Дефицит кадров: как аналитика меняет управление персоналом

Фото из личного архива Евгения Поремова

Кадровый дефицит заставляет компании пересматривать привычный подход к управлению персоналом. Эта проблема стала одной из тем XVI HR-конференции «Управление производственным персоналом», которая прошла в июне 2026 года.

Сегодня бизнесу недостаточно просто закрывать вакансии. Нужно заранее понимать, какая нагрузка ожидает подразделения, сколько сотрудников потребуется в конкретный период и как распределить рабочее время без лишних затрат и перегрузки людей.

О том, как аналитика помогает бизнесу точнее управлять имеющимися трудовыми ресурсами, и почему решения, основанные только на опыте руководителя, перестают отвечать потребностям компаний, рассказал эксперт в области Workforce Management — управления численностью, нагрузкой и рабочим временем сотрудников, продвинутой аналитики данных и цифровой трансформации операционного управления — Евгений Поремов.

В компании «Verme» Евгений занимался аналитикой, разработкой и внедрением систем управления персоналом для ведущих российских компаний, таких как «Гемотест», «М.Видео», МТС и других.

Если растёт нагрузка

Евгений, кадровый дефицит остается одной из главных проблем бизнеса. Что он меняет в подходе компаний к управлению персоналом?

Кадровый дефицит заставляет компании внимательнее работать с уже имеющимся штатом. Закрывать вакансии становится сложнее, поэтому бизнесу приходится искать внутренние резервы эффективности. Это часто связано с использованием рабочего времени. При одинаковой численности подразделение может работать с разной эффективностью в зависимости от распределения часов. Если людей не хватает в периоды пиковой нагрузки, растёт нагрузка на команду и может снижаться качество обслуживания. Если сотрудников больше, чем требуется в спокойные часы, часть оплачиваемого времени используется без достаточной отдачи. Я сталкивался с этой проблемой в проектах для крупных компаний. Например, в «Гемотесте» планирование графиков было устроено так, что в системе накопилось более 2 тыс. вариантов графиков. При этом ответственным сотрудникам было сложно быстро определить, кто и когда работает и кого можно привлечь для усиления. В рамках проекта удалось выстроить единый процесс планирования и учета для 445 филиалов и 1150 сотрудников. В результате компания повысила эффективность использования трудовых ресурсов, увеличив финансовые и операционные показатели.

Многие руководители годами составляют графики и определяют потребность в сотрудниках, опираясь на собственный опыт. Когда такого подхода становится недостаточно?

Опыт руководителя работает, пока речь идет об одном подразделении или небольшой сети, где ситуацию можно контролировать практически вручную. Хороший пример, где этот подход упирается в свои ограничения, дает X5. В компании описывали задачу планирования смен для примерно 25 тыс. магазинов и более 378 тыс. сотрудников. При таком масштабе учитывать потребность в людях вручную уже невозможно. На неё влияют десятки факторов, включая поток покупателей, различные операции внутри магазина, сезонность и внешние обстоятельства. Руководитель может хорошо знать свой магазин и понимать привычную динамику нагрузки. При этом ему сложно одновременно оценить, сколько людей потребуется в каждый момент рабочего дня, какие задачи возникнут параллельно и как ограничения по сменам повлияют на итоговый график. Для меня такие кейсы показывают границу управленческого опыта. Проблема возникает не потому, что руководитель плохо знает свой бизнес, а из-за масштаба данных.

Проверять и корректировать

Как компания может перейти от субъективной оценки потребности в сотрудниках к управлению на основе данных?

Переход начинается с того, что компания определяет показатели, которые влияют на потребность в сотрудниках. В рознице это может быть клиентский поток, продажи, количество операций, сезонность, время суток. Эти данные сопоставляются с фактической нагрузкой, после чего компания получает модель, которая показывает, сколько сотрудников потребуется в конкретный период.

В проекте для МТС мы работали с такой же задачей. Во время пилота в 46 магазинах сравнивались решения двух поставщиков. Одним из критериев была точность прогноза клиентопотока, поскольку от нее зависел расчёт потребности в персонале. В итоге реализованное мной и моей командой решение Verme получило наиболее высокие оценки по трём показателям и было выбрано для масштабирования на розничную сеть. В результате компания перестаёт исходить из фиксированной численности и начинает рассчитывать потребность на основании реальной нагрузки. Полученную модель нужно проверять на практике и при необходимости корректировать.

