Waarom is het nodig HR-data opnieuw uit te vinden?
Uit onderzoek blijkt dat binnen HR vooral eigen expertise – lees buikgevoel-ervaring – gebruikt wordt om HR-beslissingen te nemen. We weten dat buikgevoel zijn waarde heeft, maar in de praktijk zijn er toch veel beperkingen. Zo zegt het buikgevoel van veel managers bijvoorbeeld dat open office space de interactie tussen medewerkers zal bevorderen. We zien echter op basis van echt gedrag dat open office space juist nadelig is voor de interactie. Toch blijft de open office-hype bestaan.
Daarnaast geven heel veel HR-managers aan dat ze nu al data gebruiken. Maar meestal blijkt dat het dan om data gaat uit bevragingen bij medewerkers. Dit geeft HR een meer cijfermatige onderbouwing en gevoel van objectiviteit, maar we weten uit academisch onderzoek dat vragenlijsten vaak tot onbetrouwbare resultaten leiden. Zo heb je, zeker binnen een werkcontext, een heel grote kans op sociaal wenselijke en strategische antwoorden. Kandidaat-werknemers zullen tijdens een sollicitatieproces bijna per definitie hun beste beentje voorzetten. Bij tevredenheidsbevragingen zien we dat werknemers per definitie zeggen ontevreden te zijn over hun verloningspakket, uiteraard in de hoop dat dit verloningspakket zal stijgen als het management die ontevredenheidscijfers ziet.
Volgens ons is het veel beter om naar echte gedragsdata te kijken. Onderzoek toont namelijk aan dat gedrag uit het verleden de beste predictor voor toekomstig gedrag is. Het is hierbij belangrijk om aan te duiden dat we nu, meer dan ooit, enorme hoeveelheden data hebben doordat bijna alles wat we tegenwoordig doen een digitaal spoor nalaat. Denk maar aan de online meetings, communicatie via digitale kanalen, etc. Daarnaast hebben we voor de eerste keer in de geschiedenis computers die krachtig genoeg zijn om ook iets zinnigs met die data te doen. Dat noemen we een ‘perfect storm’ voor people analytics.
Al deze elementen hebben er ons van overtuigd dat het nu het moment is om je HR-data beleid opnieuw uit te vinden.
Hoe groot is de weerstand van de zittende HR-professionals tegen innovatieve HR-technologie precies? En waaraan schrijft u die toe?
Die weerstand is nog altijd heel groot. We zien dat beslissers vaak heel sterk vasthouden aan hoe ze vroeger beslissingen namen. Dat is volgens ons in België nog meer het geval dan in sommige andere landen, zoals de VS of Nederland. Doctoraal onderzoek naar het gebruik van HR-analytics toont aan dat zelfs HR-managers die people analytics toepassen, heel vaak de neiging hebben om de resultaten van die analyses toch naast zich neer te leggen als die het buikgevoel niet bevestigen. Ja, dan heeft het eigenlijk geen zin om zelfs maar aan dergelijke analyses te beginnen natuurlijk.
Een ander element is dat veel HR-managers vinden dat je de medewerker niet kan reduceren tot koele cijfers. Daar gaan we natuurlijk compleet mee akkoord. Maar voor ons is HR-analytics net een middel om de saaiere, routinematige taken te automatiseren. Daardoor komt er meer tijd vrij voor de warme, menselijke kant van HR. Een heel mooi voorbeeld hiervan is de chatbot voor startende medewerkers. We weten dat starters voor 90% op dezelfde vragen en problemen stuiten. Heel vaak zijn dat vrij eenvoudig te beantwoorden vragen: hoe moet ik mijn verlof aanvragen, waar kan ik bepaalde documenten vinden, etc.. Momenteel komen die vragen allemaal bij HR-medewerkers terecht. Door die vragen via een chatbot, die dag en nacht van op gelijk welke locatie te raadplegen is, te laten beantwoorden, bespaar je enorme hoeveelheden tijd bij je HR-medewerkers, die dan die tijd kunnen gebruiken voor de overige 10% van de vragen, die veel complexer zijn of een persoonlijke aanpak vereisen.
U schrijft dat een systematische focus op de medewerkers een belangrijk concurrentievoordeel oplevert. U noemt zelfs concrete voorbeelden van bedrijven, maar hoe maak je dat voordeel aantoonbaar?
Het mooie van HR-analytics is dat je die ROI in heel veel gevallen gewoon letterlijk kunt berekenen. Als je de belangrijkste ‘voorspellers’ van burn-out kunt detecteren, waarna je acties definieert om burn-out tegen te gaan, kun je de burn-out aantallen voor en na de acties vergelijken. Hieraan gelieerd, we zijn momenteel aan het bekijken hoe we mensen die langdurig zijn uitgevallen, zo snel, maar vooral zo duurzaam mogelijk terug kunnen reïntegreren. We kunnen hier letterlijk berekenen wat de winst in gewerkte tijd is. Een laatste voorbeeld is ons gender bias dashboard. Hier kunnen managers in real time zien wat de gender bias is op de verschillende niveaus van het bedrijf: van de kans dat je als vrouw aangeworven wordt, over het verschil in loon op de verschillende niveaus, tot de kans dat je als vrouw het C-level bereikt. Opnieuw kun je hier getalsmatig meten of je genderbeleid werkt of niet.
Ik heb de indruk dat u in uw boek impliciet nogal wat kritiek levert op de totale managementindustrie. Klopt dat?
