Inhaltsverzeichnis

Inhaltsverzeichnis......................................................................................................................   2

Summary.   3

1.  Ziele  3

2.  Datenbasis zur Lösung des Problems  3

3.  Auswertungszeitraum/ besondere Tage  4

4.  Ergebnisse der Analysen (Service)  4

5.  Fazit der Analysen.  6

6.  Lösungsmöglichkeiten.  6

7.  Das Tool.  7

8.  Öffnungszeiten.  8

9.  Ergebnisse der Analyse der Beratungstätigkeit.  8

Anhang. 9   

Aggregierte  Nutzung der SB - Terminals  10

Nutzung  des SB - Terminals GS B-Straße.  15

Auswertung  der KAD - Statistik des gesamten Institutes  18

Einzelanalyse  der KAD in den Beratungszentren.  25

Einzelanalyse  der KAD im SB - Bereich und deren Korrelation zu den KAD in den Beratungszentren  37

Auswertung  der Kasseposten in den Geschäftsstellen B-Straße und K.  39

Fazit  der Analysen.  44

Screenshots  des MAK-Tools  45

Screenshot  - Vorlage zur Überprüfung der Öffnungszeit  48

Analyse  zur Steuerung der Mitarbeiter in der Beratung  49

Fieldanalyse.  Fehler Textmarke nicht definiert.  

2

Summary

Im Laufe meines 2-monatigen Praktikums bei der Sparkasse X. wurde ich im Bereich Gesamtbanksteuerung eingesetzt und mit einem Projekt zum Thema Kapazitätsmanagement betraut. Dieses Thema ist Teil der MC Kinsey Studie „FDL -Finanzdienstleistungsfiliale“. Es ist also meine Aufgabe, herauszufinden, wie viele Kunden die Geschäftsstellen zu bestimmten Zeiten aufsuchen. Auf Basis dieser Ergebnisse ergeben sich verschiedene Zielstellungen, welche jedoch unter folgendem Slogan zusammengefasst werden können.

„Die Aufgabe des Kapazitätsmanagement ist der gezielte Einsatz der Mitarbeiter zum richtigen Zeitpunkt und am richtigen Ort.“

1. Ziele

• Optimierung des Personaleinsatzes auf Ebene des Service und der Beratung

• Kostenreduzierung durch effizientere Gestaltung und Minimierung unproduktiver Leerzeiten

• Steigerung der Kundenzufriedenheit durch nachfrageorientierten Personaleinsatz

- höhere Mitarbeiterzahl zu kundenstarken Zeiten

- Verminderung von Warteschlangen

• Erhöhung der Mitarbeitermotivation durch Flexibilisierung der Arbeitszeit

• Optimierung der geschäftsstellenspezifischen Öffnungszeiten

2. Datenbasis zur Lösung des Problems

• Statistik über die Nutzung der SB - Terminals

- Gesamtinstitut

- Einzelanalysen der GS

• Statistik über die Nutzung der KAD

- Gesamtinstitut

- Einzelanalysen der GS

• Auswertung der Kassenjournale

- Einzelanalysen der GS

• Fragebogen

Bei der Suche und Erhebung möglicher Daten sind folgende Punkte negativ anzumerken:

• altertümliche Arbeitsweise des Rechenzentrums

- nützliche Auswertungen können gar nicht oder nur zu sehr hohen Preisen geliefert werden

- jede Datenerhebung, unabhängig von der Art des Zahlenmaterials, ist deshalb vor allem Fleißarbeit

3

- gleiches gilt für spätere Soll - Ist Analysen

- keine Liste liegt in digitaler Form vor

- jede Art der Erhebung gestaltet sich somit als mühsames und langwieriges Kopieren, Fische auslesen und Daten eintippen

• die Beratungstätigkeit lässt sich separat durch keine vorhandene Statistik wirklich präzise auswerten

- die beste Lösung wäre eine objektive Dokumentation ihrer Arbeit seitens der Berater

- darin sollten Beratungstermine, wie auch die Dauer der Beratung festgehalten werden

- da dies einen sehr langfristigen Zeitraum der Erhebung bedingt, dienen für meine Lösung die Ergebnisse der Statistiken zum Service, sowie ein speziell angefertigter Fragebogen

3. Auswertungszeitraum/ besondere Tage

Die erhobenen Daten sollten bezüglich folgender Einheiten und besonderer Tage ausgewertet werden.

