Waarover spreken we nu eigenlijk ?

Al in 2012 (!) publiceerde Bersin by Deloitte een “Talent Analytics maturity model”.. En ook anderen – zoals AIHR en Gartner-  volgden met een gelijkaardig schema. Allemaal vertrekken ze van de basis, een rapportering van operationele data van een afgelopen periode (level 1)  tot en met Predictive Analytics, waarbij men op basis van datamodellen voorspellingen doet (level 4).

Fig 1. Bersin by Deloitte analytics maturity model

Wat betekent dit concreet en wat zijn de moeilijkheden en valkuilen om te evolueren naar een data-gedreven HR-beleid ?

Bij de kleinere ondernemingen is een veel voorkomende realiteit dat er nog (steeds) een groot wantrouwen bij het management bestaat als het gaat over het nut van HR-data. Uitspraken als “wij kennen onze mensen toch, wij weten dit toch, we hoeven toch niets extra te meten, te bevragen of te rapporteren” zijn dan de meest voorkomende reacties. De HR-beslissingen worden genomen op basis van buikgevoel. Zij blijven dus in het strikte minimum van “operational reporting” vastzitten.

Voor de kleinere bedrijven die al een meer doorgedreven HR-beleid en functie hebben georganiseerd en verder aan de slag willen met HR-data, is één van de volgende uitdagingen dikwijls het bekomen van waardevolle correcte data om tot zinvollere basisrapportering en inzichten te komen. Een tweede probleem dat zeer snel voelbaar is, is dat binnen de HR-organisatie de nodige analyse-competenties om de data te verwerken en interpreteren niet voldoende aanwezig is. Dit is nochtans cruciaal om kwaliteitsvolle rapporten en presentaties af te leveren om zo de geloofwaardigheid verder op te bouwen rond HR-analytics.

Bij de grotere ondernemingen bestaat de uitdaging er meestal in kwaliteitsvolle data te hebben en ervoor te zorgen dat deze data op een correcte manier wordt geïnterpreteerd en voorgesteld.
In de meeste gevallen ontbreekt het niet aan databronnen. De HR-processen zijn meestal al gedigitaliseerd, maar heel dikwijls is deze data nog verspreid over verschillende IT-systemen en moet men bepalen waar de correcte data zich bevindt (eenzelfde data-element zit soms zelfs in meerdere systemen, maar welke is dan het juiste ?), hoe deze up-to-date wordt gehouden én welke data mag gebruikt worden binnen de GDPR-regels (voorbeeld: data verzameld tijdens aanwerving, het volledige Talent proces/cyclus, Externe data, de payroll data… ?).  Eens we een duidelijk beeld hebben van welke data waar zit en wat kan gebruikt worden, botsen we op uitdaging drie : wat zegt de data ons ? Vele HRIS-tools beloven prachtige dashboards, en dit is bij de meeste ook al zo, maar binnen hun eigen systeemgrenzen. Daarenboven geeft een dashboard niet de interpretatie – wat “zegt” de data echt ? – en ze doen al helemaal niet een voorstel van acties om bij te sturen waar nodig.

Zoals al gezegd, bestaat de uiteindelijke rijkdom van HR-analytics erin de data te begrijpen en deze te gebruiken maar hiervoor is HR-expertise nodig gecombineerd met analyse-competenties. Binnen de grotere ondernemingen zijn de nodige analyse-competenties dikwijls wel beschikbaar, maar niet altijd binnen de HR-organisatie.

Wat zijn mogelijke antwoorden ? Enkele tips

  • Dare to start !
    Is nog niet veel kwalitatieve data voorhanden ? Dat hoeft geen belemmering te zijn om te starten met formele HR-reporting (level 1). Werk met de data die er al wel is én gevalideerd is. Breng deze HR-reporting op de agenda van het management. Werk voortdurend aan de “buy in” van het management door al een aantal inzichten mee te geven.
    Let er wel op dat iedereen dezelfde taal spreekt: eerst even afstemmen dat iedereen rond de tafel dezelfde definities gebruikt voor het typische HR-jargon (wat bedoel je of hoe bereken je FTE, headcount, turnover, … ).Probeer elke mogelijkheid dat er zich voordoet om de data te verrijken te detecteren (bv. aanpassing van een proces of tool). Ga zeker in dialoog met IT om de mogelijkheden binnen de infrastructuur te kennen maar ook met het Legal departement (of laat je adviseren) om zeker ook binnen de GDPR-lijnen te blijven kleuren.
  • Less is more ….maak duidelijke keuzes in wat je wil meten en communiceer duidelijk waarom!

Sla geen stappen over in het basisproces :  “Elke Analyse start met een concrete vraag of een te realiseren objectief.”

