Category

Artikelen

Coronacrisis kan datagedreven HR-beleid enorme boost geven

By | Artikelen, HR | No Comments

Werkgevers staan voor grote uitdagingen, die vragen om nieuwe maatregelen. Irma Doze legt uit hoe data helpt in het onbekende te kijken en onderbouwde beslissingen te nemen.

Dit artikel is oorspronkelijk gepubliceerd op CHRO

Wordt thuiswerken echt het nieuwe normaal of zitten er adders onder het gras? Meer dan ooit maakt de coronacrisis ons bewust van ons feilbare denken, juist omdat we in deze onzekere tijden niet kunnen terugvallen op onze ervaring en expertise. De crisis stelt ons daarom niet alleen voor uitdagingen, we leren er ook van. Het nemen van datagedreven beslissingen zal een boost krijgen en kan werkgevers en werknemers dichter bij elkaar brengen.

Over de hele wereld worden big data, machine-learning en andere digitale tools ingezet om de COVID-19 verspreiding te voorspellen en uitbraken op te sporen. Kijk bijvoorbeeld eens naar de Nederlandse overheid. Zij wordt onder meer door het Outbreak Management Team (OMT) voorzien van schattingen van de impact die het coronavirus heeft op de gezondheidszorg, de samenleving en de economie. Ze krijgt advies van bedrijven en experts, zoals economen. En er is veel informatie over wat er leeft bij de burger, via peilingen zoals Peil.nl. Alleen met al die gegevens kan het kabinet een datagedreven aanpak uitstippelen om de coronacrisis in Nederland in te dammen en te overwinnen.

“Het is nu echt belangrijk om verbinding te maken met je medewerkers”

Zo sta je ook als CHRO met de andere leden van het management team voor de uitdaging om binnen de eigen organisatie het juiste pad – de juiste maatregelen – te kiezen om deze crisis door te komen. Dat roept veel vragen op. Hoeveel medewerkers hebben we nodig om binnen de nieuwe anderhalve meter-economie te functioneren als organisatie? Welke werkzaamheden vervallen? Welke rollen zijn juist nu van doorslaggevend belang? Aan de andere kant: Hoeveel van onze medewerkers zijn nog beschikbaar om te werken? Kunnen we mensen op andere werkzaamheden inzetten? Hoeveel mensen kunnen vanuit huis werken? Ook hier kan data helpen om onderbouwde beslissingen te nemen.

Afwezig of ziek?

Ten eerste kun je met data de inzetbaarheid van je mensen voorspellen. Veel organisaties beginnen hun analyse door hun maandelijkse verzuim-dashboard om te zetten naar een wekelijks of zelfs dagelijks verzuim-dashboard. Dit om het verzuim van medewerkers zoveel mogelijk real-time te monitoren.

Verder is het juist nu belangrijk om vooruit te kijken. Als je bijvoorbeeld wilt achterhalen of je volgende week of over twee weken genoeg mensen aan het werk hebt, heb je weinig aan de ‘standaard’ verzuimindicatoren, zoals meldingsfrequentie en verzuimpercentage. Je wilt weten hoeveel mensen naar verwachting hoe lang afwezig zullen zijn. Voor die basis-voorspelling heb je twee ingrediënten nodig: hoeveel mensen gaan er (nieuw) uitvallen en voor hoe lang vallen ze uit?

Rekening houden met bijzonder verlof

Bij het beantwoorden van die vragen vallen me bij veel organisaties twee zaken op. Ten eerste kijken ze vooral naar uitval door ziekte, maar dat blijkt lang niet altijd het belangrijkste om te volgen. Naast verzuim is er nu mogelijk ook veel sprake van ‘bijzonder verlof’, zoals zorgverlof en calamiteitenverlof. Het een en ander is afhankelijk van de afspraken over wanneer de medewerker zich ziek meldt.

Stel, een gezinslid van je medewerker heeft klachten die voldoen aan de criteria van het RIVM. De medewerker moet daardoor thuis blijven, maar kan zijn functie niet thuis uitvoeren. Wat registreer je dan? Daar moet je als organisatie duidelijke afspraken over maken. De kwaliteit van de data valt of staat bij een goede definitie en duidelijke afspraken over het registreren van verlof en verzuim.

“Wat heeft deze eenzijdig ‘opgelegde’ pilot van thuiswerken ons geleerd?”

