Miksi ajankäytön seuranta ei pelasta toimistosi katteita

Galen Low: Jos joku kuuntelee tätä ja hänen organisaatiollaan ei ole datakulttuuria, kuinka kauan kiinni kurominen kestää?

Marcel Petitpas: Ensimmäinen askel on oman viitekehyksen selkeyttäminen. Et voi tehdä päätöksiä siitä, mitä työkaluja käyttää, miten niitä käytetään, mitä seurataan ja mitä ei seurata, ellet tiedä, mihin mittareihin aiot kiinnittää huomiota.

Sinun on tiedettävä täsmälleen, miten kyseiset mittarit lasketaan. Miten jokainen mittarin sisältämä asia määritellään ja mitä mittari kertoo liiketoiminnastasi, kun se nousee tai laskee.

Galen Low: Jos johdat toimistoa, miten päätät tämän viitekehyksen sisällä, mitkä toimenpiteet todella auttavat saavuttamaan suurimman vaikutuksen toiminnan tehokkuuteen?

Marcel Petitpas: Ajattelemme tätä toimiston voiton vauhtipyöränä, ja vauhtipyörässä on neljä vaihetta. Ensimmäinen on oletukset. Toinen on toteutuneet luvut, ja nämä kaksi muodostavat yhdessä määrällisen palautesilmukan. Se kertoo, missä on ero ja mitä mittaria meidän on liiketoiminnassa liikutettava.

Galen Low: Jos työskentelet operatiivisessa roolissa, pitääkö sinun olla erittäin datalukutaitoinen, dataorientoitunut ja dataohjautuva, teknisempi tai enemmän insinöörin kaltainen, vai onko sekin harhaluulo?

Marcel Petitpas: Ei ole kovin kaukana tulevaisuudessa se hetki, jolloin pystyt rakentamaan ja hallinnoimaan pienen dataputken ilman, että sinun tarvitsee olla erityisen tekninen tai supernörtti datan suhteen. Se, mikä pitää edelleen paikkansa, on kuitenkin tämä—

Galen Low: Tervetuloa Digital Project Manager -podcastiin — ohjelmaan, joka auttaa toimitusjohtajia ja projektien vetäjiä työskentelemään fiksummin, toimittamaan nopeammin ja johtamaan paremmin tekoälyn aikakaudella. Olen Galen, ja joka viikko perehdymme käytännön strategioihin, uusiin työkaluihin, hyväksi havaittuihin viitekehyksiin ja joskus myös tositarinoihin projektirintamalta. Johdatpa valtavia muutoshankkeita, hallitset tekoälyn työnkulkuja tai yrität vain pitää kaaoksen hallinnassa, olet oikeassa paikassa. Aloitetaan.

Tänään puhumme kannattavuuden, operaatioiden ja datan välisestä suhteesta. Erityisesti siitä, milloin on oikea hetki varmistaa datan puhtaus, jotta kannattavuutta voidaan ymmärtää, sekä siitä, miten pääset mukaan, jos tunnet jo jääneesi jälkeen tekoälyä hyödyntävien ja dataohjautuvien operaatioiden kehityksessä.

Seurassani on tänään Marcel Petitpas, Parakeeton perustaja ja toimitusjohtaja sekä henkilö, jonka puoleen käännyn, kun tarvitsen apua kannattavassa ja dataohjautuvassa toimistoliiketoiminnassa tai kun haluan jonkun selittävän lineaarisen regression viisivuotiaan tasolla. Marcel ja hänen tiiminsä toimivat ikään kuin osa-aikaisen talousjohtajan ja osa-aikaisen operatiivisen johtajan yhteistyön mahdollistavana välitasona, jotta toimisto voi kasvaa ennustettavasti kestävien ja kannattavien toimintatapojen avulla.

Marcel on ollut viime aikoina kaikkialla. Hän puhui Agency Growth Event Summitissa, All-In Agency Summitissa, Mirren AI 2025 -tapahtumassa ja Consulting Success Live 2025 -tapahtumassa sekä esiintyi useaan otteeseen Agency Management Instituten yhteydessä. Hän juontaa myös Agency Profit -podcastia, jossa julkaistaan viikoittain keskusteluja toimistojen johtajien ja alan asiantuntijoiden kanssa.

Marcel, kiitos että tulit jälleen mukaan ohjelmaan.

Marcel Petitpas: Galen, oli upeaa seurata, miten teit tuon aloituksen. Olit täysin keskittynyt. Se oli uskomatonta. Juttelimme kulissien takana, ja sitten vain astuit omaan elementtiisi. Kiitos kutsusta. On ilo olla täällä, ja kiitos hienosta esityksestä.

Galen Low: Kiitos kehuista. Olen oikeastaan ollut koko ajan tekoäly. Marcel rakensi minut. Marcel, olet ollut ohjelmassamme aiemminkin ja olet osallistunut kanssamme tapahtumiin. Rakastan sitä, että olet mukana, koska sinulla on todella ainutlaatuinen ja käytännöllinen näkemys siitä, mihin toimistot ja yritykset yleisesti ovat menossa datalukutaidon, dataohjautuvien operaatioiden ja niiden tuottaman arvon suhteen. Viet asiat käytännön tasolle.

Marcel Petitpas: Arvostan sitä, että sanot noin. Vietän kummallisen suuren osan ajastani tämän aiheen pohtimiseen ja siitä puhumiseen, ja olen onnekas, että saan tehdä niin. Olen seitsemän vuoden ajan toteuttanut näitä asioita käytännössä toimistoissa, ja erityisesti projektinhallinnan näkökulmasta minulla on ehkä joitakin näkemyksiä, jotka ovat vastoin perinteistä viisautta siitä, mitä parhaat käytännöt ovat.

Olen nähnyt, missä kultaiset käsiraudat ovat: päätöksissä, jotka vaikuttavat järkeviltä mutta eivät käytännössä koskaan toimi, koska ne ovat liian vaikeita.

Galen Low: Pidän tuosta. Käytämme jatkuvasti hieman rikkinäistä käsikirjaa vain siksi, että se on olemassa. Kultaiset käsiraudat todellakin. Ajattelin, että voisimme aloittaa yhdestä suuresta ja polttavasta kysymyksestä, josta kaikki haluavat tietää vastauksen, ja laajentaa sitten keskustelua kolmeen aiheeseen.

