Многие виды бизнеса имеют фиксированную пропускную способность: кол-во клиентов, которых они могут обслужить в определенный период времени. Салон красоты ограничен кол-вом оборудованных мест, ресторан — кол-вом столиков, клиника — оборудованными кабинетами и доступными врачами.

Базовая проблема загрузки для таких компаний — это простой в моменты низкого спроса и невозможность обслужить всех клиентов в момент высокого спроса.



Рассмотрим проблему и подходы к аналитике загрузки на примере сети косметологических клиник. Директор по развитию сети Дэйв недавно занял свой пост. Перед ним поставили амбициозную задачу увеличить выручку без масштабных капитальных затрат (открытия новых филиалов, реконструкции существующих, закупки оборудования для новых процедур).

Дэйв знал, что слона нужно есть по кусочкам, и решил разделить проблему на составляющие. Клиника состоит из филиалов, в каждом филиале есть несколько кабинетов. Выручку каждого кабинета можно разложить на два множителя:

  • Средняя выручка за час работы
  • Кол-во часов работы кабинета (ведется прием)

Средняя выручка за час работы зависит от цены услуг и структуры этих услуг. Цены на услуги были рыночными и недавно индексировались. Структура услуг определялась доступным оборудованием и персоналом. Дэйв быстро понял, что выручку за час будет сложно изменить.

А что с кол-вом часов работы? Дэйв подошел к главному администратору и посмотрел запись на сегодня и завтра. Пустые окна в расписании было видно сразу, некоторые кабинеты простаивали по полдня. “В точку! Загрузка, вот с чего я начну!” — подумал он.

Как считать загрузку


Для начала, Дэйв запросил данные по загрузке у всех филиалов. Он сильно удивился когда свел цифры вместе и получил загрузку 87%! Это было не похоже на то, что он видел на экране главного администратора.

Переговорив с руководителями филиалов он понял, что все считают и понимают загрузку по-разному. Для унификации показателей он ввел следующие понятия:

  • Доступное расписание определяется временем работы филиала, например при работе с 8 до 21 это будет 13 часов для каждого кабинета.
  • Открытое расписание часть доступного расписания, на которую пациенты могут записаться.
  • Занятое расписание часть открытого расписания, на которую назначены приемы — есть записавшиеся пациенты. Плюс отмены приемов менее чем за 24 часа до начала.
  • Использованное расписание часть занятого расписания, когда фактически ведется прием

Определившись с терминами получилось составить уже более информативный отчет.


Визуализации сделаны в Tableau

Сразу стало видно, что загрузка не 87%, а намного меньше. И есть три уровня потерь:

  • Расписание не открыто (не назначен врач)
  • Врач назначен, но нет записанных пациентов
  • Пациент записан, но не пришел на прием или отменил его менее чем за 24 часа


Как анализировать загрузку


Для начала посмотрим на загрузку по часам по нескольким отделениям за 2 последних месяца.


На графике видно, что в пиковые часы отделения загружены почти на 100%, но есть часы, когда нагрузка находится на крайне низком уровне. А значит, более равномерное распределение посещаемости должно дать рост общей загрузки и выручки.

Самый очевидный инструмент для такого перераспределения — это скидки на посещение в определенные часы. Важно помнить, что общая выручка при введении таких скидок может и уменьшиться, если сумма скидок превысит эффект от дополнительной загрузки. После долгих обсуждений проекта с коллегами и врачами Дэйв решил ввести 2 скидки на прием по некоторым направлениям: 15% на раннее утро до 10:00 и 5% в обеденное время с 13:00 до 15:00. Информация о скидках доступна при онлайн-записи на сайте или через сотрудников колл-центра.

Второй метод в борьбе за загрузку — это работа с расписанием специалистов. Для начала Дэйв попросил добавить на дашборды срез по врачам со средними показателями загрузки за период.


*в разрезе врачей доступное расписание теряет смысл

Первый кейс — это специалисты со стабильно низкой загрузкой. Расписание открыто, кабинет занят, а приемов нет — в итоге денежные потери. Здесь нет единого рецепта, нужно рассматривать каждый случай отдельно вручную. Например, специалист недавно пришел в клинику и только набирает клиентскую базу или низкая загрузка связана с дежурством в вечернее время, кроме того сама норма загрузки может отличаться в зависимости от направления. Такой анализ и решения должны проводиться на уровне администрации каждого филиала. Задача Дэйва состояла в предоставлении удобных инструментов для такого анализа и помощи в их использовании. Хорошо показала себя практика регулярных встреч по работе с загрузкой и совместному обсуждению идей с руководителями отделений.

В ходе таких обсуждений часто удавалось найти интересные кейсы. Например, у некоторых врачей, которые принимают в вечернее время отменяется большое кол-во приемов. Оказалось, что они сами записываются к себе на прием, а потом отменяют запись в последний момент, чтобы уйти пораньше.

По некоторым самым опытным и востребованным специалистам процент отмененных приемов также был аномально высокий. Выяснилось, что большое кол-во несостоявшихся приемов были по пациентам, записанным сильно заранее — часто за несколько месяцев. Бизнес-процесс предусматривал только поздние нотификации, вне зависимости от того, как давно был запланирован прием. В итоге приемы срывались в последний момент, и другие пациенты уже не могли записаться.

В процессе дальнейшей работы было еще много новых инсайтов, интересных проблем и новых решений. Наконец, после нескольких месяцев работы над проектом Дэйв представил руководству первые результаты: загрузка по сети увеличилась на 4,5%, выручка — на 3%.

На примере Дэйва и сети косметологических клиник мы увидели, как хорошая аналитика, системный подход и свежий взгляд на вещи могут помочь бизнесу расти быстрее и эффективнее.