HR-analytics: Wat en Hoe

De waarde van HR-analytics zit in het vermogen om te analyseren en te interpreteren en de toepassing daarvan voor de organisatie

De afgelopen jaren zijn steeds meer bedrijfsonderdelen ‘data driven’ geworden. Beslissingen worden niet meer alleen genomen op basis van onderbuikgevoel, maar met behulp van objectieve data. Bij marketing, finance en operations zijn data-analyses vandaag de dag de gewoonste zaak van de wereld. HR is één van de laatste afdelingen waarin objectieve data zijn intrede aan het doen is. En dan nog steeds voorzichtig en met enige scepsis. Dat is ook wel weer logisch. HR is een vakgebied gericht op mensen. En laten we eerlijk zijn: de gemiddelde HR-professional is niet in dit vak gegaan omdat hij of zij zo gek was op getallen.

Ontdekkingstocht

De wereld van Human Resources is totaal veranderd. Van HR-professionals worden andere competenties verlangd dan voorheen. Met de komst van geïntegreerde HR-informatiesystemen (HRIS) is steeds meer informatie over medewerkers beschikbaar gekomen. Waar vroeger informatie een weergave was van de ‘dingen die gebeurd waren’, is diezelfde informatie nu realtime beschikbaar. Het biedt mogelijkheden voor het ontdekken van patronen en trends. Dit vormt weer de basis voor voorspellingen over wat er gaat gebeuren.

Objectieve handvaten

Wanneer een organisatie gebruik gaat maken van data-analyse, neemt de kwaliteit en waarde van beslissingen toe. Het biedt het management objectieve handvaten voor het bepalen van de richting en de strategie. De beste beslissingen zijn gebaseerd op een combinatie van objectieve data en de menselijke interpretatie ervan.

Dit alles is dus belangrijk voor HR. Als HR van strategische waarde wil zijn en blijven, dan zal het deze ontwikkelingen moeten omarmen. Kennis van de business en het vermogen om te analyseren zijn de competenties die hiervoor nodig zijn. Dit betekent dat aan het HR-team van de toekomst analisten moeten worden toegevoegd.

WAT

De evolutie van HR-data

HR is een vakgebied dat tot nu toe voornamelijk werkte op basis van subjectieve waarnemingen. Er werd meer waarde gehecht aan de beoordeling van personen dan aan de informatie die uit de data naar boven kwam. Natuurlijk is het niet verkeerd om te luisteren naar de mening van anderen. Het is echter nog krachtiger wanneer deze mening wordt onderbouwd door objectieve data.

Verhoogde druk

Door de jaren heen is de druk op HR om meer analytisch te kijken en strategischer te worden, toegenomen. Als resultaat daarvan zijn ook de HR-informatiesystemen (HRIS) beter en uitgebreider  geworden. Een basis HRIS biedt al een dashboard met in één oogopslag de ken- en stuurgetallen (aantallen, verloop, verzuim etc.) die nodig zijn om een eerste indruk te krijgen van de personele stand van zaken.

Als we kijken naar de evolutie van HR-data, zien we dat de toepassing ervan diverse stadia doorloopt. Elk volgende fase levert weer meer waarde op voor de organisatie. De vier evolutieniveaus zijn:

  1. Operationele rapportage
  2. Dashboards met ken- en stuurgetallen
  3. Strategische analyses
  4. Voorspellende analyses

Onderbuikgevoel

Nog voor deze evolutionaire fasen werden bij HR besluiten voornamelijk genomen op basis van meningen, beoordelingen of onderbuikgevoel. In ieder geval waren besluiten vaak subjectief van aard. Een voordeel was dat dit bij de concurrentie net zo ging. Wat dat betreft was er dus niet zo heel veel aan de hand. Tegenwoordig  vormt subjectieve besluitvorming een risico op verkeerde beslissingen. En aangezien de kans bestaat dat de concurrentie wel bezig is met data-analyse, is het een risico dat vermeden kan worden.

In de evolutie van HR-data wordt subjectieve besluitvorming niet meer genoemd omdat de meeste organisaties minimaal op het eerste niveau opereren. Vrijwel elke organisatie heeft inmiddels operationele rapportages.

Operationele rapportage

Operationele rapportages zijn veelal rapportages die bestaan uit data en informatie over wat er is gebeurd. Het is een terugblik. Ondanks dat het basisrapportages zijn, is het voor de meeste organisaties nog best een uitdaging om hun data zodanig georganiseerd en op orde te hebben dat operationele rapportages kwalitatief goed zijn. Wat gepresenteerd wordt, moet namelijk ‘waar’ zijn.

