Onder het genot van een gezonde lunch hoorde ik zijdelings vanuit mijn tv dat op 30 november 2020 treinen waren uitgevallen vanwege een tekort aan verkeersleiders bij ProRail. Als echte HR-man in hart en nieren wekte dit nieuws mijn interesse. Ik had vragen als: waarom heeft ProRail een tekort aan verkeersleiders en hoe complex is dit probleem? In mijn zoektocht naar mogelijk oorzaken blijkt dat de treinen niet reden vanwege een zieke verkeersleider. ProRail kampt met een hogere ziekteverzuim percentage ten opzichte van de voorgaande jaren. Verder blijkt dat ProRail op bepaalde trajecten al langer tijd moeite heeft met het vinden van goede verkeersleiders. Dit maakt mij nieuwsgierig naar de vraag: hoe kan ProRail anticiperen op het ziekteverzuim en de uitstroom in de organisatie? In deze blog beschrijf ik hoe HR-analytics een antwoord kan zijn op de bovengenoemde vraag.
Wat is HR-analytics?
Wie veel HR-gerelateerde artikelen en blogs leest en congressen en seminars bezoekt ziet dat HR-analytics meer en meer aandacht krijgt. Maar wat is het precies? Toine Al en Irma Doze (2018) gebruiken in hun boek over HR-analytics de volgende definitie:
Het systematisch en met behulp van datagedreven technieken vertalen van ontwikkelingen binnen het menselijk kapitaal van de organisatie in gevolgen voor de toekomst, en het kwantificeren en voorspellen van de impact hiervan op de organisatieactiviteiten, met als doel het verbeteren van de prestaties van de medewerkers en de organisatie als geheel.
Onderzoek en analyses
Door middel van de inzet van HR-analytics heeft een organisatie meer zicht op oorzaken en verbanden. Het geeft een organisatie inzicht op de personele ontwikkelingen in de toekomst en helpt het management te bepalen aan welke knoppen te draaien. Hiermee onderscheidt HR-analytics zich van HR-metrics, dat veel meer gefocust is op het hier en nu. Met HR-metrics meet en monitor je de huidige HR-trends, zoals salaris, verzuim, in- en door- en uitstroom en opleiding, door ken- en stuurgetallen, rapporten of dashboards. HR-metrics en HR-analytics kan je niet los van elkaar zien. Vaak leiden signalen van HR-metrics tot vragen die je met behulp van data nader wilt onderzoeken. Bijvoorbeeld, wanneer de ziekteverzuim van een organisatie heel erg hoog is (HR-metrics), dan kan zij middels HR-analytics op zoek gaan naar oorzaken en verbanden. Bij HR-analytics draait het dus om onderzoek en uitvoeren van analyses.
Ondanks de toegenomen populariteit en de toegevoegde waarde is HR-analytics nog voor veel organisaties een onbekend terrein
Wat is de toegevoegde waarde?
Steeds meer organisaties gebruiken HR-analytics om te komen tot betrouwbaar, effectief en efficiënt HR-beleid. Het Duitse SAP en het Amerikaanse Xerox ontdekte door het analyseren van personeelsdata dat medewerkers met een bepaalde mate van autisme meer dan gemiddeld bijdragen aan het succesvol uitvoeren van bepaalde complexe werkprocessen. Deze groep medewerkers kan zich langer en beter concentreren op complexe taken, wat een hogere kwaliteit oplevert. Onbewuste vooroordelen van leidinggevenden verhinderden deze groep medewerkers om talenten optimaal in te zetten voor de organisatie (Toine Al en Irma Doze, 2018).
Voorspellingen uit historische data
HR-analytics maken het ook mogelijk om met behulp van historische data voorspellingen te doen over toekomstige in-, door- en uitstroom, verzuim, etc. Het geeft ook inzicht in de oorzaken zodat dat de organisatie hierop kan inspelen. Ik kan uit eigen ervaring vertellen dat dergelijke voorspellingen zeer nauwkeurig zijn. Zo voorspelde PurpleHRM in een pilot bij hun klant dat binnen zes maanden zes werknemer zouden uitstromen, waarbij de reden niet lag in natuurlijk verloop. In de pilot gebruikte de Nederlandse aanbieder van HR-analytics software wetenschappelijke modellen en historische data van de betreffende klant en het Centraal Bureau voor de Statistiek (CBS). In drie maanden stroomde drie van deze zes werknemers uit. In geval van ProRail krijgt de organisatie met HR-analytics inzicht in de oorzaken van haar ziekteverzuim en uitstroom en kan zij hierop inspelen. Bovendien biedt HR-analytics ProRail inzicht in haar ziekteverzuim en uitstroom als de organisatie doorgaat met haar huidig HR-beleid.
