OVER DE AUTEURS - Managementboek.nl · HR Analytics en expatriate management is internati-onaal...

OVER DE AUTEURS

9

OVER DE AUTEURS

Dagmar BeudekerDagmar Beudeker is werkzaam bij TNO als HR-busi-nesspartner en projectleider HR Analytics. Zij werkt op het hoofdkantoor van TNO in Den Haag.

Sandjai BhulaiSandjai Bhulai is hoogleraar business analytics aan de faculteit Bètawetenschappen van de Vrije Universi-teit Amsterdam. Hij is betrokken bij de opleiding Business Analytics en is medeoprichter van het Am-sterdam Center for Business Analytics, een multi-dis-ciplinair onderzoeksinstituut op het gebied van big data en business analytics.

Jan BrooijmansJan Brooijmans is analist en projectmanager op het gebied van business intelligence vanuit zijn bedrijf Focus Forward Analytics. Hij heeft bij diverse datage-dreven organisaties gewerkt, onder meer Scotch & Soda en Houthoff Buruma. Ook was hij arbeids-marktanalist bij Randstad, waar hij het arbeidsmarkt-waardemodel heeft ontwikkeld.

Tony BrugmanTony Brugman is HR-businessanalist bij Bright & Com-pany | HR Strategy, een organisatieadviesbureau op het gebied van strategische people-vraagstukken. Hij volgt, verzamelt en bundelt trends en ontwikkelingen op het snijvlak van mens, werk en organisatie en in-formeert organisaties daarover. Daarnaast helpt hij graag bij het visualiseren, inzichtelijk maken en publi-ceren van (HR-)kennis en data.

Binnenwerk HR Analytics 158x242 mm en register.indd 9 11/12/2017 09:38

HR ANALYTICS | EEN 7E ZINTUIG VOOR DE MODERNE HR PROFESSIONAL

10

Luc DorenboschLuc Dorenbosch is job engineering expert bij de-baaningenieurs.nl – een spin-out van TNO. Hij ont-wikkelt interventies voor maatwerk in banen, samen met werkgevers en werknemers. HR Analytics komt in al zijn werkzaamheden aan bod.

Volken TimmermanVolken Timmerman is zelfstandig organisatieadvi-seur en begeleidt organisaties – zowel commerciële bedrijven als publieke organisaties – bij transforma-ties en het realiseren van zichtbare veranderingen.

Sjoerd van den HeuvelSjoerd van den Heuvel is hoofddocent bij de Hoge-school Utrecht (HU), waar hij middels praktijkgericht People Analyticsonderzoek en -onderwijs bijdraagt aan het realiseren van de HU-ambitie om leidend te zijn in People Analyticsonderwijs in Nederland.

Paul van der LakenPaul van der Laken heeft als HR-data scientist ge-werkt voor organisaties als Ahold, Shell, en Unilever. Zijn promotieonderzoek aan Tilburg University over HR Analytics en expatriate management is internati-onaal gepubliceerd. Hiernaast schrijft Paul over machine learning en datavisualisatie en biedt hij con-sultancy en trainingen aan op het gebied van HR-data-analyse.


OVER DE AUTEURS

11

Karina van de VoordeKarina van de Voorde is universitair docent bij de vakgroep HR-studies van Tilburg University. In sa-menwerking met organisaties onderzoekt zij hoe je HR-activiteiten zo kunt inzetten dat je als organisatie goed presteert en je medewerkers gelukkig, bevlo-gen en energiek aan het werk zijn. Naast dat zij on-derzoek doet, verzorgt zij onderwijs in Strategisch HRM en HR Analytics.

Raymond WelmersRaymond Welmers is partner van HR-adviesbureau Focus Orange. Hij adviseerde bij de opzet en imple-mentatie van preferentieonderzoeken onder mede-werkers van Schiphol, KPN, T-Mobile, Randstad, KLM, Eneco en ASR.


12


VOORWOORD

13

VOORWOORDHR ANALYTICS? HAAL RUSTIG ADEMEsther BongenaarVice-President HR Data & Analytics bij Shell

Voor je ligt een prachtig boek over HR Analytics, een vakgebied waar ik sinds 2014 met veel plezier een bijdrage aan mag leveren. Graag wil ik mijn enthousiasme met je delen zodat je goedgemutst aan het boek begint. Ik heb wel eens gekscherend gezegd dat ik me, als analytisch professional in HR, net een kind in een snoep-winkel voel. Geweldig om aan de slag te gaan met data waar nog zo weinig naar gekeken is. Geweldig om inzicht te creëren in men-selijke gedragingen op de werkvloer. En het allerleukst is het om verschil te maken door deze inzichten te delen. Soms weet ik ge-woon niet waar te beginnen; er is nog zo veel te ontdekken.

Voor eenieder die ook niet weet hoe en waar te beginnen – al is het om andere redenen – is dit boek een goed begin: realistisch, praktisch, en toegankelijk geschreven. Mijn bescheiden bijdrage is een stappenplan, waarvan ik hoop dat het je op weg helpt naar je eerste succesvolle analytische project in HR.

Je bent vast al meerdere keren geconfronteerd met de vraag: hoe ver zijn jullie met analytics, big data, digitalisatie of machine learn-ing? Werd de term artificial intelligence, kunstmatige intelligentie, ook nog genoemd? En voelde je je ongemakkelijk omdat je zo ver nog niet bent? Haal rustig adem en neem van mij aan dat veel HR-afdelingen worstelen met accurate en gestandaardiseerde rap-portages, er maar weinig HR-afdelingen goede analytische studies uitvoeren en dat de praatjes van verkopers van analytische soft-ware meestal schromelijk overdreven zijn (ik scheer hierbij voor



14

het gemak even iedereen over één kam, je begrijpt dat dat niet helemaal eerlijk is). Haal nogmaals rustig adem en vraag welke problemen de vraagsteller heeft opgelost met één van genoemde technieken. Want daar gaat het uiteindelijk om.

Het is belangrijk niet de middelen met het doel te verwarren. Ma-chine learning en kunstmatige intelligentie zijn stukken gereed-schap. Zoals elk stuk gereedschap heeft het scherpe en botte kan-ten. En als je de botte kant gebruikt, beschadig je waarschijnlijk het object – bijvoorbeeld je mandaat om met gevoelige persoonlij-ke data aan de slag te gaan. Stel jezelf de vraag op welke termijn je welk doel wilt bereiken, en kies daarna gepast gereedschap.

Een goed begin is het halve werk. De belangrijkste voorwaarde voor succes is te beginnen met een relevante vraag. Ik ga er voor het gemak even vanuit dat je doel is waarde te creëren voor jouw bedrijf of instelling door middel van inzicht in de mensen die bij jullie werken. Een goede analyse kan antwoord geven op de vra-gen: why? en so what? (zie ook hoofdstuk 5). Waarom zien we verschil in bijvoorbeeld de motivatie van medewerkers? Wat bete-kent dat verschil in motivatie voor de bedrijfsresultaten? Wat zijn de belangrijke resultaten in jouw organisatie? Wat zijn de vragen over het talent dat zich voor jullie inzet? Gaan deze over recruit-ment, effectiviteit of arbeidsvoorwaarden? En heb je al enig idee hoe groot de invloed van deze factoren is op de bedrijfsresultaten? Nee? Tijd om aan de slag te gaan!

