Home > > Blog > HR analytics: van een beschrijvend naar een voorspellend karakter
Selecteer een pagina

HR analytics: van een beschrijvend naar een voorspellend karakter

Op vrijwel de meeste HR afdelingen ontbreekt het aan het doen van gestaafde voorspellingen. In tegenstelling tot bijvoorbeeld de financiële afdeling, de productieafdeling of de marketing afdeling. De HR afdeling een krachtigere wiskundige benadering van zaken laten uitvoeren gebaseerd op bestaande data blijft in praktijk achter. Verschillende redenen liggen hier ten grondslag aan.

De 4 niveaus van de analytische capaciteiten van HR

Er zijn in totaal 4 niveaus waarin de capaciteiten van HR te onderscheiden zijn.

Op niveau één gaat het om het beschrijven van specifieke standaarden en rapporten met betrekking tot wat er gebeurd is.
Ten tweede gaat het om het beschrijven van wat er gebeurd is en vergelijkingen maken aan de hand van criteria en specifieke standaarden bij andere afdelingen en bedrijven.
Als derde volgt geavanceerd analytisch onderzoek waarbij de focus ligt op het waarom is het gebeurd en hoe kan het verbeterd worden?
Op het vierde niveau komt het creëren van voorspellingen aan de orde waarbij het gaat om het beantwoorden van vragen als, wat zal zeer waarschijnlijk gebeuren en hoe kunnen wij beter voorbereid zijn op de toekomst! Juist dit vierde en laatste proces voltrekt zich vrij zelden bij de HR afdelingen en dat terwijl de HR afdeling op een enorme berg aan informatie zit die helpt belangrijke voorspellingen te doen zoals:

  • Hoe zullen sollicitanten met een bepaald profiel presteren in verschillende functie?
  • Wie heeft leidinggevende potentie? Wat zal het effect van bepaalde curricula zijn?
  • Hoe vaak zullen werknemers verzuimen?
  • Wanneer zullen bepaalde mensen met pensioen gaan?

De marketingafdeling is continu bezig het gedrag van klanten te voorspellen. De afdeling inkoop is constant bezig te voorspellen hoe prijzen zullen ontwikkelen en de financiële afdeling rekent non-stop door aan de balans en waar deze in de toekomst staat. Echter blijkt uit diverse onderzoeken dat de meeste HR professionals niet verder gaan dan niveau drie.

Handige data voor HR Analytics

De beschikbare data over werknemers bestaat uit onder andere:

  • Demografische gegevens;
  • Informatie over bedrijfsvoordelen;
  • Informatie uit medewerkersonderzoeken;
  • Prestatiebeoordeling;
  • Productiviteitsmetingen;
  • Compensatie informatie;
  • Training resultaten;
  • Ontslag evaluatie;
  • En zelfs gewerkte uren en gebruikte verlofdagen.

Dergelijke informatie is samen te brengen om een schat aan relevante informatie te hebben, waarop geavanceerde HR analytics is toe te passen om eerder genoemde vragen te beantwoorden.

Maar wat weerhoudt bedrijven ervan voorspellende HR analytics toe te passen voor het beheren van het menselijk vermogen? Uit de markt horen we een aantal geluiden terugkomen:

  1. HR is nog niet rijp genoeg voor het uitvoeren van voorspellende HR analytics

Alhoewel er een schaal is voor het rijpen, is het niet nodig uitermate bedreven te zijn in rapporteren en instrumentengebruik, alvorens over te gaan tot voorspellende analytics.
Het beschrijvende karakter van HR zit in het rapporteren en werken met het instrumentenbord waarbij processen tot in de finesse worden geanalyseerd en patronen worden herkend.
Bij voorspellende analytics daarentegen gaat het om het testen van hypotheses. En zelfs wanneer men het beschrijven van processen volledig onder de knie heeft, is het geen garantie dat voorspellende analytics naar behoren uitgevoerd zal worden. Voorspellende analytics hangt niet samen met een rijpend bedrijf maar met ervaren personeel dat over de capaciteiten beschikt voor de uitvoer van voorspellende analytics.

