Dlaczego śledzenie czasu nie uratuje marży Twojej agencji

Galen Low: Jeśli ktoś nas słucha, a jego organizacja nie ma kultury opartej na danych, ile czasu zajmie jej nadrobienie zaległości?

Marcel Petitpas: Pierwszym krokiem jest jasne określenie ram działania. Nie możesz podejmować decyzji dotyczących tego, jakich narzędzi używać, jak ich używać, co śledzić, a czego nie śledzić, jeśli nie wiesz, na jakie wskaźniki będziesz zwracać uwagę.

Musisz dokładnie wiedzieć, jak te wskaźniki będą obliczane, jak definiować każdy obiekt w ramach każdego wskaźnika oraz co dany wskaźnik mówi o Twojej firmie, gdy rośnie lub spada.

Galen Low: Jeśli prowadzisz agencję, jak w ramach tych założeń decydujesz, które działania rzeczywiście przyniosą największy wpływ na efektywność operacyjną?

Marcel Petitpas: Myślimy o tym jako o kole zamachowym zyskowności agencji, które ma cztery etapy. Pierwszy to założenia. Drugi to wyniki rzeczywiste. Te dwie rzeczy razem tworzą ilościową pętlę informacji zwrotnej. Pokazuje ona, gdzie występuje luka i który wskaźnik w firmie musimy zmienić.

Galen Low: Jeśli jesteś osobą odpowiedzialną za operacje, czy musisz być bardzo biegły w pracy z danymi, myśleć analitycznie, działać w oparciu o dane, być bardziej techniczny, bardziej podobny do inżyniera, czy to również mit?

Marcel Petitpas: W niedalekiej przyszłości nadejdzie moment, w którym będzie można zbudować i zarządzać niewielkim potokiem danych bez bycia osobą wysoce techniczną czy kompletnym maniakiem danych. Jednak nadal prawdą będzie to, że trzeba będzie rozumieć ramy działania i wiedzieć, jak zastosować je w swojej firmie.

Galen Low: Witajcie w podcaście Digital Project Manager — programie, który pomaga liderom odpowiedzialnym za realizację pracować mądrzej, dostarczać szybciej i lepiej przewodzić w erze sztucznej inteligencji. Mam na imię Galen i co tydzień zagłębiamy się w rzeczywiste strategie, nowe narzędzia, sprawdzone ramy działania oraz okazjonalne historie z pierwszej linii projektów. Niezależnie od tego, czy kierujesz ogromnymi projektami transformacyjnymi, porządkujesz przepływy pracy oparte na AI, czy po prostu próbujesz utrzymać chaos pod kontrolą — jesteś we właściwym miejscu. Zaczynajmy.

Dziś rozmawiamy o relacji między zyskownością, operacjami i danymi. A konkretnie: kiedy jest właściwy moment, aby upewnić się, że dane są wystarczająco uporządkowane, by zrozumieć zyskowność, oraz jak nadrobić zaległości, jeśli już czujesz się spóźniony w kwestii operacji opartych na danych i wspieranych przez AI.

Moim gościem jest dziś Marcel Petitpas, założyciel i dyrektor generalny Parakeeto, a także moja pierwsza osoba do kontaktu, jeśli chodzi o zyskowne, oparte na danych operacje agencji oraz wyjaśnianie mi regresji liniowej tak, jakbym miał pięć lat. Marcel i jego zespół działają na styku ułamkowego dyrektora finansowego i ułamkowego dyrektora operacyjnego, pomagając agencjom rozwijać się w przewidywalny sposób dzięki zrównoważonym i zyskownym operacjom.

Marcel był ostatnio wszędzie. Występował podczas Agency Growth Event Summit, All-In Agency Summit, Mirren AI 2025, Consulting Success Live 2025 oraz w różnych programach organizowanych przez Agency Management Institute. Jest także gospodarzem podcastu Agency Profit, w którym co tydzień publikowane są rozmowy z liderami agencji i ekspertami branżowymi.

Marcel, dziękuję, że ponownie dołączasz dziś do programu.

Marcel Petitpas: Galen, oglądanie, jak prowadziłeś to intro, było zapierające dech w piersiach. Byłeś całkowicie skupiony. To było niesamowite. Rozmawialiśmy za kulisami, a potem po prostu wszedłeś w strefę. Dziękuję, że mnie zaprosiłeś. To przyjemność tu być i dziękuję za ten wspaniały występ.

Galen Low: Dziękuję za komplementy. Tak naprawdę przez cały czas jestem AI. Marcel mnie stworzył. Marcel był już wcześniej naszym gościem. Brałeś udział w naszych wydarzeniach. Uwielbiam mieć cię w programie, ponieważ masz naprawdę wyjątkową i praktyczną perspektywę na to, dokąd zmierzają agencje i firmy ogólnie w zakresie biegłości w pracy z danymi, operacji opartych na danych i powiązania tych elementów z wartością. Schodzisz naprawdę do konkretów.

Marcel Petitpas: Doceniam, że tak mówisz. To coś, o czym — dość osobliwie — spędzam ogromną część czasu, myśląc i rozmawiając. Mam szczęście, że mogę to robić. Przez siedem lat naprawdę zakasałem rękawy i wdrażałem te rozwiązania w agencjach. Myślę, że szczególnie w kontekście zarządzania projektami mam kilka poglądów sprzecznych z konwencjonalną mądrością dotyczącą najlepszych praktyk.

Widziałem bowiem, gdzie znajdują się złote kajdanki — decyzje, które wydają się sensowne, ale w praktyce nigdy nie działają, bo są zbyt trudne.

Galen Low: Podoba mi się to. Wciąż korzystamy z podręcznika, który jest trochę zepsuty, tylko dlatego, że już istnieje. Złote kajdanki rzeczywiście. Pomyślałem, że możemy zacząć od jednej wielkiej, palącej kwestii — czegoś kontrowersyjnego, na co wszyscy chcą znać odpowiedź — a potem oddalić perspektywę i porozmawiać o trzech rzeczach.

