在和客户交流的过程中，相比于其他区域，浙江的老板们有一个特点，总让我们印象深刻。
就是特别爱算账。
你跟他聊系统、聊数字化、聊人效管理，他听得很认真，眼神也跟着你走。但只要你停下来，他第一句话一定是："这个，ROI怎么算呢？"
他们也不是在刁难我们，只是本能反应，凡事先算账。或许正是这个习惯，让他们在增量时代跑得比别人快，市场好的时候，什么投入能带来确定回报，一眼看得出来，出手也快。
但近几年，对他们而言，有些账也越来越难算了，尤其是投入的人的成本。
近期，我们听到越来越多类似的表述：设备投进去了，但订单不稳，产线有时候跑不满；自动化程度高了，但柔性不够，订单一变，整个节奏就乱；人力需求变来变去，人力配置跟不上……
点击图片👆👆👆
领取「专题报告」
三个阶段，
算到了最难的那本账
从我们和浙江区域的几家制造业客户沟通来看，他们的管理重心大致经历了三个阶段。
第一阶段主要抓销售，搞增长。
毕竟市场红利期，规模优先，管理精力跟着前端走。在这个阶段，产品不愁卖，老板把精力压在拿订单、扩渠道、跑市场上，内部管理相对粗放，但也没什么问题。因为市场足够宽，跑得快就能赢，不需要往内部抠那点效率。
第二阶段抓生产。规模起来之后，老板们开始意识到，前端的钱已经赚得差不多了，接下来要往内部要利润。于是开始上ERP、投设备、做自动化，把精力转向"料"和"费"的成本管控。
这一阶段的逻辑也比较清晰，原材料有BOM表可以对，设备投资有回本周期可以算，制造费用有摊销规则可以查。这种有据可查的管理方式做起来很顺手，投入产出也相对可见。
到了现在这个阶段。设备投了，自动化做了，流程优化也做了，下一个能动的地方在哪里？这个问题，我们在拜访浙江客户的过程中听到很多次。更多时候，是老板自己在问自己。
借着这个问题，我们回到制造业成本的底层结构看一下，无非是"料、工、费"三个字。
"料"这本账，不只是我们的客户，大部分做到一定规模的浙江工厂都算得相当细了。BOM表、单耗标准、原材料损耗率，精细的企业能把误差控制到小数点后两位。
我们去过一家配件企业调研，他们的采购主管随手打开电脑，某型号原材料每公斤的理论损耗和实际损耗之间的差值，当月数据实时呈现，精确到克。"料"的数据意识，在这些企业里已经深入骨髓。
其次，是"费"这一块，大部分企业管理的也不差。制造费用、管理费用、期间费用，各有标准的摊销规则，按产量、按工时、按车间分摊。摊法有时存在争议，但至少有规则，有数可查，财务月底能出一张说得清楚来龙去脉的报表。
唯独"工"这个成本，似乎一直藏在暗处。
这个问题，我们在拜访客户时问过很多财务负责人、生产负责人，还有专门做精益管理的负责人。他们的回答出奇地一致：知道这个月人工成本总数是多少，按部门能拆一层，但再往下，到产线、到工序、到工单、到每一个员工今天实际干了什么，就没有了。
正如其中一位生产总监所言："我知道这个月工资发出去多少，但我真不知道这些钱花在哪条线上值了，哪条线上亏了。"
这不是个别现象。
我们接触过的大多数浙江制造企业，在"工"这个维度上的数据颗粒度，和"料"相比，差了不止一个量级。不是他们不想知道。是这个数据，从一开始就没有被完整记录过。"料"从进仓开始就有单据，每道工序的消耗都有标准；但人力消耗，大多数工厂记录的只是"这个人今天打卡上班了"，至于他在哪条产线待了几小时、有效产出了多少、中间停了多久等待换线，这些事从来没有人专门采集，自然也就没有数据可以分析。
所以，从我们的视角来看，"工"这部分成本难算，不是因为人力管理本身有多复杂，根本原因在于记录人力消耗的数据基础，从来没有被认真建立过。
大多数制造企业走的是一条"自上而下摊销"的路径，即把工资总包按人头或工时分摊到各部门，再往产线上一摊，得出一个单位产品的人工成本。
看起来有数，但这个数其实站不住脚。
问题主要出在了三个地方。
首先，摊的是投入，不是消耗。一个员工今天上了八小时班，这八小时里有多少在有效产出、多少在等待换线、多少在处理返工？在传统摊销逻辑里，这些差异全部在盲区里，统一计入工时成本。结果是：勤快的产线和懈怠的产线，账面成本差不多。管理者虽然感觉哪里不对，但数据上看不出来。
其二，直接人工和间接人工也没有真正分开。理论上，直接人工跟着工单走，间接人工按比例分摊。但实际操作中，辅助人员、品检人员、物料员的工时，要么混入直接人工，要么统一归入制造费用。一旦要追问"A产线这个月的实际人工成本是多少"，生产运营往往给不出一个确定的数字。
