Vier concrete handvatten om analytics optimaal te benutten

De afgelopen jaren sprak ik een groot aantal voorlopers op het gebied van HR-analytics, zoals de Amerikaanse HR-guru Jack Phillips, de Nederlandse HR-directeur Patricia Gielis en diverse mensen die analytics toepassen binnen grote organisaties. Als het om de ‘hoe-vraag’ gaat komen de volgende concrete tips, of handvatten, regelmatig terug:

Handvat 1: Begin compact!

Analytics brengt verschillende risico’s met zich mee, zoals het gevaar dat de bronnen waaruit data worden gegenereerd onvoldoende betrouwbaar zijn of dat veel tijd wordt geïnvesteerd in een data-analyse zonder dat duidelijk is wat de organisatie concreet met de uitkomsten kan. Om zulke risico’s te vermijden en om te voorkomen dat je onnodig veel bezig bent met analytics, is het verstandig om klein te beginnen. Definieer een heldere vraag die je kunt beantwoorden op basis van een kleine en overzichtelijke dataset. Als je in een grote organisatie werkt, ga dan ook niet direct ‘los’ op het hele bedrijf, maar concentreer je op een afdeling of op een team.

Het aanwakkeren van de belangstelling bij de business en bij de HR-collega’s is eigenlijk vooral een kwestie van doen, vertelt Patricia Gielis. “De valkuil die veel HR-professionals hebben is dat ze vanuit precisie geneigd zijn om eerst alles op orde te willen hebben. Maar het belangrijkste wat je kunt doen is gewoon beginnen. We gaan bijvoorbeeld kijken op welke manier we strategische resource planning zouden kunnen gaan inrichten en hoe we goede foto’s van de toekomst kunnen maken op basis waarvan we heel gericht HR-interventies kunnen inzetten. Zet kleine stappen en laat de toegevoegde waarde van die stappen zien. Daarmee wek je belangstelling.”

Zet kleine stappen en laat de toegevoegde waarde van die stappen zien.

De nadruk op het kwantitatieve element van big data is sowieso riskant, vindt Jack Phillips. “Soms heb je veel meer aan goede small data. Als je veel werknemers hebt en veel data van al die werknemers wilt gebruiken, dan kost het verwerken en opschonen je meer tijd en geld dan dat het je oplevert. Stel dat ik een wellnesscenter ga evalueren, dan kan ik beter gaan evalueren op basis van een selecte groep gebruikers dan dat ik alle bezoekers ga onderzoeken. Het gebruik maken van kleine samples is een goede techniek die je uitstekend kunt toepassen. Je moet ook zeker niet pas beslissingen gaan nemen als je heel veel data hebt. Directies gaan heus niet zitten wachten op het resultaat van een tweejarige studie, dus kies als HR een vorm van analyse die snel resultaat oplevert.”

Draagvlak

Het voordeel van een compact onderzoek dat direct relevant is voor een specifiek thema, is dat de uitkomst van de analyse ook een zichtbaar positief effect heeft op de organisatie. Dit zal het draagvlak van het investeren in analytics vergroten.

Handvat 2: Sluit optimaal aan bij de wensen van de organisatie

Het is van belang dat je met het onderzoek optimaal inspeelt op de vragen die de business beantwoord wil hebben. Wat wil de organisatie weten? Met welke feitelijke informatie kun je de organisatie verder helpen? Een goed voorbeeld is het ziekenhuis dat ontdekte dat een specifiek type kennis vooral aanwezig was bij oudere werknemers. Op basis van deze constatering kon het ziekenhuis werken aan een strategie om deze kennis op de langere termijn te behouden.

Storytelling

Bij het beantwoorden speelt ook storytelling een rol. Hoe breng je het over? De beste projecten komen voort uit een vraaggedreven probleem en de beste manier om de goede vragen bij HR te laten binnenkomen is het presenteren van gerealiseerde projecten aan je interne publiek. Dat is een algemeen gegeven met data science: hoe meer onderzoek intern wordt gepresenteerd en hoe meer in de organisatie wordt aangetoond wat er met analytics kan worden gedaan, hoe sterker anderen ook geprikkeld worden om met hun vragen naar HR te komen. 

