2019.06.12 (수)

  • 맑음동두천 25.2℃
  • 맑음강릉 21.1℃
  • 구름많음서울 25.8℃
  • 구름조금대전 23.8℃
  • 구름많음대구 24.6℃
  • 구름조금울산 21.0℃
  • 맑음광주 22.2℃
  • 구름많음부산 21.6℃
  • 맑음고창 22.8℃
  • 구름많음제주 21.7℃
  • 구름조금강화 22.9℃
  • 구름많음보은 25.0℃
  • 구름많음금산 23.5℃
  • 구름많음강진군 23.7℃
  • 맑음경주시 23.3℃
  • 구름많음거제 24.1℃
기상청 제공

최규완

[최규완의 Hotel Revenue Management] 인력스케쥴링모델 적용을 통한 인건비 절감하기


호텔업에서의 인력문제란
호텔업은 ‘인력사업’이란 말이 있다. 속되게 표현하면, 즉 ‘얼마나 사람을 잘 쓰느냐’에 호텔의 손익이 달려 있다는 것이다. 호텔은 제조기업처럼 공장을 가지고 있지 않다. 즉 제품생산인력이 존재하지 않는다. 대부분 비슷한 일을 하는 서비스 인력이다. 본사의 스텝 역시 전체 직원 중에서 차지하는 비중이 크지 않다. 호텔 직원의 대부분은 책상과 동떨어진 오퍼레이션업무에 종사하는 경우다.

Revenue Management(RM) 관점에서 이들을 효율적으로 관리하는 것은 호텔업에서 매우 중요하다.


호텔업에서 인건비가 차지하는 비중은 높다. 그래서 적정인력의 고용과 배치는 이익극대화를 위한 호텔업의 영원한 숙제다. 인건비는 고정비 성격이 강해 지속적인 비용부담이 될 수밖에 없다는 사실을 누구나 안다. 대부분의 호텔이 오퍼레이션업무를 인력아웃소싱업체 맡기는 경우가 많은 것도 지속적인 비용부담을 피하기 위해서다. 이는 고정비 성격의 인건비를 준변동비 성격의 비용으로 전환하고자 하는 노력이다. 2000년대 초 필자는 비정규직 문제를 해소하고 고정비 성격의 인건비를 줄이고자 인력 아웃소싱 업체를 적극적으로 이용하려는 A호텔에서 ‘호텔서비스종업원의 부문별 적정인력산정’이라는 프로젝트를 진행한 바 있다. 요지는 인력아웃소싱업체는 많은 인력을 호텔에 보내려고 하고 호텔은 적은 인력으로 서비스를 극대화하려는 상충된 문제가 발생하기 때문에, 이를 해결하기 위해 적정인력을 수학적 해법으로 결과를 도출하고자 하는 것이다. 다소 현실적으로도 수학적으로도 복잡한 문제였지만, 머신러닝(Machine Learning)기법으로 적정인력 산정의 접점을 찾는 데 어느 정도 성공했던 것으로 기억이 난다. 호텔은 보통 오퍼레이션 직원의 경우 직무에 가격이 매겨지는 직무급제도를 채택한다. 레스토랑 서버는 지배인을 제외하고 연공서열에 상관없이 같은 기능적 업무를 하는 경우가 대부분이다.  즉 직급에 따라 약간의 숙련도 차이가 있을 뿐 직무에 따른 급여의 차이를 두기 어렵다는 것이다. 호텔이 오퍼레이션 부문에 정직원으로 모두 채용했을 때 불확실한 고객수요에 대응이 잘 되질 않아 인력 낭비가 발생할 수 있다. 그래서 호텔업에서는 아웃소싱베이스의 파트타이머 활용이 중요한 것이다.
   