Ensinnäkin haluan puhua datan laadusta ja siitä, mitä tehdä, jos toimisto tuntuu jo menettäneen mahdollisuutensa. Sitten haluan käsitellä tarkemmin sitä, miten puhdas data ja tekoäly voivat vaikuttaa mitattavasti kannattavuuteen sekä sitä, miten toiminnan tehokkuutta arvioidaan ja priorisoidaan vaikutuksen perusteella.

Lopuksi voisimme tutkia, mihin toimistot voivat tämän kehityksen myötä päätyä. Toimistojen toimintaympäristö on muuttunut monella tavalla täysin, ja haluaisin puhua taidoista ja rakenteista, joita toimistot tarvitsevat menestyäkseen datan ja tekoälyn aikakaudella. Suuria aiheita, mutta miltä tämä kuulostaa?

Kuulostaa todella hauskalta. Perehdytään asiaan. Mahtavaa, aloitetaan. Tässä on suuri kysymykseni. Olen oppinut sinulta, että hyvä ja puhdas data on perustavanlaatuinen edellytys kannattavalle ja dataohjautuvalle toimistoliiketoiminnalle. Mutta jos joku kuuntelee tätä ja hänen organisaatiossaan ei ole datakulttuuria eikä data ole lähelläkään järjestäytynyttä mielekkäällä tavalla, kuinka kauan kiinni kurominen kestää?

Onko prosessia mahdollista nopeuttaa ilman holtitonta toimintaa?

Marcel Petitpas: Kyllä on. Monissa asiakkaissa, joiden kanssa päädymme työskentelemään sen jälkeen, kun he ovat käyttäneet vuosia tämän kuilun kuromiseen, surullisinta on se, että valtaosa yrittää ratkaista ongelman väärästä päästä.

Tämä pätee erityisesti moniin tämän ohjelman kuuntelijoihin. Enkä usko, että se on heidän syytään. Ohjelmistoteollisuus on oikeastaan ehdollistanut heidät ajattelemaan niin. Kaikki alkaa ohjelmistosta, projektinhallinnasta, ajankäytön seurantatiedoista ja kirjanpitotiedoista, vaikka ne ovat prosessin viimeisiä ja vähiten tärkeitä vaiheita. Tämä saattaa järkyttää ihmisiä, kun sanon sen, mutta suorituskyvyn ymmärtämiseksi ei tarvita ajankäytön seurantatietoja, jotta näkyvyydestä saadaan 80 prosenttia.

Ensimmäinen askel on viitekehyksen selkeyttäminen. Tämä on hieman abstraktia, joten käytännössä ajatellen: et voi oikeastaan hyödyntää mitään dataasi etkä päättää, mitä työkaluja käyttää, miten niitä käytetään, mitä seurataan tai mitä ei seurata, ellet tiedä, mihin mittareihin aiot kiinnittää huomiota.

Sinun täytyy tietää tarkalleen, miten mittarit lasketaan, miten jokainen mittarin sisältämä asia määritellään ja mitä kyseinen mittari kertoo liiketoiminnastasi, kun se nousee tai laskee. Käytännön esimerkkinä: on hienoa istua johtoryhmän pöydän ääressä ja sanoa, että mittaamme käyttöastetta.

On aivan eri asia kysyä, mitä se meille tarkalleen tarkoittaa. Mikä on laskutettava tunti ja mikä on kapasiteetti? Miten määrittelemme nämä asiat? Mitä niihin sisältyy ja mitä ei? Mikä lasketaan mukaan ja mikä ei? Millä logiikalla muutamme datan käyttöasteen kuvaukseksi?

Ymmärrämmekö täysin, mikä saa käyttöasteen nousemaan tai laskemaan, mitä se kertoo liiketoiminnastamme, miten se vaikuttaa päätöksentekoomme ja miksi välitämme siitä ylipäätään? Mikä päätöksenteossamme muuttuu, jos näemme tämän luvun edessämme ja se on nousussa tai laskussa?

Tämä on ensimmäinen askel. Hyvä uutinen on, ettei se vaadi ohjelmistoa, dataa tai datan kertymisen odottamista. Kyse on päätöksistä, joita voit tehdä. Ne eivät ole helppoja, mutta olemme yrittäneet tehdä niistä helpompia julkaisemalla oman viitekehyksemme siitä, miten näitä mittareita pitäisi mitata ja mitä mittareita pitäisi käyttää.

Sanon siis, että tämä on ensimmäinen vaihe. On myös toinen vaihe, joka ei sekään vaadi uutta tietoa ja josta on mielestäni tärkeää puhua. Annan kuitenkin nyt sinulle puheenvuoron, koska voisin jatkaa tästä seuraavat 60 minuuttia.

Galen Low: Ja kuuntelisin mielelläni.

Yksi asia, josta pidän, on se, että ehkä johdattelen keskustelua tarkoituksella. Monet kuuntelijat ajattelevat varmasti, että heidän on kurottauduttava kiinni, hankittava ohjelmisto ja aloitettava ajankäytön seuranta heti. Silloin saamme lähtötason datalle, mutta olemme silti kuukausien päässä siitä, että data olisi käyttökelpoista ja sen avulla voisi ohjata kannattavuutta.

Se on toimiston jälkeen jäämisen aiheuttama vaistonvarainen reaktio. Pidän siitä, ettei ohjelmisto olekaan vastaus. Voisitko antaa esimerkin erityisesti käyttöasteesta? Se on mielestäni täydellinen esimerkki kultaisista käsiraudoista.

Olen palkannut nämä ihmiset. Liiketoimintamallini perustuu palveluiden myymiseen laskutettavan tunnin perusteella. He joko käyttävät suurimman osan ajastaan rahan ansaitsemiseen tai eivät käytä. Jos eivät, katteeni romahtavat, saatan menettää rahaa enkä hyödynnä hankkimaani osaamista.

Tuntuu luonnolliselta ajatella, että tämä on hyvä mittari. Mutta kun kysyt, mikä saa sen nousemaan tai laskemaan, kyseessä onkin monimutkainen yhtälö. Mitä myyttejä kumoat tai kohtaat, jotka ovat oikeastaan harhaluuloja? Johtaako oikeiden kysymysten esittäminen siihen, että käyttöastetta seurataan edelleen mutta paremmin, vai pitäisikö siitä luopua?