Po pierwsze, chciałem porozmawiać o higienie danych i o tym, co zrobić, jeśli masz wrażenie, że Twoja agencja już przegapiła właściwy moment. Następnie chciałbym omówić, jak uporządkowane dane i AI mogą wywrzeć mierzalny wpływ na zyskowność oraz jak oceniać i ustalać priorytety efektywności operacyjnej na podstawie wpływu.

Na koniec moglibyśmy zastanowić się, dokąd prowadzi ta królicza nora w przypadku agencji. Pod pewnymi względami gra agencji całkowicie się zmieniła. Chciałbym porozmawiać o umiejętnościach i strukturach, na które agencje muszą zwrócić uwagę, aby rozwijać się w erze danych i AI. To duże tematy. Jak ci się to podoba?

Brzmi jak świetny plan. Zagłębmy się w to. Zaczynajmy. Oto moje wielkie, trudne pytanie. Powiedziałbym, że dobre, uporządkowane dane — tego nauczyłem się od ciebie — są prawdopodobnie kluczem do osiągnięcia zyskownych operacji agencji opartych na danych. Ale jeśli ktoś nas słucha, a jego organizacja nie ma kultury danych ani nie jest nawet blisko uporządkowania danych w jakikolwiek znaczący sposób, ile czasu zajmie nadrobienie zaległości?

I czy można przyspieszyć ten proces bez lekkomyślnego działania?

Marcel Petitpas: Odpowiedź brzmi: tak. Tym, co najbardziej mnie smuci w przypadku wielu klientów, z którymi zaczynamy współpracę po latach prób zasypania tej luki, jest to, że zdecydowana większość z nich podchodzi do problemu od niewłaściwej strony.

Dotyczy to szczególnie wielu osób słuchających tego programu. I nie sądzę, żeby była to ich wina. Myślę, że oprogramowanie i przemysłowy kompleks technologiczny niejako uwarunkowały ich, by w to wierzyli. Wszystko zaczyna się od oprogramowania, zarządzania projektami, danych o śledzeniu czasu i danych księgowych, ale są to ostatnie i najmniej ważne etapy procesu. Może to zszokować ludzi, gdy to mówię, ale nie potrzebujesz danych o śledzeniu czasu, aby uzyskać 80% obrazu swojej efektywności.

Pierwszy krok to jasne określenie ram działania. To trochę abstrakcyjne, więc przełóżmy to na praktykę. Nie możesz naprawdę korzystać z żadnych swoich danych ani podejmować decyzji dotyczących tego, jakich narzędzi używać, jak ich używać, co śledzić i czego nie śledzić, jeśli nie wiesz, na jakie wskaźniki będziesz zwracać uwagę.

Musisz dokładnie wiedzieć, jak te wskaźniki będą obliczane, jak definiować każdy obiekt w ramach każdego wskaźnika oraz co dany wskaźnik mówi o Twojej firmie, gdy rośnie lub spada. Praktyczny przykład: świetnie jest siedzieć przy stole w sali konferencyjnej i powiedzieć: „Będziemy mierzyć wykorzystanie”. Czym innym jest jednak powiedzenie: „Co dokładnie to dla nas oznacza? Czym jest godzina rozliczeniowa i czym jest zdolność produkcyjna? Jak definiujemy te pojęcia? Co obejmują, a czego nie obejmują? Co się liczy, a co nie? Jaka jest logika, dzięki której przekształcamy dane w obraz wykorzystania?”

Czy w pełni rozumiemy, co powoduje wzrost i spadek tego wskaźnika, co oznacza to dla naszej firmy, jak wpływa na podejmowanie decyzji i dlaczego w ogóle nas to interesuje? Co zmieni się w naszych decyzjach, jeśli będziemy mieć przed sobą tę liczbę i zobaczymy, że rośnie lub spada?

To jest właśnie pierwszy krok. Dobra wiadomość jest taka, że nie wymaga on żadnego oprogramowania, żadnych danych ani oczekiwania na ich zgromadzenie. To po prostu decyzje, które możesz podjąć. Nie są łatwe, ale próbowaliśmy je uprościć, publikując nasze ramy dotyczące tego, jak naszym zdaniem należy mierzyć te wskaźniki i które wskaźniki mierzyć, udostępniając je publicznie.

Powiem więc, że to pierwszy etap. Jest też drugi, który również nie wymaga nowych informacji i o którym warto wspomnieć. Ale pozwolę ci teraz dojść do głosu, bo mógłbym mówić dalej przez następne 60 minut.

Galen Low: Z przyjemnością bym ci na to pozwolił.

Jednocześnie podoba mi się to, że być może celowo trochę cię naprowadzam, ponieważ wiele osób słuchających myśli: „Musimy nadrobić zaległości. Musimy kupić oprogramowanie i natychmiast zacząć śledzić czas”. Wtedy uzyskalibyśmy punkt odniesienia w danych, ale nadal dzieliłyby nas miesiące od posiadania użytecznych danych, które moglibyśmy wykorzystać do zwiększenia zyskowności.

To naturalna reakcja na poczucie, że agencja pozostaje w tyle. Podoba mi się więc, że odpowiedzią nie jest oprogramowanie. Czy mógłbyś podać przykład, szczególnie w kontekście wykorzystania? Wykorzystanie wydaje mi się idealnym przykładem tych złotych kajdanek.

Bo ma to ogromny sens. Zatrudniłem tych ludzi. Mój model biznesowy polega na sprzedaży usług rozliczanych godzinowo. Albo większość czasu poświęcają na zarabianie pieniędzy, albo nie. Jeśli nie, moje marże się kurczą, mogę tracić pieniądze i nie wykorzystuję talentu, który zatrudniłem.