最后，还有一个问题，就是数据太滞后了，用的时候基本上都过期了。即便能算出一个人工成本数，也通常是月底结账之后。等把上个月的数报出来，这个月都过了一半。
三个问题叠在一起，算出来一个数字，但是连自己都不太确定是不是对的，更别说拿来指导决策。这也是为什么浙江的老板们开始看见和关注“人工”这本账了。
浙江老板，
开始算“人工”这本账了
以前我们和客户聊到人力管理、HR系统、工时系统，很多老板的第一反应是"这是HR的事"，自己不需要深入。大多数情况下，甚至都很难因为人效管理这个议题就见到老板的面。
但最近两三年，这个态度在悄悄变化。越来越多的老板开始主动问起来。
不是因为HR说服了他们，而是因为其他的账已经算到头了，设备投了，自动化做了，流程优化也做了，接下来能降本的空间，集中在人效上。而且，人效空间往往比想象中大，但大在哪里，要算得出来才算数。
人效这本账，可以先小范围验证
我们在跟某浙江某家客户的老板交流时，他亲自算过一笔账：
工厂有将近两千名员工，如果每人每天的有效工时能提升半小时，按当时的产能折算，相当于不增人就多出了一条小产线的产出。
这个数字，是在我们帮他把工时数据第一次拆开来看之后，他自己算出来的。算明白了，然后当场拍板投入相关数字化投入。这背后有一个很重要的原因：人效这本账，跟其他设备投资相比，有一个本质的不同，就是可以先小范围验证，再全面推开。
投一条自动化产线，少则几百万，多则几个亿，一旦决策就是固定成本，没有反悔的余地。但人效数字化可以不一样，选一个车间，或者一条产线，做三个月的工时透明和排班优化，把数据跑出来，账算得过来，再推到全厂。
这也是浙江老板最在乎的一个点，他们最怕的不是投入，是投入之后看不见回报。这种先试点、再扩展的方式，比较契合他们的决策习惯。
外部压力推着他们不得不认真对待
与此同时，外部的压力也在影响着这些老板们对人力成本的关注。
过去，人工成本占总成本的比例相对可控，用工总量稳定，老板的注意力不需要放在这里。
但近几年，一边是劳动力成本的持续上升，例如最低工资标准每年在调，社保基数在涨；另一边是订单结构的变化让用工节奏越来越难把控，旺季缺人、淡季养人的问题越来越突出，人力成本的弹性越来越低。
两端同时在挤压，人力成本这块，如果不认真对待，迟早会成为企业增长的一个卡点。把"人工"成本的算清楚，增量自然就从管理里出来了。
算不清"人工"，降本只能凭感觉
第三个原因是因为，人力成本的管理与其他业务成本和效率管理息息相关，人力成本算不清，其他成本和效率也很容易稀里糊涂。
我们在调研中遇到过一个场景，很有代表性。
某浙江制造企业，老板觉得人有点多，然后让HR做一份优化方案。HR去数了人头，对比了同行的人均产值，写了报告，结论是某几个部门可以缩编。老板看完，沉默了一会儿，问了一句："你这个数，是怎么来的？"
HR说：行业均值。
老板又问："我们自己每条产线的情况，你知道吗？A线和B线，人效差多少？"
HR就答不上来了。
进一步追究来看，其实也不是HR的问题，是因为这个数据本身就没有。人在哪条产线、这条产线的实际开工量是多少、每个员工今天有效工时是几小时。这些数字，散落在不同系统里，或者根本没有被记录过。
降本自然而然变成了一个猜测游戏。觉得某个部门人多，就压编制；觉得加班费高，就卡审批；觉得某条线效率低，就换主管。每一刀砍在哪里，靠的是直觉，不是数据。有经验的管理者感觉通常八九不离十，有时候确实砍对了地方，砍刀了不该砍的地方，反而影响了业务的敏捷度。
但这种方式也存在两个问题，一是结果无法复盘，这次砍对了，到底是判断准还是碰巧，下次同样的情况怎么做？而且随着企业规模扩大、产品品类增多、产线结构变复杂，经验判断的误差只会越来越大。
更隐蔽的情况，是根本不知道损耗在哪里。
我们去了他们其中一家工厂调研，产线主管说这条线的人工成本一直挺稳定的。但当我们把工时数据拆开来看，发现稳定背后是用人力冗余换来的从容：每次切换订单，换线时间平均要花两个多小时，这期间所有人停工等待，但这部分工时仍然计入正常生产工时，被当成有效产出吞进了成本里。
那么，如何让人力成本真正实现可视、可管、可控？
接下来我们就以浙江某行业龙头企业为例，分享其在精益工时管理方面的实践与经验。
人工成本，
如何从黑箱变成数字？
要真正算清"工"这本账，核心是一件事：让人力成本跟业务动作绑定。
不是只知道"这个月人工成本800万"，而是能看到这800万里，A产线直接人工占多少、间接辅助占多少、每条线的工时利用率是多少、哪段时间的换线损耗最大、哪个工序是真正的效率瓶颈。
