1. HR-organisaties hebben analyses en meetprogramma’s, maar moeten die nog samenbrengen
Meer dan 80 procent van de bevraagde organisaties heeft heel wat geweldige meetprogramma’s, maar die worden zelden met elkaar gecombineerd. Daardoor meten ze niet meer dan de effectiviteit en efficiëntie van HR zelf.
Hoewel dit op zich ook wel belangrijk is, is het resultaat maar mager vergeleken met het enorme potentieel van het samenbrengen van al deze HR- en werknemersdata met het feitelijke managen van de business: welke rekruteringsbronnen leveren de beste verkopers op? Welke trainingsprogramma’s en vaardigheden hebben een direct effect op klantenretentie?
2. Er zijn heel wat HR-softwaretools en -systemen, maar zij zijn niet het antwoord
Het is heel makkelijk enthousiast te worden over de nieuwste tools voor talentanalyses. Maar het middel is niet het antwoord. Geen enkel bedrijf bewaart al zijn mensgerelateerde data op één plek. Bedrijven aan de top ontwikkelen hun eigen ‘datawoordenboek’ en zetten een strategie op om de data uit talrijke bronnen te verzamelen, verwerken en gebruiken. Ze standaardiseren hun tools, werken met IT en leren dit goed te benutten.
3. Er is een voorspelbaar maturiteitsmodel voor uitmuntende analytics
Een uitmuntende analytics-oplossing bouwen, neemt drie tot vijf jaar in beslag. En je bent er nooit klaar mee. Er zijn vier belangrijke fasen voor succes:
- Niveau 4: voorspellende analytics
De ontwikkeling van voorspellende modellen, scenarioplanning, risicoanalyse en schadebeperking, integratie met strategische planning.
- Niveau 3: strategische analytics
Segmentering, statistische analyses, ontwikkeling van ‘people models’, analyses van dimensies om de oorzaak te vinden en het leveren van werkbare oplossingen.
- Niveau 2: proactief – advanced reporting
Operationele rapportage voor benchmarking en beslissingen, multidimensionale analyses en dashboards.
- Niveau 1: reactief – operational reporting
Operationele rapportage voor het meten van efficiëntie en compliance, dataverkenning en –integratie, ontwikkeling van een datawoordenboek.
In het kort toont dit model dat organisaties van ‘reactief’ naar ‘proactief’ moeten groeien, en dan van ‘strategisch’ naar ‘voorspellend’. Hoewel je stappen kunt overslaan, toont onderzoek aan dat dit meestal zijn weerslag heeft. Je kunt analytics in een project gieten, maar dan blijft er een probleem van inconsistente data, gebrek aan betrouwbaarheid op langere termijn en uiteindelijk een hoop extra moeite.
4. Blijf focussen op de business
Er is een natuurlijke neiging om analytics op te bouwen met data van buitenaf. Die aanpak is nodig bij de opbouw, om je datawoordenboek in te voeren, maar het belangrijkste in de beginfase is één welbepaald probleem van de business te vinden waar je op kunt focussen.
Op niveau 1 en 2 bouw je de infrastructuur om van reactief naar proactief te gaan. Maar zodra je een team hebt en tools begint samen te brengen, moet je de focus leggen op een aantal aanzienlijke bedrijfsproblemen. Focus eerst op één of twee courante heikele kwesties, en je krijgt groen licht van de organisatie om je er verder op toe te leggen.
Onthoud dat niveau 3 en 4 er niet om gaan HR beter te maken. Je probeert de informatie die je over mensen hebt te gebruiken om de organisatie te verbeteren. Dat doe je het beste door je te richten op een welbekend financieel relevant probleem.
5. Alles draait rond het team
Talentanalytics moeten opgebouwd worden door erg vaardige, gefocuste, gepassioneerde mensen. De beste teams bestaan uit mensen die sterke competenties hebben in database, statistieken, businessanalyses en managementcommunicatie. Na een tijd kan de HR-analysefunctie dit overnemen, de analytics in alle domeinen beheren en interageren met andere analyticsafdelingen in het bedrijf. Op niveau 3 en 4 zou het team moeten samenwerken met finance en marketing, zodat je tools, data en proceservaring kunt delen.
