Goed voorbereid aan de slag met Human Resource analytics

13 september 2017 Consultancy.nl

De belangstelling voor HR analytics groeit. Bestuurders verwachten dat hun HR-team anticipeert op HR trends en adviseert over toekomstig HR-beleid. Op hun beurt hopen HR-teams dat HR analytics daarbij kan helpen. Die hoop is terecht, stelt Petra Schrijver, Consultant HR-IT bij Improven, echter blijkt tegelijkertijd in de praktijk dat het voor veel organisaties moeilijk is om HR analytics ook daadwerkelijk in te zetten. Schrijver wijdt uit over het dilemma, en geeft tips en handvatten voor het succesvol toepassen van HR analytics.

De voordelen van HR analytics zijn groot. Door middel van analyses kan de doelmatigheid, doeltreffendheid en impact van HR-activiteiten inzichtelijk worden gemaakt. Dit stelt HR-organisaties in staat om hun bijdrage beter te kwantificeren en de organisatie op strategisch niveau te adviseren. Dat is belangrijk in een wereld waar de ‘war for talent’ weer aanwakkert en personeelstekorten in cruciale functies toenemen.

Recent onderzoek van Deloitte laat zien dat 71% van de organisaties HR analytics hoog op de prioriteitenlijst heeft staan. Niet verrassend, gelet op de huidige trends en ontwikkelingen in het HR-domein. HR-processen worden verder geoptimaliseerd en gedigitaliseerd. Door de inzet van E-HRM voeren managers en medewerkers zelf de regie als het gaat om HR-activiteiten. Mede hierdoor veranderen HR-functies van administratief en uitvoerend, naar strategisch en adviserend. HR analytics is volgens HR-professionals een randvoorwaarde om deze nieuwe rol goed uit te voeren en de organisatie te kunnen voorzien van betrouwbare en cijfermatig onderbouwde adviezen.

Gebruik stagneert

Vreemd genoeg blijkt dat het aantal organisaties waar HR-data wordt verzameld en uiteindelijk ook gebruikt voor voorspellende analyses, de afgelopen drie jaar nagenoeg gelijk is gebleven. Dat is opmerkelijk gezien de toenemende vraag naar betrouwbare HR-data, door zowel HR-teams als door bestuurders. Ook bij de klanten van Improven zie ik die vraag ontstaan, niet alleen voor HR-rapportages maar ook steeds vaker voor voorspellende analyses. Hoe komt het dat het gebruik van HR-data voor voorspellende analyses dan toch stagneert?

De oorzaak zit vaak in het ontbreken van de juiste randvoorwaarden rondom het gebruik van HR-data. Een veel genoemd struikelblok is het ontbreken van eenduidige definities voor HR-data en KPI’s voor HR-processen of HR-data kwaliteit. Ook lopen veel organisaties aan tegen de beperkte analysevaardigheden bij HR-afdelingen. Affiniteit en ervaring met cijfers en statistische methoden is noodzakelijk om analyses te kunnen uitvoeren. Toch zie ik die vaardigheid zelden genoemd in de teksten van HR-vacatures.

HR analytics: een definitie

Hoe kunnen organisaties er nu voor zorgen dat HR-afdelingen wél de stap naar HR analytics maken? Het is allereerst belangrijk om goed met elkaar af te spreken wat we onder HR analytics verstaan. Organisaties hebben de neiging om alles wat met HR-data te maken heeft, te plaatsen onder de noemer HR analytics. Uit recent onderzoek van Raet blijkt dat een groot deel van de HR-managers bij HR analytics denkt aan het genereren van HR-rapportages of het verantwoorden en onderbouwen van investeringen in HR-activiteiten. Bij Improven noemen we dat soort activiteiten: ‘HR Metrics’. Binnen HR Metrics beschrijf en meet je wat er in het verleden is gebeurd. HR analytics is meer analyserend en voorspellend van aard. Binnen Improven hanteren wij de volgende definitie voor HR analytics. ‘Het gebruik van HR-data ten behoeve van het analyseren en voorspellen van de doelmatigheid en doeltreffendheid van HR-activiteiten, en de impact daarvan op het algehele bedrijfsresultaat.’

