1. HR-metrics verwarren met HR-analytics
Als je data gaat analyseren kan je dat voor drie verschillende toepassingen gebruiken: descriptive, predictive en prescriptive. Bij descriptive analytics ga je data analyseren om inzicht te krijgen in het verleden. Hiermee beantwoord je vragen zoals ‘wat is er gebeurd?’. Bij predictive analytics ga je een stap verder en probeer je aan de hand van voorspellende modellen en technieken te begrijpen wat er mogelijk in de toekomst gaat gebeuren. Als laatste is er nog prescriptive analytics, waarbij je ook mogelijke uitkomsten en antwoorden gaat genereren. Dit geeft je inzicht in wat je moet gaan doen. Wat ik vaak zie gebeuren is dat veel HR-afdelingen in de veronderstelling zijn dat ze aan HR-analytics doen, terwijl ze eigenlijk met HR-metrics bezig zijn. HR-metrics is een vorm van descriptive analytics, waarbij echt de rapportage centraal staat. Het is een vorm van boekhouden, in plaats van vooruitkijken en analyseren. Het aantonen van een bepaald effect van jouw HR-beleid is daardoor nog niet goed mogelijk. De uitdaging is juist om data naar bruikbare inzichten te vertalen die bijdragen aan organisatiedoelen: HR-analytics dus.
2. Beginnen zonder doel
Een andere valkuil die snel op de loer ligt is beginnen zonder heldere doelstelling. Veel bedrijven starten met data te verzamelen, maar het is beter om te beginnen bij het business vraagstuk. Dat is niet per definitie een HR-vraagstuk, maar kan ook organisatorisch zijn. Wat is bijvoorbeeld het effect van een persoonlijk opleidingsbudget op de sales? Pas als je weet wat je wilt onderzoeken, weet je welke data je nodig hebt.
3. Incomplete data gebruiken
Een andere voorkomende valkuil is incomplete data. Wil je echt goede inzichten opdoen, dan moet je andere databronnen raadplegen en verzamelen. Neem naast verlofuren en verzuim bijvoorbeeld ook salesprestaties en winstgevendheid mee. Ook de gemaakte uren van werknemers is iets dat vaak vergeten wordt. Wanneer je alle bedrijfsdata meeneemt in je analyses, ontdek je meer verbanden tussen data die je kunt gebruiken om je beslissingen mee te ondersteunen.
4. Onvoldoende skills in huis hebben
HR-analytics vraagt om een nieuw soort HR-specialist. De soft skills van HR komen samen met de hardere skills van een analist. Daarmee sta je voor een uitdaging. Het is namelijk niet een taak die niet voor iedereen is weggelegd. Een HR-professional moet data kunnen begrijpen en interpreteren en met de tooling overweg kunnen. Een analist kan dit, maar die moet ook de context van HR begrijpen. Er moeten dus een heldere keuze gemaakt worden om te investeren in eigen personeel of om expertise in huis te halen.
5. De boardroom links laten liggen
Tot slot is HR-analytics geen feestje van HR, er is toewijding nodig van het management. Wil je echt rendement uit HR-analytics dan moet je aansluiten op de uitdagingen van het bedrijf. Het moet een realistische bijdrage leveren aan de algehele strategie. Daarnaast is commitment nodig van de directie voor de investeringen die ermee gemoeid zijn. Denk bijvoorbeeld aan de juiste software die dergelijke analytics mogelijk maakt.
Leer in één ochtend hoe je als HR-professional effectief omgaat met de juridische en fiscale uitdagingen bij het inhuren van zzp’ers. Na deze training weet je wanneer een medewerker echt als zzp’er kwalificeert. Je krijgt ook inzicht in de aanpak van de Belastingdienst, die vanaf 1 januari 2025 weer gaat handhaven op arbeidsrelaties voor loonheffingen.