Ondanks de toegenomen populariteit en de toegevoegde waarde is HR-analytics nog voor veel organisaties een onbekend terrein. Volgens Robin Kroonenberg, Managing Consultant Data Analytics bij Yacht, en Teus Jansma, HR-datamedewerker bij Rijksoverheid, zijn veel organisaties zich bewust van het feit dat zij veel HR data in huis hebben, maar weten zij niet welke data en hoe ze de data kunnen of moeten gebruiken. Volgens hen mist HR de kennis en kunde hiervoor. En dat brengt mij op de volgende vragen: Hoe kan een organisatie een start maken met HR-analytics en hoe zorgt de organisatie ervoor dat het data-gedreven HR-beleid het stap voor stap waarde oplevert?
Stappen implementatie HR-analytics
Een goede voorbereiding is het halve werk. Dat geldt ook voor HR-analytics. De implementatie van HR-analytics vraagt om een zorgvuldige aanpak. Daarvoor zijn de volgende stappen onontbeerlijk:
Stap 1: draagvlak creëren
Voor een succesvolle implementatie van HR-analytics is het belang dat er draagvlak is. Dit is in dit geval tweeledig. Enerzijds moet HR draagvlak creëren bij het management voor het gebruik van HR-analytics, want de HR-data moet waardevolle informatie opleveren, die het management vervolgens gebruikt in de sturing en besluitvorming. Volgens Robin is het hebben van een business case hierbij een goed middel. Voor ProRail is het bereiken van een hoge klanttevredenheid (jaarverslag ProRail 2019) een uitgangspunt dat gebruikt kan worden om bij het management draagvlak te creëren voor HR-analytics. Door het verminderen van ziekteverzuim en vroegtijdig anticiperen op uitstroom, kan de organisatie immers treinvertragingen en achterstallig onderhoud minimaliseren, wat leidt tot minder stilstaande treinen en dus tevreden klanten.
Anderzijds vraagt HR-analytics draagvlak van de HR-afdeling zelf. Het gebruik van HR-analytics vraagt van de doorsnee HR-professional nieuwe competenties. Zo is analytische vaardigheden heel belangrijk. De HR-professional moet in staat zijn om de business vraag te vertalen naar meetvariabelen. Hij of zij interpreteert en visualiseert ook de resultaten om vervolgens de impact te bepalen voor het huidig en toekomstig HR-beleid. Bovendien vraagt het om een resultaatgerichte houding, want de HR-professional meet en monitort continu de bereikte resultaten en past zijn gedrag aan om de gewenste resultaten te halen.
Ten slotte moet de HR-professional goede contactuele eigenschappen hebben voor het bereiken van draagvlak bij het management en OR en voor de goede samenwerking met de afdelingen die de data beheren. Sommige van deze vaardigheden vragen om kennisontwikkeling van de HR-professionals.
Stap 2: IST-situatie bepalen
Met het hebben van commitment is de volgende stap bereikt, namelijk het bepalen van je huidige capaciteiten aangaande HR-analytics. De volgende vraag staat hierbij centraal: wat voor data heeft de organisatie reeds beschikbaar? Even belangrijk is de vraag welke middelen de organisatie reeds heeft voor dataverzameling. Veel systemen binnen de organisatie zijn rijk aan data, alleen wordt deze nog (niet goed) gebruikt. Bovendien kan men via verschillende middelen data verzamelen.
Dit hoeft zich dus niet alleen te beperken tot een HR-software of een andere software binnen de organisatie. Denk bijvoorbeeld aan het moment als je onderweg naar jouw werk in een tankstation of op Schiphol de toilet bezoekt. Je kan dan na het verlaten je feedback geven over de hygiëne door op de drie gekleurde smilebuttons te klikken. Deze data gebruiken organisaties om hun hygiëne te verbeteren.