We zijn inderdaad kritisch, omdat er nog te weinig evidence-based gewerkt wordt. We hebben nog nooit in de menselijke geschiedenis over zoveel wetenschappelijke inzichten en over zoveel data beschikt. Toch blijven heel wat managers enerzijds op buikgevoel beslissen of anderzijds op basis van allerhande management- en businesshypes. Een van onze favoriete voorbeelden is de MBTI, de meest gebruikte persoonlijkheidstest in HR. Jammer genoeg is die MBTI zo nuttig als de horoscoop in de krant. Op basis van honderden vragen, waarvoor je bovendien een stevige duit moet betalen, word je ingedeeld in 4 kleuren en 16 persoonlijkheidstypes. Groene medewerkers zijn kalm en bedachtzaam. Het type dat bloemetjes en foto’s van het gezin op het bureau heeft staan. Gele medewerkers zijn dan weer de enthousiaste pleziermakers, die het liefst na het werk een pint gaan drinken met de collega’s. Herken je jezelf? Dat is precies zoals een horoscoop ook altijd herkenbaar is. Wetenschappelijk onderzoek toont aan dat de MBTI geen enkele waarde heeft. Ten eerste is de test heel onbetrouwbaar: als je de vragenlijst op verschillende momenten invult, is de kans enorm hoog dat je in een ander type wordt ingedeeld. Daarnaast is er enorm weinig voorspellende waarde. Je MBTI-typologie heeft geen enkele link met hoe je het als werknemer zult doen bij een bepaalde werkgever.
Mijn meest prangende vraag: u schrijft dat je door HR-data goed te gebruiken, kunt voorspellen welke sollicitanten in de toekomst een top-performer gaat worden. U lijkt daarmee voorbij te gaan aan allerlei confounding variables en de onvoorspelbare dynamiek in organisaties.
Je hebt volledig gelijk dat people analytics ook veel valkuilen bevat. Als je je blindweg enkel op data uit het verleden baseert, dan zal daaruit blijken dat de meeste succesvolle medewerkers in westerse bedrijven in het verleden meestal blanke mannen waren. Dus moeten we met zijn allen vooral opnieuw blanke mannen aanwerven? Nee, natuurlijk niet! We zijn ervan overtuigd dat de beste statisticus – de persoon die alle mogelijke innovatieve en diepgaande analysetechnieken perfect onder de knie heeft – niet noodzakelijk de beste people analyticus is. Hoe meer je beroep wilt doen op HR-data, hoe belangrijker het zal zijn om in te zien wat er precies achter die data zit. Dat kan enkel als je people analytics gebeurt door multi-disciplinaire teams bestaande uit mensen met een verschillende achtergrond, van statistiek en datamining tot psychologie, sociologie en zelfs filosofie.
Een ander belangrijk punt dat we hierbij willen vermelden is dat het niet nodig is om 100% correct te kunnen voorspellen opdat people analytics nuttig zou zijn. Je hoeft dus niet noodzakelijk op individueel niveau te kunnen identificeren wie een top-performer kan worden. Als je uit een pool van 100 sollicitanten, met de nieuwste technieken, van 5 top-performers naar 10 top-perfomers kunt gaan, dan heb je je selectie-efficiëntie verdubbeld. Als je je burn-out cijfers van 20% naar 10% kunt brengen, heb je niet alle burn-out voorkomen, maar heb je wel gigantische winst gemaakt in termen van kosten en van medewerkerswelzijn. Als je je onboarding proces kunt optimaliseren zodat 70% van de starters ipv 50% van de starters na een jaar nog bij jou aan de slag is, dan is dat volgens ons een ernstige verbetering.
Uiteindelijk bepleit u een nieuwe mindset op de afdeling HR. Wat is er volgens u nodig om die te ontwikkelen?
Ten eerste moet er een bewustwording komen dat het volgen van buikgevoel of van allerlei managementhypes fnuikend is voor de kwaliteit van je beslissingen. Je moet echt een evidence-based mindset ontwikkelen. Dat betekent dat je jezelf in vraag moet durven stellen.
Daarnaast is het belangrijk om de juiste basis te leggen. Te veel bedrijven hebben heel veel data, maar die blijven onontgonnen. De eerste stap is echt een indexatie maken van alle data die je kunt en wilt bijhouden. We raden hier altijd aan om na te denken in termen van de employee journey: alle fases van het aanwerven tot het verlaten van het bedrijf. Welke data hebben we over onze vacatures, kandidaten, sollicitanten, etc.? Welke data hebben we over het onboardingsproces? Welke data hebben we over verloning, promoties, evaluaties? Welke data hebben we over het effect van opleidingen en trainingen? Welke data hebben we over het verloop in ons bedrijf?
Ten slotte, maar van cruciaal belang, moet er een ethische mindset ontwikkeld worden. GDPR (AVG, red.) is belangrijk als het gaat over marketingdata (denk Facebook, Google, etc.), maar misschien nog belangrijker als het over zoiets gevoeligs gaat als jouw werk. Voordat je met people analytics aan de slag gaat, moet je eerst denken aan het doel dat je wilt bereiken en hoe je je medewerkers kunt betrekken in het proces.
Over Bert Peene
Bert Peene werkte jarenlang als kerndocent bij IMAGO Groep, Via Vinci Academy en C-Lion, opleiders voor het onderwijs. Daarnaast voerde hij als zelfstandige opdrachten op het gebied van organisatieontwikkeling uit in profit en non-proft. Tegenwoordig werkt hij als free lance docent en schrijft hij voor diverse bladen over managementliteratuur.
