Ondanks het feit dat veel organisaties grootschalig investeren in big data en analytics, zijn er maar weinig echte succesverhalen in het toepassen van analytics op het gebied van HR. Staan we op het punt dat dit gaat veranderen?
Big data en analytics zijn niet meer weg te denken in het huidige bedrijfsleven. Nieuwe technologieën, zoals de opkomst van openbare publieke data alleen al vergroten de noodzaak voor diepe analytische kennis en vaardigheden. Veel organisaties investeren al in big data en analytics om bijvoorbeeld klantgedrag beter te begrijpen. Het is zelfs zo dat als gevolg van nieuwe wetgeving en richtlijnen, de meest ontwikkelde vorm van analytische toepassingen gevonden wordt in klantgerichte gebieden, zoals verzekeringen en risicobeheer. Maar hoe zit het met big data en analytics om inzicht te krijgen in een andere sleutelstakeholder voor de organisatie: de medewerker?
Sinds HR Analytics een vrij nieuw begrip is, is het volgens onderzoek slim om lessen te trekken uit eerdere vormen van analytics, die gericht zijn op klantgedrag, om (dure) beginnersfouten te voorkomen. Gebaseerd op dit onderzoek volgen vier lessen om HR Analytics succesvol in te zetten bij het nemen van strategische beslissingen.
Uit het onderzoek blijkt dat banden tussen klanten, denk aan samenwerkingen of het gebruik van dezelfde leverancier, belangrijk zijn voor het verklaren van collectief gedrag, zoals klantverloop. Dezelfde principes kunnen gemakkelijk worden ingezet op het gebied van HR Analytics. In het bijzonder, kan er een netwerk worden gecreëerd van samenwerkingsverbanden tussen medewerkers op het gebied van (geanonimiseerde) mailwisseling of gezamenlijke projecten. Zo’n netwerk kan gebruikt worden om een beter beeld te krijgen hoe nieuwe medewerkers zich mengen in het netwerk, of voor het kwantificeren van een optimale mix tussen verschillende profielen, om diversiteit in teams aan te brengen.
Zoals met elke nieuwe technologie is het van belang om passende verwachtingen te scheppen. Hoewel het waardevolle hulpmiddelen kunnen zijn, zijn analytische technieken geen wondermiddel voor gecompliceerde HR-beslissingen. Zeker in de huidige tijd waar een analytisch HR-model constant aan verandering onderhevig is. Het is daarom van belang dat HR kritisch kijkt naar de uitkomsten en bijstuurt op basis van eigen ervaring en kennis van de organisatie.
Volgens het onderzoek is het een typische beginnersfout om gefixeerd te raken op de cijfers en over gecompliceerde modellen. Dat de cijfers kloppen is uiteraard belangrijk, maar ook niet onbelangrijk is dat cijfers makkelijk te interpreteren zijn en voldoen aan de regelgeving. Interpreteerbaarheid betekent dat elke HR-beslissing gebaseerd op analytics helder en simpel onderbouwd en uitgelegd kan worden aan alle betrokken partijen. Daarnaast is het bewaken van wet- en regelgeving, zoals privacy en ethische verantwoording cruciaal voor het succes van HR Analytics.
Over het algemeen is de gemiddelde levensduur van een model twee tot drie jaar. Maar gegeven de impact van HR-besluiten op de organisatie en individuen is het belangrijk dat analytische modellen constant worden bijgewerkt en getest. Het is van belang dat de voorspellingen die zijn gemeten ook worden vergeleken met de werkelijke cijfers om zo in de toekomst accuratere voorspellingen te doen. Een voorbeeld kan zijn vanuit het werving en selectieproces. Welke recruitmentkanalen zorgden voor de juiste kandidaten en welke zorgden voor de beste kandidaten.
Persoonlijk ben ik ervan overtuigd dat een data gedreven aanpak, HR beter in staat stelt werkplezier, de ontwikkeling en de prestaties van medewerkers te verhogen. Daarnaast wordt het ook gemakkelijker om gericht HR advies te geven aan managers en daarmee ook de algemene prestatie van de organisatie te verhogen.
Bron: Baesens, B., De Winne, S., & Sels, L. (2017). Is your company ready for HR analytics?. MIT Sloan Management Review, 58(2), 20.