  1. Er wordt niet voldoende data verzameld voor uitvoeren van voorspellende HR analytics

Voorspellende modellen creëren heeft niets te maken met het hebben van de meeste data maar het testen van relevante hypotheses met betrekking tot relevante data. Heel wat mensen zijn van mening dat enterprise resource planning (ERP en human-resources information systems (HRIS)) minder geschikt zijn voor het verrichten van metingen. We kunnen dus geen voorspellende analytics doen. Maar deze twee zaken zijn niet ontworpen met als doel voorspellende analytics uit te voeren. Het antwoord krijgt u door te kijken naar de problemen waarmee uw organisatie wordt geconfronteerd, hypotheses aandragen voor het oplossen van deze problemen, besluiten welke elementen te gebruiken bij het toetsen van de hypothesen en dan kijken of er relevante data beschikbaar is.

  1. Grote investeringen plegen in data technologie voor het uitvoeren van voorspellende analytics

HR afdelingen kunnen starten met het opbouwen van geavanceerde analytics zonder volledig te vertrouwen op geavanceerde technologische oplossingen. Sommige HR leidinggevende geloven dat zij pas aan data kunnen komen bij een complete integratie van ERP en HRIS. Dat kan een heel duur proces worden maar het is in ieder geval niet nodig voor voorspellende analytics. Belangrijk is het uitvoeren van een test voorspellende analytics om zo inzicht te krijgen in welke type data van belang is. Op die manier lijkt het minder duur en juist voordelig te zijn.

  1. Simpelweg een voorspellend-model competentie kopen door te investeren in geavanceerde HR business-intelligence oplossingen

Er zijn business-intelligence (BI) verkopers die dure applicaties verkopen en verklaren dat voorspellende analytics er gewoon uitrolt. Of besteed een enorm bedrag (in de miljoenen Amerikaanse dollars) om een datawarehouse te creëren, zodat je voorspellende modellen kan opstellen. Complete onwaarheden. De juiste mensen op de juiste plek zijn nodig.
Dat dit betekent dat kleine bedrijven niet in staat zullen zijn zelfs de kleinste hoeveelheid data en voorspellende analisten te betalen. Best mogelijk, maar voor de grotere bedrijven betekent het dat zij voor aanzienlijk minder geld voorspellende analytics op gang kunnen brengen. En de kosten voor het benodigde personeel zal slechts een fractie daarvan zijn.

  1. Een groepje statistici in dienst nemen eer voorspellende analytics mogelijk is

Uiteindelijk zullen statistici nodig zijn, echter hebben zij niet dezelfde gedachtegang als de zakenmensen. De belangrijkste bekwaamheid in het gebruik van voorspellende analytics is het interpreteren van resultaten om te komen tot zaken gerelateerde inzichten en deze te koppelen aan uitvoerbare beslissingen.

In de meeste bedrijven zitten de mensen met dergelijke bekwaamheden niet bij de HR afdeling, maar bij de financiële afdelingen. Bepaalde bedrijven plaatsen mensen over vanuit financiële afdelingen om een rol te vervullen bij de HR afdeling. De mensen van de financiële afdelingen zijn eerder gewend te werken met data en gecompliceerde modellen en deze om te zetten in business taal. HR is traditioneel niet zo data-intensief.

Tenslotte is vermeldenswaard dat alhoewel bedrijven niet op niveau 4 zijn, zij het proces van voorspellende analytics achterna zitten. Zij die zich op niveau 3 bevinden, voeren voorspellende analytics op de een of andere manier uit, maar zijn eenvoudig weg niet gereed voor het voorbereiden, uitvoeren en onderhouden van voorspellende oplossing te midden van alle bedrijfsprocessen.

Kijk hier voor meer informatie over HR Analytics.


Reactie verzenden