Jaap Veldkamp, lead people analytics bij ABN Amro, steekt met zijn team de muur over van geavanceerde naar continue, gepersonaliseerde hr-analytics. Dat vraagt nieuwe vaardigheden binnen hr. “Wij zijn de poortwachters over hoe je met AI omgaat binnen de onderneming.”
De meeste organisaties ondernemen verdienstelijke pogingen om alvast de eerste muur over te steken: van beschrijvende naar geavanceerde analyses. “Voor die eerste muur ligt een hoop werk, die tijd opslorpt en inspanning vraagt. En dus blijf je hangen in dashboards, jaarlijkse enquêtes en tal van excelbladen met data”, aldus Veldkamp.
“Dat is relevant om te meten, maar het is belangrijker om daarbovenop geavanceerde analyses uit te voeren. Zulke analyses stellen je in staat om te bepalen wat de impact is van hr-interventies, zoals een coachingtraject, op klantentevredenheidsscores.”
ABN Amro richt het vizier al op de tweede muur: van eenmalige geavanceerde naar continue en gepersonaliseerde analyses. “Zoals Netflix dat doet met jouw klantenprofiel.” Dat vraagt maturiteit in hr-analytics. De aanpak levert succes op: de medewerkersbeleving bij de Nederlandse bank verbetert. Overigens haalde ze de mosterd voor de metafoor van de muren bij het boek ‘Investing in People’ van professor John Boudreau.
Welke lessen trekt ABN Amro uit de ambitieuze sprong over de tweede muur?
1. Je hebt meer technische vaardigheden binnen hr nodig. Denk aan data-ingenieurs en machine learning-specialisten. Hun inbreng is essentieel voor het succesvol ontwikkelen en implementeren van analysemodellen.
2. Betrek de IT-afdeling als een echte partner. De sprong naar continue en gepersonaliseerde hr-analytics is een verandering waar stakeholdermanagement cruciaal is. Zet IT hoog en prioritair op het veld met belanghebbenden. Deze experts integreren de machine learning-modellen in de hr-infrastructuur en garanderen een veilige implementatie.
3. Herdenk privacy en ethiek. Om de gevolgen op vlak van privacy en ethiek proactief te identificeren en aan te pakken, stel je focusgroepen samen met werknemers. Zij buigen zich over vraagstukken zoals anciënniteit: is het fair dat een werknemer met een langere bedrijfservaring over méér competentiedata beschikt? En dus sneller op de radar komt van een model dat vacatures aanbeveelt? Daar moet je transparant over zijn. Elk van die hr-thema’s passeert een validatieproces met een checklijst.
4. Voer de rol van poortwachter in voor het hr-analyticsteam. De datawetenschappers zijn verantwoordelijk voor de evaluatie van nieuwe analytische modellen. Zowel de zelf ontwikkelde modellen, als de aangekochte van leveranciers. Met de hr-normen als referentiepunt, controleren ze op bias, ethiek en performantie. Zo garandeer je transparantie, vertrouwen en een wel doordracht gebruik van de analyses.
Verdoe jij ook te veel tijd met het opvolgen van alle nieuwtjes in je feed? No worries, wij verzamelen alles wat nieuw is in de hr-wereld. Al die nieuwtjes komen wekelijks in jouw mailbox terecht.
