We vroegen Chantal Snijders, innovatiemanager bij Asito, naar haar belangrijkste lessen en bekende valkuilen of misvattingen. 'Datagestuurde schoonmaak betekent dat we feitelijke informatie gebruiken om onze processen te optimaliseren’, begint Snijders haar uitleg. ‘Traditioneel gezien wordt er voor een opdrachtgever vaak voor elke dag evenveel uur ingepland, terwijl het gebruik van een pand fluctueert. Met data kunnen we daarop inspelen door trends uit het verleden om te zetten in verwachtingen voor de toekomst.'
Meer uren of medewerkers inplannen
'Als we een hoge vervuiling verwachten, kunnen we meer uren of medewerkers inplannen. En bij een lage vervuiling kunnen we misschien afschalen of juist andere werkzaamheden inplannen die je het liefst op een rustig moment doet, zoals stofzuigen of dieptereiniging van het sanitair. Zo kunnen we anticiperen, in plaats van reageren op wat er gebeurt in een gebouw.’
Veelvoorkomende misvatting
Een veelvoorkomende misvatting is dat datagestuurd schoonmaken automatisch leidt tot kostenbesparingen. ‘Het doel is niet om minder uren te werken, maar om de uren die we hebben in te zetten op de momenten dat ze het hardst nodig zijn. Met als belangrijkste resultaat een stabielere beleving van kwaliteit’, aldus Snijders. Ze komt tot slot met 9 do's en dont's.
Do's datagestuurd schoonmaken
- Combineer de data met de waardevolle input vanuit de schoonmaakmedewerkers op de werkvloer
- Kijk naar trends, niet naar detailniveau
- Gebruik data om te zorgen voor de juiste capaciteit en de juiste werkzaamheden op het juiste moment
- Anticipeer in plaats van reageer op wat er gebeurt in een gebouw
- Begin klein, zodat je kunt bijschaven voordat je het breed uitrolt
Dont's datagestuurd schoonmaken
- De autonomie van medewerkers weghalen
- Medewerkers van hot naar her achter piepjes aansturen
- Teveel focussen op details
- Kostenbesparing als belangrijkste doel hebben