Marcel Petitpas: Ei. Viitekehyksemme sisältää käyttöasteen mittarina, mutta laskentatapamme ei todennäköisesti ole sama kuin useimmilla muilla. Voisin puhua siitä, miten määrittelemme käyttöasteen, mutta sitä on vaikea tehdä irrallaan muista asioista. Ensin täytyy ymmärtää, miten mittaamme keskimääräistä laskutettavaa hintaa, miten mittaamme projektien katteita, miten se eroaa toimistotason katteiden mittaamisesta ja miten ajattelemme tuntikustannuksia.

Totuus on, että tarkastelemme tätä kokonaisena viitekehyksenä: mittareiden ja liiketoiminnan välistä suhdetta sekä mittareiden keskinäistä suhdetta. Olemme ajatelleet tämän loppuun asti, testanneet sitä satojen toimistojen kanssa seitsemän vuoden aikana ja käsitelleet poikkeustapauksia.

Voisin käydä läpi käyttöasteen määritelmämme. Se on toimitustunnit. Kaikki asiakkaisiin käytetty aika, riippumatta siitä, onko se lainausmerkeissä laskutettavaa vai ei. Emme välitä siitä. Nämä toimitustunnit jaetaan kapasiteetilla, joka tarkoittaa kaikkea mittauskohteessa olevilta ihmisiltä ostettua aikaa. Koko toimiston osalta se tarkoittaa kaikkia, myös niitä, jotka eivät tee lainkaan asiakastyötä.

Käytämme vuodessa 2 080 tuntia. Jotkut kuulevat tämän ja sanovat, ettei se toimisi heillä. Se voi olla totta, koska he ovat tehneet joukon muita päätöksiä muiden mittareiden suhteen, jolloin tämä ei ehkä ole järkevää.

Puhuin tänä aamuna henkilön kanssa, jonka johtoryhmä kertoo joka viikko tiimin olevan täysin työllistetty. Se ei kuitenkaan pidä paikkaansa, koska puolet laskutettavaksi katsotusta ajasta on sisäistä aikaa, joka ei tuota liikevaihtoa. He saavat siis väärän positiivisen tuloksen. Toisen tiimin käyttöaste on heidän laskelmissaan korkeimmillaan elokuussa, mikä on väärä positiivinen tulos, koska ihmiset pitävät silloin paljon lomaa. Kapasiteetista pitäisi poistaa aika, jolloin ihmiset eivät ole käytettävissä.

Tämä kertoo minulle, ettei käyttöasteen määrittelyä koskevaa keskustelua ole käyty sen jälkeen, kun on ensin keskusteltu siitä, miksi käyttöastetta mitataan. Mitä päätöksiä teemme ja mihin kysymyksiin yritämme vastata? Jos tuo keskustelu olisi käyty ensin, he näkisivät välittömästi, ettei kapasiteettia voi poistaa, jos yritämme selvittää käyttöasteen taloudellista vaikutusta ja sen vaikutusta kannattavuuteen.

Suuri ansa on se, että toimiston tai liiketoiminnan suorituskyky yritetään päätellä yhdestä mittarista. Ihmiset yrittävät tehdä käyttöasteesta tuon mittarin tai projektitason kannattavuudesta tuon mittarin.

Koko toimiston kannattavuutta ei voi päätellä yhden projektin kannattavuudesta. Näiden asioiden yhdistäminen on mielestäni turhaa työtä ja valtava ajan ja resurssien hukka, eikä se vastaa kunnolla mihinkään kysymykseen.

Galen Low: Pidän tässä Douglas Adams -vivahteesta. Kysytään elämän tarkoitusta ja vastaukseksi saadaan 21, koska emme alun perin ymmärtäneet kysymystä. Käyttöaste on minulle tuollainen tämän selityksen perusteella. Ensimmäinen osa siis: viitekehys, jossa ymmärretään, mitä mitataan ja miksi. Toinen osa.

Marcel Petitpas: Toinen osa on mielestäni liiketoimintamalli ja ennuste. Tämä jää usein huomiotta. Kuvitellaan, että olemme määritelleet käyttöasteen mittaustavan. Seuraavaksi projektinhallintatiimi innostuu, ottaa projektinhallintatyökalun käyttöön ja painostaa kaikkia noudattamaan prosessia. Kolmen kuukauden kuluttua heillä on vihdoin hyvää dataa. Viime kuun käyttöaste oli 54 prosenttia. Kaikki katsovat toisiaan ja odottavat jonkun reagoivan. Sitten kysytään: onko se hyvä vai huono?

Olemme jälleen päätyneet prosessin viimeiseen vaiheeseen, mutta mittauksesta ei saada arvoa, koska odotusta ei ole koskaan määritetty. Odotuksen asettaminen voi kuitenkin olla erittäin hyödyllistä ja osoittaa, missä ongelma on, vaikka toteutuneita lukuja ei vielä tunnettaisi.

Toteutuneet luvut ovat vielä arvokkaampia, koska oivallus syntyy odotusten ja todellisuuden vertailusta. Toinen vaihe on yrityksen mallin rakentaminen. Se on yksinkertainen. Aloitamme palkkataulukosta, jossa luetellaan kaikki tiimin jäsenet, heidän palkkansa, työaikansa ja se, mihin odotamme heidän aikansa kuluvan.

Jos työtä olisi rajattomasti, kuinka paljon palkallista vapaata heillä olisi? Sen jälkeen tarkastellaan yleiskuluja: mitä olemme käyttäneet lakimiehiin, kirjanpitäjiin, QuickBooksiin, tilauksiin, toimistoon ja kaikkeen muuhun. Sitten tarkastelemme hinnoittelua. Mitä käytännössä veloitamme ja kuinka paljon odotamme ansaitsevamme jokaisesta asiakastyöhön käytetystä tunnista kaikissa myymissämme palveluissa?

Kun nämä kolme tietoryhmää yhdistetään, pitäisi pystyä selvittämään, kuinka paljon liiketoiminta voi ansaita nykyisellä tiimillä, kuinka paljon aikaa käytetään asiakastyöhön ja mikä käyttöaste olisi, jos kaikki menisi suunnitelman mukaan.

Kuinka paljon kulut olisivat, mikä olisi bruttokatteemme ja mikä nettovoittomme? Mikä olisi paras mahdollinen lopputulos? Se luo perustan kysymykselle: onko tämä hyvä ja vastaako se odotuksiamme?

