HR Analytics: richting geven aan organisaties op basis van data

Ongemerkt verzamelen we met elkaar ongelooflijk veel data, en dat wordt de komende jaren alleen nog meer. We bevinden ons midden in een technologische revolutie. Robots, 3D-printers, virtual reality brillen en zelfrijdende auto’s zijn hiervan een aantal voorbeelden. Zoals de uitvinding van de stoommachine het begin van de industrialisering vormde, zullen robotisering, big data, kunstmatige intelligentie en zelflerende algoritmes, de werkplek van medewerkers de komende jaren op zijn kop zetten.

Met al deze technologische ontwikkelingen hebben we ook toegang gekregen tot meer data dan ooit tevoren. Deze data helpt organisaties bij het nemen van organisatiebeslissingen. En dat wordt de komende jaren ook alleen maar meer. De opkomst van big data heeft namelijk een groot effect op de manier waarop we ons werk doen. Voor HR is dit o.a. zichtbaar in de opkomst van HR Analytics: een werkwijze waarmee de impact van medewerkers op de prestatie van de organisatie zichtbaar wordt gemaakt.

Of je nu kijkt naar het onderzoek van Berenschot gericht op HR-trends of de HRM Barometer erbij pakt, over één ding zijn ze het eens: HR Analytics wordt steeds belangrijker en heeft de toekomst. Maar genereren van zinvolle data en het kunnen omzetten van deze data in bruikbare informatie, blijkt een “kunst” te zijn die niet iedereen beheerst. En laat dit voor HRM één van de bepalende succesfactoren voor de toekomst te zijn!

Het is dus tijd voor HR om deze nieuwe technologieën te omarmen en eigen te maken. HR kan daarmee de business nog beter faciliteren, meerwaarde toevoegen aan organisatiedoelstellingen én ervoor zorgen dat de belangen van Human resources voldoende worden geborgd.

Hoe ziet mijn personeelsbestand er over 5 jaar uit? Welke invloed hebben uitstroom en pensionering hierop? Waar zit de cruciale kennis in de organisatie? Hoe ga ik ervoor zorgen dat die kennis behouden blijft voor de organisatie? Past de kennis nog wel bij de toekomstvisie van de organisatie? Het analyseren van HR data kan helpen bij het krijgen van antwoorden op deze, en vele andere HR vaagstukken. Door data goed te gebruiken maak je het mogelijk om onderbouwde beslissingen te nemen over personele vraagstukken. HR Analytics is hiermee een onmisbaar onderdeel geworden van de HR- functie. Er is dus werk aan de winkel voor HR!

Data van onschatbare waarde

De waarde van HR-data wordt door veel organisaties al wel onderkend, maar ze zijn nog vaak zoekende naar hoe ze met de data moeten omgaan. HR Analytics kan hierbij helpen. Een daarbij behorende aanpak concreet gemaakt in een stappenplan, biedt je structuur en inzicht en helpt je vervolgens bij het omzetten van data naar management- en stuurinformatie.

Vanaf de jaren ’70 werden klassieke ken- en stuurgetallen zoals gemiddelde leeftijd, verloop, ziekteverzuim al toegevoegd aan het basisarsenaal van HR. Met HR analytics wordt HR data echter geanalyseerd, waarbij onderlinge relaties worden gelegd en rekening wordt gehouden met trends. Op deze manier kunnen businessvraagstukken beter worden beantwoord.

Verschillende niveaus van data-analyse

HR Analytics, Talentanalyse, People Analytics, Data reporting, Big data, HR Metrics, Predictive Analytics; je ziet eigenlijk door de bomen het bos niet meer…
Deze en nog vele andere buzzwoorden vliegen je om de oren. En we kunnen ons voorstellen dat je ondertussen niet zo goed meer kan onderscheiden waar het nu precies over gaat. Daarom eerst wat uitleg.

In hoofdlijnen kunnen we 3 types HR data-gegevensverzameling en -analyse onderscheiden:

1. Data reporting

Data reporting, ook wel HR Metrics genoemd, gaat over gegevensverzamelingen in een proces waaruit vervolgens statische informatie wordt gegenereerd. Denk hierbij aan een dashboard met daarop ken- en stuurgetallen zoals een verzuimpercentage, aantal sollicitanten per functie of een verloopcijfer. Het zijn veelal opzichzelfstaande statische gegevens waarbij je vaak wel kan kijken naar verschillen tussen afdelingen. Hierdoor geven deze cijfers informatie, maar laat het geen verbanden en/of trends zien. De meeste organisaties zijn wel bekend met deze vorm van HR-informatie.