大华富阳工厂的实践，是我们见过的把这件事走得最完整的案例之一。
图/在大华富阳智慧工厂（来源：人民网）
先把数据基础建起来
2017年，大华完成全国工厂整合，15000名员工全部集中到富阳基地，产能规模150亿。工厂的人效压力从那时候开始就很大，16000多个品类，70%的订单单批量不足100台，柔性生产的要求极高。
而线组长大多是跟了公司十年以上的老员工，排班和人员管理高度依赖个人经验，工时数据的采集基本停留在门禁考勤层面，能看到的只是"人进了工厂"，至于这个人在哪条线、做了什么、有效产出了多少小时，完全是个黑箱。
因此，大华和盖雅合作项目的一期目标，就是把这个黑箱的底层先建起来，即实现实时考勤，让数据自动采集、自动汇总。听起来是个基础动作，但落地的难度不小。44名考勤相关人员，手工处理数据，结算周期长达15天。引入系统之后，这些工作由自动化流程接管，考勤相关人员从44人缩减到2.5人，结算周期从15天压缩到3天。
数据基础有了，管理才能继续往下走。
颗粒度下沉，看见真实成本
有了实时考勤数据，大华的下一步目标是让工时管理的颗粒度从"车间"下沉到"产线"。这也是二期项目要做的事。
大华富阳工厂当时有420条产线，每条产线的人力投入情况，之前只能靠车间层级的总数摊算，直接人工和间接工时混在一起，产线之间的效率差异完全看不出来。绩效奖金只能按车间发，激励作用有限，员工也觉得不公平，因为干得多的和干得少的，拿的差不多。
因此，二期项目，他们做了一件事，就是在420条产线上部署480台打卡设备，把工时的采集点从车间入口下沉到每一条产线的开关线节点。如此，每条产线的直接工时、间接分摊工时、停机时长、换线损耗，第一次有了独立的数据记录。
这个变化带来的影响是立竿见影的。管理层第一次能看到哪条产线的人力投入和产出之间存在明显落差，线组长也第一次有了数据依据来调配人手，而不是完全凭记忆和感觉。
有形收益方面，仅数据处理效率一项就节省了约140万元的人力成本，加班工时的精细化管控又降低了约240万元的加班支出。更大的变化是编制管理，通过工时数据的透明化，工厂识别出了大量人力配置不合理的地方，最终编制从15000人逐步优化下来，空间比原先预估的要大得多。
再往下一层：工位级精益工时
但产线级的数据，解决的还是"这条线整体怎样"的问题。如果想知道"这条线上哪个工序卡住了"，还需要再往下一层。因此，三期项目把采集点从产线下沉到了每一个工位。
6000个工位，配置了6200台人脸无感采集设备。每个员工在哪个工序上花了多少时间、实际报工工时和标准工时之间的差距是多少、哪个工序的超时频率最高，这些数据，第一次可以被系统性地看见。
这种颗粒度的价值，在于它能直接指向改善动作。一个工序反复超时，背后可能是人员技能问题、工艺路线问题，或者设备稳定性问题，在有数据之前，这些只能靠IE工程师定期测算来猜；有了工位级数据，异常会自动浮现，改善方向也就清晰了。
当工时跟着订单走，单个SKU的实际制造成本第一次可以被精确测算。这对产品定价、毛利分析、业务结构优化，都是真实的决策依据。
图/大华富阳工厂一线人员管理实时看板
三年，15000人到9000人，产值从150亿到220亿
这个结果，是大华整个项目走完三期之后的全貌。
人少了40%，产值却涨了将近50%。这不是靠裁员裁出来的，也不是靠加班加出来的，而是靠把每一分钟的人力消耗都变得可见、可分析、可优化，一步一步抠出来的。
前者是在黑暗里挥刀，后者是开了灯之后，知道往哪儿下手。
这也是大华这个案例最值得所有企业参考的地方。不是因为他们有多少资源，而是因为他们有足够的耐心，把数据基础一层一层建扎实，而不是急着要结果：先把数据采回来，再让颗粒度下沉，最后让工时跟着业务动作走。每往下走一层，管理的盲区就少一块，决策的底气就多一分。
算清楚每一分钟，增量自然就出来了。
关于盖雅工场
盖雅工场专注于解决企业在劳动用工方面的四大问题：「需要多少人」「实际多少人」「干得怎么样」「怎样找到人」，利用科技手段预测劳动力需求并排班，优化调度劳动力安排并补充灵活劳动力，管理多样化劳动力队伍的出勤与时间，分析并提升劳动力效率与销售效能，同时连接劳动力市场中的企业与一线员工，实现降本增效、满意合规。
目前，盖雅工场的客户分布在全球34个国家与地区，每天，全球1,800余家客户的700余万员工使用盖雅提供的实时考勤、智能排班、精益工时、技能管理、激励性薪酬等数字化服务。
劳动力管理，盖雅搞得定。
精益人效
客户案例
行业方案
WFM系统选型建议