Joskus vastaan tulee yritys, joka sanoo, ettei se pysty olemaan kannattava, vaikka yrittää kuinka. Teemme harjoituksen ja joudumme toteamaan, että he suunnittelevat olevansa kannattamattomia.

Galen Low: Mielenkiintoista.

Marcel Petitpas: He ymmärtävät, että vaikka toteuttaisivat suunnitelman täydellisesti, he epäonnistuisivat silti. Kyse ei ollut toteutuksesta vaan väärästä suunnitelmasta.

Toinen vaihe on siis yrityksen mallin rakentaminen. Ymmärrä, mihin se sinut johtaa, kuinka paljon virhemarginaalia sinulla on ja miltä tavoitteet näyttävät. Jos mukaan lisätään vielä projektien korkean tason tiedot — kuinka paljon niistä maksetaan, milloin ne alkavat ja päättyvät ja kuinka monta tuntia niihin odotetaan käytettävän — voit katsoa tulevaisuuteen ja kysyä, suunnittelemmeko ansaitsevamme niin paljon liikevaihtoa kuin mahdollista ja pidämmekö tiimin kohtuullisen kiireisenä.

Voit ratkaista noin 70–80 prosenttia kannattavuusongelmista ilman ajankäytön tai projektidatan seurantaa, joka on kallein ja vaikein osa. Tarvitaan vain viitekehyksen selkeyttäminen ja liiketoimintaa koskevien oletusten selkeyttäminen.

Kaikki tämä on ilmaista. Se vaatii vain aikaa ja tietoa, joka sinulla jo on mielessäsi mutta jota et todennäköisesti ole vielä kirjannut auki. Et tarvitse ohjelmistoa, sinun ei tarvitse odottaa kuutta kuukautta datan kertymistä eikä sinun tarvitse muuttaa kirjanpitoprosessiasi.

Hyvä uutinen on, ettei kiinni kurominen oikeastaan kestä kauan, koska suuri osa tarvittavasta tiedosta on jo käytettävissäsi.

Galen Low: On kiinnostavaa, koska tämä on ilmaista mutta ei helppoa. Kysymykset perustuvat tietoon, jota sinulla ehkä on, mutta niihin vastaaminen on vaikeaa, koska sinun on todella katsottava toimintaasi silmiin.

Ajattelin, että sanoisit: mieti, kuinka paljon voisit parhaimmillasi ansaita, ja sitten myönnä itsellesi, että olet epärealistinen. Sen sijaan sanoitkin, ettei suunnitelmasi ehkä ole kannattava ja ettei liiketoimintasi toimintatapa ehkä ole kannattava.

Toimiston projektipäällikkönä olemme tottuneet tuntemaan, että toimiston paino lepää harteillamme. Olemme taloudellinen moottori. Maksamme kaikille niille ihmisille, jotka työskentelevät tappiolla. Tarvitsemme riittävän katteen, jotta olemme laskutettavia — yleensä vähintään 80 prosentin käyttöasteella — ja jotta voimme maksaa myös hallinnon ja myynnin palkat.

Ymmärsinkö oikein, että kaiken ei pitäisi perustua projektien kannattavuuteen? On olemassa eräänlainen myytyjen suoritteiden kustannusmalli, jossa kaikki ihmiset ja suunniteltu laskutettava työ, käytettävissä oleva työ ja ansaittavissa oleva raha on otettava huomioon?

Marcel Petitpas: Tämä pitää täysin paikkansa. Olemme nähneet yrityksiä, joissa jokainen projekti oli erittäin kannattava, mutta yritys ei ollut kannattava, koska projektien kannattavuus on vain yksi kolmesta kannattavuuden määrittävästä tekijä.

Voisin myydä tämän vesipullon miljoonalla dollarilla kerran kymmenessä vuodessa. Jos käytän sen jälkeen 800 000 dollaria vuodessa toimintaan ja markkinointiin yrittäessäni saada yhden henkilön kymmenen vuoden välein ostamaan miljoonan dollarin vesipullon, sillä ei ole väliä, että katteeni oli 99,999 prosenttia.

Asia on hienovaraisempi. Koko yrityksestä on rakennettava kattava malli ja kaikille lukuun vaikuttaville vipuvaikutuksille on annettava huomiota.

Galen Low: Samaan aikaan Stanley-mukit ovat juuri heidän liiketoimintamallinsa. Myydään keräiltäviä vesipulloja hyvällä katteella.

Marcel Petitpas: Ja vieläpä tuhoutumattomia.

Galen Low: Tämä on hyvä kohta siirtyä hieman kauemmas. Kuvailit Parakeetossa tekemääsi työtä niin, että osa-aikainen talousjohtaja ja osa-aikainen operatiivinen johtaja saisivat lapsen. Miten talouden ja operaatioiden johtajat voisivat tehdä tiiviimpää yhteistyötä ja käyttää dataa toimiston kannattavuuden analysointiin ja seurantaan — tai vielä tärkeämpää, tehdä näitä päätöksiä yhdessä ja vastata vaikeisiin kysymyksiin yhdessä?

Ovatko nämä keskeiset henkilöt vai keiden muiden pitäisi osallistua viitekehyksen ja mallin rakentamiseen, jotta taloudelliset ja operatiiviset väärinkäsitykset voidaan tunnistaa?

Marcel Petitpas: Palaan kahteen asiaan, joista puhuin edellisessä vastauksessani: liiketoimintaa koskevaan viitekehykseen ja malliin.

Ne liittyvät luonnostaan liiketoiminnan kolmeen tärkeimpään osa-alueeseen: talouteen, operaatioihin ja jossain määrin uuteen liiketoimintaan. Kun kaikki istuvat alas keskustelemaan tästä, se pakottaa ihmiset kokoontumaan yhteen ja pääsemään yhteisymmärrykseen.

Samalla keskustelulle syntyy perustelu, koska kyse on matemaattisesta kaavasta eikä mielipiteestä. Näin toimivat vipuvaikutukset ja näin niiden nousu tai lasku muuttaa asioita. Tätä on vaikea kiistää.