• Auslastung über:

- das Jahr

- den Monat

- die Woche

- den Tag

• Monatserste

• Medio

• Ultimo

• Feiertage

• Ferien

4. Ergebnisse der Analysen (Service)

Aggregierte Nutzung der SB - Terminals (Seite 10)

- die Bandbreiten der Datenbasis sind viel zu groß um die Tagesauslastungen darzustellen

- der SB - Charakter dieser Statistik lässt auch keine Auswertungen zu Auslastungen über die Woche oder das Jahr zu

- insgesamt kann ich die Einbeziehung dieser Daten nicht empfehlen

Nutzung des SB - Terminals GS B-Straße (Seite 15)

- Probleme, die sich schon bei Analyse der SB - Terminals des Gesamtinstituts gezeigt haben, verstärken sich hier noch einmal

- Datenbasis ist viel zu ungenau, um sie Personalentscheidungen zugrunde zu legen

- deshalb sollte auch diese Art der Datenbasis keine Berücksichtigung finden

4

Auswertung der KAD - Statistik des gesamten Institutes (Seite 18)

- ist für die Auswertung der Auslastung einzelner Monate am besten geeignet

- ein Grund ist der doch sehr geringe Aufwand zur Bestimmung des Datenmaterials, gerade gegenüber der Auswertung der Kassenprotokolle

- dabei decken sich die Ergebnisse beider Analysen in großem Umfang

- die Kassenprotokolle decken nur Aktivitäten am Schalter ab, welche jedoch nur ca. 40% der Serviceleistungen ausmachen

- deshalb ist es besser die Daten aus der KAD - Statistik für die Bestimmung des Kundenzulaufes in den einzelnen Monaten nutzen

- diese Auslastungen können dann für die einzelnen Geschäftsstellen übernommen werden, da hier keine signifikanten Unterschiede bestehen

- für detaillierte Aussagen, wie den Verlauf über den Tag, scheint mir diese Statistik aufgrund der doch ziemlich großen Bandbreite von 2h eher ungeeignet

Einzelanalyse der KAD in den Beratungszentren (Seite 25)

- der Aufwand der Erhebung ist beträchtlich

- die relativ große Bandbreite von 2h rechtfertigt diesen nicht, wie sich vor allem später in der Auswertung der Kassenprotokolle gezeigt hat

- eine Auswertung der KAD - Nutzung der einzelnen Geschäftsstellen für die Wochen und Tagesauslastung kann deshalb nicht empfohlen werden

Einzelanalyse der KAD im SB - Bereich und deren Korrelation zu den KAD in den Beratungszentren (Seite 37)

- diese Analyse bestätigt die These, die KAD - Gesamtstatistik der Geschäftsstelle nicht für Einzelanalysen zu nutzen, da die KAD im Beratungscenter nicht stark genug mit denen im SB - Bereich korrelieren

Auswertung der Kasseposten in den Geschäftsstellen B-Straße und K (Seite 39)

- Kassenjournale stellen die detaillierteste Datenbasis dar, da die Bandbreiten beliebig klein gewählt werden können

- aus diesem Grund sollten sie sowohl für die Auswertung des Verlaufes über die Woche, als auch über den Tag, verwendet werden

- wie schon erwähnt rechtfertigt der Aufwand keinesfalls Analysen über große Zeiträume

- so nimmt die Datenerhebung eines Monats für eine Geschäftsstelle in etwa einen ½ Arbeitstag in Anspruch

- da diese Daten jedoch für die Analysen der Geschäftsstellen notwendig sind, sollte in Erwägung gezogen werden, das Zahlenmaterial fertig ausgewertet vom Rechenzentrum anzufordern

5

5. Fazit der Analysen

Als Fazit dieser Analysen sind folgende Aspekte zu erwähnen:

1. Jede Geschäftsstelle hat in Bezug auf die Frequentierung durch den Kunden ihren spezifischen Charakter und sollte somit sowohl für die Flexibilisierung des Personals, als auch für eine Optimierung der Öffnungszeiten einzeln betrachtet werden.

2. Die Ergebnisse der KAD - Statistik und der Kassenjournale stimmen in der Tendenz überein, Unterschiede gibt es lediglich in der nominellen Ausprägung.

3. Aufgrund der Tatsache, dass der Service weit mehr als nur die Kassentätigkeit beinhaltet, liegen die wahren Größen für die Auslastung sicherlich irgendwo zwischen den Resultaten aus beiden Erhebungen. Der weit größere Aufwand der Datenerhebung aus den Kassenjournalen ist jedoch nicht für alle Analysen gerechtfertigt, da der Mehrnutzen gerade beim Verlauf über das Jahr gering ist.

4. Die Resultate für die Auslastung über das Jahr sollten daher aus den KAD - Statistiken gezogen werden.

5. Eine Betrachtung der Wochen- und Tagesauslastung bedingt die Auswertung der Kassenprotokolle. Damit sind Auswertungen bis auf eine beliebig kleine Bandbreite möglich.

6. Die Optimierung der Öffnungszeiten erfordert ebenfalls diese detailliertere Analyse, da jede Erweiterung der Bandbreite die Ergebnisse verwischt.