Naturalne wydaje się stwierdzenie: „To dobry pomiar”. Ale przekonało mnie pytanie: co powoduje wzrost i spadek tego wskaźnika? To bardzo złożone równanie dla osób, które myślą: „Marcel, no dobrze, co jeszcze mam śledzić? Wykorzystanie zdecydowanie musi być tym wskaźnikiem”. Jakie mity obalasz lub z jakimi się spotykasz, które okazują się błędne? Czy nadal prowadzą one do śledzenia wykorzystania, ale po zadaniu właściwych pytań, czy raczej do porzucenia tego wskaźnika?

Marcel Petitpas: Nie. Nasze ramy obejmują wykorzystanie jako wskaźnik, ale sposób, w jaki je obliczamy, prawdopodobnie różni się od tego, jak robi większość innych osób. Mogę opowiedzieć, jak definiujemy wykorzystanie, ale trudno robić to w oderwaniu od reszty, ponieważ dopóki nie zrozumiesz, jak mierzymy średnią stawkę rozliczeniową, marże zysku na projektach, marże zysku na poziomie agencji oraz koszt godziny, nie zrozumiesz, dlaczego podjęliśmy takie decyzje dotyczące wykorzystania.

Prawda jest taka, że patrzymy na to jako na całościowe ramy: relację między wskaźnikami a firmą oraz między samymi wskaźnikami. Przemyśleliśmy to od początku do końca, przetestowaliśmy na setkach agencji przez siedem lat i przeanalizowaliśmy wszystkie przypadki brzegowe. Mogę więc przejść do mojej definicji wykorzystania, czyli godzin realizacji.

Są to wszystkie godziny poświęcone klientom, niezależnie od tego, czy były — w cudzysłowie — rozliczalne. Nie ma to dla nas znaczenia. Godziny realizacji dzielimy przez zdolność produkcyjną, czyli cały czas kupiony od dowolnej osoby w ramach wykonywanego pomiaru. W przypadku całej agencji oznacza to wszystkich, również osoby, które w ogóle nie pracują z klientami.

Przyjmujemy 2080 godzin rocznie. Niektórzy usłyszą to i powiedzą: „U nas to by nie zadziałało”. Być może, ponieważ podjęliście wiele innych decyzji dotyczących pozostałych wskaźników i takie rozwiązanie rzeczywiście nie ma sensu. Rozmawiałem jednak dziś rano z osobą, która mówiła, że co tydzień jej zespół zarządzający twierdzi, iż zespół jest w pełni wykorzystany, choć w rzeczywistości tak nie jest, ponieważ połowa czasu uznawanego za — w cudzysłowie — rozliczalny to czas wewnętrzny, który nie generuje przychodu.

Otrzymują więc fałszywy pozytywny sygnał. Inny zespół ma najwyższe wykorzystanie w sierpniu, co również jest fałszywym sygnałem, ponieważ w sposobie definiowania zdolności produkcyjnej uwzględnia się dużo czasu wolnego. Powinniśmy wyłączyć czas, w którym pracownik nie jest dostępny.

Wszystko to jest dla mnie sygnałem, że rozmowa o tym, jak definiować wykorzystanie, nie odbyła się po wcześniejszej rozmowie o tym, dlaczego to robimy. Jakie decyzje podejmujemy i na jakie pytania próbujemy odpowiedzieć? Gdyby ta rozmowa odbyła się wcześniej, od razu zauważyliby, że nie możemy wyłączyć zdolności produkcyjnej, jeśli próbujemy ustalić finansowy wpływ wykorzystania i jego wpływ na zyskowność.

To problematyczne. W każdym razie odbiegam od tematu. Myślę, że największą pułapką jest przekonanie, że można określić efektywność agencji lub firmy na podstawie pojedynczego wskaźnika. Ludzie próbują uczynić wykorzystanie tym jednym wskaźnikiem albo próbują zrobić to samo z zyskownością projektu.

To drugie jest równie, jeśli nie bardziej problematyczne. Nie można wywnioskować zyskowności całej agencji na podstawie zyskowności jednego projektu. Próba połączenia tych rzeczy jest syzyfową pracą, ogromną stratą czasu i zasobów, a moim zdaniem nie odpowiada właściwie na żadne pytanie.

Galen Low: Podoba mi się w tym aspekt Douglasa Adamsa. Pytasz o sens życia, a odpowiedź brzmi 21, ale tylko dlatego, że od początku nie rozumiałeś pytania. Tak właśnie postrzegam wykorzystanie na podstawie tego wyjaśnienia. Dobrze, część pierwsza: ramy, zrozumienie tego, co mierzysz i dlaczego. Część druga.

Marcel Petitpas: Część druga to, powiedziałbym, model i prognoza. To kolejny element, który jest często pomijany. Wyobraźmy sobie, że zdefiniowaliśmy sposób pomiaru wykorzystania. Następnie zespół zarządzania projektami bardzo się ekscytuje, wdraża narzędzie do zarządzania projektami i wymaga od wszystkich przestrzegania zasad. Mijają trzy miesiące i wreszcie mówią: „Mamy dobre dane. W zeszłym miesiącu nasz wskaźnik wykorzystania wyniósł 54%”. Wszyscy stoją i patrzą na siebie, czekając, aż ktoś zareaguje, a następnie pytają: „Czy to dobrze, czy źle?”

Ponownie doszliście do ostatniego etapu procesu, ale nie możecie czerpać wartości z tego pomiaru, ponieważ nie określiliście wcześniej oczekiwań. Dobra wiadomość jest taka, że ustalenie oczekiwań może być niezwykle pouczające i może wskazać problem bez znajomości rzeczywistych wyników.

Kiedy poznasz wyniki rzeczywiste, będą one znacznie bardziej wartościowe, ponieważ wiedza jest funkcją oczekiwań skonfrontowanych z rzeczywistością. Drugi krok to zbudowanie modelu firmy. Model jest bardzo prosty. Zaczynamy od tego, co nazywamy siatką płac — listy wszystkich członków zespołu, ich wynagrodzeń, liczby przepracowanych godzin oraz tego, na co oczekujemy, że ten czas zostanie przeznaczony.

