«У нас нормальная текучесть» — думал директор 7 лет и потерял 52 млн ₽

1. Производство мебели и 1С:ЗУП.

Проблема

К нам обратился Антон — директор небольшого мебельного производства в Воронеже. 88 человек, корпусная мебель на заказ, две производственные площадки и офис продаж. Бизнес стабильно растет — выручка за последние два года выросла на 31%.

Запрос был простой: «Хотим понять, куда уходят деньги на персонал. Ощущение, что мы постоянно нанимаем, но людей все равно не хватает».

HR-менеджера в компании нет. Есть кадровик, который ведет 1С:ЗУП ПРОФ и квартальные Excel-отчеты.

Что мы увидели на старте

Первый разговор с Антоном занял полтора часа. Он знал, что текучесть «примерно 35–40%». Для мебельного производства это верхняя граница нормы — по данным ANCOR, в производственной отрасли повышенная текучесть отмечается у большинства компаний, а приемлемый уровень для производственного персонала составляет 15–25%. Но Антон в целом воспринимал это как данность: «Рынок такой, все так живут».

Посчитали вместе.

• Штат: 88 человек
• Среднемесячная зарплата: 58 000 ₽
• Текучесть за 2024 год: 38%
• Уволилось за год: ~33 человека
• Стоимость замены 1 сотрудника: ~170 000 ₽
• Годовые потери: 33 × 170 000 = 5 610 000 ₽

Антон остановился на цифре 5,6 млн. Это только замена — рекрутинг, оформление, обучение, время мастера на ввод нового человека. Без учета недополученной производительности пока новичок выходит на рабочий темп (в мебельном производстве это 3–5 месяцев), и без учета переработок тех, кто прикрывает вакансии.

«Давайте посмотрим в 1С», — предложили мы.

Что было в 1С и что из него не доставали

В 1С:ЗУП ПРОФ у компании хранилось все: приказы о приеме и увольнении за семь лет, табели рабочего времени, начисления по видам, структура подразделений. Кадровик аккуратно вводила документы, справочники были в порядке.

Но все это никуда не шло. Ежеквартальный отчет строился вручную: выгрузка в Excel, подсчет увольнений, деление на численность. Итог — одна цифра. 38% текучести по компании.

Никаких срезов по цехам, по стажу, по бригадам. Никакой динамики ФОТ. Никакого сравнения с прошлым годом в структуре, а не в абсолютных числах.

Мы попросили три дня и доступ к базе.

2. Что показал дашборд

Мы подключили выгрузку данных из 1С:ЗУП в Yandex DataLens. Настроили автоматическое обновление. Сделали дашборд с четырьмя блоками: текучесть в разбивке, укомплектованность, динамика ФОТ, ранняя текучесть.

То, что появилось на экране, изменило разговор.

Находка первая: текучесть не «по всей компании» — она в двух бригадах.

38% в среднем — это средняя температура по больнице. При декомпозиции по пяти производственным бригадам картина выглядела так:

Бригады 3 и 5 давали 71% всех увольнений за год. При этом в трех других бригадах текучесть была в норме и даже ниже.

Антон знал обоих бригадиров. «Они старейшие, у них опыт…» — начал было он. Мы показали следующий срез.

Находка вторая: 74% уходящих в проблемных бригадах — новички со стажем до 5 месяцев.

В бригадах 3 и 5 люди не задерживались. Средний срок работы уволившегося — 3,2 месяца. Это не текучесть опытных сотрудников — это конвейер: нанимают, человек приходит, через 3 месяца уходит, снова нанимают.

Стоимость этого цикла особенно высокая: новичок уходит до того, как окупает затраты на найм и обучение. Компания платит дважды — за ушедшего и за его замену — и никогда не получает отдачи от инвестиции в человека.

Находка третья: ФОТ рос без роста производительности.

Блок с динамикой ФОТ показал: за 18 месяцев фонд оплаты труда вырос на 22%, а численность — на 3%. При этом в структуре начислений доля сверхурочных удвоилась: с 6,4% до 13,1% от общего ФОТ.

Механика понятна: постоянные вакансии в проблемных бригадах закрывались сверхурочными часами людей из других бригад и административного персонала. Компания фактически финансировала текучесть за счет переработок.

