HR Analytics - wat je vooral niet moet doen

Protime HR Analytics

Origineel bericht: HR Analytics? Wat je vooral niet moet doen.
Schrijver: Lucas Polman voor HR Praktijk

Het HR-vakgebied bevindt zich in transitie. Het meetbaar maken van de effecten van bepaalde strategische beslissingen op de organisatie is belangrijker dan ooit. Beslissingen worden steeds vaker genomen op basis van feiten en ratio, in plaats van op onderbuikgevoel. Dit maakt dat HR-analytics ongekend populair is. Desalniettemin zijn er een aantal valkuilen waar je als organisatie zeker niet in wil stappen. In deze blog deel ik er vijf.

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.