Projektbemanning: Därför är tillräckligt med folk inte detsamma som rätt team

Resursmötet ser likadant ut på de flesta konsultbolag. Ett nytt projekt kommer in, leveransansvarig frågar om ni har kapacitet att bemanna det, och svaret är ja: åtta konsulter är lediga den här månaden. Sedan kommer den svårare frågan: har någon av dem faktiskt den kompetens som projektet kräver? Då blir det tystare i rummet.

Att ha tillräckligt många konsulter och att ha rätt team är två olika saker. De flesta problem med projektbemanning handlar egentligen inte om kapacitet. De handlar om insyn i kompetens, alltså förmågan att överblicka de konsulter som är tillgängliga och snabbt och säkert kunna svara på om den kompetens projektet kräver faktiskt finns, på vilken nivå och med rätt certifieringar i ryggen. När den insynen saknas fattas bemanningsbeslut utifrån minne, närhet och kvalificerade gissningar. Ibland fungerar det. När det inte gör det blir kostnaden inte bara operativ, den drabbar projektet.

Därför ger antalet anställda svar på fel fråga

När ett nytt projekt dyker upp är den första reflexen att kolla vem som är tillgänglig. Vem är ledig? Vem blir klar med ett uppdrag inom de närmaste två veckorna? Det är rimliga frågor. Problemet är att tillgänglighet bara är ena halvan av det som projektbemanning kräver. Den andra halvan är frågan om personens kompetens matchar det som projektet faktiskt kräver. Den är svårare att besvara utan rätt data, och de flesta bolag försöker besvara den ur minnet.

På ett bolag med 80 konsulter kan en erfaren leveranschef troligen ha en fungerande bild i huvudet av vem som kan vad. Vid 150 eller 200 konsulter börjar den bilden få luckor. Vid 300 eller fler är luckorna betydande. Kompetenser förbises. Certifieringar som gick ut förra kvartalet nämns fortfarande i samtal. En konsult som har byggt upp gedigen erfarenhet av molnarkitektur under sina tre senaste uppdrag har inte uppdaterat sin profil, eftersom ingen har bett om det. Resultatet blir en bemanningsprocess som fungerar bra för dem som ligger närmast i tankarna och dåligt för alla andra, även när rätt person sitter tillgänglig på bänken.

Problemet med bänkhantering och problemet med projektbemanning har samma rot: bolagen saknar en aktuell, sökbar bild av vad medarbetarna kan. Det de har är en mängd signaler i form av CV:n, samtal, chefers minnesbilder och LinkedIn-profiler. Var för sig är de ofullständiga, och tillsammans går de inte att söka i snabbt.

Vad ett felaktigt bemanningsbeslut kostar

Det finns en variant av det här problemet som ser ut som ett schemaläggningsbekymmer. Du bemannar projektet med någon som passar hyggligt, projektet genomförs, kunden är nöjd och ingen märker att det hade kunnat göras med ett bättre matchat team. Den varianten finns. Det är inte den som håller leveranschefer vakna om nätterna.

Den variant som spelar roll är när kompetensglappet är så stort att det påverkar leveranskvaliteten. En konsult med erfarenhet på medelnivå som placeras i ett projekt som kräver expertkompetens kommer antingen att kämpa synligt eller dölja det genom att arbeta längre dagar med lägre kvalitet. Oavsett vilket urholkas marginalen, genom omarbete, förlängda tidplaner och den sortens friktion med kunden som inte alltid syns i en enskild projektutvärdering men som byggs på över tid i relationen.

Enligt Standish Groups CHAOS-rapport misslyckas ungefär två tredjedelar av alla mjukvaru- och IT-projekt helt eller får betydande problem med omfattning, tid eller kostnad. Orsakerna är flera, som bristfälliga krav, otillräckligt användarengagemang och bristande stöd från ledningen, men de har en gemensam nämnare: fel personer fattar beslut de inte var rustade för, eller så är rätt personer inte med i rummet. Ett team som saknar den kompetens ett projekt faktiskt kräver meddelar inte det vid uppstarten. Det visar sig senare, i leveransen.

Felbemanning har dessutom en kostnad på konsultnivå som ofta väger för lätt i resursdiskussionerna. En konsult som placeras på uppdrag som ligger under hens kompetensnivå eller utanför det område hen verkligen brinner för är en konsult som bolag ofta förlorar tidigare än väntat. Det är en personalomsättningsrisk som börjar vid bemanningsbeslutet, inte vid avgångssamtalet.

