Privacyverklaring
Christophe Vanden Eede Christophe Vanden Eede
Tekst
Jo Cobbaut
Beeld
Wouter van vaerenbergh

Een datacultuur als basis voor een positieve gebruikservaring

1 maart 2020
Technologie zal het werk vooral aangenamer maken. Maar gebruikers moeten dat eerst zien voor ze het aanvaarden
De digitalisering zet zich door. Hr kan niet achterblijven. De gesprekspartners aan onze rondetafel zien alvast de nood aan een datacultuur. Zo leg je de basis voor een positieve gebruikservaring. 

De digitalisering zet zich door. Hr kan niet achterblijven. De gesprekspartners aan onze rondetafel zien alvast de nood aan een datacultuur. Zo leg je de basis voor een positieve gebruikservaring. 

“Er is voor hr een grote noodzaak aan een datastrategie,” steekt Christophe Vanden Eede (ING) van wal. “Nog te veel argumenteert hr vanuit het buikgevoel. Hr heeft een datastrategie nodig om geloofwaardig te zijn. De ceo is er al lang mee bezig vanuit zijn klanten en marktbehoeften. Hr maakt hier en daar wel een inhaalbeweging. Er is meer vraag naar analytischer profielen.

Maarten De Schryver (Bridgestone): “De opkomst van de smart factories is voor Bridgestone belangrijk. Als bandenproducent zien we een toekomst met onder meer minder auto’s, maar die meer kilometers rijden. Daarnaast is er de trend naar ‘shared’ (het gemeenschappelijk gebruik). Digitalisering wordt nu belangrijk om snel een aanbod aan mobiliteitsoplossingen in een dergelijke omgeving te ontwikkelen.

“Ook in de bank groeit de druk vanuit de klanten”, voegt Christophe Vanden Eede daaraan toe. “Bij ons wordt het steeds belangrijker om je klant te kennen. We moeten anticiperen op bepaalde mogelijkheden, bijvoorbeeld profielen identificeren die een groter risico op fraude vertegenwoordigen. Dat kan niet langer manueel. Je moet filteren met algoritmen. En dat willen we nu transponeren naar hr.”

Bij Brussels Airport wordt al sterk gebruikgemaakt van data die ze verzamelen van hun passagiers. Die worden ingezet om de ervaring van de passagiers op de luchthaven te verbeteren. “Hierbij denken we onder andere aan het in kaart brengen van drukke en minder drukke momenten of de wachttijden bij de screening”, zegt Glenn Walschap (Brussels Airport Company). “Vooral in de piekperioden waar we miljoenen passagiers per maand verwelkomen, is dit nuttig. Ik zie een datacultuur sneller groeien binnen operations en ook binnen supplychain. Maar met statistieken krijg ik bij hr nog dikwijls de reactie: ‘Wat moeten we daarmee?’ De aandacht hiervoor moet nog verhoogd worden.”

Bart Van Keer (Oracle): "C-levels willen nu toch echt wel data zien. Dat mensen centraal staan, is geen excuus om alleen te beslissen op buikgevoel. Ik zie een trend naar data en evidence based. Maar de data zitten nog dikwijls verspreid in verschillende systemen."

Betrouwbaarheid data

Maarten Deschryver gaat akkoord, maar hij vindt dat evidence based en data en analytics niet volledig samenvallen. “Data analytics kan er wel toe bijdragen, maar evidence based gaat verder. Ze integreert alle beschikbare informatie, onder meer die op basis van data. Maar je bevraagt ook verschillende stakeholders en verwerkt input van experten en wetenschappelijke inzichten. Trouwens, beslissen op basis van data loopt nog dikwijls mis. Denk maar aan de selectietools van zowel Amazon en Google, die ook bias inbouwden.”

Bart Van Keer: “Door cloudbasedsystemen gaan we de data van resultaten die volgen uit beslissingen analyseren en eventueel nieuwe beslissingen bijsturen. Denk bijvoorbeeld aan kandidaten die werden geshortlist, mede door een algoritme. We bekijken wie werd aangeworven en al dan niet lang op een postie bleef en er al of niet succesvol was. Die data kunnen perfect dienen als evidence. En voor elk voorbeeld van fouten die ontstaan zijn door artificiële intelligentie is er een veelvoud van tegenvoorbeelden.”

