Melissa De Laet Melissa De Laet, people analytics manager, Galapagos
Tekst
Patrick Verhoest
Beeld
Wouter Van Vaerenberg

Data in dienst van het menselijke

1 april 2022
Tools kunnen niet voorspellen of we een nieuw medicijn op de markt zullen brengen en hoe zich dat zal vertalen in de evolutie van onze workforce
Organisaties moeten in de toekomst een datacultuur op maat van hr ontwikkelen. De hr-professionals rond de tafel timmeren alvast met volle overtuiging aan deze weg.

Organisaties moeten in de toekomst een datacultuur op maat van hr ontwikkelen. De hr-professionals rond de tafel timmeren alvast met volle overtuiging aan deze weg.

Succesvolle bedrijven hebben gemeen dat ze data capteren van klanten en partners en die slim inzetten om betere beslissingen te nemen. Binnen hr groeit het bewustzijn dat inzichten uit data veel kunnen betekenen voor het vinden, ontwikkelen en behouden van talent. Data bijhouden moet uiteindelijk leiden tot - al dan niet predictieve - analyses, door feiten ondersteunde beslissingen en het beter plannen van het werk. Onze gesprekspartners zijn Melissa De Laet (people analytics manager Galapagos), Valerie Vinck (directeur Personeel & Organisatie UZ Gent), Mitch Goovaerts (country manager ATOSS Software) en Sandro Flamée (head of global payroll, hr services & HRIS Galapagos).

Rekrutering

Een eerste toepassing van data (en artificiële intelligentie) binnen het hr-domein is het vinden en beoordelen van talent. Hr-professionals zijn beducht dat de rol van data overschat kan worden bij rekrutering en dat ruis in de data kan leiden tot verkeerde beslissingen. Terecht, meent Sandro Flamée. “Artificiële intelligentie heeft een plaats en waarde in rekrutering. Bij het sourcen van kandidaten en prescreenen spelen data een grote rol, maar wanneer het gaat over interviewen en assessen van talenten, komt de rekruteerder in the picture. De beslissing of iemand bij je organisatie past, moet je overlaten aan mensen, niet alleen aan een systeem.”

Melissa De Laet volgt: “De manier waarop een persoon zijn competenties beschikbaar maakt, is belangrijk. Je moet het systeem naar de juiste termen laten zoeken, om de geschikte persoon eruit te filteren. Als een systeem alleen beslist, kun je onjuiste beslissingen krijgen. Het systeem kan helpen om talent in de markt op te sporen. Analyses kun je wel maken rond harde data die in je bestanden staan. Ik denk aan absenteïsme. Daar haal je trends uit die een toegevoegde waarde hebben.” Voor Mitch Goovaerts is het daarom belangrijk eerst eenduidig te definiëren wat data voor de organisatie betekenen. “Er bestaan verschillende soorten data. Je mag data niet laten bepalen wie je zal aanwerven, maar wel aanwenden om te zien welke soorten profielen je nodig hebt de komende jaren. Je kunt die data gebruiken als bron van je rekruteringsstrategie.”

Ondersteunende rol

Voor Valerie Vinck moeten data altijd ondersteunend zijn. Data zullen beslissingen mee bepalen, leveren de handvaten om ze te ondersteunen en de impact te tonen van beslissingen op lange termijn, meent zij. “We werken in het UZ Gent veel met data en gebruiken die op vele fronten, ook voor rekrutering. We monitoren voortdurend of we de juiste profielen tewerkstellen op de juiste plaats op het juiste moment.  We hebben een tijds- en planningssyteem – SPExpert – dat draait naast SuccesFactors en er een interface mee heeft. Zo houden we de bezettingseisen bij per zorgafdeling per type profiel. We kijken hoe we ons personeel flexibel kunnen inzetten over afdelingen heen, maar ook waar we uitstroom kunnen verwachten. We spelen daarop in met voldoende instroom. We monitoren ziekte en uitval, wat belangrijk was tijdens de covid-crisis, om alle afdelingen draaiende te houden en te anticiperen. Als je met data werkt, is het belangrijk voor ogen te houden welk doel je ermee wil bereiken.“