Jeśli mielibyście nieograniczoną ilość pracy, ile płatnego czasu wolnego miałaby każda osoba? Następnie przyglądamy się kosztom ogólnym: ile wydawaliście na prawników, księgowych, QuickBooks, subskrypcje, biuro i całą resztę. Potem analizujemy ceny: ile faktycznie pobieracie i ile oczekujecie zarobić za każdą godzinę pracy wykonywanej dla klienta w ramach wszystkich sprzedawanych usług.

Po połączeniu tych trzech zestawów informacji powinniście móc ustalić, ile pieniędzy może zarobić firma z obecnym zespołem, jeśli wszystko przebiegnie zgodnie z planem. Ile czasu zostanie przeznaczone na pracę dla klientów? Jaki będzie wskaźnik wykorzystania? Ile wydamy na koszty ogólne? Jaka będzie marża brutto i zysk netto?

To pytanie o najlepszy możliwy wynik. Tworzy ono podstawę do zadania pierwszego pytania: czy to dobry wynik i czy tego oczekujemy? To ważne pytanie, ponieważ czasami trafiamy na firmę, która mówi: „Bez względu na to, jak bardzo się staramy, nie możemy osiągnąć zyskowności”. Wtedy wykonujemy to ćwiczenie i okazuje się, że planowali osiągnąć stratę.

Galen Low: Interesujące.

Marcel Petitpas: Mówią wtedy: „Czyli bez względu na to, jak perfekcyjnie zrealizujemy ten plan, i tak poniesiemy porażkę”. Wcale nie chodziło o wykonanie. Mieli po prostu zły plan.

To właśnie drugi krok: zbuduj model swojej firmy. Zrozum, do czego prowadzi, jaki margines błędu pozostawia i jakie są cele. Jeśli dodasz jeszcze jeden zestaw danych — ogólne informacje o projektach, ile zarobisz, kiedy się rozpoczną i zakończą oraz ile godzin przewidujesz — możesz spojrzeć w przyszłość i zapytać: „Czy planujemy osiągnąć tyle przychodów, ile możemy? Czy planujemy utrzymać zespół na rozsądnym poziomie zajętości?”

Możesz rozwiązać około 70–80% problemów z zyskownością bez śledzenia czasu i danych projektowych, które są najdroższą i najtrudniejszą częścią. Wystarczy po pierwsze jasno określić ramy działania, a po drugie jasno określić założenia dotyczące obecnego funkcjonowania firmy.

Dobrą wiadomością jest to, że wszystko to jest bezpłatne. Wymaga jedynie czasu i informacji, które już masz w głowie, ale prawdopodobnie nie poświęciłeś czasu, by je uporządkować. Nie potrzebujesz oprogramowania ani sześciu miesięcy oczekiwania na zgromadzenie danych. Nie musisz zmieniać dostępnego procesu księgowego. Nadrobienie zaległości nie zajmuje więc dużo czasu, ponieważ wiele potrzebnych informacji jest dostępnych już teraz.

Galen Low: To interesujące, bo jest bezpłatne, ale nie jest łatwe. Niektóre pytania opierają się na wiedzy, którą możesz posiadać, ale udzielenie odpowiedzi jest trudne, ponieważ musisz naprawdę spojrzeć swojej działalności prosto w oczy.

Myślałem, że powiesz: „Pomyśl, ile pieniędzy możesz zarobić, a następnie przyznaj, że to nierealistyczne, bo to utopia”. Tymczasem powiedziałeś, że Twój plan może po prostu nie być zyskowny i że sposób prowadzenia firmy może nie być zyskowny.

Z perspektywy osoby zajmującej się zarządzaniem projektami w agencji jest to bardzo odświeżające. Przywykliśmy do poczucia, że ciężar agencji spoczywa na naszych barkach. To my jesteśmy silnikiem ekonomicznym. Musimy generować wystarczającą marżę, mieć zwykle 80% wykorzystania lub więcej, a jednocześnie opłacać pensje pracowników administracyjnych, zespołu sprzedaży i wszystkich pozostałych osób.

Mam nadzieję, że dobrze rozumiem to, co powiedziałeś: nie można opierać się wyłącznie na zyskowności projektu. Istnieje model kosztów bezpośrednich i trzeba uwzględnić wszystkich, a także zaplanowaną pracę rozliczalną, dostępne zadania i pieniądze, które można zarobić.

Marcel Petitpas: To w stu procentach prawda. Widzieliśmy firmy, w których każdy projekt był niezwykle zyskowny, ale sama firma nie była zyskowna, ponieważ zyskowność projektów jest tylko jednym z trzech czynników określających zyskowność.

Można sprzedać komuś butelkę wody za milion dolarów raz na dziesięć lat, ale jeśli następnie wydaje się 800 tysięcy dolarów rocznie na działalność i marketing, aby przekonać jedną osobę na dziesięć lat do zakupu butelki za milion dolarów, nie ma znaczenia, że marża wyniosła 99,999%.

To właśnie ten niuans. Trzeba oddalić perspektywę, zbudować kompleksowy model całej firmy i zwracać uwagę na wszystkie dźwignie wpływające na ten wynik.

Galen Low: Tymczasem kubki Stanley — to właśnie ich model biznesowy, prawda? Sprzedawać kolekcjonerskie butelki na wodę z marżą.

Marcel Petitpas: Takie, których nie da się zniszczyć.

Galen Low: To dobry punkt wyjścia, bo chciałem trochę oddalić perspektywę i wrócić do czegoś, co powiedziałeś. Opisałeś działalność Parakeeto jako sytuację, w której ułamkowy dyrektor finansowy i ułamkowy dyrektor operacyjny mieliby razem dziecko. Pomijając wszystkie implikacje konfliktu interesów i żarty o sekciarskich koncertach — jak liderzy finansów i operacji mogą lepiej współpracować, aby wykorzystywać dane do analizowania i monitorowania zyskowności agencji, a przede wszystkim wspólnie podejmować decyzje i odpowiadać na trudne pytania?