Eva Derous (Universiteit Gent) ziet ook meer c-levels stilstaan bij de betrouwbaarheid van data en ook bij de mechanismen die spelen bij het interpreteren van die data. “Toch moet je ook kijken naar het soort gegevens (als input). In Nederland bezinnen psychologen, ingenieurs en filosofen zich samen over AI-systemen. Bezinning is nodig. Voor je het weet is evidence based een uitgehold begrip.”

Maarten De Schryver merkt dat er nog een groot gebrek is aan gestructureerde data. Dat leidt tot onbevredigende resultaten, wat schadelijk is voor een prille datacultuur. Gebruikers grijpen terug naar oude praktijken. Dat is ook begrijpelijk; analytics is nooit een doel op zich, maar altijd een deel van een bredere aanpak om sneller én beter te beslissen. Maar dat veronderstelt een cultuur die rijp is voor digitalising en analytics. Er zijn ook te weinig datascientists met kennis van hr en te weinig hr-mensen met kennis van datascience.”

Vandaar dat er ook veel weerstand is, zegt Eva Derous. “Recent onderzoek wees uit dat vooral vakexperten erg avers zijn van meer mechanistische besluitvorming en dus toch terugvallen op hun klassieke expertise. ‘Intuïtie’ scoort nog hoog in bevragingen naar gebruikte manieren om te beslissen bij selectie. Dat laat veel ruimte voor onbewuste vooroordelen. Data en technologie gebruiken, vergt een cultuuromslag waarbij je ook kritisch kijkt naar je eigen expertise. Experten voelen zich soms bedreigd bij de idee dat algoritmen profielen gaan screenen.” 

Bart Van Keer: “Wij denken nochtans dat technologie het werk vooral aangenamer zal maken. Maar gebruikers moeten dat eerst zien voor ze het aanvaarden. Rekruteerders zien al tien jaar dat systemen geschikter zijn om massaal veel cv’s te doorploegen. Ik pleit voor een pragmatische opvatting van concepten als evidence based. Je kan ook moeilijk expert zijn in alles. Kijk naar Spotify. De ontwikkelaar van het algoritme hoeft niets van muziek te kennen, maar des te meer van patroonherkenning. Met algoritmen en user feedback kunnen we beslissingen snel verifiëren, dus mislukkingen mogen ons niet ontmoedigen. Try fast, fail fast, learn fast. In sales & marketing, de eerste domeinen die resultaten boekten met dit soort toepassingen, ging de introductie ook geleidelijk.”

Maarten De Schryver: “Ik geloof uiteindelijk ook in systemen en de mogelijkheid om cognitieve bias te vermijden. Die vooroordelen hebben te maken met de massale hoeveelheid data die we willen verwerken en waaraan we betekenis willen geven. Dat moet steeds sneller. We moeten selecteren wat we wel en niet meenemen in onze beslissing. Maar ook om algoritmen te bouwen, moet je beslissingen nemen die onderhevig zijn aan bias. De drang naar snelheid en efficiëntie mag niet blind maken voor dat gevaar. Weapons of math distruction van Peggy O’Neil legt dat goed uit.” We moeten ons ook goed bezinnen over wat modellen uiteindelijk voorspellen. Een IBM-model beweert 95 procent te voorspellen van het verloop. Maar alleen al op basis van de pensioenleeftijden, kom ik ook in de buurt. Wat wordt met die 95% bedoeld? Op welke termijn is dat? Stel dat een model voorspelt wie het bedrijf wil verlaten. Ga je daar dan naar handelen en proberen vermijden dat dat effectief gebeurt? Wordt de voorspellende kracht van je model dan aangetast?”