Sen jälkeen voidaan kysyä, miten odotuksia mitataan. Kaikkien on osallistuttava. Jos haluamme ennustaa, meidän on tiedettävä, mitä myynnistä on tulossa. Jos ennustamme kapasiteettia, meidän on ymmärrettävä, kuinka paljon aikaa tarvitaan. Jos ennustamme taloutta, meidän on tiedettävä hinnat, kustannukset, oma osuutemme ja muiden osuus.

Jos suunnittelemme kannattavuutta, meidän on tunnettava kate. Jos asetamme talousbudjetteja, meidän on ymmärrettävä tiimin rakenne ja rekrytointisuunnitelma. Kaikki on yhteydessä toisiinsa.

Kun kysymme, mitä dataa tarvitaan, vastaus on lähes aina jonkinlainen yhdistelmä operatiivista dataa ja talousdataa. Operatiivinen data edeltää taloudellista suorituskykyä, kun taas talousdata kertoo tarkasti, mitä menneisyydessä on tapahtunut.

Viitekehys, ennuste ja malli ovat perusta, jolle palautesilmukat rakennetaan. Palautesilmukoissa tapahtuu paljon osastojen välistä yhteistyötä. Ilman viitekehystä ja mallin rakentamisen ymmärrystä ihmiset pysyvät omissa siiloissaan ja niiden väliin jää kuilu.

Silloin syntyy täysin toisistaan poikkeavia tapoja ajatella työn myyntiä, sen kirjaamista QuickBooksiin, laskuttamista ja sen siirtämistä ClickUpiin. Kaikki puhuvat eri kieltä, eikä ole ihme, ettei mitään voida mitata, kun data ei vastaa toisiaan.

Galen Low: Pidän siitä, että malli ja viitekehys tuovat ihmiset yhteen. Olen kokenut tuon pienen kuilun: kaikki menevät johtoryhmän huoneeseen, sopivat strategisesta suunnittelusta ja sanovat, että näin tehdään. Data ja tavoitteet ovat olemassa, mutta palaset eivät sovi yhteen ja kieli on erilainen.

Seuraavassa kvartaalikatsauksessa kaikki sanovat, ettei tämä ole heidän syytään, vaan talouden tai henkilöstöhallinnon vika. Pidän ajatuksesta, että sinun roolisi ei ole vain talouden tai operaatioiden johtaminen, vaan mallin ja viitekehyksen tuominen yhteen koko organisaation kanssa, jotta liiketoimintaa voidaan tarkastella kokonaisuutena ja hyödyntää olemassa olevaa dataa.

Marcel Petitpas: Suuremmissa organisaatioissa, joissa on operatiivinen johtaja, talousjohtaja ja toimitusjohtaja, autamme heitä pääsemään yhteisymmärrykseen ja annamme heidän käyttää aikansa siellä, missä heidän vaikutuksensa on suurin. Se ei ole laskentataulukoiden tutkimista sen selvittämiseksi, mitä tapahtuu, vaan asioihin vaikuttamista yhteisen ymmärryksen pohjalta.

Pienemmissä organisaatioissa, joissa ei ole kapasiteettia palkata talous- tai operatiivista johtajaa, teemme saman asian kunkin osaston kokeneimmalle henkilölle. Talouden puolella se on yleensä ulkoistettu kirjanpitoyritys ja operaatioissa kokenut projektipäällikkö, joka on saanut operatiivisen tittelin, koska organisaatio kokee tarvitsevansa sellaisen.

Toimitusjohtaja ei yleensä ryhtynyt tähän työhön hoitaakseen näitä asioita. Hän on oman alansa asiantuntija. Me otamme vastuullemme tämän sotkuisen välikerroksen, jotta muut voivat selkeyttää oman tehtävänsä ja hoitaa sen.

Galen Low: Olen työskennellyt useissa pienissä toimistoissa, joissa juuri näin tapahtuu. Toimitusjohtaja on perustaja, joka piti digitaalisesta teknologiasta, verkkosivujen, sovellusten ja muun rakentamisesta. Yhtäkkiä hän on toimitusjohtaja ilman aiempaa kokemusta toimitusjohtajan työstä.

Hän ei ole saanut toimitusjohtajan koulutusta ja liittyy muiden toimitusjohtajien verkostoon oppiakseen heiltä. Luonnollisesti tällaisessa tilanteessa syntyy aukkoja siinä, mitä voidaan ja pitäisi tehdä, erityisesti operaatioissa. Sitten todetaan, että sinä voisit ehkä johtaa operaatioita — olet nyt operatiivinen johtaja, selvitä asia.

Pidän ajatuksesta, että se on hyväksyttävää, koska kaikki ovat jonkinlaisella oppimismatkalla. Meillä on kuitenkin oltava suunnitelma ymmärryksen rakentamiseen, aukkojen täyttämiseen ja keskustelujen johtamiseen, jotta voimme oppia toisiltamme ja tehdä yhdessä hyviä päätöksiä.

Marcel Petitpas: Tässä on tärkeä huomio. Liian usein kokenein projektipäällikkö määrätään operatiiviseksi johtajaksi ja toimitusjohtaja sanoo hänelle, että selvitä kannattavuus. Se on epärealistinen odotus ja asettaa henkilön epäonnistumaan.

Kannattavuuden ratkaiseminen ei ole sivutehtävä. Se on erittäin vaikea ongelma, jos et ole ratkaissut sitä aiemmin eikä sinulla ole viitekehystä. Se vaatii teknistä dataosaamista, ainakin data-analyysin ja datatieteen ymmärtämistä. Se vaatii myös erittäin hyvää talousosaamista.

On epärealistista odottaa, että projektinhallinnan kautta edennyt henkilö osaisi tehdä tämän automaattisesti. Projektinhallintatausta voi jopa olla haitta, koska projektipäälliköitä palkitaan yleensä tarkkuudesta ja yksityiskohtaisuudesta.

Juuri tämä voi estää hyvän johtotason raportoinnin, joka onnistuu vastoin intuitiota usein silloin, kun luovumme suuresta osasta täsmällisyyttä, jonka sekoitamme tarkkuuteen.

Hyvä esimerkki on neljän kuukauden kapasiteettiennuste suunnitteluosastolle. Sitä ei tehdä jakamalla 700 tehtävää yksittäisille ihmisille projektinhallintatyökalussa. Se on kuin yrittäisi rakentaa hiekkalinnaa pinoamalla hiekanjyviä syömäpuikoilla. Se ei toimi.