Marcel Petitpas: Wraca to do dwóch pierwszych kwestii, o których mówiłem: rozmowy o ramach działania i rozmowy o modelu firmy. Jest to nierozerwalnie związane z trzema najważniejszymi obszarami firmy: finansami, operacjami oraz w pewnym stopniu nowym biznesem.

Zasiadanie do rozmowy skupionej wokół tych zagadnień zmusza wszystkich do współpracy i osiągnięcia porozumienia. Zapewnia też podstawę tej rozmowy, ponieważ jest to po prostu równanie matematyczne, a nie opinia. To matematyka i dźwignie. Gdy rosną lub spadają, wiadomo, co się zmienia. Trudno temu zaprzeczyć.

Tworzy to fundament, dzięki któremu można zapytać: „Jeśli to są oczekiwania, jak będziemy je mierzyć?” Każdy musi wnieść swój wkład. Jeśli chcemy prognozować, musimy wiedzieć, co nadchodzi ze sprzedaży. Jeśli chcemy prognozować zdolność produkcyjną, musimy rozumieć, ile czasu będzie potrzebne. Jeśli prognozujemy finanse, musimy wiedzieć, ile pobierzemy, jakie będą koszty i jaka część pieniędzy należy do nas.

Wszystkie te elementy są ze sobą połączone. Zaczynasz patrzeć na całą organizację i pytać: „Jakich danych potrzebujemy, aby to zmierzyć?” Odpowiedzią jest niemal zawsze połączenie danych operacyjnych, które poprzedzają wyniki finansowe, oraz danych finansowych, będących dokładnym podsumowaniem tego, co wydarzyło się w przeszłości.

Ramy działania, prognoza i model stanowią fundament, na którym buduje się pętle informacji zwrotnej. To właśnie w tych pętlach odbywa się wiele współpracy między działami. Bez ram i zrozumienia, jak zbudować model, każdy pozostaje na swoim podwórku, a niewielka luka nigdy nie zostaje wypełniona.

Kończy się to rozłącznymi elementami: inaczej myślimy o sprzedaży pracy, inaczej konfigurujemy ją w QuickBooks i fakturujemy, a jeszcze inaczej trafia ona do ClickUp. Wszystkie te systemy mówią zupełnie różnymi językami. Nic dziwnego, że nie potrafimy niczego zmierzyć — dane po prostu się nie zgadzają.

Galen Low: Podoba mi się, że model i ramy działania łączą ludzi. Doświadczyłem tej małej luki, gdy wszyscy wchodzą do sali konferencyjnej i zgadzają się co do planowania strategicznego: „Dobrze, zrobimy to”. Mamy dane, plan i cel, ale elementy układanki do siebie nie pasują, a język jest różny. Podczas kolejnego przeglądu kwartalnego wszyscy mówią: „To nie moja wina. To wina finansów. To wina HR-u”.

Marcel Petitpas: W większych organizacjach, w których są dyrektor operacyjny, finansowy i generalny, pomagamy wszystkim osiągnąć zgodność, a następnie pozwalamy im spędzać czas w obszarach o największej dźwigni. Nie chodzi o siedzenie w arkuszach i zastanawianie się, co się dzieje, lecz o działanie na podstawie wspólnego zrozumienia priorytetów.

W mniejszych organizacjach, które nie mają skali, by zatrudnić dyrektora finansowego lub operacyjnego, robimy to samo dla najstarszych osób w poszczególnych działach. Zwykle jest to zewnętrzna firma księgowa po stronie finansów, starszy kierownik projektu po stronie operacji oraz dyrektor generalny, który zazwyczaj nie zakładał firmy po to, by zajmować się tymi sprawami.

Chodzi o przejęcie tego chaotycznego obszaru pośrodku, aby każdy mógł jasno zrozumieć, co ma zrobić, a następnie to zrobić.

Galen Low: To interesujące, ponieważ pracowałem w kilku butikowych agencjach, w których rzeczywiście tak to wyglądało. Dyrektor generalny jest założycielem. Po prostu lubił technologię cyfrową, tworzenie stron internetowych i aplikacji, projektowanie, a nagle został dyrektorem generalnym, mimo że nigdy wcześniej nim nie był i nie został do tego przeszkolony.

Liderzy naturalnie mają luki w tym, co można i należy zrobić, szczególnie w obszarze operacji. Widziałem sytuacje, w których mówiono: „Prawdopodobnie możesz prowadzić operacje. Od teraz jesteś dyrektorem operacyjnym. Jakoś to rozwiążemy”. Podoba mi się przekonanie, że to w porządku, ponieważ każdy jest na jakiejś ścieżce uczenia się, ale potrzebujemy planu, aby zbudować tę świadomość, wypełnić luki i prowadzić rozmowy, dzięki którym wspólnie uczymy się i podejmujemy dobre decyzje biznesowe.

Marcel Petitpas: Warto zauważyć, że zbyt często najbardziej doświadczona osoba w zarządzaniu projektami zostaje niejako przymuszona do objęcia roli lidera operacji. Dostaje wtedy od dyrektora generalnego zadanie: „Rozwiąż problem zyskowności”. To nierealistyczne oczekiwanie i przepis na porażkę.

To nie jest poboczne zadanie. To bardzo trudny problem do rozwiązania, jeśli nigdy wcześniej się tego nie robiło i nie ma się żadnych ram działania. Wymaga technicznej wiedzy o danych — być może nie inżynierii danych, ale przynajmniej analizy danych i nauki o danych — a także wysokiego poziomu kompetencji finansowych.

Nierealistyczne jest oczekiwanie, że osoba, która rozwijała się w zarządzaniu projektami, poradzi sobie z tym bez przygotowania. Co więcej, doświadczenie w zarządzaniu projektami może być tu pewną przeszkodą, ponieważ kierownicy projektów są nagradzani za precyzję i szczegółowość.

