De invloed van Human Resource (HR) managers op bestuursniveau neemt nauwelijks toe (e.g. Performa, 2013). Een verklaring is niet moeilijk te vinden; HR-organisaties zijn nauwelijks beter in staat gebleken het potentieel van HR-data te benutten. De evolutie is voornamelijk over de as van automatisering en digitalisering gegaan. Vanwege gefragmenteerde data, gebrek aan analytische vaardigheden en tooling, en te weinig integratie met non-HR data, adviseert HR nog te vaak met historische en weinig causale informatie.

Wat is (predictive) Analytics?

In essentie heeft een goede lijnmanager geen HR of IT nodig om juiste HR-beslissingen te nemen. De toegevoegde waarde van HR zal dan ook moeten komen uit Business Partnership: het vertalen van de organisatiestrategie naar organisatievaardigheden (of andersom) en daaruitvolgende acties, met een afdelingontstijgend perspectief. HR Analytics gaat om het analyseren van oorzaken en consequenties, altijd met een koppeling naar de bedrijfsvoering. De kern van Predictive Analytics is dat er een voorspellend karakter zit in de analyses die met zowel HR als non-HR data worden gemaakt.

Davenport, Harris, and Morison (2010) onderscheiden twee dimensies langs welke analyses kunnen worden ingedeeld. Enerzijds de factor Tijd (x) - van verleden naar toekomst – en anderzijds de factor Diepgang (y) - van informatie naar inzicht. Met de koppeling naar de bedrijfsvoering ontstaat een derde dimensie (z) – Direct of Indirect verband met bedrijfsresultaten. Zie figuur 1.

Om voorspellende modellen met inzicht te genereren moeten andere vragen geformuleerd worden dan waar operationele activiteiten toe leiden. Bijvoorbeeld: “Wat als we individuele burn-out kunnen voorspellen?”, en “Wat als we onze innovatiekracht weten te vergroten?”. ‘Wat-als’ vragen lokken ideeën uit om nieuwe verbanden te onderzoeken.
Intelligente vragen stellen is één ding. Met data-analyses en scenario’s de antwoorden vinden is vers twee. Dat vraagt een vergaande ontwikkeling van de organisatie.

Figuur 1: Type vragen die analyses beantwoorden verdeeld over drie assen. Rood (gearceerd) betreft (predictive) Analytics

Groeien in Analytics

In een concurrerende markt bloeien organisaties die in staat zijn om iets te doen of te maken dat andere organisaties niet (even goed) kunnen. Met andere woorden, deze organisaties hebben een onderscheidend vermogen.

Diepgaande analyses kunnen factoren aan het licht brengen die bijdragen aan dit onderscheidend kernvermogen zoals specifieke competenties, verblijftijden, netwerken, maar ook ‘life changing events’ (huwelijk, geboorte, scheiding, etc.) of updates aan het LinkedIn profiel. Vele factoren spelen een rol, welke niet allemaal in de database van HR-systemen opgesloten zitten. Dus de uitdaging voor HR bestaat ook uit het ‘vangen’ van relevante data.

Tabel 1 toont aan de linkerzijde vijf volwassenheidsniveaus van Analytics-beheersing. Het uitbouwen van Analytics betekent obstakels omzeilen, en nieuwe structuren, processen, en werkvormen introduceren en ‘verkopen’. Deze uitdagingen worden aan de rechterkant van de tabel samengevat, verdeeld in vier transitiefasen en vier pijlers (Noordam & Van der zalm, 2006). Deze worden in de volgende paragrafen nader toegelicht.

Tabel 1: Organisatiekenmerken per volwassenheidsniveau, en de uitdagingen tussen ieder niveau.

Management & Organisatie

Door kleine kwesties via diepgaande analyses uit te werken zal acceptatie en belangstelling ontstaan, en ook de ervaring van HR groeien zodat grotere projecten kunnen worden gestart. Extra vaardigheden moeten worden ontwikkeld en aangetrokken. Een visie moet worden opgesteld die de doelstellingen en intensiteit van Analytics schetst. Hierbij dient rekening te worden gehouden met de organisatiegrootte. Immers, kleinere organisaties (<500 medewerkers) en processen die enkel voor een selecte groep bestaan, zullen minder van Analytics profiteren, omdat A) de statistische waarde van bevindingen klein zal zijn, en B) omdat het efficiënter is om het gesprek aan te gaan in plaats van te analyseren. Primair zullen vanuit de strategie thema’s en KPI’s volgen die de basis vormen voor Analytics projecten. KPI’s worden dus niet geformuleerd aan de hand van makkelijk voorhanden zijnde data. Bovendien wordt de analyticscapaciteit verder uitgebouwd, zodat het ook explorerend kan worden toegepast en zo nog meer inzichten boven water kan halen.