Stap 3: SOLL-situatie bepalen
Wanneer je de zelfscan hebt gedaan, is het de zaak om een ambitie voor HR-analytics te hebben. Een roadmap kan de organisatie helpen om zijn strategie wat betreft HR-analytics uit te stippelen. Een volwaardig datagedreven HR-beleid bereik je in 4 fases (Toine Al en Irma Doze, 2018):
- Level 1, operationele rapportages:
In deze fase levert HR op afroep accurate en gestandaardiseerde rapportages over verzuim, uitstroom, headcount, salariskosten, opleidingskosten, etc. Het rapporteren gebruik dus vrij vaak reactief. - Level 2, geavanceerde rapportages:
In deze fase heeft de organisatie de eerste stappen al gezet en is zij bekend wat voor data de organisatie heeft en waaruit zij deze informatie kan halen. In vergelijking tot de vorige fase rapporteert HR hier proactief data waarin trends, afwijkingen en benchmarks te zien zijn. Deze data wordt gebruikt om de bedrijfsprocessen te verbeteren. - Level 3, strategische analyses:
Waar de eerste twee levels gefocust zijn op HR-metrics, wordt in deze fase HR-analytics bedreven. Met de beschikbare data worden statische analyses uitgevoerd om patronen, correlaties en causale relaties te ontdekken die de rapportages niet laten zien. Nu worden modellen voor de organisatie ontwikkeld. HR-data ondersteunt/adviseert de organisatie in haar strategische beslissingen. - Level 4, predictive analytics:
In deze laatste fase is de focus op ontwikkelen en uitvoeren van voorspellende analyses over verzuim, uitstroom, medewerkersbetrokkenheid, prestaties, etc. De invloed van HR-data verschuift van ondersteunend naar doorslaggevend voor de strategische besluitvorming. Organisaties hebben nu vooraf inzicht in de effectiviteit van hun strategie.
Organisaties moeten dus eerst inzicht krijgen in welke fase zij zitten en wat de organisatie kan doen om de gewenste fase te bereiken. Echter loont het bij HR-analytics om eenvoudig te beginnen. Volgens innovatie literatuur zijn ten minste twee aspecten cruciaal voor het behalen van succes: concrete resultaten en kleinschalig experimenteren.
Zo startte Achmea in 2013 de projectgroep HR Metrics en Analytics. De opdracht was onder andere het doen van literatuuronderzoek, het bepalen van een roadmap voor HR-analytics, het verzamelen en uitvoeren van showcases en het bouwen van een expertiseteam om het ambitieniveau te behalen (Toine Al en Irma Doze, 2018). Met klein beginnen kan je de impact van HR-analytics aantonen, waardoor er interesse en vertrouwen wordt gewekt bij het management.
Stap 4: Vormgeving en uitvoering
Wanneer de IST en SOLL duidelijk is, kan de organisatie beginnen met de implementatie. Het HR-management, de HR-businesspartner, de HR-controller, de HR-analist, de Finance-controller en de ICT-afdeling zijn hierbij het meest betrokken. Wel is het belangrijk dat HR hierin de leiding neemt en blijft houden, gezien de impact van HR-analytics op het personeelsbeleid. De eerste vraag is wie HR-analytics uitvoert? Gaat de organisatie het zelf doen of gaat zij het uitbesteden?
In het eerste geval moeten de rollen verdeeld worden. De HR-businesspartner treedt als verbindende schakel tussen het management of de business en de HR-analist op. Met als taak de business vraag te formuleren en de uitkomsten te vertalen naar een effectief en efficiënt HR-beleid. De HR-analist verzamelt, bewerkt en analyseert de verzamelde data. In samenwerking met de HR-businesspartner genereert de analist bruikbare en actiegerichte inzichten voor het management. De rollen zijn verdeeld en mijn tip is begin klein! Belangrijk is om hierbij thematisch te werk te gaan. Neem dus één business vraagstuk en pas daarop HR-analytics toe. Toine Al en Irma Doze (2018) hebben een stappenplan ontwikkeld waarbij je in 8-stappen een business vraagstuk vanuit HR-analytics benaderd.
Futurizing HR
Dit artikel is geschreven om organisaties houvast te bieden over hoe HR-analytics te implementeren in de organisatie en/of hoe deze te optimaliseren om het maximale uit te halen.
Wij hebben aandacht voor de toekomst. Wij willen onze horizon verleggen om zo innovatief en waardevol te zijn voor onze opdrachtgevers. Dit artikel is onderdeel van onze visie vanuit Futurizing HR, waarbij wij nadruk leggen op de HR-trends en het HR-profiel van de toekomst.