To właśnie często powstrzymuje ich przed dobrym raportowaniem na poziomie zarządczym, które — wbrew intuicji — zazwyczaj działa najlepiej wtedy, gdy rezygnujemy z dużej części precyzji mylonej z dokładnością. Dobrym przykładem jest prognoza zdolności produkcyjnej działu projektowego na cztery miesiące. Nie tworzy się jej przez przypisywanie 700 zadań konkretnym osobom w narzędziu do zarządzania projektami.

To jak używanie pałeczek do układania ziaren piasku w piaskowy zamek. Nie zadziała. Jeśli masz doświadczenie w zarządzaniu projektami, prawdopodobnie właśnie tam kierujesz myśli: „Ułożę wszystkie te drobne elementy w naszym narzędziu”, bo to jedyne podejście, które znasz.

Galen Low: Mimo że rozmawialiśmy już o tym w innych odcinkach, z upływem czasu moja perspektywa całkowicie się zmieniła, szczególnie w erze AI. Wiele osób, które przypadkiem trafiły do roli operacyjnej, pomyśli: „Mogę zrobić wszystko, o czym mówi Marcel, ale muszę teraz zatrudnić naukowca danych”. Widziałem takie sytuacje: zatrudniamy kogoś i mówimy: „Od teraz odpowiadasz za dane”, ponieważ sami nie mamy świadomości danych i nie wiemy, skąd je brać.

Jednak osoba zajmująca się danymi nie zawsze rozumie szerszy obraz: jakie dane zbierać i jak je zapakować. W efekcie ślepy prowadzi ślepego. Czy rozwiązanie problemu zyskowności rzeczywiście może skazać kogoś na porażkę, jeśli nie został do tego przeszkolony lub wcześniej tego nie robił? Jeśli to byłoby łatwe, każdy prowadziłby zyskowną firmę.

Czy osoba odpowiedzialna za operacje musi dziś być bardzo biegła w pracy z danymi, myśleć analitycznie, działać w oparciu o dane, być bardziej techniczna lub bardziej podobna do inżyniera, czy również jest to mit?

Marcel Petitpas: Jesteśmy obecnie w bardzo trudnym punkcie przecięcia kilku zjawisk. Operacje danych staną się podstawowym wymogiem dla małych firm, ale obecnie istnieje w tym obszarze próżnia. Cała teza Parakeeto polega na przeniesieniu operacji danych, które od dawna istnieją na poziomie przedsiębiorstw, na rynek mniejszych firm i zapakowaniu ich w zdecydowany sposób dla konkretnej grupy odbiorców, po koszcie, który można udźwignąć.

To w zasadzie cały nasz model biznesowy: jesteśmy małym zespołem operacji danych, tylko zapakowanym w bardziej elegancki sposób. Problem polega na tym, że agencja o przychodach miliona dolarów nie może po prostu założyć konta Databricks, opłacić subskrypcji i zatrudnić technicznych osób, które zbudują całe rozwiązanie.

Nie ma jednak prawdziwego odpowiednika Databricks dla małych firm. Narzędzia te nadchodzą i stają się coraz bardziej zaawansowane. W niedalekiej przyszłości będzie można zbudować i zarządzać niewielkim potokiem danych bez bycia osobą wysoce techniczną czy kompletnym maniakiem danych.

Nadal trzeba będzie jednak rozumieć ramy działania i wiedzieć, jak zastosować je w swojej firmie. Nie ma drogi na skróty: trzeba zaczynać od końca. Wszystkie narzędzia, dane i arkusze — nawet jeśli jesteś naukowcem lub inżynierem danych — nie mają sensu, jeśli nie wiesz, co mierzysz, dlaczego to mierzysz i jak dokładnie to definiujesz.

Galen Low: Co powinni zrobić operatorzy, którzy słuchają nas teraz i myślą: „Marcel właśnie mnie opisał, nie wiem, jak pracować wstecz od celu i czekam, aż Databricks stanie się dostępny”? Od czego zacząć? Gdzie wypełnić tę lukę? Czy po prostu odejść z kariery?

Marcel Petitpas: Nie. To interesujące pytanie. Jeśli chodzi o przyszłość kierowników projektów w świecie AI, uważam, że zarządzanie projektami i klientami jest jedną z najbardziej odpornych na zmiany dziedzin w tych firmach. Po usunięciu dużej części pracy wykonawczej pozostają jedne z najbardziej wartościowych zadań.

Odpowiadając bezpośrednio: zacznij od Agency Profit Toolkit. Znajdują się tam ramy działania i są one bezpłatne. Są proste, choć niełatwe. Jeśli chcesz poznać wskaźniki, sposób ich obliczania i definicje obiektów, wszystko to udostępniłem bezpłatnie. Od tego bym zaczął.

Galen Low: Świetnie. Zmieńmy trochę temat. Niedawno udzieliłeś wywiadu mojemu zespołowi w Digital Project Manager. Umieszczę go w notatkach do programu. Rozmawialiśmy o tym, jak wiele osób patrzy dziś na równanie zyskowności w kontekście AI: „Mój biznes opiera się na dolarach za godziny i godzinach rozliczalnych. Mierzymy wykorzystanie. AI już tu jest i obiecuje efektywność operacyjną, która zwiększy nasz zysk. Zwiększy go dziesięciokrotnie, a może stukrotnie”.

Można zrobić tak wiele rzeczy, że trudno zdecydować: albo śmierć przez tysiąc cięć, albo wybór jednego rozwiązania i nadzieja na najlepsze. Jako przykład podam AI do gromadzenia kontekstu — zebranie elementów z różnych narzędzi, aby nie tracić na to czasu.

Jeśli prowadzisz agencję i wszyscy są przytłoczeni liczbą opcji i zastosowań AI, jak w ramach tego modelu zdecydować, które działania rzeczywiście przyniosą największy wpływ na efektywność operacyjną? Czy Twoim zdaniem jest to droga do zyskowności?

Marcel Petitpas: Zdecydowanie. Widziałem, jak AI wpływa na wszystkie cztery dźwignie, które mogą zwiększyć zyskowność firmy. Myślimy o tym jako o kole zamachowym zyskowności agencji, które ma cztery kroki.