Indicatoren

Net als bij ieder beursgenoteerd bedrijf zijn bij Shell, waar ik ken-nismaakte met HR Analytics, de financiële resultaten een belang-rijk thema. Echter, deze worden voor een groot deel bepaald door fluctuaties van de wereldolieprijs. Medewerkers hebben maar be-perkte invloed op de algehele financiële resultaten van het bedrijf, en daarom is deze prestatie-indicator minder interessant dan an-dere indicatoren (waar het een HR-analyticsstudie betreft). Ga ook in jouw bedrijf op zoek naar indicatoren die direct door de werk-nemers worden beïnvloed – het aantal veiligheidsincidenten bij-voorbeeld, om bij Shell te blijven. En ga op onderzoek uit naar hoe


VOORWOORD

15

individuen, teams of leidinggevenden invloed hebben op de resul-taten. Als de indicator maar belangrijk genoeg is, dan is iedere vondst interessant!

Met een relevante vraag onder de arm ga je op zoek naar bijpas-sende data. Er zijn enkele collega’s die je door en door kent; je kent de namen van zijn/haar kinderen, je weet hoe hij/zij de koffie het liefst drinkt, en je weet of hij/zij op 3 mei 2017 met plezier op kantoor arriveerde. Maar, van de meeste werknemers weet je slechts enkele demografische gegevens en de details van hun ar-beidsvoorwaardenpakket. En met een beetje geluk verzamelt je bedrijf ook nog data op het gebied van prestaties, motivatie en/of gedragingen. Beperk je niet tot de HR-database, denk groter: is er data uit klanttevredenheidsonderzoek beschikbaar, van jaarlijkse medewerkerstevredenheidsenquêtes, of de vermeldingen voor me-de werker van de maand? Vergeet niet na te gaan of je de data mag gebruiken, dataprivacywetgeving is streng en je hebt je goe-de reputatie in een later stadium nog nodig.

De voorspellende capaciteit van demografische gegevens is be-perkt. Zo presteren niet alle vrouwen in de leeftijd van 35 tot 45 jaar gelijk; het verschil kan waarschijnlijk deels worden verklaard uit opleiding, nauwkeurigheid, kennis van de bedrijfsstrategie en beoordeling van de leidinggevende. Om die reden combineren we bij Shell psychometrie, ontwerp en evaluatie van assessments en surveys met analytics. Het is een krachtige combi, omdat de kunst van het meten van intelligentie, persoonlijkheid, perceptie en ge-drag veel toevoegt. Bovendien is er in dat vakgebied al veel kennis verzameld over relevante factoren – je hoeft dus niet vanaf nul te beginnen. Vele experts hebben al veel voorwerk gedaan. De hoe-veelheid en kwaliteit van de data zijn natuurlijk bepalend voor de resultaten die je kunt behalen. Zijn ze niet op orde, dan moet je daar beginnen. Zijn ze wel op orde, maar sta je pas aan het begin van geprofessionaliseerde rapportages? In dat geval is het belang-rijk dat je de verbetering van standaardrapportages doorzet (daar is tenslotte veel vraag naar), maar je kunt tegelijkertijd beginnen met ingewikkelder analyses.

Je hebt nu een vraag en een berg data. Wat nu? Ik stel mij zo voor dat veel lezers het angstzweet voelen opkomen. Data-analyse is



16

misschien niet de reden dat je in HR bent gaan werken. Hoewel menigeen het meest opziet tegen het analyseren van de data, is het verzamelen en koppelen van data vaak de meest tijdrovende stap, en die heb je al gehad. In mijn beleving zijn er geen kant en klare tools voor analytics. Iedereen kan een regressie uitvoeren in Excel door op de juiste knop te drukken, maar de kunde en toegevoegde waarde zitten in de interpretatie van modellen. Het goede nieuws is dat je niet alles zelf hoeft te doen. Je kunt ook een betrouwbare partner zoeken. Wie in jouw organisatie kan analytische modellen bouwen? Kun je zijn/haar hulp inschakelen (in de eerste paragraaf vind je argumenten om de analyticus te overtuigen mee te wer-ken). Niemand? Kun je misschien een eerste project doen met een student of contractor? Geef de tijdelijke kracht een duidelijke vraag en goede data en zorg zelf voor voldoende draagvlak. Bij succes kun je vervolgens je management overtuigen van de toege-voegde waarde van analytics en een volgend project opstarten.

Bedrijfswaarde

Ik spreek uit eigen ervaring als ik zeg dat het management van een bedrijf of instantie niet noodzakelijkerwijs zit te wachten op de nieuwe inzichten die jij hebt opgediept uit de data. En dat de aan-bevelingen niet per se onmiddellijk worden opgevolgd. De data (en degene die deze data kan temmen) moeten net als andere be-langhebbenden eerst een plek aan tafel veroveren door aan te to-nen betrouwbaar en waarde toevoegend te zijn. Cruciaal voor suc-ces is een senior sponsor voor je activiteiten; iemand die je kan helpen verandering in besluitvoering door te voeren. Want dat is mijns inziens wat er de komende jaren zal veranderen in HR; data en inzichten zullen meer dan nu het geval is een factor worden in de besluitvoering. Veranderende trends kunnen worden aange-pakt voordat ze een probleem worden. En inzicht in prestaties van medewerkers kunnen worden omgezet in bedrijfswaarde. De HR-professional die dat begrijpt en kan faciliteren zal veelge-vraagd zijn.

Dit boek hoef je niet van voor naar achter te lezen, ik zou je zelfs aanraden te beginnen met het onderwerp dat voor jou het meest relevant is. Heb je geconcludeerd dat effectiviteit van training je


VOORWOORD

17

aandacht verdient, begin dan bij hoofdstuk 7 over Learning Analy-tics. En als je de eerste resultaten hebt behaald, dan ga je gestaag verder met het volgende onderwerp, net zo lang tot wij je niets meer kunnen leren en je zelf een expert op het gebied van HR Analytics bent geworden.

Ik hoop dat je, net als ik, gaandeweg steeds enthousiaster raakt over dit vakgebied. Ik wens je veel leesplezier en nog meer succes bij de uitvoering!


18


INLEIDING

19

1 INLEIDINGVOOR DE MODERNE HR-PROFESSIONALLuc Dorenbosch en Tony Brugman

Dit is geen theoretisch managementboek over HR Analytics. Dit boek bevat een inkijkje in wat er écht gebeurt binnen enkele Ne-derlandse organisaties. Het zijn bedrijven of overheidsorganisaties die zichzelf een relevante HR-vraag gesteld hebben en waarbij het antwoord op een meer analytische grondslag tot stand is gekomen.

