28 | 28 |
| 20:00 | 34 | 26 | 28 |
| 21:00 | 26 | 22 | 22 |
| 22:00 | 18 | 18 | 18 |
| 23:00 | 14 | 16 | 18 |
一間250房的物業每週因憑感覺排班而流失約4.7萬至7萬港元：需求被低估的日子付加班費，被高估的日子付閒置工時。用酒店人力節省計算器看看這令您損失多少 →
您的 PMS 知道明天有多少客人抵達。您的排班卻不知道。
星期六的排班在星期二編排
您的餐飲經理提前五天鎖定早餐排班，然後星期四晚上一個旅行團訂了80間房，星期六只能靠加班和道歉撐過去。
數據是有的，只是從未到達排班表。
49%的酒店經營者表示無法取得所需的數據；40%歸咎於系統互不連通。抵達、離店和訂房進度留在 PMS 裡，排班表卻是一份試算表。
每位部門主管每週在 Excel 上花3至8小時
而排班所依據的90天人工預測誤差約28%，等於花了這些時間編排一份尚未列印就已經出錯的排班。
連接。預測。排班。驗證。
數週內上線。無需拆除或更換任何系統。
- 1
連接您的 PMS
OPERA Cloud、Mews 或 Cloudbeds，透過只讀取數據的安全連接，由導入團隊引導設定。
- 2
預測需求
AI 按部門、按小時預測抵達、離店、入住率和人次，隨訂房進度更新。
- 3
生成排班
成本最低、技能匹配且仍達到您服務標準的排班。AI 起草，您的主管批核。
- 4
驗證節省
每月按議定基準衡量：人力成本、加班、排班耗時、覆蓋率。
先看數字，名稱可應要求提供。
「我們不再為排班爭論。預測就在屏幕上，排班跟著它走，第一季加班就減少了18%。」
靠招聘解決不了，靠排班可以。
亞太正新增430,000間酒店客房，而旅遊業預計到2035年將短缺860萬名員工（WTTC）。您招不到的人手，必須從您已經支付的工時中找回來。
每等一個預算週期，一間250房的物業就有超過240萬港元無法收回。查看亞太酒店人力統計 →
圖表背後的數據
| 市場 | 短缺（百萬人） |
|---|---|
| 中國（所有行業） | 16.9 |
| 印度（所有行業） | 11 |
| 全球酒店業 | 8.6 |
每位營運總監首先會問的問題
HotelCadence 會取代我們的 PMS 嗎？
不會。HotelCadence 是建立在 Oracle OPERA Cloud、Mews 或 Cloudbeds 之上的智能層。它透過只讀取數據的安全連接讀取預訂、抵達、離店和入住率，再轉化為每小時的需求預測和排班。HotelCadence 從不更改您物業系統內的任何內容。
連接 OPERA Cloud、Mews 或 Cloudbeds 需要多長時間？
OPERA Cloud、Mews 和 Cloudbeds 都在產品內引導完成連接：您的管理員開啟一個只讀取數據的連接，平台就會以您最多兩年的歷史數據校準預測。
降低人力成本會令客人服務評分下降嗎？
優化引擎先按您的服務標準排班，再把成本降到最低。它把工時從空閒的早上移到入住高峰，繁忙的班次則保持不變。每次合作都按議定的基準同時衡量人力成本和服務覆蓋率。
HotelCadence 需要哪些數據權限？
一個只讀取您物業系統數據的安全連接（預訂、抵達/離店、入住率、房價和客源數據），以及適用時的 POS 人次。預測和排班不需要客人的個人資料。
如何衡量投資回報？
上線前我們議定一個基準：每間入住客房的人力成本、加班時數、排班耗時和服務覆蓋率。每月您都會收到按此基準衡量的相同數字；如果節省沒有出現，您也會看到。
一通30分鐘的電話，找出您的人力成本差距。
事先提供物業系統的唯讀權限，示範就會以您自己的入住數據進行。無論是否合作，您都會得到一份書面的差距估算。
「第一季內，每週的排班時間就從五小時減至四十分鐘。」