In grotere bedrijven – met geïmplementeerde HRIS-systemen- leeft vaak de idee dat er veel data beschikbaar is en dat er dus heel veel KPI’s kunnen gemeten worden. Het is belangrijk om duidelijk te identificeren welke de prioriteiten zijn, en welke KPI’s  kunnen gelinkt worden aan de bedrijfsstrategie.

Het management maandelijks bombarderen met massa’s grafieken en rapporten heeft geen meerwaarde en zal in de meeste gevallen zelfs het gecreëerde geloof in HR-rapportering tenietdoen.
Heb je een CEO of COO die plots veel KPI’s (en dus rapporten) wenst, ga dan zeker in debat om te weten te komen waarom hij/zij deze metingen wenst.
Wees zeker ook transparant als na een eerste check van de data collectie en data cleaning blijkt dat de data nog van onvoldoende kwaliteit is om verder te kunnen gaan.

Naast het strategische luik, ga ook zeker in dialoog met de business: welke concreet HR-probleem ondervinden zij op de werkvloer? Dikwijls zal dit “probleem” gebaseerd zijn op een buikgevoel dat dan op basis van data kan toegelicht worden en bepaald worden hoe dit kan aangepakt worden. Vermijd hierbij zoveel mogelijk om in micro-management te vervallen: elke manager zal wel één specifiek dossier kennen en dat willen bespreken om zo bepaalde resultaten neer te halen of net te onderstrepen.

  • Schoenmaker blijft bij je leest” : HR is best geplaatst om te werken met de HR-data en analyses te doen.
    De HR-medewerker begrijpt het best de verhalen en de betekenis achter de data ! De HR-data correct visualiseren en de juiste boodschap brengen, hierin zal de HR-professional zich kunnen onderscheiden van een andere analist.
    Wil je diepgaandere analyses gaan uitvoeren en benchmarken met de sector of een regio over bijvoorbeeld Wellbeing & Engagement ? Ga dan met een juiste partner in zee om met een kwalitatieve dataset te werken en geen foute conclusies te trekken.

Investeren in de competentie/skills-ontwikkeling binnen HR is een must voor elke onderneming die met HR-analytics aan de slag wil gaan !

Dit bijkomend versterken met samenwerking met andere departementen waar deze skills al aanwezig zijn (meestal binnen Finance of Marketing waar een reporting-team zit) kan zorgen voor een versneld effect.

  • Persoonlijk contact tussen HR-business partner / manager / medewerker blijft belangrijk om het verhaal achter de data te blijven opvangen! Gebruik de statische datasets, maar verrijk deze met diepte-gesprekken waar nodig.

Zeker bij de Talent management-data kan het zeer belangrijk zijn om de informatie-uitwisseling uit de menselijke contacten mee te nemen in de analyse. Baseer u niet enkel op de punten die de medewerkers geven op een schaal van 1 tot 5 , of op een “Ja, ik ben bereid naar het buitenland te gaan voor mijn job” … in bepaalde enquêtes.

Voorbeeld : analyse van de turnover en meer specifiek van “vrijwillig vertrek” in een bedrijf. Dit gebeurt het best door de data van de exitinterviews mee te nemen.
Naast de statische data, verzameld via een formulier rond “type vertrek” en “reden van vertrek” waarbij men dan bijvoorbeeld kan aanduiden “te weinig uitdaging in de job” kent men het aantal personen. Enkel door ook het volledige rapport van het exitinterview ook mee te nemen in de analyse zal men veel meer data verzamelen en eventuele bepaalde trends of andere problemen kunnen blootleggen.

  • Onderschat het belang van correcte visualisatie niet om de juiste boodschap over te brengen !

We zien het al te vaak, soms zelfs in kwaliteitskranten en tijdschriften. Een foutieve visualisatie en grafiekkeuze kan er voor zorgen dat de boodschap verloren gaan. Daarom is het cruciaal om eerst te bepalen wat de boodschap is welke moet overgebracht worden ! En vergeet zeker nooit mee te geven hoe groot de dataset is.

voorbeeld: gender diversity:
Directiecomité (8 personen) – rapportering over Gender
Mevrouw X  is vervangen door Meneer Y

presentatie in % : de boodschap wordt “ een daling van 13% vrouwelijke leiders in de top van het bedrijf”

2022 2023  
50% 38% -13%
50% 63%


presentatie in aantal : de boodschap wordt “met de vervanging van mevrouw X door Meneer Y verloren we het gender-evenwicht, maar hiermee onderstrepen we dat talent en kunde primeren !

2022 2023  
4 3 -1
4 5


Veel Succes en vraag naar ervaringen!

Afhankelijk van de organisatie, de ambities en waar jullie nu al staan zijn de uitdagingen groot, maar vraag raad of ervaringen binnen de rijke HR-community !
Velen zetten al bepaalde stappen, dus er is al veel ervaring beschikbaar, veel “best practices”, maar vooral ook veel “hoe het beter niet te doen-ervaring” om te delen.