Hoe kunnen twee grote bedrijven in verschillende branches, met verschillende behoeften, processen en regio's, hetzelfde technologieplatform effectief gebruiken? Als we naar twee Workday-klanten kijken, zien we dat de cijfers niet altijd het volledige verhaal vertellen.
Er is een grote vraag van bedrijven uit allerlei branches naar digitale transformatie om beter in te spelen op het veranderende landschap en om op de lange termijn succesvol te blijven. Maar elk bedrijf heeft zo zijn eigen problemen en vereisten. Wanneer we met potentiële klanten praten, willen we allereerst een aantal dingen begrijpen: omvang van verschillende dimensies, klantspecifieke vereisten, taalondersteuning en de regionale complexiteiten.
Wat Workday zo uniek maakt is dat mensen op elk niveau, bij organisaties van willekeurige omvang, dezelfde oplossing – één cloudservice met één databron – op totaal verschillende (maar altijd productieve) manieren gebruiken.
Dankzij de flexibele en aanpasbare architectuur van Workday ondersteunt het platform probleemloos uiteenlopende workloads die voortkomen uit organisatorische verschillen, hoe uitdagend die ook zijn. We hebben Workday speciaal ontworpen om niet alleen mee te kunnen schalen met een groeiend aantal werknemers en basistransacties, maar ook om toe te passen op meerdere dimensies.
Of het nu gaat om 5000 of 500.000 werknemers, elke implementatie van Workday begint met een grondige evaluatie van de business en de gewenste gebruikstoepassingen van de klant.
Vaak willen grotere organisaties die potentieel Workday willen gaan gebruiken het met ons hebben over het aantal werknemers, transacties per seconde en andere schaalgerelateerde metrics. We hebben bijna altijd klanten met een vergelijkbaar of groter volume en kunnen deze vragen dus prima beantwoorden. Maar, als we hen echt willen helpen moeten we verder kijken dan de cijfers en inzicht krijgen in hun business en de manieren waarop ze Workday willen toepassen. Hoewel de cijfers een indicator kunnen zijn, vertellen ze niet het hele verhaal.
Laten we eens kijken naar twee bestaande Workday-klanten die van buitenaf sterk op elkaar lijken. Beide organisaties hebben de volgende kenmerken:
In eerste instantie lijken deze twee klanten vergelijkbare eisen te hebben: ze hebben ongeveer evenveel werknemers, laten hun bedrijven in een vergelijkbaar tempo groeien en nemen allebei in hoog tempo mensen aan. We moeten echter verder kijken dan deze hoofdkenmerken en nagaan hoe hun bedrijven daadwerkelijk opereren en wat ze nodig hebben om te slagen. Pas dan begrijpen we hun eisen.
Deze twee klanten komen uit verschillende branches: de ene uit retail en de andere uit professionele dienstverlening. Maar zelfs binnen hun eigen branche is elk bedrijf uniek en verschillen de succesfactoren op genuanceerde manieren. Dankzij onze ervaring met de go-live van Workday bij meerdere grote organisaties hebben we hier voldoende kennis en expertise voor.
Of het nu gaat om 5000 of 500.000 werknemers, elke implementatie van Workday begint met een grondige evaluatie van de business en de gewenste gebruikstoepassingen van de klant. Zo krijgen we inzicht in de nuances van de bedrijfsvoering. Een goede deployment van Workday vraagt namelijk om diepgaand inzicht hebben in niet alleen de metrics, zoals het aantal werknemers en transacties per seconde (TPS), maar ook in de vele andere details die het succes van een organisatie beïnvloeden.
We kijken naar factoren zoals:
Laten we naar ons voorbeeld kijken om te zien hoe schijnbaar gelijkaardige organisaties te maken kunnen hebben met zeer verschillende uitdagingen.
Beide klanten zien een vergelijkbare jaarlijkse uitbreiding van hun personeelsbestand. Maar terwijl onze klant in de professionele dienstverlening het hele jaar door in een gestaag tempo groeit, een vrij gangbare schaalbaarheidskwestie, heeft onze retailklant vooral te maken met seizoensgebonden werving en selectie.
Bij de retailklant draait het hierbij om intensieve marketingcampagnes om openstaande vacatures onder de aandacht te brengen. Zoals te zien is in de onderstaande grafiek is er een piek in recruitment in september, oktober en november, in de aanloop naar de feestdagen. Dit resulteert in een tsunami van sollicitaties – en dus een golf van online activiteit op onze UI-infrastructuur – wat de schaalbaarheid op proef stelt.