Verwacht van dit boek dus geen kant-en-klaarmodellen waarmee je HR Analytics kunt uitrollen in jouw eigen organisatie. Verwacht ook geen veelheid aan dure, moeilijke en interessante woorden die de indruk wekken dat HR Analytics een heel gewichtige zaak is. Verwacht bovendien geen semantische verhandeling over voor-keuren voor de term HR Analytics boven People Analytics of Work-force Analytics (en is het niet allemaal Business Analytics?). Ver-wacht zeker geen strikte definities over waar HR Metrics eindigt en HR Analytics begint. Andere goede HR Analytics boeken en artike-len kunnen je hierover veel meer vertellen, inclusief aansprekende denkmodellen.

En toch beoogt dit boek een bescheiden hoger doel. We willen je als enthousiaste, nieuwsgierige en moderne HR-professional hel-pen je vak meer analytisch uit te oefenen. Op basis van praktijk-voorbeelden bieden we aanvullend praktische handreikingen waarmee je als 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? – Sterker onderbouwen: hoe komt dat dan?



20

– 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?

We bieden je hiervoor gedachtes, verbeteringen of innovatieve toepassingen aan die je mogelijk ook kunt toevoegen aan de be-staande situatie in jouw organisatie. Ze helpen je om een mindset en sterktes te ontwikkelen die je nodig hebt om adequaat HR-ad-vies te geven en betrouwbare HR-beslissingen te nemen. De ge-dachtes, verbeteringen en innovatieve toepassingen komen recht-streeks uit de praktijk. Ze waren de verschillende organisaties die als voorbeelden zijn genoemd in dit boek tot hulp bij de zoektocht naar de meerwaarde van HR Analytics. Ze maken niet meteen een HR-analist van je, maar wel een scherpere HR-professional.

In tabel 1 zie je een zeer beknopt overzicht van leerpunten en handreikingen die uit de verschillende hoofdstukken naar voren komen. Je komt ze door het boek heen meer uitgebreid tegen bij de relevante passages. De tabel geeft je alvast een beetje een idee welke leerpunten je mag verwachten.

Tabel 1 Leerpunten in dit boek

Ontwikkeling sterkte

Gebaat bij:

Durven starten: Hoe maak je een begin?

– Niet afgeschrikt worden door moeilijke procesmodellen die in de praktijk toch niet precies gevolgd worden.

– Het herkennen van reeds bestaande toepassin-gen en aanwezige expertise in de organisatie.

– Een pragmatische aanpak onder het mom van klein en snel beginnen, om vervolgens uit te bouwen naar meer en groter.

Sneller opmerken: Is er iets aan de hand?

– Kennisnemen van de belangrijkste wetenschap-pelijke publicaties (liefst meta-analyses).

– Toegankelijke data die aansluit bij de behoefte van de gebruiker van de data.

– Een sterke kennisbasis om mogelijke relaties tussen (bijvoorbeeld HR-)interventies en effecten (op prestaties) beter te kunnen inschatten.


INLEIDING

21

Beter waarnemen: Wat is er exact aan de hand?

– Een kritische houding ten opzichte van standaard en nieuwe databronnen.

– Er vanuit gaan dat HR-beslissingen onderhevig zijn aan cognitieve biases (ruis of fouten) – dit maakt de inzet van HR Analytics relevant.

– Enige mate van creativiteit en bewustzijn van de beperkingen van het verzamelen en verkrijgen van de data.

Sterker onderbou-wen: Hoe komt dat dan?

– Het voorkomen van ‘analytische hypocrisie’ door kritisch te staan tegenover eigen en andermans beweringen of aannames.

– Nieuwe toepassingen van HR Analytics voor medewerkers zoeken.

– Ondubbelzinnige definitie en betekenis geven aan variabelen, zodat het kraakhelder is wat je precies aan het meten bent.

Krachtiger visualiseren: Zien jullie wat ik zie?

– Het besef dat het visualiseren van data geen sluitpost is.

– Het meer tastbaar maken van analyticsresulta-ten. Als analytics over mensen gaat, probeer dan ook eens deze mensen mee te nemen in je visualisatie.

– Het op een laagdrempelige, eenvoudige én visueel aantrekkelijke manier uitvragen van gegevens en terugkoppelen van resultaten.

Adequater reageren: Wat kunnen we nu hetbeste doen?

– Het zien van meerdere wegen om iets te doen met de uitkomsten van analyses.

– Het kunnen maken van ethische afwegingen in de doorvertaling van analytics naar HR-beslis-singen of -beleid.

– Het nader onderzoeken (en inkleuren) van uitkomsten uit de kwantitatieve analyse door middel van kwalitatief onderzoek (gesprekken, interviews et cetera).

Structureel verankeren:Hoe zorgen we ervoor dat het een continu proces wordt?

– Een mindset die gericht is op het denken in relaties en het op een kritische manier kijken naar analyticsvraagstukken.

– Een duidelijke koppeling tussen analyticsvraag-stukken met de strategische agenda van de organisatie.

– Goed stakeholdermanagement, oftewel, weet wie de belangrijkste spelers zijn in het maken of kraken van HR Analytics binnen jouw organisatie.

De auteurs van de diverse hoofdstukken in dit boek zijn gedreven wetenschappers en professionals met hart voor het HR-vak. Zij zijn vanuit de universiteit of in het eigen bedrijf al vele jaren bezig het vakgebied te verrijken met nieuwe onderzoeken en technieken. Dat dit in de afgelopen jaren HR Analytics is gaan heten is leuk,



22

alleen waren ze er zich niet zo van bewust dat dit gebeurde. Ter-wijl HR Analytics een wijdverspreide term werd, deden zij dus al allerlei onderzoeks- en ontwikkelprojecten gerelateerd aan perso-neelsvraagstukken bij verschillende profit- en non-profitorganisa-ties. De tijd leek ons nu wel rijp voor het opschrijven van de diverse analytische benaderingen van veelal herkenbare HR-vragen, zoals: – Hoe bepalen we het rendement van een aanzienlijke investe-

ring in een grootschalige customer-servicetraining? – Op welke zinvolle wijze kunnen we de relatie analyseren tus-

sen de betrokkenheid van onze werknemers en de financiële prestaties van de organisatie?

– Hoe kan data strategische voordelen bieden bij onze recruit-mentactiviteiten?

– Welke kenmerken van medewerkers bepalen hoe snel ze in-tern promotie maken of uitstromen?

Mogelijk zijn het niet precies de HR-vragen die je op dit moment zelf hebt. Dat maakt niet uit. De wijze van beantwoording van vragen met gebruik van analytics bevat vaak veel overeenkomsten.

Een realistisch beeld

We willen geen ideaalbeeld geven, maar een realistisch beeld van hoe verschillend HR Analytics in de praktijk wordt opgepakt. Daar-mee zeggen we ook tegen jou, als je de stap nog niet hebt gezet: maak gewoon eens een begin. Dat deden anderen vóór jou ook en allemaal op hun eigen manier. Volg geen mooi geformuleerde stappen, maar laat je liever leiden door de basisprincipes en de door ons aangereikte kennis van de valkuilen. Dan herken je die tenminste als valkuil, als je erin ligt.