De piramide van HR-data gebruikVier niveaus bij het gebruik van HR-data

Bij het gebruik van HR-data kun je vier niveaus onderscheiden. Niveau 1 omvat de operationele HR-rapportage. Niveau 2 richt zich op dashboards met ken- en stuurgetallen. Niveau 3 betreft tactische analyses over de doelmatigheid en doeltreffendheid van HR-activiteiten. En niveau 4 omvat strategische analyses omtrent de impact van HR-activiteiten op het algehele bedrijfsresultaat. Niveaus 1 en 2 beschrijven en meten wat er in het verleden is gebeurd (HR Metrics). Niveaus 3 en 4 zijn analyserend en voorspellend van aard (HR analytics).

Cumulatieve randvoorwaarden

Om in het gebruik van HR-data vooruitgang te boeken, moeten organisaties voldoen aan bepaalde randvoorwaarden. Deze verschillen per niveau, maar zijn cumulatief. Wil je als organisatie graag tactische analyses uitvoeren (niveau 3)? Dan dien je niet alleen de randvoorwaarden behorend bij dit niveau te hebben ingevuld, maar ook die behorend bij operationele HR rapportage (niveau 1) en de dashboards met ken- en stuurgetallen (niveau 2).

Ik zal dit toelichten aan de hand van het volgende voorbeeld. Stel, je wilt als organisatie weten of het aantal dienstjaren van jouw recruiters invloed heeft op de kwaliteit van hun ‘new hires’. In feite gaat het hier om het vaststellen van de doeltreffendheid van HR-activiteiten. Het is een tactische analyse op niveau 3. Een belangrijk onderdeel van deze analyse is het gegeven ‘aantal dienstjaren’. Als we het exacte aantal dienstjaren van de recruiters niet weten, kunnen we de vraag niet beantwoorden. Een rapportage op het aantal dienstjaren van de functiegroep ‘recruiter’ (operationele HR-rapportage op niveau 1) is een eerste stap. De vraag die men zich dan kan stellen is: hoe is het gegeven ‘aantal dienstjaren’ tot stand gekomen? Komt dit voort uit de laatste indiensttredingsdatum van de recruiter? Of uit de initiële indiensttredingsdatum? En wordt de periode dat een werknemer tussentijds werkzaam is geweest voor een andere werkgever meegerekend of juist niet?

En wat als een recruiter eerst een jaar als externe of uitzendkracht onder een ander soort dienstverband heeft gewerkt? Waar begin ik dan met dienstjaren tellen? Het niet eenduidig definiëren en incorrect vastleggen van het gegeven ‘aantal dienstjaren’, kan uiteindelijk leiden tot een onbetrouwbare uitkomst van de analyse. Strategische besluitvorming op basis van deze onbetrouwbare uitkomst is vanzelfsprekend ongewenst. Het vastleggen van datadefinities (‘wat versta ik onder ‘aantal dienstjaren’?’) is dus een randvoorwaarde voor het genereren van betrouwbare operationele HR-rapportages op niveau 1. Vervolgens stel je eenzelfde soort vraag voor de HR-KPI ‘kwaliteit van een new hire’. Want wanneer is een nieuwe medewerker succesvol? En hoe gaan we dit meten en vastleggen? In het bovenstaande voorbeeld moet dus eerst worden gedefinieerd wat we verstaan onder ‘aantal dienstjaren’ en ‘kwaliteit van new hire’ en moeten we afspreken hoe deze tot stand komen of gemeten worden.