Pierwszy to założenia. Drugi to wyniki rzeczywiste. Te dwie rzeczy razem tworzą ilościową pętlę informacji zwrotnej: co według nas miało się wydarzyć, jaki był plan i co rzeczywiście się wydarzyło. To pokazuje lukę między oczekiwaniami a rzeczywistością i wskazuje, który wskaźnik w firmie musimy zmienić.

Naprawdę istnieją tylko cztery możliwości. Gdy wiemy, który wskaźnik należy zmienić, spotykamy się z zespołem i zastanawiamy, co możemy zrobić. Omawiamy działania, które mogą wpłynąć na wskaźniki. Po przeanalizowaniu pomysłów powinno stać się jasne, które rozwiązania są szybkimi zwycięstwami i mają korzystny stosunek kosztów do efektów.

Następnie realizujemy wybrane działania, powtarzamy cykl i robimy to aż do zmiany wskaźnika. Potem przechodzimy do kolejnego. W idealnym świecie staje się to stałym mechanizmem działania firmy.

Galen Low: Czy możemy przeanalizować przykład gromadzenia kontekstu od początku do końca? Załóżmy, że istnieje luka między oczekiwaną a rzeczywistą zyskownością. Zespół spędza dużo czasu na wyszukiwaniu informacji w różnych narzędziach, przez co nie kończy zadań w szacowanym czasie. Moja pierwsza myśl brzmi: musimy poświęcać mniej czasu na zbieranie zasobów, a wtedy staniemy się bardziej zyskowni.

Zanim jednak zaczniemy działać, myślę: „Jak zmierzymy czas zaoszczędzony dzięki temu, że AI przejmie to zadanie?” Potem przypominam sobie, że precyzyjne dane nie zawsze są potrzebne i nie zawsze oznaczają dokładność. Czy właśnie wpadłem w pułapkę mierzenia zaoszczędzonego czasu, aby ustalić, czy rozwiązanie zwiększy zyskowność?

Marcel Petitpas: Nie, myślisz o tym właściwie. Wracamy tu do modelu. Model to w zasadzie bardzo duże równanie matematyczne. Kiedy zastanawiasz się, jak agencja może stać się bardziej zyskowna, istnieją dwie podstawowe możliwości: możesz obniżyć koszty ogólne albo zwiększyć marżę realizacji, którą inni mogą nazywać marżą brutto.

Prawie żadna agencja nie ma problemu z kosztami ogólnymi. Patrząc na ponad 300 agencji, mogę powiedzieć, że tylko kilka rzeczywiście miało taki problem. Często wydaje ci się inaczej, ponieważ rachunek zysków i strat nie jest prawidłowo skonstruowany i wszystko nazywa się kosztami ogólnymi.

Istnieje wyraźna różnica między wydawaniem zbyt dużych kwot na koszty ogólne, co prawie nigdy się nie zdarza, a prawdziwym problemem: nie zarabiamy przychodów wystarczająco efektywnie. W związku z tym nasza marża realizacji lub marża brutto nie jest wystarczająco wysoka.

Można ją poprawić na trzy sposoby. Po pierwsze, można zwiększyć średnią stawkę rozliczeniową. Jest ona funkcją tego, ile pieniędzy zarobiliśmy i ile godzin zajęło nam ich zarobienie. Dzielisz te wartości i otrzymujesz informację, ile pieniędzy zarobiliśmy średnio na każdą godzinę wysiłku.

Aby ją zwiększyć, można pobierać więcej pieniędzy bez zmiany czasu potrzebnego na wykonanie pracy albo pozostawić cenę bez zmian i znaleźć sposób na wykonanie pracy w krótszym czasie.

Drugim elementem jest wykorzystanie: jaki procent czasu kupionego od zespołu rzeczywiście został wykorzystany do zarobienia tej średniej stawki? Trzecim jest średni koszt godziny: ile przeciętnie kosztuje godzina pracy potrzebna do wykonania zadań?

Jeśli zastosujesz AI do gromadzenia kontekstu, może ono wpłynąć na wszystkie trzy wskaźniki. Wykonanie zadania zajmuje o 20% mniej czasu, więc średnia stawka rozliczeniowa rośnie o 20%. Wykorzystanie również może nieznacznie wzrosnąć, ponieważ zespół jest w stanie zrobić więcej i pozostaje zajęty, gdy nie musi tak często przełączać kontekstu.

Po trzecie, skoro potrzeba mniej osądu, a cały kontekst znajduje się w jednym miejscu, można przeszkolić AI w analizowaniu danych i tworzeniu wyników. Nie trzeba już angażować starszej osoby do wszystkich tych czynności. Może je wykonać młodszy pracownik, ponieważ najtrudniejsza część została już zrobiona.

Równanie zyskowności wygląda więc następująco: średnia stawka rozliczeniowa pomnożona przez wykorzystanie daje kwotę zarobionych pieniędzy, a średni koszt godziny pomnożony przez przepracowane godziny realizacji daje koszt. Możesz zmierzyć bezwzględny wzrost przychodów, bezwzględny spadek kosztów i względną poprawę zyskowności za pomocą prostych obliczeń.

Dlatego tak ważne jest posiadanie modelu. Nie możesz wykonać tych obliczeń, jeśli nie wiesz, jaki jest Twój model i jak o nim myślisz.

Galen Low: Teraz to ma sens. Czy agencja może wykorzystać ten sam model do wyboru inwestycji, jeśli ma dziesięć najlepszych opcji, ale nie może zrealizować wszystkich? Można oczekiwać 20% większej efektywności dzięki temu, że nie trzeba zbierać zasobów z różnych narzędzi, podczas gdy inne rozwiązanie przyniesie tylko 15–18% wzrostu efektywności. Czy model może pomóc zdecydować, w co inwestować?

Marcel Petitpas: Tak, ale nie jest to tak proste, jak porównanie dziesięciu opcji i wybranie tej z najwyższym zwrotem z inwestycji. W ramach trzech dźwigni — średniego kosztu godziny, średniej stawki rozliczeniowej i wykorzystania — istnieje właściwa kolejność działania.