Jos projektinhallinta on ainoa tuntemasi tapa, mielesi menee kuitenkin helposti juuri siihen: rakennetaan kaikki pienet palikat projektinhallintatyökaluun.

Galen Low: Vaikka olemme käsitelleet tätä aiemmissa jaksoissa, oma näkökulmani on ajan myötä muuttunut täysin, etenkin tekoälyn aikakaudella. Monet operatiiviseen rooliin päätyneet ajattelevat, että heidän täytyy palkata datatieteilijä.

Olen nähnyt tilanteita, joissa joku palkataan ja hänelle sanotaan, että vastaat nyt datasta, koska minulla ei ole dataymmärrystä enkä tiedä, mistä sitä hankitaan. Datahenkilö ei kuitenkaan ymmärrä, mitä dataa pitäisi kerätä tai miten se pitäisi paketoida. Silloin sokea johtaa sokeaa.

Onko operatiivisessa roolissa nykyään välttämätöntä olla erittäin datalukutaitoinen, dataorientoitunut ja dataohjautuva sekä teknisempi ja insinöörimäisempi, vai onko sekin harhaluulo?

Marcel Petitpas: Olemme tällä hetkellä vaikeassa risteyskohdassa. Datan operatiivisesta hallinnasta tulee pienyrityksille perustaito, mutta sen ympärillä on tällä hetkellä tyhjiö.

Parakeeton koko ajatus on, että yritystason datatoimintoja on ollut pitkään, ja nyt ne ovat tulossa pienempiin yrityksiin. Yritämme paketoida ne hyvin tarkasti rajatulle ihmisryhmälle tavalla, jonka kustannukset ovat mahdollisia.

Olemme käytännössä pieni datatoimintojen tiimi, joka on paketoitu hienompaan muotoon. Miljoonan dollarin toimisto ei voi vain hankkia Databricks-tiliä ja palkata teknisiä ihmisiä rakentamaan kaikkea.

Pienyrityksille ei oikeastaan vielä ole Databricksin kaltaista ratkaisua. Työkalut ovat kuitenkin tulossa ja ne kehittyvät. Ei ole kovin kaukana tulevaisuudessa hetki, jolloin voit rakentaa ja hallita pientä dataputkea ilman, että olet erityisen tekninen tai datan supernörtti.

Sinun on silti ymmärrettävä viitekehys ja osattava soveltaa sitä liiketoimintaasi. On aloitettava lopputulos mielessä. Kaikki työkalut, data ja laskentataulukot ovat hyödytöntä, jos et tiedä, mitä mitataan, miksi sitä mitataan ja miten se tarkalleen määritellään.

Galen Low: Jos kuuntelijoissa on operatiivisia johtajia, jotka tunnistavat itsensä eivätkä tiedä, miten työskennellä lopputuloksesta taaksepäin, mistä heidän pitäisi aloittaa? Miten he voivat täyttää aukon?

Marcel Petitpas: Ei heidän tarvitse poistua uraltaan. Projektien ja asiakkuuksien hallinta on mielestäni yksi näiden yritysten suojatuimmista osaamisalueista ja toteutuksen purkamisen jälkeen yksi arvokkaimmista tehtävistä.

Suoraan kysymykseen vastatakseni: aloita Agency Profit Toolkitista. Viitekehys on siellä ja se on ilmainen. Se on yksinkertainen, mutta ei helppo. Siksi ihmiset palkkaavat meidät viemään heidät prosessin läpi.

Jos haluat tietää, mitä mittarit ovat, miten ne lasketaan ja miten niiden sisältämät asiat määritellään, olen antanut kaiken tämän ilmaiseksi. Siitä aloittaisin.

Galen Low: Hienoa. Vaihdetaan hieman aihetta. Teit hiljattain haastattelun tiimini kanssa Digital Project Managerille, ja linkitän sen ohjelman muistiinpanoihin.

Puhuimme siellä tekoälyn kannattavuusyhtälöstä. Liiketoimintani perustuu dollareihin ja tunteihin eli laskutettaviin tunteihin. Mittaamme käyttöastetta. Tekoäly on täällä ja lupaa operatiivista tehokkuutta, joka tekee toiminnasta kannattavampaa. Se lupaa kymmenkertaistaa tai jopa satakertaistaa voiton.

Vaihtoehtoja on niin paljon, että voi syntyä joko tuhannen paperiviillon aiheuttama kuolema tai valitaan yksi asia ja toivotaan parasta. Käytetään esimerkkinä tekoälyä tiedon keräämiseen eri työkaluista, jotta aikaa ei kuluisi siihen.

Jos johdat toimistoa ja kaikki ovat uupuneita tekoälyn vaihtoehtojen ja käyttötapausten määrästä, miten päätät viitekehyksen ja mallin sisällä, mitkä toimenpiteet todella tuottavat suurimman vaikutuksen operatiiviseen tehokkuuteen? Onko se mielestäsi edes polku kannattavuuteen?

Marcel Petitpas: Ehdottomasti. Olen nähnyt tekoälyn vaikuttavan kaikkiin neljään vipuun, jotka voivat liikuttaa yrityksen kannattavuutta. Uskon, että projektipäälliköt pitävät tästä vastauksesta, koska se on hyvin käytännöllinen.

Ajattelemme tätä toimiston voiton vauhtipyöränä. Ensimmäinen vaihe on oletukset. Toinen on toteutuneet luvut. Yhdessä ne muodostavat määrällisen palautesilmukan: mitä ajattelimme tapahtuvan, mikä oli suunnitelma ja mitä todellisuudessa tapahtui?

Se kertoo, missä odotusten ja toteutuneen välillä on ero ja mitä mittaria liiketoiminnassa pitää muuttaa. Vaihtoehtoja on käytännössä vain neljä.

Kun tiedät, mitä mittaria pitää liikuttaa, raportoit ja keskustelet tiimin kanssa siitä, mitä voisimme tehdä mittarin muuttamiseksi. Sen jälkeen ideoidaan toimenpiteitä. Kun ideat on käyty läpi, pitäisi olla selvää, mitkä ovat nopeita voittoja tai kustannuksiin nähden tehokkaita toimia.

Kun päätös on tehty, toimenpiteet toteutetaan, vauhtipyörä käynnistetään uudelleen ja tätä jatketaan, kunnes mittari muuttuu. Sitten siirrytään seuraavaan. Ihannetilanteessa tästä tulee jatkuvasti toimiva lihas liiketoiminnassa.