Vad snabb och träffsäker projektbemanning faktiskt kräver

Att lösa problemet med projektbemanning är i första hand inte en processfråga. Det är en datafråga. De bolag som bemannar projekt väl, snabbt, med rätt personer och med trygghet i matchningen, har en sak gemensamt: de kan besvara frågor om kompetensen i organisationen utan att behöva gå igenom fyra olika samtal för att komma fram till svaret.

Det innebär att ha en aktuell, validerad bild av kompetensen hos varje konsult: inte en mapp med CV:n som kanske speglar vad någon kan i dag, och inte ett kalkylark som uppdateras kvartalsvis när någon kommer ihåg det, utan ett sökbart system som visar aktuell kompetens, aktuell certifieringsstatus och aktuell tillgänglighet på ett och samma ställe.

Den praktiska skillnaden är stor. När en offertförfrågan eller ett nytt projektunderlag landar med specifika krav, till exempel en senior data engineer med GCP-certifiering, tillgänglig inom tre veckor och helst med erfarenhet från finansbranschen, borde frågan ”har vi någon som passar?” gå att besvara på några sekunder. På bolag som saknar den förmågan tar samma fråga flera dagar. Samtal förs. Chefer kopplas in. CV:n jagas fram. När rätt svar väl dyker upp har bemanningsfönstret antingen stängts, eller så har beslutet redan fattats på ofullständiga grunder.

Beläggningsrapportering visar vad som har hänt. Insyn i kompetens visar vad som är möjligt. De bolag som kan söka i sin egen organisation utifrån kompetens, certifiering och tillgänglighet, och få ett tillförlitligt svar, har en strukturell fördel i projektbemanningen som växer för varje uppdrag de tar sig an.

Om du är i färd med att utvärdera verktyg för att lösa det här, här är vad du ska titta efter i ett verktyg för projektbemanning, och hur du skiljer plattformar som är byggda för det verkliga problemet från dem som är byggda för en enklare version av det.

Matchningsproblemet i praktiken

De flesta bolag har någon form av den data de behöver, med projektkrav på ena sidan och konsultprofiler på den andra. Det som saknas är ett sätt att snabbt koppla ihop dem. Matchningen sker informellt, genom samtal och samlad erfarenhet i organisationen, i stället för genom en sökning som går över hela organisationen och tar fram de bästa kandidaterna i ett steg.

Rätt person finns oftast. Problemet är att det krävs en sökning för att hitta hen, och den sökningen hinner bolaget inte göra tillräckligt snabbt. Medan den pågår informellt har projektet redan dragit igång med den som råkade stå närmast till hands.

I MuchSkills kan en resursplanerare söka i hela organisationen utifrån kombinationer av kompetenser, certifiering och tillgänglighet samtidigt, det som plattformen kallar AI Super Search. En sökning på ”tillgänglig konsult, Azure-certifierad, fem år eller mer inom enterprise-integration, inte allokerad efter juni” tar några sekunder och ger en rankad lista. Samma sökning gjord informellt kan ta tre dagar och ändå missa en kvalificerad kandidat som helt enkelt inte låg närmast i tankarna. Den skillnaden i hastighet är ingen bekvämlighet utan en konkurrensfördel, särskilt på marknader där hur snabbt ni kan bemanna är en del av det kunderna bedömer.

Kompetensdata är bara användbar om den är aktuell

Det finns en variant av problemet med kompetensdata som bolag tror att de redan har löst. De har ett system, en kompetensmatris, en SharePoint-sida eller en sektion i HR-systemet, där konsultprofilerna finns. Problemet är att de här systemen speglar vad konsulterna kunde och var certifierade för när de senast uppdaterade sin profil, vilket oftast var vid onboardingen och sällan därefter.

En konsult som har genomfört ett molnmigreringsprojekt, tagit en ny certifiering och byggt upp betydande expertis inom ett nytt område under de senaste 18 månaderna kan fortfarande ha en profil som visar en generalist på medelnivå med kompetenser som stämde för tre år sedan. Ur ett bemanningsperspektiv är den konsulten osynlig för just de projekt där hen i dag vore den bästa matchningen.

För att kompetensdatan ska hållas aktuell krävs en plattform där det är enklare att uppdatera sin profil än att låta bli. Där ser konsulterna tydligt sin egen kompetens, kan följa sin egen utveckling och har ett skäl att hålla uppgifterna korrekta. Kompetensdata som konsulterna själva rapporterar, som kollegorna kan se och som uppdateras regelbundet eftersom konsulterna själva tjänar på att synas, är genomgående mer korrekt än databaser som arbetsgivaren bara uppdaterar när regelverket kräver det. Den skillnaden är enorm när datan ligger till grund för ett bemanningsbeslut. Vill du veta mer om hur du hittar och åtgärdar kompetensgap i ditt team går playbooken om kompetensgapsanalys igenom hela processen.