HR analytics: begin kinderlijk eenvoudig

Marco Hendrikse |

HR analyticsDe hoeveelheid data groeit exponentieel. Ook op HR-gebied. Iedere dag weer worden duizelingwekkende hoeveelheden data geproduceerd. En daar wilt u, móet u, kaas van maken. Want data zijn het nieuwe goud. Als u de juiste vragen stelt en de antwoorden uit die data weet te halen, dan levert dat een enorme toegevoegde waarde op voor de organisatie. U zult ergens moeten beginnen met HR analytics. Sommigen zeggen zelfs ‘begin gewoon’, zonder poespas.

Maar dan is een beetje achtergrond over wat onder HR analytics wordt verstaan en hoe de analytics-functie binnen organisaties zich ontwikkelt wel handig. Dat wordt in dit artikel beschreven. Daarbij wordt aangesloten bij het door Bersin by Deloitte ontwikkelde talent analytics maturity model.

‘Gewoon starten met HR analytics’

Luc Dorenbosch en Tony Brugman schrijven in het boek HR Analytics, een 7e zintuig voor de moderne HR-professional, dat ze de HR-professional willen helpen het vak meer analytisch uit te oefenen.

Op basis van praktijkvoorbeelden bieden ze praktische handreikingen waarmee je als moderne en nieuwsgierige HR-professional leert:

  • Eerder durven starten: hoe maak je een begin?
  • Sneller opmerken: is er iets aan de hand?
  • Beter waarnemen: wat is er exact aan de hand?
  • Sterk onderbouwen: hoe komt dat dan?
  • Krachtiger visualiseren: zien jullie wat ik zie?
  • Adequater reageren: wat kunnen we nu het beste doen?
  • Structureel verankeren: hoe zorgen we ervoor dat het een continu proces wordt?

Deze handreikingen kunnen gelezen worden als een soort stappenplan om te starten met HR analytics. Ze zijn vooral ook een aanmoediging voor de HR-professional om aan de slag te gaan met analytics. Overigens halen Dorenbosch en Brugman de mythe onderuit dat analytics niet geschikt zou zijn voor kleinere organisaties. Ook kleinere organisaties beschikken over relevante data die geanalyseerd kunnen worden en waarop beslissingen gebaseerd kunnen worden.


“Geweldig  om aan de slag te gaan met data waar nog zo weinig naar gekeken is. Geweldig om inzicht te creëren in menselijke gedragingen op de werkvloer. En het allerleukst is het om verschil te maken door deze inzichten te delen. Soms weet ik gewoon niet waar te beginnen; er is nog zoveel te ontdekken.”

Esther Bongenaar, vice-president HR data & analytics bij Shell, in haar voorwoord in het boek HR analytics.


Definitie HR analytics

Onder HR analytics wordt verstaan:

De systematische identificatie en kwantificering van de impact van menselijk gedrag op het bedrijfsresultaat met het oog op het nemen van de best mogelijke beslissingen. 

Van den Heuvel & Bondarouk, 2016

Bernie Caessens, managing partner bij Resolved, merkt hierover op:

“In de definitie gaat het om de invloed van menselijk gedrag op bedrijfsresultaten. Dit houdt in dat, vanuit een bedrijfsperspectief, HR analytics op zijn minst een gedeelde verantwoordelijkheid is en inherent hoogst multidisciplinair.” Als HR professional hoeft u het dus niet alleen te doen!

Drie typen analytics

Er zijn drie typen analytics:

  • Descriptive (beschrijvende) analytics: Bij beschrijvende analytics worden simpelweg ruwe data samengevoegd tot meer begrijpelijke data. Immers, als je tienduizenden records (’datapunten’) hebt, zegt dat niets. Deze moeten eerst samengevoegd worden. Dan kun je bijvoorbeeld bepaalde trends identificeren. Eigenlijk betreft het hier geen analytics, maar metrics. Een voorbeeld is het verloop- of verzuimcijfer. Op basis van deze cijfers kun je geen beslissing nemen over het beperken van verloop of verzuim. Daar heb je predictive analytics voor nodig. Naar schatting is 80 procent van de analytics in organisaties beschrijvend van aard.
  • Predictive (voorspellende) analytics: Bij Predictive analytics worden statistische technieken ingezet om data te analyseren met als doel het voorspellen toekomstige acties en gedragingen. Zo kun je voorspellen wat de gevolgen zijn van een bepaalde verandering, bijvoorbeeld een interventie. Het blijven echter voorspellingen, met een bepaalde onzekerheidsmarge. Dit wordt ook wel de ‘wat als-analyse’ genoemd. Wat gebeurt er als een bepaalde actie wordt ondernomen?
  • Prescriptive (voorschrijvende) Talent Analytics: Dit gaat nog wat verder dan predictive analytics. Met presecriptive analytics kunnen aanbevelingen worden gedaan over te ondernemen acties en kan aangegeven worden wat de waarschijnlijke gevolgen van deze acties zullen zijn. Met de prescriptive analysetechnieken worden verschillende richtingen geëxploreerd en worden de meest kansrijke alternatieven aangedragen. Wat zal er gebeuren, wanneer, en waarom gebeurt het? Bij prescriptive analytics worden steeds data over gevolgen van acties aan het systeem ‘teruggegeven’, zodat het systeem leert en nog betere suggesties kunnen worden gedaan.