7. Für die Auswertung der Kassenprotokolle sollte mindestens ein Zeitraum von 3 Monaten untersucht werden um eine ausreichend große Datenbasis zu garantieren.

6. Lösungsmöglichkeiten

• Anschaffung problemspezifischer Software

1. „Staff Forecast“ (b+m)

2. „Kapazitätsmanagement mit Prognoseverfahren für Sparkassen“ (Thinking-Networks)

- beide Programme sind in der Anschaffung sehr teuer (Lizenzpreis mind. 10.000€)

- bei einer Sparkasse mit eher kleinen Geschäftsstellen steht dieser Anschaffungspreis in keinem Verhältnis zum Nutzen

- des weiteren gäbe es Probleme bei der Parameterunterstützung durch das Rechenzentrum

6

• eigene Erstellung einer Software

- belastet die Sparkasse nicht mit hohen Kosten

- der Aufwand lässt sich mit dem Nutzen abstimmen, der für ein Sparkassenhaus dieser Größenordnung zu erwarten ist

- lässt sich an das Datenmaterial anpassen, das für die Analyse zur Verfügung steht

- kann im Aufbau so gestaltet werden, dass eine sehr einfache Anwendung möglich ist

7. Das Tool

- aufgrund der schon erwähnten Punkte wurde die Erstellung eines eigenen Tools auf der Excel-Plattform präferiert und durchgeführt

- es basiert auf den beschriebenen Analysen und deren Erkenntnissen

- für die Anwendung ist es notwendig, die erforderlichen Eingabemasken zu füllen, d.h. die notwendigen Daten einzugeben

- das Tool berechnet aufgrund der eingegebenen Parameter die geschäftsstellenspezifischen Auslastungen für den Servicebereich

• Parameter

- KAD - Nutzungen pro Monat aus der Statistik des Gesamtinstitutes

- Aktivitäten an der Kasse aus den Kassenjournalen

- Öffnungszeiten

- Mitarbeiterdaten (MAK, Anzahl der Mitarbeiter, Vollzeitkräfte, Urlaub)

• Ergebnisse

- Auslastung im Jahresverlauf

- Auslastung im Wochenverlauf

- Auslastung im Tagesverlauf

- optimale Mitarbeiteranzahl eines jeden Wochentages zu jeder Tageszeit

- die Über- und Unterdeckung dieser Werte zu einem rein theoretischen Optimum

- Darstellungsmöglichkeit dieser Ergebnisse für jeden einzelnen Monat

- optimale Verteilung der Urlaubstage der Mitarbeiter

- graphische Aufbereitungen

• Einschränkungen

- nicht mit inbegriffen sind bei diesen Ergebnissen außergewöhnliche Tage

- an Tagen wie dem Monatsersten und -letzten, sowie vor oder nach Feiertagen sollte die MAK stets sehr hoch gefahren werden

- so liegen der Erste und der Ultimo mit 145% deutlich über der Auslastung eines normalen Wochentages

- gleiches trifft für die Auslastung der Geschäftsstellen vor und nach einem Feiertag zu (davor 125%; danach 130%)

• Screenshots des Tools (ohne Eingabemasken) (Seite 45)

7

8. Öffnungszeiten

• eine weitere Möglichkeit, die uns das Tool bietet ist die detaillierte Darstellung der Auslastung eines jeden Tages auf Basis einer halbstündigen Bandbreite

• hier sind die Verläufe derart präzise demonstriert, wie sie für die Steuerung der Mitarbeiter zwar unnötig, für eine Überprüfung der Öffnungszeiten jedoch unabdingbar sind

• die Bedingung für die Analyse der Öffnungszeiten ist jedoch ein größerer Zeitraum der Datenerhebung als 3 Monate

• ist dies der Fall, so kann man sehr schwache und auch starke Ausprägungen an den Grenzen der Öffnungszeiten als Grund für eine Anpassung der Geschäftszeiten mit in die Überlegungen einbeziehen

• die Darstellung der Auslastung erfolgt über den Prozentsatz vom Durchschnitt

• alle Werte unter 25% sollten unbedingt näher betrachtet und zugehörige Tage auf einen vorgezogenen Geschäftsschluss geprüft werden

• umgekehrt verhält es sich, sollte die letzte halbe Öffnungsstunde noch unverhältnismäßig stark ausgeprägt sein

• Screenshot (Seite 48)

9. Ergebnisse der Analyse der Beratungstätigkeit

• wie schon erwähnt, gibt es in diesem Bereich im Prinzip keine Möglichkeit der Auswertung anhand gegebener Statistiken

• der Bezug von Werten erfolgte daher durch die Ausgabe von Fragebögen an ausgewählte Geschäftsstellen

• darauf sollten diese eine subjektive Einschätzung zur Inanspruchnahme von Beratungsleistungen über 2 Wochen abgeben

