HR Analytics: onmisbaar voor iedere HR Professional?

In het HR-beleid worden keuzes over interventies gemaakt met als doel om de prestaties van organisaties te verbeteren. In deze relatie tussen HRM en prestaties kan enerzijds onderscheid gemaakt worden in het versterken van organisatiebelangen zoals die van klanten en aandeelhouders/eigenaren. Anderzijds zijn er de belangen van de medewerkers: leidt het HR-beleid ook tot een grotere mate van welzijn? In een optimistisch perspectief versterkt het HR-beleid zowel het productiviteitspotentieel als het welzijnspotentieel (mutual gains). Vanuit een sceptisch/pessimistisch perspectief is HRM goed voor de organisatie, maar heeft het HR-beleid geen of zelfs een negatieve invloed op het welzijn van de medewerker (conflicting outcomes). Voor beide perspectieven geldt: wat zijn de beste keuzes om bepaalde resultaten te bereiken?

De HR black box ontrafelen

Omdat er veel factoren zijn die invloed hebben op de individuele prestaties en de prestaties van de organisatie, wordt de relatie tussen strategie, HRM en performance ook wel aangeduid als een black box. Het is niet eenvoudig om adequaat HR-beleid en de juiste HR-interventies (input) vast te stellen om daarmee de beoogde effecten (output) te realiseren. Toch wordt er van HR-professionals gevraagd om een effectief en efficiënt HR-beleid.

Met HR-analytics wordt geprobeerd om de black box tussen de benodigde input en de gewenste output op een evidence-based en data-driven wijze te ontrafelen. Oftewel, HR-analytics gaat over het uitvoeren van voorspellende analyses die leiden tot business intelligence. Denk hierbij aan vragen als: Welke training heeft de grootste impact op klanttevredenheid? Welke interventies versterken de mobiliteit van medewerkers? Zullen onze beste medewerkers blijven of vertrekken en waarom? Of: wat is de impact van ons leiderschap op engagement van onze medewerkers? 

Voor welk probleem is dit de oplossing?

HR-analytics is er dus op gericht om de kwaliteit van beslissingen over het HR-beleid en de HR-interventies te verbeteren. De analyse moet inzichten geven in de factoren (bottlenecks) die van invloed zijn op het (gewenste) gevolg. Voordat tot een analyse kan worden overgegaan dient allereerst de businessvraag te worden vastgesteld (fase 1). Dit klinkt wellicht eenvoudig, maar te vaak wordt hier een valse start gemaakt. Bij de voorgenomen of reeds in gang gezette interventies wordt dan een veelgehoorde vraag gesteld: voor welk probleem is dit de oplossing? Een urgente, relevante en heldere businessvraag vormt niet alleen de rechtvaardiging dat er tijd, geld en moeite in de analyse en de beantwoording ervan wordt gestoken, het zorgt er ook voor dat het tot bruikbare antwoorden en dus interventies leidt. De vraag ‘Hoeveel uren zijn aan training besteed?’, mist op zijn minst de relevantie en is dus geen businessvraag.

Nadat de businessvraag is bepaald -en vermoedelijke veroorzakers van gedrag zijn geïdentificeerd- volgt het eigenlijke analyseproces (fase 2). Hierbij wordt data verzameld, geprepareerd en geanalyseerd en worden zo inzichten in het vraagstuk verkregen. Data kunnen afkomstig zijn uit bijvoorbeeld externe databronnen (CBS, CPB, TNO etc.), vakliteratuur, wetenschappelijke onderzoek, het personeelsinformatiesysteem, kwalitatieve onderzoeken (interviews) of kwantitatieve onderzoeken (zoals het MTO). De data moeten niet alleen te genereren of voorhanden zijn, maar het moet ook vanuit de privacy en ethiek mogelijk zijn om deze data te gebruiken. In alle gevallen dient de kwaliteit van de data bewaakt te worden. Van een overzicht met salarissen moet duidelijk zijn of dit inclusief of exclusief vakantiegeld, toeslagen of andere emolumenten is. Datapreparatie (ter voorkoming van foutieve invoer, ontbrekende invoer, dubbelingen etc.) helpt ook om de kwaliteit van de data te versterken.