Galen Low: Voisimmeko käyttää tiedon keräämistä esimerkkinä alusta loppuun? Oletetaan, että odotetun ja toteutuneen kannattavuuden välillä on ero.

Tiimi sanoo käyttävänsä valtavasti aikaa asioiden etsimiseen eri työkaluista, minkä vuoksi tehtävät eivät valmistu arvioidussa ajassa. Projektipäällikkönä ajattelen, että meidän pitäisi käyttää vähemmän aikaa aineistojen keräämiseen eri paikoista, jotta kannattavuus paranisi.

Ennen kuin aloitamme, vaistoni sanoo, että meidän pitää mitata, kuinka paljon aikaa säästimme, kun tekoäly hoiti asian. Sitten muistan sanasi siitä, että projektipäälliköt keskittyvät täsmälliseen dataan, joka ei aina ole merkityksellistä eikä aina tee datasta tarkkaa.

Hyppäsinkö suoraan siihen, että säästämme aikaa ja mittaamme tekoälyn avulla säästetyt tunnit osoituksena siitä, auttaako ratkaisu meitä muuttumaan kannattavammiksi?

Marcel Petitpas: Ajattelet asiaa oikealla tavalla. Tämä palautuu malliin. Malli on käytännössä suuri matemaattinen yhtälö.

Kun toimisto haluaa olla kannattavampi, on kaksi laajaa mahdollisuutta: yleiskulujen leikkaaminen tai toimituskatteen parantaminen, jota muut voivat kutsua bruttokatteeksi.

Lähes millään toimistolla ei ole yleiskuluongelmaa. Olen tarkastellut yli 300 toimistoa, ja vain kourallisella oli oikeasti yleiskuluongelma. Ongelma on lähes aina se, ettei liikevaihtoa ansaita riittävän tehokkaasti.

Toimituskatetta parannetaan kolmella tavalla. Ensimmäinen on keskimääräisen laskutettavan hinnan parantaminen. Se riippuu siitä, kuinka paljon rahaa ansaittiin ja kuinka monta tuntia sen ansaitsemiseen kului.

Voit nostaa hintaa muuttamatta käytettyä aikaa tai pitää hinnan samana ja löytää keinon saada työ tehtyä lyhyemmässä ajassa. Tällaisen vaikutusta voi mitata.

Toinen osa on käyttöaste: kuinka suuri osa tiimiltä ostetusta ajasta käytetään tuon keskimääräisen hinnan ansaitsemiseen? Kolmas osa on keskimääräinen tuntikustannus: kuinka kallis yksi työtunti keskimäärin on?

Jos tekoälyä käytetään tiedon keräämiseen, se voi vaikuttaa kaikkiin kolmeen mittariin. Työ valmistuu esimerkiksi 20 prosenttia nopeammin, jolloin keskimääräinen laskutettava hinta nousee 20 prosenttia. Käyttöaste voi kasvaa hieman, koska tiimi saa enemmän aikaan ja pystyy työskentelemään tasaisemmin, kun kontekstin vaihtaminen vähenee.

Kolmas vaikutus voi olla se, ettei kaikkeen enää tarvita kokenutta työntekijää. Kun konteksti on koottu yhteen ja tekoäly voi analysoida datan sekä tuottaa tuloksen, juniorimpi henkilö voi hoitaa työn.

Kannattavuuden kaava on keskimääräinen laskutettava hinta kerrottuna käyttöasteella, mikä kertoo ansaitun rahamäärän. Keskimääräinen tuntikustannus kerrottuna tehdyillä toimitustunneilla kertoo kustannuksen.

Näin voit laskea liikevaihdon absoluuttisen kasvun, kustannusten absoluuttisen laskun ja kannattavuuden suhteellisen paranemisen. Siksi malli on niin tärkeä: laskua ei voi tehdä, ellet tiedä, mikä mallisi on ja miten ajattelet siitä.

Galen Low: Nyt ymmärrän. Voiko toimisto käyttää samaa mallia valitessaan, mihin investoida, jos kymmenestä vaihtoehdosta on valittu parhaat? Emme voi toteuttaa kaikkia kymmentä.

Voimmeko sanoa, että odotamme esimerkiksi 20 prosentin tehokkuusparannusta, koska aineistoja ei tarvitse kerätä eri työkaluista, kun taas toinen vaihtoehto tuottaisi vain 15–18 prosentin parannuksen? Mallissa on myös toteutuneen tuloksen osuus, koska olemme usein huonoja arvioimaan. Voiko mallia käyttää investointikohteen päättämiseen?

Marcel Petitpas: Kyllä, mutta asia ei ole niin yksinkertainen, että valitaan kymmenestä vaihtoehdosta suurimman sijoitetun pääoman tuoton vaihtoehto.

Kolmen vivun — keskimääräisen tuntikustannuksen, keskimääräisen laskutettavan hinnan ja käyttöasteen — välillä on oikea järjestys. Jos mahdollisuuksia on kaikissa kolmessa, on olemassa oikea tapa käsitellä ne ensimmäisenä, toisena ja kolmantena.

Aloita aina käyttöasteesta, siirry sitten keskimääräiseen laskutettavaan hintaan ja viimeiseksi keskimääräiseen tuntikustannukseen.

Ajatellaan putkea, jossa vesi virtaa säiliöön. Jos putken kapasiteetista käytetään vain puolet, putken suurentaminen ja tehokkuuden lisääminen ei hyödytä, koska kapasiteettia ei muutenkaan hyödynnetä.

Näen yritysten usein ajattelevan, että hintaa on nostettava ja toimintaa tehostettava, vaikka käyttöaste on hyvin alhainen. Silloin projektien tehokas tuntihinta ja kannattavuus voivat muuttua, mutta tuloslaskelman luku ei muutu.

Teoreettisesti tehokkaampi malli on kannattavampi, mutta jos tavoitteena on saada sijoitetun pääoman tuotto suoraan tulokseen, järjestys on väärä. Ensin selvitetään, mikä mittari on priorisoitava, ja keskustellaan siitä, mitä sen saamiseksi oikealle tasolle voidaan tehdä.