2. Data Analytics

HR Analytics, Talentanalyse en People Analytics; allemaal synoniemen voor data analytics vanuit personele gegevens.
In vergelijk met Data reporting, is bij HR Analytics het verzamelen van data niet het eindpunt, maar juist het startpunt. Hierbij gaat het over data verzamelen en het leggen van verbanden met andere data om zo de impact te bepalen voor de business.

Een voorbeeld is de relatie van uitstroomcijfers op geslacht, leeftijd, het aantal dienstjaren en de resultaten van assessments. Hieruit zou je bijvoorbeeld het verband kunnen leggen dat mensen die extrovert zijn, sneller uit dienst treden. Je gaat vervolgens nog eens kijken naar de inhoud van de functie en realiseert je dat de baan weinig afwisselend is met weinig menselijk contact. Er lijkt dus sprake te zijn van een mismatch tussen de menselijke behoefte van een extrovert persoon en de inhoud van de functie.

3. Predictive Analytics

Hier gaan we echt een stap verder. We kijken bij Predictive analytics niet meer alleen naar feitelijke informatie uit het verleden en heden, maar we gaan tevens toekomstige trends proberen te voorspellen.

Een voorbeeld. Op afdeling A is een hoog verloop. Via HR Analytics heb je al de relatie gelegd tussen de functie-inhoud en extroverte en introverte mensen. Je adviseert de recruiter om meer introverte mensen aan te nemen en je verwacht hiermee dat het verloop minder gaat worden. Let op: blijf dit wel steeds monitoren of je aanname ook echt klopt. Zo niet, ga dan op zoek naar andere relaties. HR Analytics is daarmee een cyclus wat je steeds doorloopt. Daarover hieronder meer

Maar ook strategisch kun je op basis van deze kennis andere keuzes maken. Denk aan assessment-uitslagen anders beoordelen zodat extroverte mensen geen positief advies krijgen. Of je arbeidsmarktcampagne zodanig laten inrichten dat de banen goed opvallen bij introverte mensen.

Implementatie uit handen?

Ben jij op zoek naar een partij die je kan helpen bij het implementeren van HRTech tools? In de consultancygids vind je deze partijen op een rij.

Consultancygids

Van probleem naar oplossing

Ons advies is: start klein! Om te kunnen starten met HR Analytics heb je geen uitgebreide en dure BI-tool nodig. En ook de data hoeft nog niet 100% compleet te zijn. Start bijvoorbeeld met een kleine businessvraag waarvoor je alleen HR data nodig hebt. En doe dit met een kleine groep mensen, bijvoorbeeld één afdeling. Kom met concrete resultaten en acties zodat de waarde van HR Analytics zichtbaar wordt. Je zal zien dat snel de vraag naar meer waardevolle informatie gaat toenemen.

Een voorbeeld. Stel dat er binnen je organisatie een verzuim is van 8% is. De eerste stap is om te achterhalen of dit veel of weinig is. Je gaat op zoek naar een benchmark van soortgelijke organisaties om te vergelijken. Het blijkt dat het verzuim binnen jouw organisatie hoger ligt dan het gemiddelde. Dan ga je op onderzoek uit door vervolgvragen te stellen zoals: welke mensen vallen eruit? Zijn dat meer mannen of vrouwen? Zijn ze hoog of laag opgeleid? Als bijvoorbeeld een grote groep van jonge vrouwen uitvalt, die ook nog eens zwanger zijn, kun je dus concluderen dat je personeelsbestand niet voldoende in evenwicht is. Je kan vervolgens in kaart brengen waardoor ze zijn uitgevallen en hier maatregelen op nemen. Met HR Analytics monitor je vervolgens of de genomen maatregelen het gewenste effect heeft en stuur je zo nodig bij.

Nu zelf aan de slag!

