每年春節過后,用工荒都是抓人眼球的新聞,作為世界上勞動力最充沛的國家,企業竟然也會因為業務需求激增招工困難。
用工荒背后,一方面是市場的用工彈性問題,另外一方面也顯示出,一些工作崗位不被選擇,或是待遇性價比不高、或是崗位枯燥,難以滿足勞動者發展價值。
近些年,一些數據驅動型公司已解決了部分問題,未來依然大有可為。
2020年2月份,珠三角已開工企業用工缺口達20%。去年春節過后,廣東某些地區出現勞工挑老板的奇觀,老板排隊,勞工從中間走過去,現場比較薪酬和勞動時常等條件,決定給哪位老板打工。很多用工大戶在春節后都面臨勞動力緊缺,需要調高薪酬招人。
用工荒為何密集出現在春節后?
這跟我國勞動力流動的特點有關,春節前很多工人都辭工回家過年,春節期間在故鄉交換信息后重新找工作,即使是白領,也傾向于選在春節前領到年終獎后,選擇另尋工作,春節是很多人工作的起點和終點,這就有一個供需錯配問題,勞方和資方有一個彼此尋找過程,資方面臨階段性用工不足,有些聰明的資方在年前就通過打溫情牌,打待遇牌留人。
用工荒主要集中在制造業,待遇穩定、薪酬高的行業就不會出現用工荒,比如金融業、公辦教室、公務員等,用工荒一般出現在流水線制造行業,待遇低是一方面,另一方面工作枯燥,勞動強度大,提升空間有限。
媒體經常關注一部分工作崗位的疾苦,比如外賣、快遞、網約車等行業,這些工種和普通民眾接觸比較多,其實這些崗位相比制造業還更有吸引力,部分制造業工人正是到了這些領域。
制造業很多部分都在自動化,使用機器人替代,解放了不少勞動力,比如記者曾經參觀過的華星光電,機器設備昂貴,絕大多數環節都實現自動化,但是缺陷檢測環節要嚴重依賴人工,工人要長時間用肉眼對比發現缺陷,面板瑕疵實在太過微小,很難發現,缺陷種類多大120種,檢測人員需要2-3個月培訓才能上崗,招工困難。
在這里,騰訊云利用圖片識別技術,開發出一套系統,識別速度提升5-10倍,縮減人力50%。這類人工智能技術被驗證有效后,也在迅速復制到其他工業場景。
上海富馳高科做金屬粉末注射成型,因為產品結構復雜,檢測點多,產品檢測耗時長,在高峰期僅質檢人員就需要1500人,這1500人的工作就是每天10小時左右找產品缺陷。
騰訊云通過對生產環節進行研究對比,提供了新的質檢方法,效率比原來人工質檢提高了10倍,幾乎實現零漏檢,節省了56%成本,釋放了95%勞動力。
這些工作崗位本身就是簡單重復性勞動,對眼睛傷害不小,對個人并沒有實現太多增值,替換的意義還不僅僅是減少枯燥崗位,減少成本,還讓檢測工作不至于成為企業生產瓶頸,提升了效率和良品率,企業更看重效率和良品率提升。
和平常人產生大量數據一樣,生產也會產生大量數據,前者驅動消費互聯網興起,后者可以催生工業互聯網,工業互聯網將大量數據利用起來,改善生產過程。
比如相比單純人工操作,有云業務提供商開發系統,采用AI輔助人的方式可以讓鍋爐燃燒穩定性提升23%,人工智能可以輔助人工做好決策,讓管理更科學。
企業研發也可以使用云業務,比如寧德時代在新能源質檢領域就引入云業務,并在開發新電池方面和云業務廠家合作。
目前,工業互聯網還在發展期,很多業務還在推廣階段,企業有一個接受過程,但是數字驅動經濟發展的道路不會改變。騰訊、阿里、華為等都在大力發展云業務,這項業務不僅是讓企業上云,更重要是提供底層技術,打通消費者和企業內部的通道,借助機器學習等打通某些用工瓶頸,讓管理更高效、決策更科學,夯實我國制造業大國的地位。(來源:e公司)