Mitch Goovaerts ziet dezelfde trend bij heel wat van zijn klanten. “Data moeten ondersteuning geven en mogelijkheden bieden. Ik zie weinig van mijn klanten beslissen op basis van artificiële intelligentie. Ze gebruiken vaak data als ondersteunend advies en om het werk te plannen. De data raden iets aan, de mens beslist. Ik stel wel vast dat hr vaak te veel data heeft en te weinig onderlegde medewerkers om ermee om te gaan.”

Nood aan experts

Mieke De Ketelaere (Imec) haalde dat probleem eerder al aan in HRmagazine: niet iedereen begrijpt hoe algoritmes werken. Volgens haar zal wie het snelste mee is, het best overleven. De hr-directies rond de tafel zagen het probleem aankomen en grepen in door specialisten aan te werven. Sandro Flamée: “Toen we SuccessFactors geïmplementeerd hebben, hebben we meteen gekozen voor de aanwerving van specialisten. Melissa hier aan de tafel is er een van. Deze mensen, met veel ervaring, zijn van cruciaal belang. We moeten investeren in medewerkers die de juiste interpretatie maken van de data en de juiste reflecties aanwenden om hr en de business te adviseren. Dit slaat de brug tussen een hr-departement dat van nature gefocust is op personen en procedures en een ICT-departement dat van nature vanuit systemen vertrekt.”

Het UZ Gent richtte een team Strategie op, weet Valerie Vinck: “Er kwam een grote switch op vlak van hr-beleid. We wierven specialisten aan die graag met data omgaan. Het zijn als het ware ICT-profielen. Hun meerwaarde is dat we als hr-dienst nu een volwaardige gesprekspartner zijn voor ICT. Nu maakt ons team Strategie de brug, met zijn beleids- en dataexperten. Zij hebben een belangrijke rol, omdat de hr-dienst de systemen zelf functioneel beheert.”

Rechtvaardiging

Data kunnen gebruikt worden om hr-beslissingen aan de directietafel te rechtvaardigen. Ten onrechte wordt hr vaak ervan verdacht te beslissen vanuit het buikgevoel. Het is beter analyses te staven met harde data en feiten. Mitch Goovaerts wijst erop dat data het emotionele aspect van beslissingen wegnemen en daarmee ook de weerstand ertegen. “Aantonen en onderbouwen wat je voorstelt leidt tot meer objectiviteit.”

Sandro Flaméé: “Vaak steunen ideeën op buikgevoel of op foute perceptie. Niet zelden kun je dat gevoel wegnemen aan de hand van harde data.” Valerie Vinck is concreet. “Toen we de verloning van artsen wilden evalueren, stootten we op de wachtvergoeding. We brachten de wachtbelasting per dienst in kaart, op basis van concrete gegevens. We bouwden daar datasets rond uit en konden met objectieve gegevens aantonen dat we de vergoedingen moesten herverdelen. Door die aanpak konden we de beslissing beter verdedigen en werd ze sneller door iedereen gedragen. Ook voor acties rond welzijn en diversiteit bijvoorbeeld onderbouwen we onze stellingen en prioriteiten met harde data.”

Predictieve analyses

Bij Galapagos begint dataspecialist Melissa De Laet dit jaar aan een nieuw project over rapportering. Tot nog toe keken ze vrij manueel naar de data van de voorbije jaren en probeerden ze van daaruit te interpreteren, trends waar te nemen en te adviseren. Nu gaat het verder. “We willen standaard automatiseren en komen tot voorspellende trends. De business moet de gegevens zelf kunnen raadplegen en er strategische beslissingen mee voorbereiden. Op lange termijn willen we vooruitkijken op vlak van welzijn, engagement en absenteïsme. Het is nog altijd aan hr om inzichten te verwerven, te delen en besluiten te trekken. Kijk uit voor onverwachte of eenmalige gebeurtenissen die je voorspelling scheeftrekken. Ik denk aan covid en – meer bepaald bij ons – het feit dat tools niet kunnen voorzien hoe sterk we zullen groeien. Ze kunnen niet voorspellen of we een nieuw medicijn op de markt zullen brengen en hoe zich dat zal vertalen in de evolutie van onze workforce. Je moet er dus verstandig mee omgaan.”