Algoritmes

Pierre Dion (DLA Piper) ziet een groot verschil tussen wat theoretisch allemaal kan en wat ze er effectief mee doen. “Neem nu evaluaties. Stel dat je prestaties wil monitoren en analyses wil doen op basis van pakweg e-mail, skype enzovoort. om die vervolgens te individualiseren, wat je bijna automatisch moet doen. Daarvoor zal je als werkgever meestal per individueel geval telkens vooraf een specifieke voorlichtingsprocedure moeten volgen met de betrokkene. Theoretisch kan dus een en ander, maar de Europese en vooral de Belgische wetgeving beschermt de werknemer sterk. Er is telkens een toets nodig. Ook de vraag op welke data je een algoritme loslaat, kan problematisch zijn, als niet duidelijk is welke data een algoritme al of niet gebruikt. Je hebt in een vroeg stadium een digitale check nodig.”  

Glenn Walschap: “Verschillende bedrijven bekijken al de mogelijkheid om een eerste screening te laten doen door een algoritme, maar dat weerstaat de juridische toets niet. Alleen het systeem laten beslissen over bijvoorbeeld een screening kan niet. Vandaar mijn conclusie voor hr in de praktijk, op het terrein: neem kleine stapjes. Soms zijn dit veel kleinere stappen dan wat theoretisch en technologisch al kan, maar groters stappen zijn vaak moeilijk om te zetten in de praktijk wanneer het gaat om persoonsgegevens.”

Er is nog een fundamentelere toets, meent Eva Derous. “De filosoof Emmanuel Kant zei ooit: theorieën zonder data zijn zinloos, maar data zonder theorie zijn niet te interpreteren. In de psychologie zijn we al jaren bezig met theorievorming over (en toetsen van) menselijk gedrag in context. Betrek dus vroeg genoeg in de ontwikkeling van toepassingen ook gedragsspecialisten. Op basis van ruim honderd jaar onderzoek weten we toch al een en ander over hoe gedrag ontstaat in bepaalde contexten, waar mensen op afhaken en hoe ze reageren op tools. Hou rekening met die inzichten. Het principe is simpel: de kwaliteit van een algoritme hangt af van hoe het ontwikkeld is. ‘garbage in, garbage out’. Een goed onderbouwde besluitvorming zal interdisciplinair ontstaan.”

Pierre Dion: “Wij deden een onderzoek naar de specifieke en bijzonder restrictieve regulering voor cao 81, rond het controlerecht van de werkgever op elektronische onlinecommunicatiegegevens. Conclusie: je kan big data gebruiken om beleidsregels op te stellen. Dat kan ook buiten die stroeve cao 81 om, zolang je de big data aanwendt als hulpmiddel om bepaalde activiteiten of processen in kaart te brengen (werkdruk, taakverdeling), zonder controlerend of beoordelend te werken. Het algoritme bepaalt daar niet of je pakweg goed werkt of promotie verdient. Hr heeft wel de neiging om snel te denken dat de wet iets onmogelijk maakt, maar dat heeft vooral te maken met koudwatervrees en gebrek aan kennis.”

“Je ziet trouwens steeds meer digitale tools die ontwikkeld werden vanuit de medewerker en niet vanuit de organisatie”, zegt Christoph Vanden Eede. “De vendor wil de medewerker helpen om op die manier de organisatie te helpen.” 

Maarten De Schryver: “Wij ondervonden dat de digitalisering het mogelijk maakt om gerichte samples te gebruiken voor bevragingen in de context van ons permanent luisteren. Je hoeft niet telkens iedereen alles te vragen om dezelfde informatie even valide en betrouwbaar te krijgen.”

Pierre Dion: “Maar maak dan wel goede afspraken over die data die nu transparant beschikbaar zijn voor medewerkers. Dat kan potentieel aanleiding geven tot veel discussie. Al is dat goed voor de business van advocaten (lacht).”

Transparantie

“Digitalisering brengt ook veel transparantie en dat is op zich positief, maar de vraag is: ‘Hoe ga je daar mee om?’”, werpt Christophe Vanden Eede op.

“Recent onderzoek in de context van het selectie-interview toont dat sollicitanten achterdochtig staan ten aanzien van digitale interviews en de beslissingen die genomen worden door algoritmen”, zegt Eva Derous. “Behalve als kandidaten eerder een negatieve ervaring hadden met menselijke interviewers. Die stonden wat meer open voor digitale interviews.”