Zodra de sollicitaties in het systeem binnenkomen, soms wel meer dan 35.000 per dag, beginnen honderden recruiters met hun beoordelingsprocessen. Elke dag worden er meer dan 100.000 rapporten verwerkt, er worden antecedentenonderzoeken uitgevoerd en rekwisities ingediend. Dit leidt allemaal tot nog meer workloadgolven op de rapportage-, integratie- en machinelearningresources binnen Workday HCM.
Dankzij onze schaalbare Workday-architectuur wordt de juiste capaciteit aan de relevante resources toegewezen wanneer nodig. Gespecialiseerde en multifunctionele resources schikken zich naar de verschillende soorten transacties naarmate de bedrijfsactiviteiten zich ontwikkelen en voltrekken. Met andere woorden, wat met legacy-ERP-systemen (Enterprise Resource Planning) moeilijk is, is 'business as usual' met Workday.
Er is nog een verschil tussen deze twee bedrijven. Onze grote retailklant heeft een eerder traditionele, hiërarchische organisatiestructuur, met verschillende functionele gebieden die het gehele bedrijf bestrijken en meerdere regionale operaties die de kernprocessen ondersteunen. Deze aanpak is het toonbeeld van schaalvoordelen, waarbij centralisatie en coördinatie het zakelijk succes en de strategische doelen mede mogelijk maken. Onze grote klant in de professionele dienstverlening is daarentegen gestructureerd rond aparte operationele groepen die in specifieke branches gespecialiseerd zijn. Dit gedecentraliseerde model is zo geoptimaliseerd dat verschillende groepen binnen het bedrijf onafhankelijk kunnen opereren – in de praktijk als afzonderlijke bedrijven – wat de wendbaarheid, flexibiliteit en specialisatie ten goede komt.
Deze uitgesproken bedrijfsmodellen beïnvloeden rechtstreeks de operationele workloads en het gebruik van systeemresources. Integraties en rapporten die voor onze retailklant centraal worden gepland, worden voor de professionele dienstverlener in sommige gevallen lokaal gepland.
Integraties en rapporten die voor onze retailklant centraal worden gepland, worden voor de professionele dienstverlener in sommige gevallen lokaal gepland.
De retailer kan dankzij zijn gecentraliseerde structuur centraal configuratiewijzigingen op zijn tenant toepassen en snel processen optimaliseren die dan naar alle gebruikers worden doorgevoerd. Het bedrijf kan ervoor kiezen activiteiten zoals Workday Learning-campagnes te (ver)spreiden om zo goed mogelijk aan de zakelijke behoeften te voldoen. De professionele dienstverlener, die de voorkeur geeft aan de onafhankelijkheid en autonomie van het gedecentraliseerde model, haalt vanwege zijn organisatiestructuur misschien niet dezelfde snelle resultaten uit centrale configuratiewijzigingen, verbeteringen en optimalisaties, maar blijft wel flexibel genoeg om verschillende oplossingen voor verschillende organisaties te implementeren.
Het is dus duidelijk dat cijfers een belangrijke indicator zijn, maar niet het hele verhaal vertellen. Alleen met een diepgaand inzicht in de bedrijfsbehoeften en uitdagingen van onze klanten, in combinatie met onze flexibele en aanpasbare architectuur, kunnen we bedrijven van elke omvang en uit talloze branches effectief ondersteunen. En wanneer hun business groeit of verandert, staan we ze bij elke stap terzijde. Zo ondersteunen we het succes van onze klanten, hoe divers of uniek hun gebruikstoepassingen ook zijn.
Meer om te lezen
Lees verder en ontdek hoe we onze klanten helpen succesvol te zijn met innovatieve HR-technologie.
AI-ontwikkelaars en de bedrijven die hun technologie implementeren en gebruiken, moeten samen zorgen dat AI ten goede wordt gebruikt. Alle onderdelen van de AI-waardeketen spelen een rol bij de verantwoorde ontwikkeling en het verantwoorde gebruik van AI.
ML-algoritmen zijn verantwoordelijk voor enkele van de belangrijkste innovaties van de afgelopen jaren. Kom meer te weten over machine learning, hoe het werkt en waarom het cruciaal is voor de toekomst van werk.