Verschillende analyses om tot inzichten te komen

Het analyseren van data is de laatste stap van het analyseproces en moet leiden tot inzichten voor de businessvraag. Met een beschrijvende analyse wordt met enkele kengetallen (zoals modus, mediaan, gemiddelden etc.) overzicht in de data aangebracht. Een verklarende analyse geeft inzicht in relaties tussen verschillende karakteristieken, rekening houdend met alle mogelijke verbanden (of correlaties) die kunnen bestaan. Een regressieanalyse is hiervoor een veelgebruikte analysetechniek en hiermee kan tevens de stap gezet worden naar voorspellende analyses. Voor het maken van de verschillende analyses zijn statistische programma zoals R, Python of SPSS voorhanden, maar kan Excel ook gebruikt worden.

Vanuit de analyses worden vervolgens de inzichten vertaald in besluitvorming over HR-beleid en HR-interventies en wordt tot uitvoering overgegaan (fase 3). Aan de hand van kritische prestatie-indicatoren (KPI’s) vindt meting en monitoring plaats van de voortgang en de resultaten van de ingezette interventies (fase 4). Deze metrics kunnen in HR-dashboards of HR-scorecards weergegeven worden en aanleiding geven voor een nieuwe of bijgestelde businessvraag.

Business as usual

Wanneer de geschetste fasering wordt beschouwd, valt het op dat deze cyclus voor HR-professionals beslist niet nieuw is. Het vaststellen van relevante HR- en organisatievraagstukken (fase 1), het onderzoeken en analyseren van de beste interventies om dit op te lossen (fase 2), het nemen van besluiten over HR-beleid en HR-interventies en de uitvoering hiervan (fase 3) en het monitoren van deze uitvoering (fase 4) is in de vorm van de HR-beleidscyclus business as usual. Omdat er steeds meer data en data-analysemogelijkheden voorhanden zijn, biedt de analysefase nu volop mogelijkheden om evidence based en data driven inzichten te verwerven en zo tot betere besluiten te komen. Dit vraagt dan ook om specifiekere competenties zoals het kunnen toepassen van (geavanceerde) statistische- en data-analysetechnieken, kennis van databases en databasetechnieken, het kunnen werken met analyse- en programmeersoftware etc.

De vraag is of deze competenties bij het vak van een HR-professional behoren. De tweede fase kan namelijk ook het juiste moment zijn om een (HR-)analist in te schakelen. Ieder zijn vak, nietwaar? Om de verkregen analyses te begrijpen, te beoordelen en deze te vertalen naar (heldere) inzichten, is het voor de HR-professional echter wel noodzakelijk om basiskennis te hebben van causaliteit, correlatie, data-analysetechnieken etc. Er is nog een reden om je als HR-professional verder te bekwamen in HR-analytics: je zult de HR-analist met de juiste businessvraag moeten aansturen en gedurende het proces als sparringpartner moeten fungeren. Dit vraagt -mede vanwege de eerdergenoemde black box- om een sterk analytisch vermogen en dat is wat je bij HR-analytics verder ontwikkeld. En, tot slot, het is juist ook de HR-professional die de inzichten bij (lijn)management en directie moet visualiseren en presenteren om zo de handen op elkaar te krijgen om het nieuwe HR-beleid en de HR-interventies te kunnen implementeren.

Executive Program HR Analytics

Het Executive Program HR Analytics is voor HR-professionals ontwikkeld om strategische vraagstukken op analytische wijze te benaderen, data te benutten voor de eigen organisatie en haar medewerkers en resultaten uit analytics-onderzoek te vertalen naar dagelijkse praktijk. In zes bijeenkomsten (verspreid over drie maanden) leert u om op een datagedreven manier strategische HR-analyses te ontwikkelen en HR-beslissingen met data te onderbouwen. Hiermee is uw organisatie in staat om betere besluiten te nemen, zoals het aantrekken van talent, hen te behouden en het beste in hen naar boven te halen. In het programma besteden wij tevens aandacht aan de organisatorische implementatie van HR-analytics en de invloed van data governance, privacy en ethiek. Onder begeleiding van verschillende docenten en praktijksprekers van o.a. ABN AMRO, NS en Achmea gaat u aan de slag met een concreet analytisch vraagstuk uit uw organisatie.