Посчитали отдельно:

Доля сверхурочных сверх нормального уровня (~6%):
13,1% − 6,4% = 6,7 п.п.
ФОТ за 2024 год: ~60,5 млн ₽
«Избыточные» сверхурочные: 60,5 млн × 6,7% = ~4,05 млн ₽
Из них связанные с текучестью бригад 3 и 5 (оценочно 45%):
≈ 1,82 млн ₽/год

Итого по всем трем находкам:

Прямые затраты на замену персонала: ~5,6 млн ₽/год
Избыточные сверхурочные, связанные с вакансиями: ~1,8 млн ₽/год
Итого идентифицированных потерь: ~7,4 млн ₽/год

Антон смотрел на экран с дашбордом молча примерно минуту. Потом сказал: «Я семь лет думал, что это просто рынок труда такой».

3. Что сделали дальше

Мы не разрабатывали HR-стратегию и не проводили тренинги. Мы помогли Антону увидеть данные и принять три конкретных управленческих решения.

Решение первое: поговорить с бригадирами.

Антон провел отдельные встречи с руководителями бригад 3 и 5. Без обвинений — с данными. Показал статистику текучести, сравнение с другими бригадами, структуру ранних уходов. Оба бригадира ситуацию в целом признали: один — что не уделяет времени новичкам («они сами должны вникать»), второй — что есть конфликт по поводу распределения заказов внутри бригады.

Это не решение проблемы, но это начало разговора, который семь лет не происходил — просто потому что данных не было.

Решение второе: изменить онбординг в производстве.

В компании не было никакой формальной программы адаптации для производственных рабочих. Человек приходил, ему показывали станок, дальше — сам. Ввели: наставника на первые 60 дней (один из опытных рабочих с доплатой 3 000 ₽/мес), четкий план задач на первый месяц, еженедельную 15-минутную встречу нового сотрудника с бригадиром.

Стоимость: ~12 000 ₽/мес на двух наставников. Окупаемость при снижении ранней текучести на 30% — меньше двух месяцев.

Решение третье: поставить ФОТ на еженедельный мониторинг.

Дашборд остался работать. Антон теперь видит динамику сверхурочных каждую неделю. Если доля начинает расти — сигнал: где-то вакансия, и ее закрывают чужими переработками. Это стало ранним предупреждением, а не постфактумным открытием в квартальном отчете.

4. Результаты через 6 месяцев

Через полгода сделали срез. Данные из того же дашборда.

Текучесть в бригадах 3 и 5: снизилась с 61%/58% до 34%/31%. Все еще выше, чем в других бригадах, но динамика есть и работа продолжается.

Общая текучесть по производству: с 38% до 26%.

Доля сверхурочных в ФОТ: с 13,1% до 9,3%. По нашей оценке, это высвободило около 2,3 млн ₽ в годовом пересчете относительно пика — не полная идентифицированная сумма, но уже ощутимо.

Ранняя текучесть (до 5 месяцев) в проблемных бригадах: снизилась с 74% уходящих до 51%. Это значит, что больше людей стало проходить первые пять месяцев и переходить в категорию «стабильных».

Антон в нашем последнем разговоре сформулировал так: «Самое странное — данные были у нас всегда. Просто никто их не смотрел в правильном разрезе».

Что из этого можно взять

Этот кейс не про сложную аналитику. Здесь не было машинного обучения, предиктивных моделей и больших данных. Был 1С:ЗУП ПРОФ, выгрузка в DataLens и три вопроса к данным: где именно, кто именно, с каким стажем.

Несколько наблюдений из этого и похожих проектов.

«38% — это рынок» почти никогда не является полным объяснением

Средняя цифра по компании маскирует структуру. В большинстве случаев, которые мы видели, 60–70% проблемы локализованы в 20–30% подразделений. Это управляемо — если знаешь, где именно.

ФОТ и текучесть связаны теснее, чем кажется.

Рост сверхурочных — почти всегда симптом хронических вакансий, которые не успевают закрывать. Это не видно, пока смотришь только на общую сумму начислений.

Данные в 1С:ЗУП уже есть у большинства компаний.

Не нужно внедрять новую систему или нанимать HR-аналитика. Нужно один раз правильно извлечь данные и настроить дашборд, который будет обновляться автоматически.

Онбординг для производственных рабочих — это не тренинги.

Это наставник, план на первый месяц и внимание бригадира. Стоит дешево, окупается быстро.

______________

Проблема мебельного производства в Воронеже тихо «пряталась» в 1С:ЗУП и потребляла ресурсы компании, не попадая в Excel-отчет. Правильный подход к анализу и визуализации даже минимальных данных покажет проблему в зачатке, до того как она будет стоить бизнесу миллионы рублей.