Dİjİtal İnsan

Pip: Dijital İnsan'da bu hafta bir otel lobisine değil, o lobinin arkasındaki veri akışına giriyoruz — resepsiyonistin gülümsemesinin arkasında kaç tane metrik yatıyor, merak ettiniz mi hiç?

Mara: Ramazan YÜKSEL'in bu haftaki çalışması tam da o soruyu yanıtlıyor: otel işletmelerinde işe alım kararlarını veriye dayandırmak için hangi İK göstergelerini izlemeniz gerektiğini, ve bu göstergelerin finansal raporlarla nasıl buluştuğunu ele alıyor.

Pip: O zaman başlayalım — işe alım maliyetinden tutma oranına, yapay zekadan cost control'e uzanan bu tabloya birlikte bakalım.

Otel İşe Alımında Verinin Gücü: Hangi Metrikler Gerçekten Önemli?

Mara: Bu segment şu soruyu yanıtlıyor: bir otel, işe alım kararlarını sezgiden kanıta taşımak istediğinde hangi göstergelere bakmalı ve bu göstergeler işletmenin finansal gerçekliğiyle nasıl konuşmalı?

Pip: Çalışma bu soruya doğrudan bir çerçeve çiziyor; giriş bölümü konuyu net koyuyor ortaya.

Mara: Tam olarak. Makalenin giriş bölümünde şu saptama var: "Hatalı işe alım, düşük misafir memnuniyeti, olumsuz çevrimiçi yorum, personel devri, fazla mesai, eğitim maliyeti, departman içi moral kaybı ve gelir kaybı şeklinde zincirleme sonuçlar doğurabilir."

Pip: Yani bir resepsiyonisti yanlış seçmek, TripAdvisor puanına kadar uzanabiliyor — işe alım salt bir İK meselesi değil, gelir yönetimi meselesi.

Mara: Çalışma bu yüzden işe alım başına maliyet, pozisyon doldurma süresi ve ilk 90 günlük elde tutma oranını öncelikli göstergeler olarak öne çıkarıyor. Cost-per-hire hesaplamasında dikkat çekici bir ayrım var: iç maliyetler yönetici mülakat zamanını, dış maliyetler ise ilan ücretlerinden VR simülasyonlarına kadar geniş bir yelpazeyi kapsıyor. Ve bu maliyetlerin pozisyon düzeyinde ayrıştırılması gerekiyor — genel müdür yardımcısı ile kat görevlisi için işe alım maliyeti aynı değil.

Pip: Mantıklı; ama asıl tuzak şu: düşük maliyet iyi görünür, ta ki o kanaldan gelen çalışan doksan günde ayrılana kadar.

Mara: Çalışma bunu açıkça söylüyor: düşük maliyetli kanal yüksek erken devir üretiyorsa gerçekte pahalıdır. Bu yüzden ilk 90 günlük elde tutma oranı, işe alım sisteminin erken uyarı sinyali olarak tanımlanıyor. Oryantasyon kalitesi, yönetici davranışı ve kültürel uyum bu dönemde okunabiliyor.

Mara: Pozisyon doldurma süresi de ayrı bir boyut sunuyor: kat hizmetlerinde eksik personel oda satış kapasitesini sınırlıyor, yiyecek-içecek bölümünde eksik servis personeli masa dönüş hızını düşürüyor. Boş kadronun günlük maliyeti fazla mesai, geçici personel ve tahmini gelir kaybından oluşan bir modelle hesaplanabiliyor.

Pip: VR ve yapay zekâ da bu tabloda yer alıyor — ama çalışma temkinli.

Mara: Evet. VR simülasyonları adaya işin gerçekçi ön izlemesini sunabiliyor, davranışsal veri toplayabiliyor; ancak maliyet, erişilebilirlik ve veri güvenliği sorunları çözülmeden bağımsız oteller için uygulanabilir olmayabilir. AI destekli sistemlerde ise algoritmik yanlılık riski vurgulanıyor: geçmiş verideki yanlılık algoritma tarafından yeniden üretilebilir, bu yüzden insan denetimi ve düzenli algoritma denetimi şart.

Mara: Tüm bu göstergelerin gerçek değeri ise ancak muhasebe ve finans raporlarına entegre edildiğinde ortaya çıkıyor. Çalışma, departman bazlı maliyet ataması ve ortak veri sözlüğü oluşturulmasını öneriyor; böylece İK departmanı maliyet merkezi olmaktan çıkıp stratejik değer ortağı hâline geliyor.

Pip: Verinin gücü buraya kadar — şimdi bu tablonun daha büyük dijital dönüşüm tartışmasında nereye oturduğuna bakalım.

Mara: Sonuçta bu çalışmanın işaret ettiği şey şu: işe alım kararları, hizmet kalitesi ve finansal performans artık ayrı tablolarda okunamaz.

Pip: Otelcilik veriyi ciddiye aldığında, belki misafir deneyimi de biraz daha az tesadüfe kalmış olur. Bir sonraki bölümde görüşmek üzere.