Hr laat data onbenut

Hr laat data onbenut

1 december 2020
Onze bedrijven maken erg weinig gebruik van data voor hr-doeleinden, zo blijkt eens te meer. Nochtans kunnen organisaties zelfs met beperkte middelen veel leren.

Onze bedrijven maken erg weinig gebruik van data voor hr-doeleinden, zo blijkt eens te meer. Nochtans kunnen organisaties zelfs met beperkte middelen veel leren.

Een en ander blijkt uit onderzoek van KU Leuven in samenwerking met hr-dienstverlener Securex. Professor dr. Sophie De Winne en student Tim Van Laere (KU Leuven) bevroegen 241 ceo’s en hr-verantwoordelijken. Heidi Verlinden, HR Research Expert bij Securex, geeft aan dat het onderzoek twee thema’s in kaart bracht:

  • hr-rapporteringen die de situatie beschrijven waarin een organisatie zich bevindt en met knipperlichten aangeven waar actie nodig is en
  • hr-analytics om de data te analyseren om oorzaken te vinden en voorspellingen te doen voor de toekomst.

In organisaties met meer dan 250 medewerkers zet 90% van de bevraagde organisaties hr-data in om hun bedrijfsprocessen bij te sturen (via rapporteringen of analytics).

Onder kmo’s met een personeelsverantwoordelijke in dienst gebeurt dat bij 78%; van de kmo’s zonder hr-verantwoordelijke doet slechts 50% dat.

“Organisaties kunnen met beperkte middelen veel leren uit hr-data. Vergelijking van absenteïsmecijfers met concurrenten bijvoorbeeld geeft aan of de afwezigheden abnormaal frequent of langdurig zijn, of het risico op absenteïsme toeneemt en welke de typische risicoprofielen van medewerkers zijn”, zo illustreert Heidi Verlinden van Securex.

Analytics

Als het gaat om hr-analytics gebeurt er veel minder in Belgische privé- en overheidsbedrijven.

  • 45% van de grote organisaties (vanaf 250 werknemers) analyseert oorzaken of gevolgen
  • 9% doet analyses om voorspellingen te maken voor de toekomst (9%);

Bij kmo’s liggen deze cijfers nog lager (27% en 3%). Daar wordt de hr-verantwoordelijke (en zijn data) ook minder betrokken bij het bepalen van de organisatiestrategie dan binnen grote organisaties (85% versus 97%). Hoe hoger die betrokkenheid, hoe matuurder het gebruik van data. Ook in kmo’s.

Gebrek aan statistische kennis

De hr-domeinen waarvoor cijfers en analyses worden gebruikt zijn

  • absenteïsme (94% van de organisaties),
  • opleiding (90%),
  • personeelsplanning, zoals loonkosten (90%).
  • leiderschap (49%),
  • motivatie (56%) en
  • stress (57%).

Kennis, data en IT zijn de grootste barrières om aan hr-analytics te doen. Grote organisaties geven vooral IT-problemen op als drempel. Bij kmo’s ontbreekt het vooral aan statistische vaardigheden en opleidingen over datamanagement.

Opvallend: geen enkele kmo zonder personeelsverantwoordelijke is van plan om op eigen houtje aan hr-analytics te gaan doen als ze vandaag nog geen data gebruiken. Dit komt omdat het niet in de bedrijfscultuur past. Maar ook bij kmo’s mét personeelsdienst is die intentie zwak (32% overweegt data te gebruiken). Daar ontbreekt het vooral aan steun vanwege het topmanagement (55%).

Kmo’s die wel hr-analytics overwegen, willen daarmee vooral werknemerswelzijn creëren en de impact van hun hr-activiteiten meten.

In dialoog met de datawentenschapper

Professor dr. Sophie De Winne en student Tim Van Laere (KU Leuven) verbergen niet dat de koppeling van hr-data aan financiële of operationele data veel tijd en geld kost, vooral om datakwaliteit en -beheer op punt te stellen. “En dat is een noodzakelijke voorwaarde voor goede hr-analytics. Zo ontstaat vaak de paradoxale situatie waarin het management bewijs wil van het nut van data voor het erin wil investeren, terwijl de hr-afdeling net de data nodig heeft om dit bewijs aan te leveren.”

Sophie De Winne begrijpt de situatie, al is er een ruime reeks aan statistische technieken voorhanden. Die gaan van heel simpel tot heel complex en zijn te gebruiken op grote, maar ook op kleine datasets: “Het probleem is dat je de mogelijkheden moet kennen om er heel actief mee aan de slag te gaan.”

Professor De Winne ziet twee noodzakelijke voorwaarden om met die technieken aan de slag te gaan. Eerst moet voor relevante en valide data gezorgd worden. Die moeten beschikbaar zijn en de concepten meten waarmee hr aan de slag wil.

In tweede instantie moet er een dialoog zijn tussen een hr-professional die zijn rol en de business kent en anderzijds een datawetenschapper. “Dat is iemand die weet welke technieken er voorhanden zijn en waarvoor je die kunt gebruiken. Uit die dialoog kunnen relevante en bedrijfsspecifieke onderzoeksvragen groeien.”

Verloop en absenteïsme

Sophie De Winne merkt op dat interessante onderzoekstopics afhangen van de eigen business en context. De klassieker is het verklaren van verloop en absenteïsme. Het domein is al veel onderzocht. “Mits wat zoeken in bestaande modellen kan hr gemakkelijk de redenen van vertrek en afwezigheid voor de eigen organisatie in kaart brengen en daarop proberen in te spelen.”

Maar De Winne ziet wel meer mogelijkheden:

- In de detailhandel kan hr onderzoeken of een filiaal waar het personeelsbestand een reflectie is van het type klant beter verkoopt. Daarvoor zijn demografische gegevens van het personeel en de klanten nodig, alsook verkoopcijfers per filiaal. Een vergelijkbare vraag leeft ook in ziekenhuizen, waar ze op de tevredenheid van de patiënt focussen. Dit kan leiden tot aanpassingen in werving en selectie.

- De analyse van de intensiteit en de frequentie (niet de inhoud!) van mailverkeer tussen medewerkers in een organisatie kan uitwijzen of de organisatiestructuur nog actueel is. Meer contact tussen afdelingen dan erbinnen kan tot reorganisatie leiden.

- Bij werving en selectie kan hr voor elk wervingskanaal nagaan hoeveel mensen zijn aangetrokken, hoe divers de pool aan kandidaten is en hoe deze mensen (eens aangeworven) presteren. Zo kunnen ze nagaan welk kanaal het meest effectief is.

- Via gps tracking data kan nagegaan worden of de verplaatsingen van verkopers (zowel woon-werkverkeer als zuiver werkverkeer) geoptimaliseerd kunnen worden. Hier wordt niet alleen de organisatie beter van, maar ook de verkopers zelf.

Hr laat data onbenut