Benchmarking via ‘big data’ in HRTech wordt volwassen

Waarom nu?

Sommige HRTech leveranciers bestaan al enkele decennia, zeker in de payroll hoek. Die verzamelen dus ook al die jaren al gegevens over medewerkers, basis persoonsgegevens en salarisgegevens bijvoorbeeld. Waarom komt die ‘big data’ trend nu tot wasdom? We zien daar een aantal oorzaken voor;

• De cloud. Vroeger, of in sommige gevallen nog steeds, stond al die data bij de klant zelf op een server. Er was nog geen sprake van centraal beschikbare ‘big data’. Nu we de laatste 10 jaar overstappen naar de cloud staat veel van die klant data wel centraal op servers van de leveranciers
• Hardware speelt geen rol meer. Door de technische versnelling van de rekenkracht van computers is hardware geen beperkende factor meer. Vroeger moest je vaak een aparte rapportage server inrichten met een kopie van de database, omdat anders de productieserver kon omvallen als je een zwaar rapport ging draaien. Met zware servers in de cloud is deze beperking tegenwoordig praktisch weggevallen
• Heldere privacy regels. Doordat de GDPR is geïntroduceerd, en hiervoor de privacy regels ook al strakker werden, hebben klanten er meer vertrouwen in dat leveranciers goed met hun klantdata omgaan, ook als ze die delen voor benchmarking.
• Geen organisatie is uniek. Door vergaande globalisering kijken mensen niet alleen privé, maar ook zakelijk ver over de grenzen. Zelfs al opereer je alleen in Nederland, ook in andere landen om ons heen zijn gelijksoortige organisaties. Het is veel meer geaccepteerd dat kennis wordt gedeeld buiten de organisatiegrenzen, en daar komt data nu ook bij.

HRTech aanbieders pakken de trend op

De term HR Analytics is sinds een jaar of 5 een geaccepteerd begrip binnen HR. Zeker grotere organisaties hebben een rapportage of analytics team binnen HR die op allerlei fronten data analyseert en gebruikt om de mensen en organisatie te verbeteren. Een HRTech aanbieder die geen rapportage tooling biedt telt niet meer mee. Door data uit verschillende bronnen intern te combineren kun je met HR Analytics aan de slag.

Een volgende stap na deze trend van ‘interne’ HR analytics is om deze naar ‘extern’  door te trekken. Nu we in staat zijn om de leeftijdsopbouw, gemiddelde duur in de organisatie en bijvoorbeeld ‘time to hire’  te meten binnen HR is het nog mooier om dat met andere organisaties te vergelijken. Grote HRTech aanbieders zoals Cornerstone OnDemand bieden hun klanten de mogelijkheid om mee te doen met hun benchmarking programma door hun data anoniem met andere klanten te delen. Vaak moeten de juridische en compliance afdeling nog wennen aan deze nieuwe trend, maar na ondertekening van de strengste privacy clausules kunnen die toch overtuigd worden. Ook kleinere, nieuwe partijen zoals NMBRS bouwen dit soort mogelijkheden in hun software in, door bijvoorbeeld een salaris benchmark realtime te tonen.

Benchmarking is toch niet nieuw?

Ook in benchmarking land slaat de automatisering daarmee toe. Benchmarking kon je namelijk altijd al doen met behulp van bijvoorbeeld onderzoeken en rapporten, zoals HR Trends van Berenschot. Met name voor de ‘hardere’  gegevens in die rapporten is automatisering nu mogelijk een vervanging, als de data van de leverancier representatief genoeg is. Zachtere factoren in onderzoeken, zoals meningen en verwachtingen, zijn lastiger te benchmarken door pure data analyses.

Dus zeker grotere HR organisaties benchmarken al jaren hun HR prestaties, van bezetting tot andere KPI’s. Dat is op zich niet nieuw. Door een deel van die benchmarking nu te automatiseren wordt het enerzijds sneller beschikbaar. Een onderzoeksrapport komt vaak maar eens per jaar uit. Systemen kunnen tegenwoordig real time data tonen, zodat je sneller in kan springen op trends. Anderzijds wordt het door automatisering ook goedkoper en toegankelijker voor kleinere organisatie om te benchmarken. Die hebben immers geen aparte HR data analytics afdeling die dit kan onderzoeken.

Appels of peren benchmarken?

Voor eindgebruikers, organisaties die door de HRTech aanbieders worden bedolven onder de beloftes van hun software, is het wel opletten geblazen. De uitdaging met big data zit op twee vlakken;

1. Hoe ‘big’ is die data, in voor jou relevante branche, locatie en omvang van de organisatie. Een Amerikaanse leverancier met heel veel data, maar alleen van Amerikaanse klanten, heeft in Nederland minder toegevoegde waarde.
2. Kun je wel appels met appels vergelijken. De ‘hardere’ gegevens als leeftijd, geslacht, en afkomst kun je duidelijk meten. Zachtere gegevens als performance en processen zelf zijn veel lastiger te vergelijken tenzij iedereen op dezelfde manier meet.

Wees dus kritisch op de grafieken die op het scherm worden getoverd en laat je niet te snel imponeren door de grote getallen.

Stap voor stap opbouwen

En als je dan aan de slag gaat met benchmarking gelden in feite dezelfde adviezen als met iedere implementatie, ook van HR Analytics. Begin klein, met data die onherroepelijk juist is, en bouw het hierna langzaam op. En begin met een onderwerp waar de business het meeste aan heeft.

Wil je je declaratie proces eens benchmarking, kijk dan bij de benchmark tool van onze Consultancy Partner Vroom die dit ook tijdens de debinarmaand hebben getoond; hier terugkijken.