Kun käyttöaste on tavoitetasolla, kaikki keskimääräisen laskutettavan hinnan parantamiseen tehdyt toimet näkyvät suoraan tuloksessa. Myös käytännön näkökulmasta hinnoittelukeskustelu asiakkaan kanssa on helpompi käydä silloin, kun asiakasta ei tarvitse pitää hinnalla millä hyvänsä, koska kapasiteetti on täynnä ja uusia asiakkaita on tulossa.

Jos toimeksiannon laajuutta pitää pienentää, olemme käytännössä paljon paremmassa asemassa toteuttamaan sen. Tämä konteksti on tärkeä pelkän mahdollisen sijoitetun pääoman tuoton lisäksi.

Galen Low: Pidän putkivertauksessa olevasta loogisesta järjestyksestä. Haluaisin lopuksi katsoa tulevaisuuteen. Olemme puhuneet jälkeen jäämisen tunteesta, kiinni kuromisesta, aloituskohdasta, ohjelmistosta, viitekehyksistä, liiketoiminnan syvemmästä ymmärtämisestä, tekoälystä ja operatiivisesta tehokkuudesta.

Työskentelet paljon toimistojen kanssa. Lähes kaikki toimistot ovat tällä hetkellä muutoksessa tai paineen alla muuttua. Jotkut rakentavat tekoälyä osaksi palvelutarjontaansa, toiset vasta aloittavat datavetoisen päätöksenteon käyttöönottoa.

Jos siirrymme viisi vuotta eteenpäin, miltä kannattava toimisto näyttää?

Marcel Petitpas: On vaikea sanoa, miltä se näyttää käytännön tasolla tai mitä palveluita se myy. Kaksikymmentä vuotta sitten olisi ollut vaikea ennustaa kokonaisen Facebook-mainonnan toimialan syntyä, koska Facebookia ei ollut.

Yhden asian tiedän varmasti: työn välitykseen perustuva liiketoimintamalli ei katoa lähiaikoina. Se on yksi ihmiskunnan vanhimmista toimialoista. Se on talouden tehokkain tapa täyttää muutoksessa syntyviä aukkoja.

Asiantuntemus ei katoa. Sen sijaan katteisiin kohdistuva paine kasvaa monilla asiantuntijapalveluiden osa-alueilla. Tämä on alkanut jo aiemmin, mutta nyt kaikki tiedostavat sen paremmin, koska noin kahdenkymmenen vuoden kehitys on tapahtunut viimeisen kuuden vuoden aikana.

Pandemian aikana paikallisen osaamisen hinnat nousivat 30–40 prosenttia eri osaamisalueilla, samalla kun kilpailu globalisoitui hetkessä. Kustannuspohja kallistui ja hintapaine kasvoi, kun Itä-Euroopassa toimiva yritys tarjosi saman näköistä työtä kolmanneksen hinnalla ja oli silti kannattava.

Samaan aikaan asiakkaat eivät enää välittäneet siitä, missä toimisto sijaitsee, koska kaikki työskentelivät joka tapauksessa etänä. Se oli toimialan kypsymisessä suuri harppaus katteiden laskun suuntaan. Nyt tekoäly on tullut mukaan.

Toimialan katteet laskevat ajan mittaan, kuten kaikilla kypsyvillä toimialoilla, ja siksi liiketoiminnan johtamiseen vaadittava kehittyneisyys kasvaa.

Pienyritysten on hallittava tämä ja ymmärrettävä taloutta paremmin, jos ne haluavat selviytyä, koska toimintaympäristö ei ole yhtä anteeksiantava. Ilmaista rahaa ei ole yhtä paljon, ellei toimita uudenlaisella, huipputeknisellä ja vähäisen tarjonnan mutta suuren arvon alalla.

Toimitusketjun pirstaloituminen lisääntyy. Näin tapahtuu useimmilla toimialoilla, joiden katteet ovat alhaiset. Esimerkiksi lentoyhtiön toimitusjohtajana ei voi toimia ilman erinomaista lukujen ymmärrystä, koska käytettävissä voi olla vain kolmen prosentin kate.

Lentomatkan asiakas ostaa lipun lentoyhtiöltä, mutta lentoyhtiö ei välttämättä valmista ruokaa, siivoa konetta, johda lentokenttää tai hoida kaikkea kunnossapitoa. Kaikki ulkoistetaan, ja toimitusketjun jokainen toimija on toiminnassaan erittäin erikoistunut. Se on ainoa tapa saada pieni kate.

Uskon, että myös toimistot siirtyvät yhä enemmän tähän suuntaan. Niiden on oltava erittäin kurinalaisia taloudessa ja operaatioissa. Monet, jotka haluavat vain tehdä hienoja asioita, saattavat puistella päätään, mutta tämä on valitettavasti toimialan suunta.

Galen Low: Pidän näkökulmasta, että tämä tapahtuu muillakin toimialoilla. Se ei ole ainutlaatuista eikä alkanut vain tekoälyn vuoksi. Toimistomaailmassa se alkoi kuusi vuotta sitten, koska—

Marcel Petitpas: Se on jatkunut sata vuotta, mutta nyt vauhti on vain paljon kovempi.

Galen Low: Niin. Se kate.

Marcel, tämä oli hienoa. Ennen kuin päästän sinut lähtemään, mistä ihmiset voivat lukea lisää sinusta?

Marcel Petitpas: Käy osoitteessa parakeeto.com. Sieltä löytyy paljon ilmaisia resursseja, mukaan lukien parakeeto.com/toolkit. Jos haluat perehtyä mittareihin ja niiden käyttöönottoon, kaikki löytyy sieltä maksutta.

Jos pidät podcasteista, kuuntele Agency Profit -podcastia. Jos haluat keskustella kanssani suoraan, LinkedIn on paras paikka. Verkostoidu ja lähetä viesti. Kuulen mielelläni sinusta.

Galen Low: Mahtavaa. Laitan kaikki linkit ohjelman muistiinpanoihin. Kiitos vielä kerran, arvostan tätä todella.

Marcel Petitpas: Kiitos, Galen. Oli ilo olla mukana.

Galen Low: Siinä kaikki tämän päivän Digital Project Manager -podcastin jaksosta. Jos pidit keskustelusta, tilaa podcast sieltä, missä kuuntelet sitä. Jos haluat vielä enemmän käytännönläheisiä näkemyksiä, tapaustutkimuksia ja toimintamalleja, käy osoitteessa thedigitalprojectmanager.com.

Ensi kertaan, kiitos kuuntelusta.