Werkgevers genereren over uiteenlopende thema’s personeelsgegevens. We bespreken hier een aantal categorieën die zeer bruikbare databronnen kunnen zijn voor het beantwoorden van specifieke analyticsvraagstukken.

Personeelsinformatie

De meest voorkomende data uit interne bronnen zijn de gegevens uit het verplichte personeelsdossier en de personeelsadministratie. Hierbij kun je denken aan sociodemografische informatie, maar ook aan de interne werkhistorie en het salaris. Vergeet niet om de beschikbare woonplaatsgegevens in de analyse mee te nemen. Het blijkt vaker dat de afstand tot het werk van invloed is op het gedrag van een medewerker.

Data over de prestaties van medewerkers

De reguliere beoordelingscyclus en systemen voor performancemanagement leveren gegevens op over de prestaties van de medewerkers en het sturen daarvan. Dat betreft data over beoordelingen, functioneringsgesprekken en competenties. Dit maakt interessante analyses mogelijk over vraagstukken zoals: oordelen mannen anders over mannen dan over vrouwen en vice versa? In bepaalde systemen kunnen klanten mee beoordelen – zoals het geval is bij 360 graden-feedback – zodat ook de klanttevredenheid vastgelegd wordt, en de impact van de medewerkers op de klant relatief eenvoudig kan worden onderzocht.

Data over het ontwikkelen van medewerkers

Systemen voor talentmanagement bevatten onder meer gegevens over het potentieel en de ontwikkeling van de medewerkers. Denk aan overzichten van trainingen en opleidingen die de medewerkers hebben gevolgd. Deze zijn goed bruikbaar voor analyses van bijvoorbeeld de relatie tussen de betrokkenheid en de arbeidsproductiviteit enerzijds en het aantal en het soort trainingen dat medewerkers hebben gevolgd anderzijds.
Het ‘9-box Grid’-model1 en de ‘hr3P’-methode2 zijn goede hulpmiddelen om de prestaties en de potentie van de medewerkers in kaart te brengen. Dat levert interessante data voor bijvoorbeeld salarisanalyses3 en in het kader van strategische personeelsplanning, waar successieplanning deel van uitmaakt. Bij strategische personeelsplanning vergelijk je de huidige personeelsbezetting met de gewenste, op basis van toekomstige ontwikkelingen in de markt en de organisatie. Analyse van de hier genoemde data helpt hiervoor toekomstscenario’s te schrijven en door te rekenen.

Data over persoonlijkheidskenmerken

Testen en assessments geven informatie over de talenten, de competenties en bijvoorbeeld het iq van medewerkers. De resultaten kun je gebruiken om de persoonlijkheidskenmerken van de medewerkers in relatie te brengen met andere data. Persoonlijkheid blijkt in veel gevallen een medevoorspeller voor bijvoorbeeld motivatie, loyaliteit, potentieel, verloop, de kans op een burn-out. Hierbij moet onderscheid worden gemaakt tussen talenten en competenties. Talenten heeft de medewerker van nature, competenties zijn door ervaring, training en oefening te ontwikkelen.

Data over verzuim en verlof

De verlof- en verzuimregistratie kan zeer interessante informatie opleveren. Data over verlof en verzuim kun je meenemen in de analyse om te kijken of er verbanden zijn te vinden met het analyseonderwerp. Stel, je analyseert het verloop. Dan wil je bijvoorbeeld weten hoe dat gerelateerd is aan het aantal verlofdagen dat een medewerker opneemt in de maanden voor zijn vertrek. Verlof is in dit geval niet zozeer een verklarende factor, maar heeft een signaalfunctie en is daarmee zeer bruikbaar in een voorspellend model. Let wel, een opvallend lage verlofopname kan wel een verklarende factor zijn voor bijvoorbeeld een burn-out. Een analysevraag kan dan zijn: is er meer kans dat iemand ziek wordt als hij het jaar daarvoor geen vakantie heeft opgenomen?

Data over het gebruik van sociale regelingen

Als je verzuim betrekt in een analyse mogen de gegevens van (oud)medewerkers die gebruikmaken van een of meer sociale regelingen niet ontbreken. Langdurig zieke medewerkers verdwijnen na een bepaalde tijd uit de verzuimcijfers van de organisatie. Als je de duurzame inzetbaarheid in de organisatie onder de loep gaat nemen zijn ook deze gegevens van deze groep medewerkers relevant. Immers, over de kans dat een medewerker in de toekomst aanspraak zal maken op sociale regelingen wil je als werkgever graag voorspellende analyses kunnen doen. Dat geeft antwoord op vragen als: welke medewerkers lopen de meeste kans om arbeidsongeschikt te worden? Wat zijn de risicogroepen? Het is goed om de bewuste data over deze groep beschikbaar te hebben en te benutten, of deze bij gespecialiseerde partijen op te vragen.

Data over het werkgeversimago en recruitment

Data op het gebied van recruitment, werving en selectie zijn ook een zeer interessante interne bron voor analyses. Allereerst analyses over de effectiviteit en de efficiency van de recruitmentprocessen en -kanalen. Hoe weet je de doelgroep te bereiken? Hoeveel reacties levert een vacature op? Verder zijn analyses van de kwaliteit van de aangenomen medewerkers interessant. Welke blijken na een aantal jaren succesvol? Daarmee kun je in de werving en selectiefase reeds een voorspelling maken van het te verwachten verloop en het te verwachten prestatieniveau. Uiteraard worden deze ook beïnvloed door onvoorziene aspecten waarmee medewerkers later nog te maken krijgen, zoals de relatie met managers, uit te voeren projecten en nog te maken carrièrestappen. Met analyses kun je echter wel ontdekken waar de beste kandidaten vandaan komen, en selectiecriteria evalueren.

Overige bedrijfsdata gebruiken

De bovengenoemde datacategorieën behoren tot het terrein van HR. Daaraan kunnen overige bedrijfsdata nog worden toegevoegd, zoals gegevens over de productiviteit, de geleverde kwaliteit, de klanttevredenheid, de omzet, de winstgevendheid enzovoort. Daarmee kun je thema’s analyseren die niet direct onder HR vallen, en betrekking hebben op belangrijke resultaatgebieden zoals de klanten, de marktpositie, de financiële prestaties. Welke datacategorieën je betrekt in de analyse hangt af van de vraag die je wilt beantwoorden.

  1. De oorsprong van de 9-box Grid is enigszins onduidelijk, maar algemeen wordt aangenomen dat die is ontwikkeld door McKinsey voor ge (onder leiding van Jack Welch) eind jaren zestig.
  2. De hr3P-methode is ontwikkeld door Evers, Van Laanen en Sipkens in 1993 en is gericht op het analyseren van de gewenste combinaties (portfolio) van prestatie (performance) en potentieel.
  3. Analyses in het kader van de jaarlijkse salarisronde: wie moet welke salarisverhoging krijgen?