Dashboards met ken- en stuurgetallen

In deze evolutionaire fase is de technologie ver genoeg om realtime gegevens beschikbaar te hebben. De dashboards in deze fase geven antwoord op de vraag: wat gebeurt er vandaag?

Maar wat zijn ken- en stuurgetallen? Ken- en stuurgetallen zijn een verzameling getallen die over een periode gemeten worden en daarmee een beeld geven van hoe het in en met de organisatie gaat. De getallen hebben betrekking op resultaten die voor de organisatie belangrijk zijn. Voor HR zijn bijvoorbeeld in-, door- en uitstroom, verzuim, salaris, kosten, opleiding enzovoort populaire onderwerpen die gevolgd en gemeten worden.

Nog interessanter is tegenwoordig de relatie tussen deze getallen en de financiële resultaten en algehele resultaten van de organisatie. Dit is het moment dat het belangrijk wordt en zelfs onmisbaar is om kennis te delen met specialisten uit andere bedrijfsonderdelen.

Focus

Maar hoe selecteer je de juiste ken- en stuurgetallen voor de organisatie? Je kunt immers niet alles meten. Zorg er in ieder geval voor dat de getallen die je kiest, slaan op de belangrijkste doelen of uitdagingen. Dit betekent dat de getallen die je kiest en de metingen die je doet niet per definitie dezelfde zijn als die van andere vergelijkbare bedrijven. Elk bedrijf is anders, heeft eigen doelen en eigen uitdagingen.

Focus je dus op een aantal metingen met hoge prioriteit. Een overdosis aan ken- en stuurgetallen werkt verwarrend en leidt zeker niet tot overzicht en inzicht.

Strategische analyses

We spreken van strategische analyses wanneer er gebruik wordt gemaakt van statistiek. Op dit niveau wordt ook gekeken naar causale verbanden (oorzaak en gevolg). Er zijn statistische technieken beschikbaar om deze relaties te bevestigen of te ontkrachten en om de bepalen hoe sterk de oorzaak-gevolgrelatie is. Is er een relatie tussen betrokkenheid en prestatie? Zorgt een hogere medewerkerstevredenheid voor betere verkoopresultaten? Dit soort verbanden kunnen worden onderzocht met strategische analyses.

Dit is de fase waarin de activiteiten van HR gerelateerd worden aan de bedrijfsresultaten.

HR-data wordt gekoppeld aan financiële en operationele informatie.

Voorspellende analyses

Door het gebruik van geavanceerde (statistische) tools is het mogelijk een beeld van de toekomst te krijgen. De vraag waar antwoord op wordt gezocht is: wat gaat er morgen gebeuren? Dit is gebaseerd op patronen en trends uit het verleden in combinatie met modellen die een doorkijk geven in de toekomst.  Hiervoor zijn technieken zoals data mining populair. Data mining zoekt naar patronen in gegevensverzamelingen en geeft antwoord op vragen als ‘wat gebeurt er en waar gebeurt het?’. Hierdoor kan met behulp van voorspellende analyses antwoord worden gegeven op de vraag ‘wanneer en waar gaat het opnieuw gebeuren en in welke omvang?’.

In het HR-werkveld kunnen voorspellende analyses gebruikt worden voor vragen zoals:
– Wie gaat waarschijnlijk de organisatie verlaten?
– Welke profielen vormen een extra risico voor uitstroom?
– Hoe ontwikkelt zich betrokkenheid en tevredenheid en bij welke groep?

Glazen bol

Tegenwoordig is er voor HR veel meer mogelijk met voorspellende analyses. Interessant is bijvoorbeeld om te kunnen bepalen welke HR-programma’s de beoogde resultaten opleveren, of het nuttig is om ze voort te zetten, of dat ze juist niet voor herhaling vatbaar zijn.

En nog belangrijker, we kunnen statistisch verbanden leggen tussen HR-activiteiten en de rest van de organisatie.

Dit niveau brengt het doen van analyses een stap verder. Toekomstige voorspellingen worden niet meer alleen gebaseerd op trends in het verleden. Door tijdens het analyseren ook de externe omgeving mee te nemen, kunnen meerdere toekomstscenario’s worden voorspeld.

Een goed voorbeeld hiervan is strategische personeelsplanning, waarbij de strategie en doelen van de organisatie en de scenario’s die daarbij horen bepalend zijn voor de samenstelling van het medewerkersbestand.