Dit boek is dus vooral voor de HR-professional met een beetje durf en nieuwsgierigheid. En die niet bang is het voortouw te nemen om zijn of haar enthousiasme voor het vakgebied te verrijken met een analytische kijk op HR-zaken. Niet als einddoel, maar als een aanvulling op de individuele vakintuïtie en het individuele vermo-gen om te zien, horen, proeven, ruiken of voelen wat precies het probleem én de beste oplossing is. Als een soort extra zevende zintuig dus.


INLEIDING

23

Verschillende casussen van Nederlandse organisaties zullen aan bod komen. Ze zijn onderverdeeld in diverse HR-thema’s om te to-nen wat HR Analytics kan toevoegen aan HRM in de volle breedte. Hoofdstukken gaan in op: – Recruitment Analytics bij PostNL en NS – Matching Analytics bij Randstad – Career Analytics bij TNO – Engagement Analytics bij een financiële instelling en zorgin-

stelling – Learning Analytics bij AutoZorg – Total Reward Analytics bij Schiphol – HR Analytics Cultuur bij het Ministerie van Defensie – HR Analytics Strategie uit onderzoek van onder andere

Bright & Company | HR Strategy

Bij voorbaat onze excuses voor de soms lelijke mix van Engelse en Nederlandse woorden in dit boek. Dat is bijna niet meer te voorko-men in de hedendaagse HR-literatuur.


24


ACHTERGROND

25

2 ACHTERGRONDHR ANALYTICS: EEN ZEVENDE ZINTUIG?Luc Dorenbosch

Wat is eigenlijk het doel van HR Analytics? Waarom wil je er als HR-professional iets mee? Waarschijnlijk word je gegrepen door de mogelijkheden die het biedt om écht veel beter te weten welke HR-maatregelen een effect zouden kunnen hebben op belangrijke doelen voor je organisatie. Je zoekt naar significantie en evidentie en je wilt de uitkomst van je beslissingen of adviezen niet zomaar aan het toeval overlaten. Als er data is die je kan helpen bij het nemen van betere HR-beslissingen, dan wil je deze inzetten. Als er geen data is, wil je die mogelijk nieuw verzamelen. HR Analytics kan een toevoeging zijn aan je pakket van beslisvaardigheden. Een upgrade zelfs. Misschien dat de vergelijking met de ontwikkeling van een extra zintuig hout snijdt. Laten we die lijn van denken eens doortrekken.

Onze zintuigen zijn evolutionair ontwikkeld om ons steeds beter en eerder te waarschuwen voor dreigend gevaar of om ons te hel-pen. Dat werkt in de basis prima en zintuigen versterken elkaar ook. Je hoort en verstaat iemand beter als je iemand ook ziet pra-ten. Of: als iets er bedorven uitziet en bedorven ruikt, zal het ook bedorven smaken. Maar dat laatste hoef je niet meer proefonder-vindelijk vast te stellen, want je ogen en neus hebben je al gewaar-schuwd, waardoor de kans kleiner is dat je een grote hap uit bij-voorbeeld je bedorven boterham neemt. Deze signalen zijn allemaal bedoeld om als menselijke soort te blijven voortbestaan.

Zintuigen – eigenlijk onze hersenen – kunnen je echter ook prima voor de gek houden. Een mooi experiment is met een neparm die



26

men neerligt op tafel, terwijl je ‘eigenlijke’ arm buiten je zicht ach-ter een schot ook op tafel ligt. Als vervolgens (terwijl je ernaar kijkt) de neparm wordt gestreeld, voelt het toch alsof je echte arm wordt aangeraakt. Als men dan ineens met een hamer hard inslaat op de neparm, schreeuwen proefpersonen het uit van ontzetting. Onze ogen zijn binnen luttele seconden de neparm als echte arm gaan waarnemen en zenden dat signaal naar de hersenen. Daar-mee wordt ook je gevoel van de neparm ‘echt’, maar dat gevoel is feitelijk onbetrouwbaar.

Het gebruik van meer data en analytics fungeert op figuurlijke wij-ze ook als een zintuig. Het kan je andere zintuigen voor het analy-seren van een probleem of het nemen van een goede beslissing aanzienlijk versterken.

De analytische aanpak maakt dat je je ergens nog beter en correc-ter van bewust wordt en vergroot de kans op een tijdige goede beslissing in plaats van dat je je tanden vol in een bedorven plan zet. Aan de andere kant kan HR Analytics je ook voor de gek hou-den, wanneer de kwaliteit van wat je analytisch aan het doen bent ondeugdelijk en onbetrouwbaar is. Analytics is dus niet per defini-tie een verrijking. Je loopt het gevaar dat je verkeerde signalen zendt naar het beslisorgaan, op basis waarvan andere zintuigen ook foutief gaan reageren. Gevoelig spul dus.

Mensen zijn niet foutloos

In organisaties barst het van de (zintuigelijke) waarnemingen van probleemsituaties waar beslissingen over moeten worden geno-men. En daarmee is er altijd de kans dat er verkeerde beslissingen worden genomen. Met het gebruik van het woord ‘organisatie’ houden we onszelf ook een beetje voor de gek. Het suggereert structuur, orde en rationeel handelen. Verkeerde beslissingen zijn daardoor vaak te wijten aan de verkeerde informatie in de ver-keerde handen. Maar misschien wel evenzo vaak is er voldoende goede informatie die niet wordt gebruikt of gezocht, omdat men meer vertrouwt op vakintuïtie, eerdere ervaringen of eigen waar-nemingen, die evenzeer onbetrouwbaar kunnen zijn.

Beter waarnemen

Gebaat bij: een kritische houding ten opzichte van

standaard en nieuwe

databronnen. Zorg ervoor dat

je goed weet wat je aan het doen

bent en over welke

datakwaliteit je beschikt.


ACHTERGROND

27

Als mens zijn we niet foutloos. Als je met meer analytisch inzicht de kwaliteit van je beslissingen versterkt, komt dat beslissingen ten goede. Van HR-professionals mag je ook verwachten dat ze altijd bezig zijn de kwaliteit van hun handelen te verbeteren door kri-tisch te zijn en verschillende bronnen van beslisinformatie af te wegen.

We zien dus HR Analytics als een extra, zevende, zintuig of bron van bewijs, maar niet per definitie de belangrijkste bron voor elke HR-beslissing.

Overbodige analytics?

Een fabriek in Oost-Nederland bouwde begin jaren tachtig een nieuwe fa-briekshal naast de oude hal die ook behouden bleef. Bij deze uitbreiding koos men voor een betonnen vloer in plaats van een houten vloer, zoals er in de oude fabriekshal lag. De machines stonden steviger op een harde ondergrond, was de gedachte. Na de eeuwwisseling nam het aantal medewerkers met knieklachten toe en de leiding besloot tot een onderzoek om de reden hiervan te achterhalen. Het onderzoek werd gedegen uitgevoerd. De conclusie was dat medewerkers die in de nieuwe fabriekshal aan de machine werkten significant vaker knieklachten hadden ontwikkeld. Was het misschien het verschil in de soort vloer of lag het aan de andere samenstelling van het personeel in de beide fabriekshallen?