• diese beiden Tatsachen (Subjektivität, geringe Zeitraum von 2 Wochen) sind aber auch schon der Kritikpunkt dieser Verfahrensweise

• dazu kommt noch die Möglichkeit der bewussten Steuerung der Ergebnisse durch die Mitarbeiter

• Ergebnisse (Seite 49)

Solch Aspekte verbieten meiner Meinung nach die Steuerung der Berater aufgrund der erhaltenen Ergebnisse. Zu diesem Zweck sollten dann doch noch weitere Untersuchungen durchgeführt werden. Diese setzen voraus, dass man eine Möglichkeit findet, die Tätigkeiten der Berater objektiv über einen längeren Zeitraum zu dokumentieren. Meine Idee zu diesem Problem wäre die Einführung einer speziellen Datenbank, welche sowohl Beratungstermine, deren Länge, als auch deren Ergebnisse festhält.

Dass Potential vorhanden ist, zeigt die Auswertung der Bögen auf jeden Fall.

8

Anhang

Aggregierte Nutzung der SB - Terminals

Bei meinem ersten Versuch zur Parametrisierung der Kundendurchläufe der Geschäftsstellen verarbeite ich die Daten der SDS - Statistik über die Nutzung aller SB-Terminals. Hierfür habe ich für jeden Monat (insgesamt 13) eine „Nutzungsmatrix“ aufgestellt, welche die Anzahl der Nutzer zu einer bestimmten Tageszeit an jedem Wochentag darstellt.

Dabei ist zu beachten, dass ich hierbei weder eine Unterscheidung in der Art des genutzten Services am SB - Terminal vorgenommen habe, noch zwischen EC - Karten oder einfachen Sparkassen - Karten Besitzern differenziert habe. Auch ein Ausgrenzen von Kunden anderer Institute, war mir durch das gegebene Datenmaterial nicht möglich. Es ist jedoch anzumerken, dass dieser Anteil sehr gering ist, und somit wohl zu keiner Verfälschung der Ergebnisse führt.

Beispiel: Matrix für Oktober 2002

1. Analyse auf Monatsbasis

Schon zu Beginn der Analyse stößt man auf eine Vielzahl von Problemen, welche dieses Datenmaterial mit sich bringt.

Als erstes wäre hier der Aspekt zu nennen, dass diese Geräte doch noch relativ neu und somit für viele Kunden ungewohnt sind. Sie müssen lernen mit den Terminals umzugehen und sich an deren Anwendung gewöhnen. Deshalb werden gerade jüngere Menschen von diesem Datenmaterial umfasst. Letztendlich haben wir also nicht nur einen relativ geringen Zeitraum für eine ordentliche Datenerhebung zur Verfügung, sondern stehen außerdem noch vor dem Problem, eines klaren positiven Trends bezüglich der Nutzung.

Beides, sowohl der kleine Erhebungszeitraum als auch das Wachstum, machen eine signifikante Prognose und Analyse schwer. Die folgende Grafik soll das Problem für diese Analyse, aber auch den erfreulichen Trend für die Sparkasse verdeutlichen.

10

Wie man sehen kann ergeben sich hieraus keine Ergebnisse zu nutzungsstarken oder auch schwachen Monaten. Allein die Tatsache das an Arbeitstagen eine viel höhere Nutzung stattfindet wird gestützt. Das gleiche Resultat erhält man übrigens auch, wenn man anstatt der Analyse über die Nutzer an bestimmten Wochentagen, sich der Zahlen bedient, welche die Nutzung zu bestimmten Tageszeiten darstellen. Um dieses unübersichtliche Konstrukt ein wenig aufzulösen habe ich mich für eine Trenddarstellung verschiedener statistischer Größen bedient. Sowohl arithmetisches, geometrisches und harmonisches Mittel, als auch eine Summierung der Einzelergebnisse führen zu dem gleichen Verlauf der Trendlinie.

2. Analyse auf Wochentagbasis

In einem nächsten Schritt habe ich nun die Nutzung der Terminals zu bestimmten Wochentagen analysiert, um zu erkennen, welche Tage tendenziell stärker frequentiert sind als andere. Auch hier kann man nicht von einem einheitlichen Ergebnis sprechen. So haben wir einige Monate an denen der Kundendurchlauf Richtung Wochenende stetig abnimmt, aber auch solche, welche ein umgekehrtes Bild aufweisen oder sogar einzelne Spitzen aufweisen. Der Grund hierfür sind wahrscheinlich bankentypisch starke Tage wie der Monatserste, Medio und Ultimo. Aber auch Ferienzeiten oder bestimmte Sonderaktionen können hier eine Rolle spielen. Auch dieses Problem konnte ich leider nicht weiter untersuchen, da das vorliegende Datenmaterial keine Auskunft darüber gibt.

Der folgende Chart soll diese Problematik ein wenig visualisieren.

11