Gegevens zijn het nieuwe goud. Alle bedrijven en processen willen data-driven worden. Beslissingen moeten we nemen op basis van objectieve data in plaats van ‘op gevoel’. Dit geldt ook voor het HR-beleid. HR-analytics staat dan ook hoog op de agenda, want pas dan worden HR-afdelingen echt serieus genomen. Dromen HR-managers van een ideaal dat onhaalbaar is? Tijd voor een kritische noot.
Onderzoeks- en adviesbureau Gartner heeft een ontwikkelingsmodel opgesteld voor het anlyseren van bedrijfsgegevens, de Analytics Value Escalator. ‘Terugkijken en verantwoorden’ is in dat model de eerste stap, met slechts een geringe waarde voor de organisatie. Analytics heeft pas echt zin, als het Business Intelligence-systeem voorschrijft wat moet worden gedaan om meer te halen uit het menselijke kapitaal van de organisatie.
Meten is weten. Terugkijken op- en rapporteren over de KPI’s van HR is dan ook zeer belangrijk. Alleen wordt het door privacyregels steeds lastiger om goed te rapporteren over de KPI’s. Neem het diversiteitsbeleid. Zonder vastlegging van religie, seksuele voorkeur en afkomst kan dit nauwelijks data-driven zijn. En sinds naar de aard en oorzaak van verzuim niet meer mag worden gevraagd, is de waarde van verzuimcijfers sterk afgenomen. Die waarde was al beperkt. Bij het bespreken van HR-rapportages met een managementteam hoor je vooral: “Ah, hoort Marloes op mijn afdeling?” ”Ja, hoge frequentie, dat krijg je met jonge ouders.” Of “Dat was toch die griepgolf?” Op zulke momenten wordt vaak duidelijk dat iedereen een eigen waarheid heeft of dat managers een ander beeld hebben van hun afdeling dan de administratie doet vermoeden.
HR-analytics gebruikt vooral gegevens uit het HR-systeem. Bij een hoog verloop of verzuim kunnen correlaties onderzocht worden met reisafstand, leeftijd, aantal jaren in functie, salaris ten opzichte van collega’s, verzuimhistorie en de laatste beoordelingen. Data-analisten vinden dit veel te beperkt en dit soort verbanden eigenlijk saai. Een mooi voorbeeld daarvan zien we in een artikel, waarin staat: "Niet leeftijd, intelligentie of toewijding aan het bedrijf bepaalt of een postbezorger goed of matig is, maar het bezit van een hond is de beste voorspeller van een goede performance.” Ik vraag me vooral af hoe de analisten tot een betrouwbare gegevensverzameling kwamen waarin performance, intelligentie, toewijding én het bezit van een hond is opgenomen. En wat doe je vervolgens met die kennis? “U bent een fijne sollicitant, slim en toegewijd. Maar wat zegt u nu, u houdt meer van poezen dan van honden. Wat is dat nou jammer.” Nee toch?
De belangrijkste voorspeller van verzuim, verloop en performance is volgens mij niet het bezit van een hond, maar toch eerder ‘de betrokkenheid van de medewerker’. Google weet meer over de betrokkenheid van medewerkers dan haar manager. Google weet hoe laat de medewerker op het werk is, hoe vaak en op welke momenten zij haar social media checkt, waar haar vrienden werken en welke vacaturesites zij tijdens en na werktijd bezoekt. Wat weet HR van haar betrokkenheid? Op zijn best vraagt HR het eens per jaar anoniem aan de medewerker en zelden aan de manager.
Onderzoek van o.a. Korn Ferry toont aan dat er de belangrijkste driver van betrokkenheid van medewerkers wel in het HR-systeem staat.....De manager! De slechte manager overbelast medewerkers, herkent goede bijdragen niet, helpt niet bij ontwikkeling, is niet geïnteresseerd in de mens, neemt de verkeerde mensen aan en daagt medewerkers niet genoeg uit. Oftewel, de slechte manager is funest voor de betrokkenheid in zijn team. Medewerkers verlaten dan ook niet het bedrijf maar de manager. De manager is het causale verband tussen verzuim, verlof en slechte performance waar je met HR-analytics naar op zoek bent.
De heilige graal van HR-analytics zijn de voorschrijvende analyses. Uit verbanden leidt het systeem af dat u maatregel A, B en C moet nemen om de betrokkenheid van medewerkers te verbeteren, waarna verloop, verzuim en performance verbeteren. Heeft een goede manager deze adviezen nodig? Vast niet, juist de verbinding met medewerkers – waardoor hij weet wat nodig is- maakt hem een goede manager. Neemt een slechte manager betere beslissingen door adviezen uit het systeem? Ook niet. Als het systeem de analyse goed doet, zal het advies vaak zijn dat de manager zijn performance moet verbeteren. De slechte manager zal alle excuses zoeken en vinden om zijn eigen rol te verbloemen.
HR-analytics is anders dan de analyse van verkoopcijfers of logistieke efficiency. Het gaat over mensen die in complexe organisaties samenwerken. Slechts een minuscuul deel van hun werken, denken en doen ligt vast in de systemen die ter beschikking staan van HR-analytics. Het overgrote deel kan of mag niet gebruikt worden. Met cijfers komt HR aan tafel van de directie. Omdat de benodigde data niet beschikbaar zijn en analyses niets zullen toevoegen, lijkt dat ver weg. Benut dus het enige belangrijke gegeven dat wel beschikbaar is maximaal. Rapporteer en analyseer de HR-KPI’s van managers en volg de manager door de organisatie. Confronteer hem met die analyses. Niet de meest veilige weg, maar we weten allemaal: “Zonder wrijving, geen glans!”.
Hoe krijg je als HR-manager meer tijd voor strategisch HRM? En waar zou je je dan mee bezig moeten houden? Centric vertelt je hier meer over in het whitepaper ‘HR-manager, hoe krijg je jouw handen vrij voor strategisch HRM?’