Tips voor schoeiselNieuwe analyses toonden aan dat de personeelssamenstelling niet significant van elkaar bleek te verschillen qua leeftijd of soort functie. Het moest de be-tonnen vloer zijn, vertelde het zevende zintuig de onderzoekers en de bedrijfs-leiding. Het was tijd om het de medewerkers te vertellen. In de kantine kreeg het bijeengekomen personeel de conclusies van het onderzoek voorgeschoteld. Maar de verzamelde operators slaakten een diepe zucht en zeiden: “Dat van die betonnen vloer weten wij al twintig jaar”. De operators bleken zelfs nieu-we medewerkers tips te geven voor schoeisel dat beter zou zijn voor het werk op de betonnen vloer. Dat die vloer in twintig jaar tijd tot een piek aan serieu-ze knieklachten zou leiden, hadden ze op basis van hun dagelijkse ervaringen niet kunnen bevroeden.

De statistieken en analyses voegden hier niet veel toe, omdat ook op een an-dere manier (en eerder) al waar te nemen was wat er aan de hand was. Ja, het was cijfermatig bevestigd, maar het maakte tegelijk pijnlijk duidelijk dat de leiding zich al vele jaren niet bewust was van de zwaarte van het staand wer-ken op de betonnen fabrieksvloer.

Het is dus goed om ook op andere manieren informatie te verzamelen en de oren en ogen te allen tijde open te blijven houden. Dat je meer met HR Analy-tics wil doen, ontslaat je niet van de plicht om ook op andere manieren te blijven waarnemen wat er gebeurt.

Durven startenGebaat bij: HR Analytics zien als onderdeel van je professionele ontwikkeling om betere HR-beslissingen te kunnen nemen



28

Net als bij een baby moeten zintuigen zich ontwikkelen. Men zegt dat reeds in de baarmoeder de baby al reageert op muziek. Een reactie is dus een belangrijke indicator van de werking van een zintuig.

Ook voor HR-professionals die HR Analytics als zevende zintuig wil-len inzetten, geldt dat ze dat zintuig moeten ontwikkelen. En pas als de HR-professional zelf, leidinggevenden, werknemers of ande-re stakeholders reageren op analytische inzichten en het omzetten in (ander) gedrag, kun je stellen dat HR Analytics tot wasdom aan het komen is. En zover is het in veel organisaties gewoonweg nog niet. Signalen worden gestuurd en ontvangen, maar er op een ade-quate wijze op reageren is vaak nog van een andere orde. HR Ana-lytics bevindt zich in de diverse organisaties in verschillende stadia van ontwikkeling, zoals de voorbeelden in dit boek ook laten zien.

Wat is er met HR Analytics aan de hand?

Moeten organisaties écht iets met HR Analytics? Lastige vraag. La-ten we de vraag anders stellen: is er jarenlang wanbeleid gevoerd vanwege gebrek aan HR Analytics? Het is wel duidelijk dat deze vraag niet zomaar met ‘ja’ te beantwoorden is. Het is dan ook ze-ker van belang om kritisch te zijn en blijven op wat een nieuwe analytische benadering van HR eigenlijk toevoegt aan het vak en aan de organisatie.

En hoe nieuw is HR Analytics eigenlijk? Meer cijfermatig kijken naar HR werd reeds aangezwengeld door de boeken over Human Resource Accounting. Een van de eerste boeken hierover dateert van 1976. Ook daarbij was het idee dat het beter kwantificeren en evalueren van HR-beslissingen zou bijdragen aan de effectiviteit van HR. Alleen: data waarop men een beroep deed, waren toen nog voornamelijk financiële data.

Uit de wereld van HR Accounting komt de gevleugelde uitspraak: “Iedere HR-professional moet ook een jaarrekening kunnen le-zen.” Bij HR Analytics zie je hetzelfde gebeuren. De HR-professio-nal hoeft nu geen accountant meer te zijn, maar een analist die datagedreven HR-beslissingen moet kunnen nemen. Het nieuwe

Durven startenGebaat bij: niet

afgeschrikt worden door

moeilijke procesmodellen en stappenplan-

nen, die in de praktijk toch niet

precies gevolgd worden.

Durven startenGebaat bij: het

besef dat het onderbouwen

van HR-beslissin-gen met cijfers

geen nieuw fenomeen is. HR

Analytics is onderdeel van

een langlopende traditie van meer cijfermatig kijken

naar HR.


ACHTERGROND

29

credo luidt zodoende mogelijk: “Iedere HR-professional moet ook een regressieanalyse kunnen runnen.”

Door HR Accounting is de hang naar metrics en kengetallen ont-staan. Voor HR Analytics is dat niet meer genoeg. Daar moet en kan het in potentie qua data allemaal geavanceerder, meer gekop-peld en meer voorspellend. Die discussie ken je als je het HR Analy-ticsdebat hebt gevolgd.

Wetenschap versus businessIs HR Analytics iets wetenschappelijks? Laten we starten met de partijen voor wie het gebruik van analytics iets vanzelfsprekends is: universiteiten en wetenschappelijke onderzoekbureaus. Zij draaien op een empirisch-analytische grondslag, omdat dat inhe-rent is aan hun producten (onderzoeksrapporten, technologische innovaties, wetenschappelijke publicaties). Al het wetenschappe-lijk onderzoek dat wordt gedaan op het terrein van HR vindt bin-nen (meerdere) organisaties plaats. En toch is dat géén HR Analy-tics, ondanks de geavanceerde onderzoekstechnieken die ze gebruiken en die ook binnen HR Analytics worden omarmd. Dit kennisdomein heet eerder gewoon HR Research of HR Science, om-dat het wetenschappelijke startpunt het testen van een theorie is.

Net-afgestudeerden weten het vast nog goed: je moet bij een we-tenschappelijke probleemstelling, die los van een organisatie is ge-formuleerd, een bedrijf zoeken dat open staat voor die vraag. Waar het om gaat is dat het geen vraag is die door de organisatie zelf is geformuleerd. Het verder brengen van de algemene stand der HR-wetenschap is dan leidend. Dat geldt zowel voor de pro-bleemstelling als de analytics die worden toegepast om de gefor-muleerde hypotheses te kunnen toetsen.

Bij HR Analytics is niet een wetenschappelijke onderzoeksvraag lei-dend, maar een businessvraag. Dat maakt HR Analytics geen we-tenschap en een HR-analist dus geen wetenschapper. Dat is op zich prima. Dit kan ook verklaren dat HR Analytics als kennisgebied niet voort lijkt te zijn gekomen uit de universiteit – het instituut waar er de meeste kennis over geavanceerde analysetechnieken ontwik-keld en gedoceerd wordt.

Sneller opmerkenGebaat bij: kennisnemen van de belangrijkste wetenschappelij-ke publicaties (liefst meta-ana-lyses) die je een idee geven van wat er al bekend is over de relaties tussen HR-inspanningen en allerhande businessuitkom-sten. Deze kunnen fungeren als kennisbench-mark: bijvoorbeeld welk effect mag je verwachten van het werken met zelfsturende teams?