Basisgegevens

Mitch Goovaerts wijst erop dat analytische forecasts afhankelijk zijn van de gegevens van de jaren daarvoor. “Je moet goed uitmaken hoe je aan de knoppen zal draaien, in welke richting en met welke KPI’s je rekening zal houden. Je kunt niet in alles voorzien. Hoe meer factoren, hoe complexer enerzijds, maar hoe beter gefinetuned anderzijds. Via artificiële intelligentie moet je naar drie scenario’s: worst en best case en eentje ertussen. De waarheid zal ergens middenin zitten. Het is belangrijk dat je van bij het begin goed nadenkt over welke data je zult meenemen.”

Workforceplanning

Een laatste toepassing van data die de experten aan de tafel onderscheiden, is die voor het maken van werkplanningen op basis van gecollecteerde data. Mitch Goovaerts: “In sectoren waar een grote werkkracht nodig is, is er een grote vraag van werknemers om aan te geven wanneer ze willen werken en wanneer niet. Dat kan gelinkt zijn met welzijn, ziekte of andere voorkeuren. Wie geen kinderen heeft en meer wil verdienen, wil misschien de nachtshift doen. Anderen werken liever niet op bepaalde dagen. Rekeninghoudend met al deze data kun je de ideale werkplanning opstellen. Dat geeft de medewerkers een goed gevoel en meer betrokkenheid. Als de planning de medewerkers goed uitkomt, vergroot dat de tevredenheid. Minder turnover is dan een gevolg. Een planning op basis van deze data maakt het werk van de planners én het bedrijf efficiënter en gemakkelijker. Het levert een evenwicht op tussen de betrokkenheid van de werknemer en de efficiëntie van het bedrijf.” Voor Valerie Vinck is het belangrijk dat medewerkers in de personeelssystemen hun eigen wensen kunnen ingeven. Zo bouwde zij in het planningssysteem een wens-shift in waarmee je als medewerker kunt aangeven dat je meer wenst te werken. ”Leidinggevenden kunnen daar rekening mee houden in hun planning. Je hoeft geen extra medewerkers te zoeken als je de oplossing in je eigen team vindt.”

Data en menselijkheid

Ook en vooral ondersteunen data het menselijke, weet Sandro Flamée. “De tevredenheid bij medewerkers steeg toen ze ziekte automatisch konden ingeven op hun mobiel. Toch moet je bij het werken via data en automatismen voorzichtig zijn. We mogen de menselijke factor niet over het hoofd zien. We pleiten ervoor dat wie ziek is, belt naar de leidinggevende of dat de leidinggevende luistert hoe het gaat met de medewerker, ook al worden de gegevens automatisch verwerkt in het systeem.” Valerie Vinck voegt toe dat mensen niet het gevoel mogen krijgen dat ze een element zijn tussen de vele gegevens, een nummer. “We waken erover dat het menselijke contact niet volledig verdwijnt. Structureel overleg en een mensgerichte aanpak blijven belangrijk.” Mitch Goovaerts besluit: “Laat systemen en software – hoe goed ook – ondersteunend zijn en laat de menselijke relaties primeren. Elk bedrijf moet garant staan voor de waarden en moet de data-aanpak ermee in overeenstemming brengen.”

Valerie Vinck, Mitch Goovaerts, en Sandro Flamée Vlnr: Valerie Vinck, Mitch Goovaerts, en Sandro Flamée