Zawsze należy zacząć od wykorzystania, następnie przejść do średniej stawki rozliczeniowej, a na końcu do średniego kosztu godziny. Jeśli przez rurę przepływa woda do zbiornika, a obecnie wykorzystywana jest tylko połowa jej przepustowości, zwiększenie rozmiaru rury nie przyniesie żadnej korzyści.

Często widzę firmy, które próbują podnosić ceny, zwiększać efektywność i obniżać koszty, podczas gdy ich wykorzystanie jest bardzo niskie. Ich efektywna stawka i zyskowność projektów mogą się zmienić, ale liczba w rachunku zysków i strat pozostanie taka sama, ponieważ nie wykorzystują dostępnej zdolności.

Z perspektywy teoretycznej tworzy to bardziej zyskowny model, ale jeśli celem jest zwrot z inwestycji widoczny w wyniku finansowym, nie jest to właściwa kolejność. Najpierw trzeba ustalić, który wskaźnik ma priorytet. Następnie należy zdecydować, co można zrobić, aby doprowadzić go do właściwego poziomu.

Gdy wykorzystanie osiągnie odpowiedni poziom, wszystkie działania poprawiające średnią stawkę rozliczeniową trafiają bezpośrednio do wyniku finansowego. Łatwiej też rozmawiać z klientem o cenie, gdy nie martwisz się o jego utratę, bo masz pełne obłożenie i kolejnego klienta, który może wejść w jego miejsce. Jeśli trzeba zmniejszyć zakres współpracy, również jesteś w lepszej sytuacji, by to zrobić.

Galen Low: Podoba mi się logiczna kolejność wynikająca z analogii z rurą. Na koniec chciałbym spojrzeć w przyszłość. Rozmawialiśmy o poczuciu pozostawania w tyle, nadrabianiu zaległości, punkcie wyjścia, oprogramowaniu, ramach działania, lepszym zrozumieniu firmy, AI i efektywności operacyjnej.

Pracujesz z wieloma agencjami. Z mojej perspektywy niemal każda agencja przechodzi transformację lub znajduje się pod presją transformacji. Niektóre wzmacniają ofertę usług opartą na AI, inne dopiero zaczynają podejmować decyzje w oparciu o dane. Jak wygląda zyskowna agencja za pięć lat?

Marcel Petitpas: Trudno powiedzieć, jak będzie wyglądać na poziomie taktycznym i jakie usługi będzie sprzedawać. Dwadzieścia lat temu nie dałoby się przewidzieć całej branży zajmującej się reklamami na Facebooku. Facebook jeszcze nie istniał.

Wiem jednak na pewno, że model biznesowy polegający na arbitrażu pracy nie zniknie w najbliższym czasie. To jedna z najstarszych branż w historii ludzkości. Ekspertyza pozostanie, ponieważ jest bardzo elastycznym i skutecznym sposobem rozwiązywania problemów pojawiających się na rynku.

Presja na marże będzie jednak nadal rosła w wielu obszarach usług profesjonalnych. Widzieliśmy wzrost stawek lokalnych pracowników o 30–40%, jednocześnie z globalizacją konkurencji. Koszty wzrosły, a presja cenowa się zwiększyła, ponieważ firmy z Europy Wschodniej zaczęły oferować podobną pracę za jedną trzecią ceny.

Następnie do rozmowy dołączyła AI i wszyscy widzimy, dokąd to zmierza. Marże w dojrzałych branżach z czasem spadają, a poziom wyrafinowania potrzebny do prowadzenia firmy rośnie.

Mniejsze firmy będą musiały lepiej rozumieć finanse, jeśli chcą przetrwać, ponieważ rynek nie będzie już tak wyrozumiały. Zobaczymy również rozdrobnienie łańcucha dostaw. W branżach o bardzo niskich marżach każdy uczestnik łańcucha jest wyspecjalizowany operacyjnie. To jedyny sposób na wypracowanie marży.

Myślę, że agencje będą coraz bardziej zmierzać w tym kierunku. Będą musiały wykazywać się ogromną dyscypliną finansową i operacyjną. Dla osób, które po prostu chcą tworzyć piękne rzeczy, może to być trudne do zaakceptowania, ale taka jest rzeczywistość, w stronę której zmierza branża.

Galen Low: Podoba mi się ta perspektywa. To dzieje się w innych branżach, nie jest wyjątkowe i nie zaczęło się wyłącznie z powodu AI.

Marcel Petitpas: Trwa to od stu lat, tylko teraz przebiega znacznie szybciej.

Galen Low: Marcel, to była wspaniała rozmowa. Zanim pozwolę ci odejść, gdzie można dowiedzieć się o tobie więcej?

Marcel Petitpas: Wejdź na stronę parakeeto.com. Znajdziesz tam mnóstwo bezpłatnych materiałów, w tym parakeeto.com/toolkit. Jeśli chcesz poznać wskaźniki i dowiedzieć się, jak je wdrożyć, wszystko jest dostępne bezpłatnie.

Jeśli lubisz podcasty, posłuchaj podcastu Agency Profit. Jeśli chcesz porozmawiać ze mną bezpośrednio, najlepszym miejscem jest LinkedIn. Nawiąż kontakt i wyślij mi wiadomość. Chętnie się odezwę.

Galen Low: Świetnie. Umieszczę wszystkie te linki w notatkach do programu. Jeszcze raz dziękuję.

Marcel Petitpas: Dziękuję, Galen. To była przyjemność.

Galen Low: To wszystko w dzisiejszym odcinku podcastu Digital Project Manager. Jeśli podobała ci się ta rozmowa, zasubskrybuj program w wybranej aplikacji. Jeśli chcesz poznać jeszcze więcej praktycznych wskazówek, analiz przypadków i podręczników działania, odwiedź thedigitalprojectmanager.com.

Do usłyszenia następnym razem. Dziękuję za wysłuchanie.