30

Sjoerd van den Heuvel, tevens auteur in dit boek, verbaasde zich hierover in een LinkedIn-post getiteld: ‘HRM scholars, where are you in the HR Analytics debate?’. Er zijn nagenoeg geen weten-schappelijke publicaties over HR Analytics, is zijn conclusie op basis van een zoektocht in de databases. Er zijn natuurlijk wel legio we-tenschappelijke publicaties over de kwantitatieve effecten van HRM-activiteiten op allerhande businessuitkomsten. In deze we-tenschappelijke publicaties worden hypotheses getest en veel van deze sinds de eeuwwisseling verschenen publicaties gaan over het openen van de black box tussen HRM en organisatieprestaties. Wat zijn toch die vermeende mechanismes die HRM van waarde maken voor de organisatie?1

De zwarte doos van HRM

As je de zoekwoorden ‘black box en HRM’ in Google opgeeft, zie je een hele lijst aan wetenschappelijke publicaties verschijnen. Helaas zijn weinige daarvan makkelijk te raadplegen, omdat ze achter betaalmuren zitten. De publicaties hebben allemaal iets gemeen: ze proberen de logica van de relatie tussen HR(-activiteiten) en haar mogelijke bijdrage aan financiële en operationele organisatieprestaties bloot te leggen. Welke significante directe en indirecte relaties zijn er? Welke losse of gebundelde HR-activiteiten dragen waar aan bij? Hoeveel verschil kan HRM maken in het succes van organisaties? Kortom: wat is de cijfermatige impact van HRM op de business en hoe is die te verkla-ren?

Meta-analyse: kunnen of willen?Omdat je van een enkele studie niet heel veel wijzer wordt, zijn onderzoeken naar een verzameling studies vaak interessanter. Deze zogenaamde meta-ana-lyses zoeken naar patronen in de veelheid aan geteste relaties tussen HRM en organisatieprestaties. In 2012 bestudeerden Amerikaanse onderzoekers 120 onafhankelijke datasets met HR-data en performancedata van 31.463 organi-saties – dat zijn geen geringe aantallen.1 De hypotheses weerspiegelden de bekende AMO-theorie, die stelt dat wanneer HR-activiteiten de ability, motiva-tion en opportunity (AMO) van medewerkers weet te beïnvloeden, ook bedrij-ven hier beter van worden. Bundels van HR-activiteiten die alle drie stimuleren worden high performance work systems genoemd.

1 Zie: Jiang, K., Lepak, D. P., Hu, J., & Baer, J. C. (2012). How does human resource management influence organizational outcomes? A meta-analytic investigation of mediating mechanisms. Academy of management Journal, 55(6), 1264-1294


ACHTERGROND

31

De simpele schematische relatie hierbij is:

Systeemvan

HRM-activiteiten

Organisatie-prestaties

Black Box?Ability, Motivation & Opportunity toperform (AMO)

Deze AMO-theorie is lange tijd een soort HR-logica voor de zwarte doos ge-weest die verder niet onderzocht werd. AMO was een assumptie. Tot 2012. In het onderzoek uit 2012 werd de AMO-assumptie verder onderzocht door te analyseren of het meer gaat over het faciliteren van medewerkers in het kun-nen bijdragen (via opbouw van human capital) of het willen bijdragen aan goede organisatieprestaties (via het stimuleren van medewerkersmotivatie en -betrokkenheid).

Het onderzoeken van de relatie tussen HRM en financiële prestatie-indicatoren (waaronder winst, omzet, return on equity) was het hoofddoel van de studie. Wat bleek? Inderdaad: HRM is significant van invloed op financiële prestaties dankzij de opbouw van kennis en vaardigheden van medewerkers en het sti-muleren van medewerker-motivatie. Hoewel, er kon meer positief financieel verschil tussen onderzochte organisaties worden toegeschreven aan het willen dan aan het kunnen van medewerkers. Alles bij elkaar genomen kon ongeveer 25 procent van de verschillen in financiële prestaties tussen organisaties wor-den verklaard door HRM en medewerkervaardigheden en -attitudes.

De – niet echt verrassende – conclusie van het onderzoek: de keuzes die je maakt in het totaalpakket aan HR-activiteiten kunnen voor een deel bijdragen aan de financiële resultaten van organisaties. Wat medewerkers kunnen en in hoeverre ze gemotiveerd zijn ook te willen bijdragen, verklaart voor een klei-ner deel de verschillen tussen organisaties.

Mooi! En nu?Dit zijn typische uitkomsten van een wetenschappelijke black-boxstudie waarin er diverse significante relaties tussen HRM en organisatieprestaties worden gevonden, maar er tevens meer bekend wordt over het waarom van deze rela-tie. De studie toont de werking en de relatieve impact van HR-keuzes aan om te investeren in bijvoorbeeld training, selectieve recruitment, teamwork en bepaalde compensatievormen. Mooi toch?

Mwah. Vanwege onder meer het hoge niveau van abstractie is het moeilijk om er direct praktisch nut aan te ontlenen. Na het lezen van dit en ander weten-schappelijk onderzoek weet je als HR-professional niet meteen waarmee je je toegevoegde waarde kunt vergroten. De complexiteit van de analyses is daarbij vaak van zo’n hoog niveau dat dergelijke studies je nooit een goed antwoord geven op eenduidige HR-vragen. Misschien is dat ook wel de wetenschappelij-ke boodschap: het is allemaal niet zo simpel om eenduidige en betrouwbare effecten van HRM te vinden. Maar ook: er is meer bekend dan vaak wordt aangenomen.



32

Bij de ontwikkeling van HR Analytics binnen organisaties gaat het niet zozeer om de laatste wetenschappelijke HR-kennis op basis van onderzoeksconclusies, maar veel meer om de analytische vaar-digheden en capaciteiten van mensen en de implementatie. Bedrij-ven willen zelf hun zevende zintuig ontwikkelen en laten zich min-der informeren door wetenschappelijk onderzoek bij andere bedrijven en wat dat zegt over hoe HR werkt en niet werkt. Dit alles wordt getriggerd door de veelheid aan personeelsdata die organisaties nu zelf tot hun beschikking (kunnen) hebben. Deze data bestaat uit veel meer soorten gegevens dan de financiële data die de roep om HR Accounting voortbracht. HR Analytics zoekt de businessvoordelen door (combinaties van) allerhande data uit personeelssystemen, mobiele data, social media, surveys, Google Analytics, gezichtsherkenningsdata, sensordata en nog veel meer.

Uit eigen en andere bronnen afkomstige data koppelen aan een eigen (HR-) businessvragen is nieuw aan HR Analytics. Niet nieuw is de toepassing van geavanceerde onderzoekstechnieken. Die worden wetenschappelijk al vele jaren gebruikt, maar vaak voor meer wetenschappelijke vragen dan rechtstreeks uit de praktijk. Het is de kunst van goede HR Analytics om de toegepaste en we-tenschappelijke kant van analytics met elkaar te verenigen. Zoda-nig dat het zevende zintuig wel reactie binnen de organisatie ont-lokt, maar niet op basis van onbetrouwbare waarnemingen en inadequate analyses. Een hele uitdaging!