호텔업에서의 인력스케쥴링 문제는 모든 부문에서 발생
RM 관점에서 불확실한 고객의 수요에 대응하기 위한 직원의 배치는 거의 호텔 모든 부문에 필요하다. 객실 부문에서는 프론트데스크, 컨시어지, 하우스키핑 등에서의 인력배치, F&B 부문에서는 레스토랑 서빙, 조리 등에서의 인력 배치, 연회부문에서는 서빙, 행사진행 등에서의 인력배치가 인력스케쥴링모델을 통해 효율화가 가능하다. 효율적인 인력스케쥴링의 아이디어는 비교적 간단하다. 고객의 수요에 대응해 호텔에서 고용한 직원과 아웃소싱 직원을 표준적인 서비스를 수행하면서 오버스태핑(Overstaffing)이 안되게 하면 되는 것이다. 아이디어는 간단하지만, 해법은 지배인의 머릿속에서 간단하게 만들어지지 않는다. 그래서 데이터에 근거한 수학적 해법이 필요하다. 필자가 경험에 본 바에 의하면 특급호텔의 경우 수학적 해법을 통해 오버스태핑(Overstaffing)과 언더스태핑(Understaffing)의 문제를 해결하면, 5~10% 수준의 인건비 절감이 가능하다고 보여진다. 


정수계획법을 이용한 레스토랑 서버 인력스케쥴링 사례
인력배치에 대한 수학적 해법을 필자가 발표한 연구논문(Cornell Hospitality Quarterly, 2009)의 실제 레스토랑 사례를 기술해보고자 한다. 필자가 사례로 드는 레스토랑은 호텔의 일반레스토랑 또는 로드숍 모두에 적용할 수 있다. 분석레스토랑은 이탈리안 레스토랑으로 점심과 저녁시간에 주로 고객이 방문하며, 정직원과 파트타이머직원을 동시에 고용하고 있고, 직원들은 5일 연속근무를 원칙으로 한다. 인력배치는 ‘정수(Interger)'로 배치해야하므로 최적화모형 중 정수계획법(Integer Programming)을 적용한다. 다음은 분석레스토랑의 인력스케쥴링모형이다.


<모형 : 정수계획법을 이용한 레스토랑 서버 인력스케쥴링>


독자의 이해를 돕기 위해 모형을 간단히 설명하면, (1)은 목적함수식이다. 정직원의 평균인건비와 평일파트타이머직원의 평균인건비 그리고 주말 파트타이머 직원의 평균인건비의 가중합을 최소화한다는 의미이다. (2), (3), (4)는 제약조건(Constraints)들로 자세히 설명하지 않겠지만, 간단히 말하면 근무형태(Shift)에 대한 제약과 정직원과 파트타이머 직원의 비율에 대한 제약 등을 표현한다.


먼저 이러한 문제를 풀기 위해서 요일과 시간대별 고객방문데이터가 있어야 하고 직원들의 근무형태(Shift)와 서비스피어리어드(Period)를 세팅해야 한다. 우선 고객수요는 과거 데이터와 미래 발생할 일을 근거로 작성하면 된다. <표1>은 고객방문수를 근거로 작성한 예시이다. 예를 들어 월요일 오전 8시에서 12시 사이에는 고객이 9.40명 방문한 것을 의미한다. 근무형태와 서비스피어리어드는 <그림1>과 같다. 근무형태는 Shift 1(8~14), Shift(12~21), Shift(14~23) 3가지다. 이 보다 복잡한 경우가 대부분이지만, 분석의 편의상 3가지 근무형태로 세팅했다. 실제 호텔 레스토랑에서는 서버별로 다양한 근무코드를 가지고 근무형태를 구성한다. 본 분석에서는 근무형태에 따라 서비스피어리어드는 4가지로 세팅했다. 즉 Period 1(8~12), Period 2(12~14), Period 3(14~21), Period 4(21~23)이다. 이는 각 Period 시간에 고객에 대응하는 적정인력을 배치한다는 것을 의미한다.