Почему одинаковая численность сотрудников может давать разный результат в течение одного рабочего дня?

Количество сотрудников само по себе мало говорит об эффективности. Важно, в какие часы они работают и насколько их рабочее время совпадает с нагрузкой. В течение одного дня потребность магазина меняется: в часы пик требуется больше сотрудников, в спокойные периоды часть рабочего времени может использоваться менее эффективно. Именно такую задачу мы решали в проекте для «Эконики». Раньше сотрудники выходили по гибким графикам в рамках месячного фонда часов. В рамках проекта рабочее время связали с фактической потребностью магазина и пиковыми периодами нагрузки. За первые три месяца в 34 сопоставимых салонах товарооборот вырос на 5%, конверсия увеличилась на 0,5 процентного пункта, доля фонда оплаты труда в обороте снизилась на 0,4 процентного пункта. Изменение результата произошло без увеличения численности. Компания эффективнее использовала те же трудовые ресурсы за счёт более точного распределения рабочего времени. Поэтому важно учитывать не только численность сотрудников, но и то, насколько их рабочее время соответствует фактической нагрузке.

Где помогают алгоритмы

Какие ошибки в управлении трудовыми ресурсами вы чаще всего видите в компаниях из разных отраслей?

Чаще всего компании пытаются оптимизировать отдельные элементы процесса, не разбираясь в том, как устроено управление трудовыми ресурсами. Например, руководитель видит перерасход фонда оплаты труда и сразу сокращает часы. При этом причина может находиться в другом месте: в неверных нормах операций, неточном учёте отработанного времени или неправильном распределении нагрузки между подразделениями. Ещё одна распространенная проблема связана с отсутствием единого подхода. В одной компании разные подразделения могут самостоятельно определять правила планирования, использовать разные показатели и по-разному оценивать эффективность. При небольшом масштабе это остаётся незаметным. При росте сети такие различия начинают напрямую влиять на затраты и качество управления. Компании собирают большой объём информации, однако редко используют её для проверки собственных управленческих решений. Без регулярного сравнения плана с фактом сложно понять, какие настройки работают, где возникают отклонения и что нужно изменить. Поэтому я начинаю с анализа самого процесса управления. Сначала нужно понять, как компания принимает решения, какие данные использует и где возникают потери. После этого можно определять, что стоит автоматизировать или изменить.

Где сегодня алгоритмы помогают в управлении персоналом, где решение по-прежнему должно оставаться за руководителем?

Алгоритмы помогают там, где нужно быстро обработать большой объём данных: спрогнозировать нагрузку, рассчитать потребность в сотрудниках, сформировать графики, выявить отклонения. Для части таких задач применяются методы машинного обучения, например при прогнозировании нагрузки на основе данных. При этом алгоритм работает в рамках заданных параметров. Руководитель определяет правила, учитывает ограничения конкретного бизнеса и отвечает за последствия решения. Если меняется процесс или возникают нестандартные обстоятельства, параметры системы нужно пересматривать.

С чего стоит начать компании, которая до сих пор управляет численностью сотрудников и рабочими графиками преимущественно на основе опыта руководителей?

Я бы не советовал начинать сразу с покупки системы. Сначала нужно разобраться, как сейчас устроено планирование: кто принимает решения, какие данные использует компания, сколько времени занимает подготовка графиков и где возникают ошибки. Следующий шаг — выбрать участок для пилота. Лучше взять подразделение, где проблема уже заметна и есть данные для сравнения. На этом этапе можно проверить несколько показателей: точность планирования, затраты на рабочее время, производительность, выполнение стандартов обслуживания. Такой подход позволяет оценить результат на практике и понять, какие изменения нужны компании. После этого можно переходить к масштабированию. При этом потребуется пересмотреть сами правила планирования, распределить зоны ответственности и обучить сотрудников работе с новым процессом. Технология сама по себе не меняет управление. Результат появляется, когда компания меняет подход к принятию решений и начинает регулярно сопоставлять план с результатами. Для бизнеса это означает возможность повышать эффективность без пропорционального увеличения штата и быстрее адаптироваться к изменениям нагрузки. Здесь аналитика становится конкурентным преимуществом.