Om met HR Analytics aan de gang te gaan, doorloop je 5 stappen:

1. Centrale vraag

Het proces van HR Analytics start met het vaststellen van een goede centrale businessvraag. Als HR Professional moet je de business dus vragen stellen. “Wat is het afdelingsdoel voor de komende 5 jaar” “Sluiten de competenties aan om de organisatiedoelstellingen te behalen?” of “welke interventies kunnen we plegen?” of “hebben we de juiste competenties in huis voor onze toekomst” Kortom; waar ligt de directie en/of de manager wakker van en welke van deze vragen kunnen worden beantwoord met HR data? Doorvragen is hierbij erg belangrijk, omdat de initiële vraag meestal niet de echte vraag is waarvoor de business antwoord nodig heeft. Door de vraag verder uit te diepen kom je steeds meer achter het echte probleem. Ons advies is begin met een kleine businessvraag. Bijvoorbeeld “waarom is het verloop op afdeling x aanzienlijk dan het gemiddelde binnen de organisatie?”

2. Data verzamelen

Nadat je de goede vraag hebt geformuleerd, ga je kijken naar welke data je nodig hebt om deze vraag te kunnen beantwoorden. Voor HR Analytics kan veel data interessant en bruikbaar zijn. Uit CV’s, doorstroommutaties, tot aan exitgesprekken, maar ook gegevens over functieverblijftijd, leeftijd, opleidingen, verzuim, arbeidsvoorwaarden en interviews. Naast data vanuit het eigen HR- systeem kun je ook externe data verzamelen zoals bijv. verzuimcijfers van het CBS. Zorg er wel voor dat de data actueel en juist is!

3. Data analyseren en verbanden leggen

Nu ga je aan de slag met alle verzamelde data. De inhoud van de data moet worden geanalyseerd. Welke variabelen zijn interessant om mee te nemen? Welke data ontbreekt nog? Zijn er verbanden te leggen? Door het ordenen en visualiseren van de resultaten krijg je allereerst interessante inzichten in de huidige situatie. Wil je daarnaast ook het waarom achterhalen of juist de toekomst voorspellen, dan kom je bij de statistische analyses.

Het analyseren van de data levert je ook nog eens verbetertips op voor het vastleggen van de data. Een bijkomend voordeel van HR Analytics is dus dat de kwaliteit van de data steeds beter wordt.

4. Rapporteren

In deze stap ga je de gekregen inzichten presenteren en rapporteren. Begin het rapport met de centrale vraagstelling en onderbouw het rapport met cijfers en feiten.
Tip: visualiseer de cijfers zodat deze voor de lezer makkelijk te interpreteren zijn. Je zal zien dat de business makkelijker te overtuigen is door een adviesrapport o.b.v. feiten en cijfers. Als je het rapport vervolgens nog weet af te stemmen op de lezer, dan krijgt het rapport de aandacht die het verdient!

5. Monitoren

Nadat het beleid/maatregelen zijn geïmplementeerd is het belangrijk dat je ook kijkt of dit de gewenste effecten heeft. Zet HR Analytics in om de effecten te meten. Dit kan door de nieuwe inzichten af te zetten tegen de 0-meting (beginpunt). Indien nodig pas je de maatregelen aan. Dit is een continu circulerend proces.

Makkelijker dan het lijkt

Data wordt vaak als moeilijk en ingewikkeld gezien, maar dat hoeft helemaal niet. Er zijn genoeg eenvoudige voorbeelden te benoemen voor een positief effect op de organisatie zonder dat het ingewikkeld hoeft te zijn. Denk aan een soort georganiseerde spontaniteit op basis van HR data. Koppel HR data aan bijvoorbeeld je intranet van de organisatie en verwelkom je nieuwe collega of feliciteer je collega met zijn/haar verjaardag. 

De toekomst

De gevolgen van verregaande automatisering worden sterk gevoeld binnen het bedrijfsleven. Deze trend zet zich verder door en de verwachting is dat we nog maar aan het begin staan van deze digitale tijdperk. Een nieuw tijdperk waarin data steeds belangrijker gaat worden.

Het is dus zaak voor HR om op deze veranderingen snel te gaan omarmen. Want als de HR afdeling achterblijft, dan komt het bestaansrecht van de strategische rol van de afdeling verder onder druk te staan. Het is dus belangrijk voor HR dat zij leert omgaan met het gebruik van data om de strategische keuzes van de organisatie te onderbouwen. Zorg er wel voor dat de aanpak, de cijfermatige onderbouwing van doelstellingen, strategie en besluiten, door de organisatie wordt gedragen.

Wil jij ook aan de slag met HR Analytics, maar weet je niet zo goed hoe je moet starten? De adviseurs van Bonte Bij helpen je graag verder.

Marieke Driessens | Projectmanager HR Bonte Bij

Dit artikel is eerder verschenen op Bontebij.nl.