Uitdagende randvoorwaarden

In de praktijk blijkt dat veel organisaties moeite hebben met het invullen van de randvoorwaarden op niveau 1 en niveau 2. Het komen tot eenduidige datadefinities is een uitdaging die vaak wordt onderschat. Daarnaast zie ik dat – als het om data gaat – organisaties moeite hebben met het creëren een ‘single point of truth’, één bron van ‘de waarheid’. Door het gebruik van meerdere systemen, wordt data bijvoorbeeld dubbel vastgelegd en vervolgens niet consequent bijgehouden. Hoe weet je dan met welke data je de analyses moet uitvoeren? De uitdaging wordt nog groter op het moment dat er onduidelijkheid is over wie ‘eigenaar’ is van data. Vaak wordt er naar IT gewezen op het moment dat HR-data of een rapportage niet lijkt te kloppen. Maar hoe kun je IT verantwoordelijk stellen voor de kwaliteit van data die door HR-medewerkers of lijnmanagers wordt ingevoerd? Afspraken over eigenaarschap moeten op orde zijn, maar bij veel organisaties is dit niet het geval. Ook omdat organisaties terughoudend zijn deze discussie te voeren. Zijn medewerkers onwetend en vragen ze zich af waarom zij gegevens invoeren als toch niemand ze gebruikt? En ontbreken datadefinities, governance-afspraken, afspraken over processen en afspraken over systemen? Dan daalt de kwaliteit en de betrouwbaarheid van data in hoog tempo. Het fenomeen, waarbij organisaties niet tot correcte en betrouwbare analyses op niveau 3 en 4 kunnen komen, wordt ook wel ‘hitting the wall’ genoemd. HR-afdelingen willen graag hun bijdrage aan het bedrijfsresultaat op cijfermatige wijze inzichtelijk maken, maar lopen hier tegen een spreekwoordelijke muur op.

Groeimodel voor HR datagebruikEen fundament voor HR analytics

Improven heeft een methode die uitkomst biedt. Wij begeleiden organisaties bij het op orde brengen van de HR-basis, zodat zij effectief aan de slag kunnen met HR analytics. Wij maken hierbij gebruik van Nolan Norton’s groeimodel. Met dit model kunnen organisaties groeien in het gebruik van data door gericht te kijken naar de volgende vier aandachtsgebieden: organisatie, systemen, mensen en processen. Improven heeft aan de hand van de vier aandachtsgebieden voor niveaus 1 en 2 randvoorwaarden gedefinieerd. Door deze randvoorwaarden in te vullen, creëren organisaties het juiste fundament om met HR analytics aan de slag te gaan en de muur te doorbreken.

HR-scan

Hoe gaat Improven hierbij te werk? Door middel van een HR-scan, stellen wij het bestaande niveau van het gebruik van HR-data vast en verbeterpunten voor op het gebied van organisatie, systemen, mensen en processen. Wij stellen vast welke randvoorwaarden nog niet zijn ingevuld. Vervolgens werken wij samen met u aan het op orde brengen van de HR-basis door het invullen van deze randvoorwaarden. Uiteraard verschilt het per organisatie op welk aandachtsgebied het meeste werk verzet moet worden. In sommige organisaties zijn processen al gedegen vastgelegd, gestandaardiseerd en gedigitaliseerd, maar ondervindt men toch problemen rond de vertaling naar managementinformatie omdat HR-data en KPI’s niet eenduidig zijn gedefinieerd.

Bij andere organisaties zien we dat er problemen ontstaan omdat medewerkers niet voldoende kennis hebben van de HR-dataketen, zowel binnen als buiten de HR-afdeling. De focus van verbeteringen kan per organisatie verschillen. Het uiteindelijke doel is om de organisatie op alle vier de aandachtsgebieden te laten groeien naar niveau 2. Door grip te hebben op de HR Metrics op niveau 2 is een goede basis voor HR analytics gelegd.

Gerelateerd: Vier succesfactoren voor toepassen van HR analytics en reporting.

Nieuws

Meer nieuws over