Het agenderen van de juiste thema’s voor onderzoek is een samenspel tussen het analytics-team en collega’s in de organisatie. Het gaat dus om ‘brengen en halen’. Voorstellen komen niet alleen uit de business of van HR, maar uit zowel de business als van HR. Het is dus belangrijk dat de business leert wat de mogelijkheden van analytics zijn en dat HR haarfijn begrijpt aan welke analyses de business behoefte heeft.

Handvat 3: Zorg voor de juiste competenties in je organisatie

Bij het samenstellen van een goed analyticsteam is pluriformiteit het toverwoord. Niet alleen de juiste competenties zijn van belang, maar ook dat mensen vanuit verschillende achtergronden met elkaar samenwerken. Om beschikbare data goed te kunnen vertalen naar relevante analyses heb je mensen met aanvullende competenties nodig, die elkaar optimaal weten te vinden. De exacte invulling van zo’n team hangt af van de omvang van de organisatie. Het is echter altijd belangrijk om niet alleen aan een bèta-geschoolde data scientist te denken, maar bijvoorbeeld ook aan een inhoudelijke expert die data naar ‘de business’ kan vertalen, de HR-medewerker, de ICT-er of een collega van finance.

Het is belangrijk dat mensen vanuit verschillende achtergronden met elkaar samenwerken.

Jack Phillips zegt: “In het team moeten mensen zitten die HR begrijpen, mensen die statistiek begrijpen, mensen die ICT en techniek begrijpen en mensen die de organisatie en de business begrijpen. Je hebt die vaardigheden echt allemaal nodig.” Patricia Gielis: “Zorg bij het samenstellen van je analyticsteam dat je zowel scientists als engineers aan je verbindt. Dat is belangrijk voor de bestendigheid en het doorontwikkelen van je team. Zorg ook binnen je team voor een goede mix van junioren, medioren en senioren. Junioren zijn jonge honden die alleen kansen zien en met innovatie bezig willen zijn. Dat is heel mooi, maar om rust te creëren heb je daarnaast ook medioren en senioren nodig.”

Handvat 4: Besteed veel tijd aan een zorgvuldige implementatie

Transparantie en optimale communicatie met alle betrokkenen zijn een enorm belangrijk onderdeel van de implementatie van analytics. Het werken met analyse raakt sterk aan het belang van privacy. Als werkgever moet je niet alleen feitelijk zorgen dat je je houdt aan de wettelijke kaders rondom privacy, maar ook begrijpen hoe belangrijk het is dat de werknemers van wie informatie wordt verwerkt exact weten welke informatie voor welke doelen wordt gebruikt.

Gezamenlijke ontdekkingstocht

Jeroen van den Hoven, hoogleraar Techniek en Ethiek aan de TU Delft, zei hierover in het Financieele Dagblad: “Je moet het als werkgever echt uitleggen aan je mensen. Vertel ze dat je de performance wilt verbeteren door specifieke data bij te houden en vraag ze of ze bereid zijn om mee te doen. Ik zie de vraag wat je met big data kunt doen als een gezamenlijke ontdekkingstocht van werkgever en werknemer.” Van den Hoven benadrukt dat organisaties ernaar moeten streven dat er consensus ontstaat tussen werkgever en werknemer over het feit dat data inzicht kunnen geven in wat mensen beweegt en dat ze kunnen bijdragen aan het oplossen van specifieke problemen.

Praktijkvoorbeeld: de Bank of America

Een mooi voorbeeld van de waarde van analytics is een case bij de Bank of America. De bank worstelde met het snelle verloop van medewerkers in callcenters. Via data-analyse werden resultaten van callcenters met een betere performance vergeleken met slechtlopende afdelingen. Er kwam een sterke correlatie naar voren tussen de kwaliteit van de callcenters en de interactie tussen werknemers. Bij de goedlopende callcenters bleken werknemers samen te lunchen, en 80 procent van de interactie vond tijdens die lunches plaats. De slechtlopende afdelingen kenden een systeem van gescheiden lunchpauzes, waardoor werknemers van verschillende teams elkaar nooit ontmoetten. Door een eenvoudige maatregel, namelijk de introductie van gezamenlijke lunchpauzes, schoten de prestaties omhoog. Volgens de bank leidde deze eenvoudige ingreep uiteindelijk tot een besparing van 15 miljoen dollar.