IT & Data governance

Het creëren van een definitieset voor alle KPI's en HR-jargon is een must ter voorkoming van misverstanden over rapportages, alsmede voor het integreren van databronnen. De volgende stap is om een IT-roadmap te formuleren in lijn met de HR-visie. Onderdeel daarvan is het integreren van de belangrijkste datasets (zowel on-premise als SaaS), gevolgd door externe (bijvoorbeeld benchmarking) en ongestructureerde gegevens. De integratie van gegevens is in de eerste plaats nodig omdat een analysetool in bijvoorbeeld core HR niet bij de gegevens uit een ander systeem (e.g. Performance Management) zal kunnen omdat interfaces slechts een minimaal deel van de data doorgeven. In de tweede plaats zodat er data aan de algoritmes kan worden toegevoegd uit systemen die onderling überhaupt geen interfaces hebben. De uitbreiding zal hand in hand gaan met analyse tooling die een scala aan mogelijkheden bevat, zoals data-mapping, multimodale perspectieven, en scenariomogelijkheden.

Processen

Eerst zien dan geloven. Zo zal het ook met Analytics gaan. Dat betekent in het begin al dat de basisadministratie op orde moet zijn. Daarna zal het vertrouwen in Analytics gaan vooruitlopen op de capaciteit. Daarmee rijst de behoefte aan een uniforme werkwijze voor het selecteren van Analytics-projecten. Een permanente projectstuurgroep kan worden opgericht met vertegenwoordigers uit IT, HR, Finance, en de lijn. In de laatste fase borgt de stuurgroep dat de prioriteiten voor de verschillende projecten op bestuurlijk niveau worden overgewogen. De analytische capaciteiten dienen dan ook centraal te worden aangestuurd. De rol van HR is dan voornamelijk inhoudelijk. Zij werken nauw samen met de data scientists en interpreteren gevonden correlaties. De mogelijkheden zullen tegen die tijd zo geavanceerd zijn dat scenario-analyses en voorspellende modellen de organisatiestrategie kunnen beïnvloeden; kortom er staat een data gedreven organisatie.

 

Mensen & Cultuur

Tijdens de eerste overgangsfase zijn veranderkundige inspanningen gericht op voorbeelden tonen. Tegelijkertijd moeten HR leiders de ontwikkeling van analytische vaardigheden gaan promoten. Bijvoorbeeld door het bevorderen van training en het borgen van meer 'zendtijd' voor Analytics collega’s. In het proces zal rekening moeten worden gehouden met emoties rondom de privacy van gegevens, angst voor onjuiste interpretatie, of verlies van autoriteit. Dit kan deels worden ondervangen door de betrokkenen een actieve rol in projecten te geven en bij het opstellen van de datadefinities. Het is daarnaast belangrijk dat managers de HR-adviseurs gaan terugsturen indien zij hen zonder afdoende statistische onderbouwing adviseren. Aan de andere kant zullen managers in sommige organisaties nog hard moeten werken aan transparantie over prestaties en productiviteit, en dus aan vertrouwen. Een goede spiegel hiervoor is bijvoorbeeld de bereidheid van medewerkers om elkaar te evalueren. In de laatste fase ten slotte, moet topmanagement worden getraind zodat zij de output en de totstandkoming van Analytics-rapportages begrijpen, en gevoel houden met de cijfers.

Conclusie

‘HR Analytics’ is een ontwikkeling die tot nog toe meer op papier dan in werkelijkheid voorbij komt. Inderdaad hebben technologische ontwikkelingen de mogelijkheden sterk vergroot op gebied van het registreren, analyseren, en presenteren van gegevens. Maar behalve bij het creëren van een technisch platform liggen de uitdagingen bij het opbouwen van analytische vaardigheden en het maken van een succesvolle start. Analytics is bovendien breder dan HR. HR kan wel alleen beginnen, maar zal voor investeringen en belangrijke analyses moeten samenwerken met de lijn, IT, en andere stafafdelingen. ‘HR Analytics’ is een HR-perspectief op het organisatiebreed toepassen van Analytics. Voorgaande heeft beknopt weergegeven hoe een organisatie data-gedreven kan worden. Daarbij zijn de volgende overwegingen op hun plaats:

1. Daar waar infrastructuur, kennis en kunde nog beperkt aanwezig is, kan in de beginfase worden samengewerkt met andere partijen. Investeringen blijven zo gering, terwijl de mogelijkheden inzichtelijk worden en de vruchten al geplukt kunnen worden.
2. Door KPI’s te definiëren op basis van de organisatiestrategie, doelgroepen, en processen & instrumenten, kan Analytics het meest waardevol zijn. Zonder goede KPI’s en een langetermijnperspectief verwordt Analytics tot schieten met hagel.
3. Als er beslissingen genomen moeten worden, moeten adviesrapportages actiegericht zijn inclusief keuzes, tijdslijnen, en de consequenties van niets-doen. Jezelf de vraag stellen wat de ontvanger ermee zou moeten doen, helpt daartoe.

Met deze gedachten in het achterhoofd, zal (HR) Analytics voor ambitieuze organisaties een uiterst waardevolle investering worden.

Davenport, T.H., Harris, J.G., & Morison, R. (2010). Analytics at work. Boston, Massachusetts: Harvard Business Press.
Noordam, P., & Van der Zalm, M. (2006). Managen van toekomstrobuustheid: De paradox van besturing en beheersing (Managing future solidity: The paradox of managing and control). Management Executive, July/ August, 1-16.
Performa, (2013). HR Trends 2013-2014. Den Haag: Performa Uitgeverij.