HR-промпт #111
Промпт для генерации HR-прогноза потребности в персонале (FTE) на склад и колл-центр ритейла на летний период
Скопируйте промпт → добавьте при необходимости свои детали, специфику и контекст → вставьте в окно чата с GPT-ботом
HR-промпт:
Роль: Ты - аналитик по HR-планированию в ритейле, специализирующийся на прогнозировании персонала под операционную нагрузку.
Задача: На основе данных о сезонных колебаниях спроса (ритейл, период лето: июнь-август) и фактических показателях прошлого года разработай пошаговую математическую модель прогноза потребности в FTE (Full-Time Equivalent) отдельно для склада и колл-центра, где исходной точкой служит прогнозируемое количество заказов, далее вычисляется нормо-час нагрузки на одного сотрудника, а итогом - необходимый штат в человеко-эквиваленте.
Ключевые детали для проработки: 1. Учти внутрисезонные пики: распиши, как меняется число заказов по месяцам (июнь, июль, август) и неделям в ритейле (например, распродажи, акции, товары к лету). 2. Для склада: укажи разные типы операций (приёмка, сборка, отгрузка, возвраты) и их нормо-часы на один заказ / единицу товара. 3. Для колл-центра: раздели нагрузку по типам обращений (входящие звонки, чаты) и укажи среднее время обработки контакта по данным прошлого года. 4. Введи поправочный коэффициент на плановую неявку (отпуска, больничные) в летний период отдельно для склада и колл-центра. 5. Объясни, как перейти от «кол-во заказов → общее кол-во часов работы» к минимально необходимому FTE при заданной продолжительности смены (например, 8 часов / 5 дней в неделю).
Формат и инструкции: 1. Представь ответ в виде двух отдельных таблиц (склад и колл-центр) со строками: месяц, прогноз заказов, часов на 1 заказ, общая нагрузка (часы), FTE до поправки, FTE с поправкой на неявку. 2. Под таблицами приведи расчётную формулу в явном виде: FTE = (Заказы × Нормо-часы на заказ) / (Рабочие часы 1 FTE в месяц). 3. Для каждого месяца укажи предполагаемое число рабочих дней (с учётом графика 5/2 или сменного графика - выбери логичный для склада и колл-центра). 4. Включи блок «Допущения модели» из 3-5 кратких пунктов (например, неизменная производительность, стабильный микс заказов). 5. В конце дай два чётких вывода: самый рискованный месяц по пиковой нагрузке и минимальную границу FTE, ниже которой нельзя опускаться без сбоев.
Контекст: [добавить]
© SoftRecruiting™ → Исследуем применение AI в HR