정수계획법을 이용해 분석한 결과는 <표2>와 같다. <표2>는 기존의 인력배치와 방문고객수에 비례해 할당한 인력배치 그리고 정수계획모형에 근거한 인력배치를 보여준다. 예를 들어 설명하면, 기존인력배치는 월요일 Period 1(8~12)에 5명의 서버를 배치하고 있다. 그러나 방문고객수에 비례해 배치하면 해당 Period에 2명의 서버만을 배치하면 된다. 3명의 서버를 오버스태핑한 것이다. 이런 경우 인건비의 낭비가 발생한다. 화요일 Period 2(12~14)의 경우는 그 반대다. 기존인력배치에는 8명의 서버를 배치하고 있다. 그러나 방문고객수에 비례해 배치하면 11명의 서버를 배치해야 한다. 3명의 서버를 언더스태핑한 것이다. 이러한 경우 서비스 실패가 일어날 가능성이 크다. 그러면 방문고객수에 비례해 대응하는 정확한 숫자의 서버를 배치할 수 있을까? 실제로는 불가능하다. 방문고객수는 점심과 저녁식사 시간을 중심으로 방문하고 서버는 요일에 걸쳐, 시간에 걸쳐 연속근무를 해야 하기 때문에 레스토랑이 바쁜 점심과 저녁시간에만 고용해 서버를 배치할 수 없다. 이런 제약이 존재하는 경우를 고려한 해법은 정수계획모형에 의해 도출된 인력배치다. 월요일 Period 1(8~12)의 경우 4명의 서버를 배치했다. 그 중에서 3명은 정직원, 1명은 파트타이머 직원이다. 방문고객수를 고려한 경우 2명의 서버만이 필요하지만, 제약조건을 고려하면 최적은 2명이 오버스태핑된 4명인 것이다. 오버스태핑된 시간에는 해당 서버들에게 다른 직무를 추가적으로 부여함으로써 인건비를 절감할 수 있을 것이다. 화요일 Period 2(12~14)의 경우는 서비스 표준에 대응하기 위해 11명의 서버를 배치하고 그 중에서 7명은 정직원, 4명은 파트타이머 직원을 배치하는 것이 최적이다. 실제 기존의 인력배치 결과와는 최적 해법의 결과는 많이 상이하다. 우리가 경험한 직관과 단순히 엑셀장표에 의해 관리되는 인력배치는 한계가 있는 것이다.   



이러한 해법을 통해 분석대상 레스토랑의 경우 26명의 서버인력을 21명으로 줄일 수 있었다. 오버스태핑에 따른 인건비는 3.16%, 언더스태핑에 따른 비용절감은 5.78%로 모두 합쳐서 8.94%의 인건비 절감을 가져왔다.


수학적 알고리즘에 의해 인력예측을 해야 하는 시대
효율적인 인력스케쥴링을 통해 인건비를 절감하고 서비스 질을 높이는 것은 모든 호텔업을 운영하는 경영자에게 중요한 문제다. RM의 중요요소인 수요예측, 가동률 극대화 등은 인력스케쥴링과 무관하지 않다. 불확실한 수요에 대응하는 데 있어서 효율적인 인력스케쥴링을 통한 준변동비적인 성격의 인건비를 줄이는 것은 매우 바람직하다. 과거 연회인력스케쥴링에서 지배인을 만나 대화를 한 적이 있다. “대형 연회의 경우 적정 인력은 어떻게 산정하는가?”를 물었을 때의 대답이 생각난다. “15명당 1명의 서버를 배치하면 된다.”라는 답변이었다. 지배인의 과거 경험은 15명당 1명의 서버였을 것이다. 아마도 그건 경험으로 유추된 최적의 결과일 것이다. 연회의 성격, 동시 진행되는 연회의 수, 당일의 날씨, 서버의 숙련도 등을 지배인의 머릿속에서 모두 고려했을 것이다. 그러나 이러한 해법은 과학적이지 않다. 이제는 세상이 바뀌었다. 지배인의 머릿속에 고려되는 대부분의 서버 수에 영향을 미치는 변수들은 데이터화될 수 있으며, 이는 정보와 지식으로 체계화될 수 있다. 과거의 수학적 모델을 만드는 것이 답이었다면, 지금은 모델을 학습시키고, 학습된 모델을 기반으로 미래의 고객과 서버의 수를 예측하는 세상이 된 것이다. 우리 모두 호텔의 수익달성을 위해 이러한 것들을 공부해야 되는 피곤한 시대가 도래한 것이다.   




최규완
경희대학교 호텔관광대학 Hospitality
경영학부 교수/관광대학원 부원장
현재 국민연금기금운용위원회 위원이기도 한 최 교수는 삼성경제연구소(SERI) 금융증권실, 경제동향실, 경영전략T/F팀에서 연구와 기업컨설팅을 수행했고, Great Human Software Co. Ltd. COO, CFO를 역임했다. 관심분야는 Business Analytics, Revenue Management 등이다.



배너

카드뉴스