Laten we er niet omheen draaien. Er wordt binnen HR Analytics concreter en praktischer gedacht en geschreven over HR-effecten dan in wetenschappelijke studies (HR Science), maar het niveau van het bewijs (of juist het totale gebrek aan bewijs) laat vaak nog te wensen over. Over de werking van HR Analytics is eigenlijk min-der bekend dan je zou verwachten op basis van alle blogs, artike-len en boeken die er over dit onderwerp verschijnen.


ACHTERGROND

33

HR Analytics: waar schrijft men over?

Eind 2016 kwam David Green met een overzicht van veertig interessante arti-kelen over HR Analytics die in 2016 zijn verschenen.2 Deze Britse auteur publi-ceert geregeld en verzamelt als geen ander alles wat op internet beschikbaar is over het onderwerp. Als je de selectie van veertig toppublicaties doorspit zijn deze grofweg als volgt te categoriseren:

1. Waarom HR Analytics en: wat is HR Analytics? Artikelen over welke nieuwe rol HR moet spelen, hoe analytics daarin een plek heeft, en wat er allemaal moge-lijk is. Het doel van deze artikelen is bewustwording, kritische reflectie of een toekomstvisie. Voor een deel gaat het ook over aan de man of vrouw brengen: hoe maak je van HR Analytics een belangrijk thema? In deze categorie vielen achttien van de veertig publicaties in zijn overzicht.

2. Hoe wel en niet om te gaan met HR Analytics? Dit is de lijstjescategorie, zoals ‘De tien gouden regels van HR Analytics’, ‘Zeven stappen naar effectieve HR Analytics’ et cetera. Deze lijstjes gaan vaak vergezeld van een uitnodigend pla-tje om het ‘hoe’ in één keer weer te geven. Opvallend is ook de retorische techniek van de negatieve vraag, zoals bijvoorbeeld: waarom falen HR Analy-ticsprojecten? Hierna volgen dan de zeven faalfactoren, gekoppeld aan hoe het wel moet. Deze categorie betrof vijftien van de veertig publicaties.

3. Business-cases. Bij deze artikelen komt daadwerkelijk een bepaald bedrijf scherper in beeld. Wat heeft bedrijf X of Y voor businessvraag en hoe heeft HR Analytics een bijdrage geleverd aan het antwoord? In sommige gevallen ging de vraag vergezeld van een analyse. In totaal gingen zeven van de veertig pu-blicaties over businesscases.

Mooi! En nu?Bij het lezen van al deze internetpublicaties (die vaak op eigen bedrijfswebsites staan of als blog op LinkedIn) kun je het gevoel krijgen dat er meer geschreven wordt over HR Analytics dan dat er daadwerkelijk in de praktijk gebeurt. Na-tuurlijk zijn er de uitzonderingen van de cases bij grote bedrijven, maar de verhouding tussen wat er bekend is over HR Analytics en het aantal woorden dat eraan besteed wordt, lijkt soms wel uit balans. Wat verandert er nu concreet in HR-activiteiten en -beslissingen op basis van welke HR Analytics? Op enkele goede voorbeelden na is het nog hard zoeken naar solide antwoorden.

De kritiek dat HR Analytics zelf nog niet heel erg analytisch wordt benaderd komt ook uit het veld zelf. Dave Ulrich (wie kent hem niet) en Thomas Rasmussen (voormalig Hoofd HR Analytics bij Shell), noemen dit treffend de “lack of analytics about analytics” – het gebrek aan analytics over analytics.3 De volgende quote uit hun artikel uit 2015 vat het – vrij vertaald – goed samen.

2 Zie Greens LinkedIn-blog op: https://www.linkedin.com/pulse/40-best-hr-analytics-articles-h2-2016-david-green?trk=mp-author-card

3 Zie het artikel: Rasmussen, T. & Ulrich, D. (2015). Learning from Practice: How HR Analytics Avoids Being a Management Fad. Organizational Dynamics, 44 (3): 236–42.



34

“Een collega hield een bevlogen betoog over de noodzaak van goede analytics voor het HRM van de toekomst. We stelden hem vervolgens een simpele vraag: 'Welke data onderbouwt jouw bewering dat HR Analytics cruciaal is voor de toekomst?' Het lijkt erop dat degenen die HR Analytics een warm hart toedragen niet altijd analytics gebruiken om hun bevlogen beweringen van bewijs te voorzien. Zij zijn ‘analytische hypocrieten’ die roepen om meer HR Analytics, maar nemen zelf de analytics over analy-tics niet serieus.”

De quote maakt duidelijk dat het vakgebied nog niet tot wasdom is gekomen. En als het gaat om de kunst van de toegepaste en wetenschappelijke kant van HR Analytics met elkaar te verenigen, laat ook dit boek zien dat dit zeker niet altijd vanzelfsprekend is.

Heeft HR Analytics altijd zin?

Als alle overige zes zintuigen goed werken, kunnen HR-professio-nals volgens ons prima functioneren. Dat hebben ze jaren zo ge-daan. HR Analytics zal waarschijnlijk iets kunnen toevoegen, maar of dat gebeurt, zal ook afhangen van de karakteristieken van de organisatie(context) en de soort businessvraag.

Bedrijven twijfelen ook wel eens aan het nut van analytics, wat tot uiting komt in onder meer onderstaande veelgehoorde vragen:1. Kunnen wij als klein bedrijf van vijftig tot honderd werkne-

mers ook iets met HR Analytics? 2. Wij zitten als organisatie in zo’n onvoorspelbare (arbeids)

markt, het heeft toch geen zin om iets voorspellends met HR Analytics te doen?

3. Machines in onze productielijn doen al het werk, we kunnen precies uitrekenen hoeveel we produceren, dus waarom zou-den we ons met HR Analytics bezighouden?

Grootbedrijf versus midden- en kleinbedrijfDe eerste vraag: “Kunnen wij als bedrijf van vijftig tot honderd werknemers ook iets met HR Analytics?” kan voortkomen uit twij-fel aan de hoeveelheid werknemersdata. Daar is bij grote bedrij-ven immers meer van voorhanden. Er zit er een kern van waarheid in: als je actuele verloopredenen van werknemers wilt analyseren

Sterker onderbouwen

Gebaat bij: het voorkomen van

‘analytische hypocrisie’ door kritisch te staan

tegenover eigen en andermans beweringen of

aannames. Je zult dat echter

niet altijd perfect kunnen doen, maar wees je

ervan bewust en probeer te

nuanceren. Heb een open

houding naar andermans

bedenkingen en doe er wat mee.

Durven startenGebaat bij: het kijken naar de

mogelijkheden in plaats van naar de beperkingen

van HR Analytics. Schrijf het

inzetten van extra beslisinfor-

matie niet bij voorbaat af.

Weeg wel af of de inspanningen

en kosten in evenwicht zijn

met de mogelijke baten.


ACHTERGROND

35

en je hebt als bedrijf van honderd medewerkers een verloopper-centage van 3 procent per jaar, dan heb je niet echt veel data om eens flink in te duiken. In zo’n geval kun je beter een goed exitge-sprek voeren met de circa drie vertrekkende medewerkers per jaar.