De meeste organisaties komen dus, zoals opgemerkt, nog niet verder dan descriptive analytics.

People Analytics Maturity model

Bersin by Deloitte heeft het People Analytics Maturity model ontwikkeld om te bepalen hoe ver organisaties zijn met hun inspanningen om data te analyseren.

Om te bepalen hoe ‘volwassen’ organisaties zijn op het gebied van data-analyse wordt gekeken naar:

  • De wijze waarop met privacy en dataveiligheid wordt omgesprongen
  • De opslag van data (data-infrastructuur)
  • De aanwezigheid van een people analytics-team en de kennis en vaardigheden van de teamleden
  • De integratie met de business (business alignment)
  • De wijze waarop managers met de aangedragen analyses omgaan
  • Data-cultuur

Er zijn vier volwassenheidsniveaus:

Niveau 1) Gefragmenteerd en weinig draagvlak

Veertien procent van de door Deloitte onderzochte organisaties zit in deze (eerste) fase.

Data worden niet structureel verzameld. Er is geen capaciteit vrijgemaakt voor het analyseren van data. Het belang van data wordt niet goed begrepen. Beslissingen worden op basis van gevoel en intuïtie genomen. Er wordt onzorgvuldig met dataveiligheid en privacy omgesprongen.

Niveau 2) Consolidatie en opbouwen

Ruim tweederde van de onderzochte organisaties (69%) bevindt zich in deze fase. Het belang van data en beslissen op basis van data wordt onderkend. Data worden op structurele basis verzameld. Er wordt gestreefd naar een ‘single source of truth’ door het bouwen van een datawarehouse. Er wordt zorgvuldig met gegevens en privacy omgesprongen. Een of meerdere personen houden zich exclusief bezig met het analyseren van data. Bij de analyse wordt gebruik gemaakt van geavanceerde tools. Resultaten worden echter vooral door de HR-afdeling zelf gebruikt en niet door andere afdelingen.

Datawarehouse als single source of truth

Niveau 3) Toegankelijk en toegepast

Bijna 1 op de 7 organisaties (15%) is op behoorlijk volwassen wijze met people analytics bezig.

Er wordt gebruik gemaakt van geavanceerde tools en technieken om data te verzamelen en analyseren. Er worden geen HR-vragen, maar businessvragen beantwoordt. Analyses worden met de hele organisatie gedeeld en besproken. Er wordt geëxperimenteerd met nieuwe methoden en technieken door een gecentraliseerd en gespecialiseerd analytics-team. Een groot deel van de HR-beslissingen is gebaseerd op data.Dataveiligheid en privacy hebben een zeer hoge prioriteit.

Niveau 4) Geïnstitutionaliseerd en ingebed in de organisatie

Slechts een zeer klein aantal organisaties (2%) is echt volwassen op het gebied van people-anaylitics.

Data worden realtime verzameld, verwerkt en geanalyseerd met behulp van artificieel intelligent ondersteunde tools en technieken. Er is een crossfunctioneel analistenteam, dat nauw samenwerkt met ‘de business’. Alle (HR-)beslissingen worden genomen op basis van data. Er is echt (gebouwd aan) een datagedreven cultuur.

Naar een hoger niveau

Om van niveau 1 naar de onderste helft van niveau 2 te gaan moet meer aandacht besteed worden aan privacy en dataveiligheid, een datawarehouse opgezet worden, aangesloten worden bij de analysebehoeften van de rest van de organisatie en een data-specialist aangesteld worden.

Om naar het bovenste gedeelte van niveau 2 te gaan moet meer aandacht besteed worden aan de kwaliteit van data, moeten HR-activiteiten gelinkt worden aan bedrijfsresultaten en moeten HR-professionals vertrouwd raken met data en analyses.

Naar niveau 3 is nog een grotere stap. Er moeten echt procedures komen om de datakwaliteit te waarborgen. Niet alleen HR-data wordt verzameld, maar ook bijvoorbeeld financiële- en productiedata, data over gedrag en data over klachten die via een chatbot en Twitter binnenkomen. Iedereen binnen de organisatie moet toegang hebben tot data en de uitkomsten van de analyses. Continu moet feeling gehouden worden met de behoeften van de organisatie op het gebied van analyses. People analytics zijn de basis voor iedere beslissing op HR-gebied. Er wordt geëxperimenteerd met nieuwe tools en technieken door een team van specialisten. Deze specialisten werken continu aan het bijhouden van hun kennis en vaardigheden.

Iedere organisatie, groot en klein, kan dus aan de slag met analytics. Er zullen wel grote inspanningen geleverd moeten worden echt volwassen te worden op het gebied van people analytics.

 


 

Geef uw reactie op "HR analytics: begin kinderlijk eenvoudig" geschreven door Marco Hendrikse