Bart Van Keer: “Het heeft iets paradoxaals dat gebruikers achterdochtig zijn tegenover een camera die hun gezichtstrekken analyseert voor een interview. Diezelfde mensen zoeken misschien de gekste dingen via Google en geven via hun klantenkaart in de supermarkt bijna alles bloot over zichzelf, zonder daarbij stil te staan. Welke gegevens laat je intern beschikbaar voor iedereen? Je ziet nu in meer hr-systemen individuele profielen met een bio en bepaalde persoonlijke gegevens die aangeven wie je bent, waar je goed in bent, of wat je graag doet. GDPR is uiteraard belangrijk, maar het helpt wanneer het employeeselfservicesysteem toelaat dat medewerkers gegevens zelf kunnen inbrengen.”

Pierre Dion: “Dat klopt, want het zou dan gaan om een gesloten systeem tussen medewerkers, en niet tussen medewerkers en werkgever. Normaal gezien heb je dan alleen toestemming van de betrokkenen nodig om de ingebrachte gegevens te verwerken.”

Bart Van Keer: “De adoptiegraad van dergelijke systemen is dikwijls laag tot gebruikers voordelen ervaren. Zoals bijvoorbeeld verre collega’s die ze niet kennen, maar die hen toch advies vragen op basis van hun competentie. Dan voelt een medewerker zich gewaardeerd, is een vraagsteller geholpen en zet dus ook de organisatie een stap verder.”

Christophe Vanden Eede: “Dat is de ideale situatie. Maar soms zien medewerkers zoveel tools, dat ze het bos niet meer zien door de bomen. Ik volg uw theoretische redenering, maar in hr hebben we nog een weg af te leggen naar een digitale omgeving die mensen vlot gebruiken.”

Glenn Walschap: “Daar hebben ERP-providers als Oracle en SAP handig op ingespeeld. Ze hebben veel potentieel om een geïntegreerd systeem te voorzien binnen hr en hier ook ‘embedded analytics’ in te bouwen. Zoals Maarten in het begin zei: analytics is geen doel op zich, maar een ‘enabler’. Vanuit die optiek zie ik meer bedrijven opteren voor zo’n geïntegreerd systeem om te vermijden dat gebruikers in verschillende systemen moeten inloggen en rapportering verspreid geraakt over deze systemen. Een geïntegreerd systeem komt de analytics binnen hr zeker ten goede.”

Christophe Vanden Eede: “Anderzijds zijn zoveel start-ups bezig met steeds weer nieuwigheden waarop de grote providers nooit meteen kunnen inspelen. Ik verwacht eerder een basislaag met ruimte voor toepassingen erbovenop. De uitdaging wordt dan een goede datastrategie én een goede gebruikerservaring. Dat zal inhouden dat gebruikers altijd het gevoel behouden dat ze in één coherente omgeving blijven.” 

Glenn Walschap: “Sommige grote bedrijven met een geïntegreerd ERP-pakket gaan inderdaad ook nog best-of-breedsystemen installeren in samenspraak met werknemers, volgens het principe ‘voor en door werknemers’. Dit kan de look & feel verbeteren maar het volle potentieel van een ERP-pakket wordt hierdoor niet altijd benut.

Christophe Vanden Eede: “Gebruikers mee laten beslissen is inderdaad standaard verandermanagement: neem mensen stapsgewijs mee, geef ze tijd om aan te passen en laat ze experimenteren.

Maarten De Schryver: “Voor arbeiders kan het anders liggen dan voor bedienden. Als je digitaliseert, moet je digitaliseren voor iedereen. Arbeiders gebruiken smartphones minder in een werkcontext.”

“Veel hangt af van de interface en de manier waarop je erover spreekt”, besluit Bart Van Keer. “Ik hoor soms dat arbeiders graag zaken als verlof nog graag persoonlijk aanvragen op de personeelsafdeling. Maar zodra ze ondervinden dat ze dat thuis ook kunnen terwijl ze met hun partner een reis boeken, zetten ze die stap sneller."

Een datacultuur als basis voor een positieve gebruikservaring Vlnr: Pierre Dion, Maarten DeSchryver, Eva Derous en Glenn Walschap