Van HR data tot succes

In de moderne zakenwereld is data een van de meest waardevolle activa. Organisaties kunnen gegevens verzamelen over allerlei aspecten van hun bedrijfsvoering, van financiën tot marketing tot productie, om betere beslissingen te nemen en hun prestaties te verbeteren. Een ander gebied waarin data steeds belangrijker wordt, is HR. Steeds meer organisaties hebben hun HR processen gedigitaliseerd met behulp van HR systemen als Daywize, AFAS, Youforce, etc. waardoor ook meer data beschikbaar is over het personeel binnen hun organisaties. Die HR data kan vervolgens worden geanalyseerd om beter inzicht te krijgen in hun werknemers en om uiteindelijk hun prestaties te verbeteren. 

De waarde van data-analyse is afhankelijk van de analysemethode die wordt toegepast. Binnen data analyse worden vier (opeenvolgende) methodes onderscheiden, opbouwend in zowel toegevoegde waarde als moeilijkheidsgraad: beschrijvende analyse, diagnostische analyse, voorspellende analyse en voorschrijvende analyse. 

De eerste methode, beschrijvende analyse, is de meest gebruikte methode voor het analyseren van HR data. Deze methode is namelijk laagdrempelig en biedt meteen inzicht in wat er binnen je organisatie speelt op HR gebied. Het gaat hier vaak om het visualiseren van de verkregen data. Op de afbeelding hiernaast is een voorbeeld te zien van een visualisatie van HR data met behulp van Microsoft PowerBI. In dit voorbeeld wordt de indiensttredingsdata van een organisatie direct opgehaald vanuit Daywize en weergegeven in een dashboard gemaakt door Crowe Foederer voor haar klanten. Naast dit indiensttreding dashboard, bevat dit PowerBI platform ook onder andere dashboards voor functioneren en beoordelen, recruitment, verzuim en verlof. 

Het visualiseren van de verkregen data brengt meerdere voordelen met zich mee, waaronder:

• Beter besluitvorming: organisaties krijgen meer inzicht in HR processen en hun personeel waardoor beslissingen kunnen worden genomen op basis van feiten in plaats van op basis van enkel intuïtie.
• Tijdsbesparing: in plaats van handmatig berekeningen moeten maken van verzuimgemiddeldes of groeiratios, is dit nu zichtbaar in één oogopslag.
• Eenvoudiger benchmarken: het is makkelijker voor de organisatie om de gevisualiseerde data te vergelijken met andere organisaties binnen dezelfde branche. 

Hoewel een mooie methode, het visualiseren van data is pas de eerste stap van het analyseren van de HR data.  Organisaties kunnen nog meer uit deze data halen, door de andere drie analysemethoden ook toe te passen. Hieronder een voorbeeld van de vier analysemethoden bij een organisatie met een ambitie om snel te groeien:

1. Beschrijvende analyse: Hoeveel in- en uitdiensttredingen vinden nu maandelijks plaats? Hoe verhoudt dit zich tot het landelijk gemiddelde?  Wat is de groeiratio?
2. Diagnostische analyse: Waarom is het aantal indiensttredingen boven het landelijk gemiddelde? Waarom is het aantal uitdiensttredingen ook boven het landelijk gemiddelde?
3. Voorspellende analyse: Hoeveel in- en uitdiensttredingen worden maandelijks verwacht in 2025? Hoe verhoudt dit zich tot het doel om snel te groeien?
4. Voorschrijvende analyse: Wat zorgt ervoor dat het maandelijks aantal in- en uitdiensttredingen wél volgens het groeiplan zijn in 2025?

Deze analyses zijn een blik op de toekomst en zullen zorgen voor beter onderbouwde keuzes en interventies die leiden tot operationeel succes. Echter, het is belangrijk om te onthouden dat HR analytics geen doel op zich is, maar een middel om de juiste keuzes te maken, ondersteunend aan de ontwikkeling en prestaties van de medewerkers.