Nu we weten welke niveaus van het gebruik van HR-data er zijn, is het belangrijk om te melden dat het uiteindelijk gaat om welke vraag wordt beantwoord en welk probleem wordt opgelost. Belangrijk is dat de uitkomsten van analyses vertaald worden in termen die de organisatie  begrijpt. De communicatie er omheen moet concreet en duidelijk zijn, los van welke fase van HR-analytics dan ook.

HOE

Hoe pak je het aan?

De gedachte om HR-data te moeten analyseren, spreekt de meeste HR-professionals niet aan. Stoeien met data en goochelen met getallen is niet iets waar je direct aan denkt als je spreekt over het HRM-vakgebied.

Hoe begin je dan toch met HR-analytics? Een aanpak hiervoor bestaat uit de volgende stappen:

  1. Bepaal de vragen die je wilt beantwoorden
  2. Controleer de data
  3. Voer de analyse uit en interpreteer de uitkomsten
  4. Communiceer de resultaten

Bepaal de vragen die je wilt beantwoorden

Probeer niet op elke vraag een antwoord te vinden. Een eenvoudige probleemstelling zorgt ervoor dat de focus gericht blijft op de doelen die van waarde zijn. De vraag moet duidelijk en herkenbaar zijn.  Een complexe en onduidelijke probleemstelling vergroot de kans op afdwalen van wat belangrijk is. Richt je op de hoofdzaken en laat de bijzaken voor wat ze zijn.

Voorbeelden van concrete vraagstellingen zijn:
– Zorgt een hoge medewerkerstevredenheid voor meer omzet?
– Heeft de salestraining invloed gehad op de verkoopresultaten?
– Maakt de invoering van het nieuwe werken de organisatie aantrekkelijker voor talent?

Controleer de data

Er moet iets gebeurd zijn waardoor de behoefte aan een analyse ontstond.  Bijvoorbeeld een daling van de omzet of een toename van verloop van medewerkers. Zoek uit wat dat was en verzeker dat de informatie erachter juist en actueel is.

Deze check wordt zelden gedaan. Echter zonder de achterliggende data te controleren weet je nooit of de uitkomsten juist zijn en of de conclusies goed zijn.

Gegevens die gebruikt worden voor analyses moeten altijd betrouwbaar, correct en actueel zijn. De uitspraak ‘garbage in, garbage out’ bestaat niet voor niets.

De beste manier om een indruk te krijgen van de kwaliteit van de gegevens is een grafische analyse. Een grafische analyse is niet meer dan hoog-over de gegevens presenteren in een aantal grafieken. Wanneer er dan onverwachte of vreemde dingen zichtbaar zijn, kan onderzocht worden of de onderliggende data wel goed is.

Als blijkt dat de data toch goed is, geven zulke globale analyses al een beeld van wat er uit verdere analyses gaat komen.

Voer de analyse uit en interpreteer de uitkomsten

De waarde van de analyse zit niet in de getallen, maar in de boodschap erachter. De analyse, de uitkomsten en de interpretatie ervan is alleen van waarde voor de organisatie als het toepasbaar is. Er moet iets mee gedaan kunnen worden.

Aan de conclusies moeten acties kunnen worden gekoppeld die bijdragen aan het behalen van doelen en die passen bij de strategie.

Uit de analyse moet ook naar voren komen wat de oorzaak is van de resultaten. Het moet antwoord geven op het waarom. Dit is geen solo-activiteit. Om achter de oorzaak te komen moet samengewerkt worden met mensen uit de andere organisatie-onderdelen. Zij hebben meestal de inhoudelijke kennis om te helpen bij de interpretatie van de uitkomsten.

Communiceer de resultaten

De laatste stap is het bedenken hoe de boodschap het beste gebracht kan worden.

Op basis daarvan kunnen dan acties worden benoemd om met de resultaten ook daadwerkelijk iets te gaan doen. Uiteindelijk moet HR-analytics een vast onderdeel worden van het proces, waarbij ook de resultaten uit de acties weer geanalyseerd worden.

Vertel de interpretatie van de analyse-uitkomsten zo duidelijk en concreet mogelijk. Breng het in een vorm die begrijpelijk is voor de stakeholders.

De presentatie van de resultaten moet minimaal vertellen wat de analyse betekent, wat de uitkomsten zijn en welke conclusies kunnen worden getrokken.

Het succes van de analyse is voor een groot deel afhankelijk van hoe in deze laatste stap de boodschap gebracht wordt.

Monique A. ten Hagen
Plain Orange