En toch kan er ook in organisaties met honderd medewerkers veel met HR Analytics. Stel, je hebt vijf meubelzaken in verschillende delen van de stad met verschillende soorten klanten. Je verkoop-medewerkers rouleren al enkele jaren over alle vijf vestigingen. Je businessvraag is: in hoeverre heeft het rouleersysteem invloed op de omzet van de verkopers? Eén van de subvragen daarbij is of de omzet van bepaalde verkopers afhankelijk is van de vestiging waar ze werken.

Vanuit de basisdata is er over de afgelopen drie jaar het volgende beschikbaar: roostergegevens (waar werkte wie en wanneer), om-zetcijfers (hoeveel weekomzet per vestiging en verkoper) en per-soneelsdata (hoelang werkt een bepaalde verkoper al bij je en hoeveel uur per week?). Als je deze data bij elkaar legt heb je maximaal (exclusief bijvoorbeeld vakanties) de volgende omzetda-ta per medewerker: drie jaar x 52 = 156 weken. Vermenigvuldigd met honderd medewerkers maakt dat je maximaal 15.600 data-punten hebt om te kunnen analyseren of de plaats van werken van invloed is op bovengemiddelde omzetcijfers per verkoper (de alge-mene omzetverschillen tussen vestigingen weeg je daarbij natuur-lijk mee). Het heeft dus ook voor een midden- en kleinbedrijf meerwaarde om verschillende data eens bij elkaar te brengen.

Onvoorspelbare versus voorspelbare contextDan de vraag: “Wij zitten als organisatie in zo’n onvoorspelbare (arbeids)markt, het heeft toch geen zin om iets voorspellends met HR Analytics te doen?” Ook hier zit een kern van waarheid in. Wat heeft het voor zin om HR Analytics binnen een ijscodivisie op te tuigen wanneer de omzet van ijsjes voornamelijk afhangt van mooi zomerweer?

Ook in onvoorspelbare situaties kan het zin hebben om HR Analytics in te zetten. Het is namelijk de vraag hoeveel er eigenlijk voorspel-baar en onvoorspelbaar is. Anders gezegd, hoeveel van de variatie in wat er gebeurt is te verklaren door HR-factoren en hoeveel niet?



36

Veel dingen lijken op het eerste gezicht 100 procent onvoorspel-baar, chaotisch of irrationeel te zijn, terwijl na analyses blijkt dat er vaak wel degelijk een patroon is. Een slimme techniek om hier ach-ter te komen is een simulatie. Kun je bijvoorbeeld onderzoeken of de ijsjesverkoop van het afgelopen jaar voor een deel ook voorspeld kon worden door de werktevredenheidscijfers van het jaar ervoor onder ijsverkopers? En hoe zit dat met nog een jaar eerder? Kortom, waren in het verleden sommige HR-indicatoren al voorspellend voor de ijsjesverkoop van toen? En voor hoeveel procent dan, naast het aantal dagen mooi zomerweer als grote voorspeller?

Met deze analyses simuleer je als het ware de toekomst op basis van het verleden. Was er in het verleden herhaalde malen al geen significante relatie waar te nemen, dan hoef je geen grote ver-wachtingen te hebben van deze relatie in de toekomst. Het kan onderbouwen of je wel of niet kiest om tijd te investeren in het beantwoorden van deze businessvraag.

Technische versus mensintensieve werkcontext Tot slot het derde argument om te twijfelen aan HR Analytics, nu vanuit de vraag: “Machines in onze productielijn doen al het werk, we kunnen precies uitrekenen hoeveel we produceren, dus waarom zouden we ons met HR Analytics bezighouden?” De kern van waar-heid hier is dat de menselijke factor in organisaties waar het werk vooral met machines wordt gedaan, makkelijker los te zien is van het eindproduct. Dat geldt minder voor mensintensieve organisaties, waar de hoofdactiviteit voornamelijk services, onderzoek, onderwijs of zorg betreft. In organisaties waarin salarissen de grootste post op de balans uitmaken, werken HR-beslissingen direct door – positief én negatief. Als je in een meer mensen kennisintensieve werkcontext betere HR-beslissingen kunt nemen met gebruik van analytics, dan kan dit op grotere schaal bijdragen aan de organisatie.

Wanneer je organisatie vooral in de industrie of logistiek zit, dan zit de grootste investering vooral in vervoer en productietechnolo-gie. In deze werkcontext zijn met name het product en het produc-tiesysteem (en de productmarketing) leidend voor het succes van de organisatie. Althans, dat is de gedachte. En toch kunnen inves-teringen in nieuwe technologie beter renderen als daarin ook de medewerker is meegenomen. Mens en techniek beïnvloeden el-


ACHTERGROND

37

kaar – ook hier weer positief én negatief. HR-investeringen staan niet los van andere investeringsbeslissingen.

Neem bijvoorbeeld twee fabriekslocaties waar product X op de-zelfde wijze wordt geproduceerd. De leiding besluit om bij locatie A voornamelijk met flexkrachten te werken en bij locatie B met vaste krachten die breed inzetbaar zijn. Het zijn twee verschillende HR-keuzes binnen dezelfde productieomgeving. De HR-business-vraag is: maakt het op de totale kosten uit welke contracten wor-den geboden? Op de HR-balans zijn flexkrachten goedkoper, maar op de totale kostenbalans kan ook blijken dat het werken met flexkrachten tot meer fouten en productieonderbrekingen leidt dan het werken met vaste krachten. Die kosten zie je vaak niet onder dezelfde noemer terug op de balans, maar kunnen wel in de papieren lopen, en plaatsen HR-keuzes zo in een ander daglicht. Of er een gunstig en ongunstig contractbeleid is, is een HR Analy-ticsvraagstuk dat samenhangt met investeringsbeslissingen van technologie: welke HR-beslissingen maken dat een nieuwe pro-ductiemethode optimaal kan renderen?

HR Analytics als kritische vriend

HR Analytics is niet het alziende oog dat alle antwoorden gaat ge-ven op huidige of toekomstige HR-businessvragen. Die nuchterheid willen we in dit boek zeker betrachten. HR Analytics is in onze op-tiek eerder een zevende zintuig dat je verder kunt ontwikkelen en dat een toevoeging kan zijn aan andere zintuigen op het moment dat deze vermoedelijk onbetrouwbaar zijn of niet in staat zijn zaken waar te nemen die met diverse HR data wél waarneembaar zijn.

Daarnaast zijn we kritisch, maar ook optimistisch over wat er met HR Analytics aan inzichten kan worden toegevoegd aan HR-beslis-singen, ook in kleinere organisaties, in een onvoorspelbare (ar-beids)markt, of in meer technologie-geleide werkcontexten. HR Analytics is niet de vervanger van de menselijke HR-functie, maar meer de ‘kritische vriend’ die de HR-professional helpt zijn of haar rol te moderniseren. De inzichten en voorbeelden in dit boek dra-gen hopelijk een steentje bij aan de ontwikkeling van HR Analytics in de goede richting.


OVER DE AUTEURS - Managementboek.nl · HR Analytics en expatriate management is internati-onaal...

Documents

Transcript of OVER DE AUTEURS - Managementboek.nl · HR Analytics en expatriate management is internati-onaal...