Ten tweede is de coronacrisis een goed moment om te zien hoe ver de organisatie nu eigenlijk is met datagedreven werken. Bij veel organisaties zal blijken dat ze er nog niet klaar voor zijn. Ze beschikken over prachtige dashboards, maar werken daar nog niet soepel mee. Even de data omzetten van maandcijfers naar dag- of weekcijfers blijkt voor veel organisaties een grote uitdaging. Andere kengetallen gebruiken en een analyse toevoegen, lukt ook niet zomaar. De coronacrisis is dus een goede toets om te checken of je echt klaar bent om datagedreven te werken.

Scenarioplanning: voldoende capaciteit creëren

Ook werkplanners hebben veel baat bij de hiervoor genoemde afwezigheidsvoorspellingen. Velen van hen draaien in deze tijd overuren. Denk aan planners die het rooster voor de komende week of weken moeten maken, waarbij sterk moet worden opgeschaald of juist afgeschaald. Afwezigheidsvoorspellingen kunnen hen helpen om voldoende (over)capaciteit te creëren.

Denk ook aan strategische personeelsplanners. Zij krijgen te maken met het acute inkomstenverlies van de organisatie, dat kan oplopen van 20% of 40% tot in sommige gevallen zelfs 90% of 100%. En denk aan vraagstukken als: Hoe gaat de organisatie er over zes maanden uitzien? Waar zijn nieuwe competenties nodig nu de wereld in één klap op digitale processen overgaat?

Hoeveel mensen hebben we sowieso na de crisis nog nodig? Welke taken zijn daarbij cruciaal? Denk ook aan vragen over structuur en cultuur: gaan we anders met elkaar samen werken? Wat heeft deze eenzijdig ‘opgelegde’ pilot van thuiswerken ons geleerd?

Scenarioplanning helpt je nu meer dan ooit om het inzicht te krijgen dat je nodig hebt om tactische en strategische keuzes te maken in dit complexe speelveld vol dynamiek en onzekerheid. Want één ding is duidelijk: deze coronacrisis gaat een heuse trendbreuk geven in de data. Data uit het verleden is daarmee, in één klap, zeker geen garantie meer voor de toekomst.

Thuiswerken de nieuwe norm?

Blijven we de komende jaren meer thuis werken met z’n allen? Het is zeker een scenario dat je voorbij hoort komen. Daardoor heb je wellicht minder kantoorruimte nodig. Maar om goed thuis te kunnen werken hebben je werknemers meer nodig dan alleen vierkante meters. Comfort is ook erg belangrijk. Je wilt dat je werknemers hun werkomgeving als fijn en inspirerend ervaren, want dat bevordert hun prestaties. En je wilt niet dat ze eerder uitvallen omdat ze last hebben van tocht, een verblindende zon, slechte stoelen of te weinig beweging. Daar zul je dus ook rekening mee moeten houden en onderzoek naar moeten doen.

“Corona-crisis zal grote trendbreuk geven in data”

Het is dus nu belangrijker dan ooit om een vinger aan de pols te houden. Eén keer per twee jaar een onderzoek onder werknemers is niet voldoende om hun welzijn te kunnen volgen in deze tijd. Zelfs met een ‘Pulse-meting’ per kwartaal red je het niet. Ontwikkelingen volgen elkaar nu razendsnel op, waardoor het werk en de werkomstandigheden continu in verandering zijn en het sentiment onder medewerkers binnen no-time kan omslaan.

Tijd nemen voor de ander

Daarom is het belangrijk om echt verbinding te maken met je medewerkers. Diverse organisaties monitoren het welzijn van hun medewerkers nu dan ook wekelijks of zelfs dagelijks. Door actief naar je medewerkers te luisteren en feedback op te halen, kun je ze de juiste middelen bieden om hun werkplezier en prestaties te optimaliseren. Regelmatig een kleine verbetering kan een groot effect hebben.

Zo kan de coronacrisis ons meer dan ooit in verbinding brengen met onze werknemers, waar we nog actiever naar gaan luisteren. En wellicht brengt dat ons naar een organisatiecultuur waarin medewerkers en leidinggevenden het belangrijk vinden om de tijd te nemen om de ander echt te willen begrijpen.

Ook aan de slag?

Ga je aan de slag met corona scenarios? Wij zijn zeer benieuwd naar jouw ervaringen!

Auteur:

Irma Doze

Irma Doze

Managing Director AnalitiQs

DSM: data(kwaliteit)-gedreven HR-beleid

By | Artikelen, HR | No Comments

Om serieus met People Analytics en een datagedreven HR-beleid aan de gang te gaan, dat leidt tot acties die een organisatie verder helpen, is het essentieel dat de kwaliteit van de data hoog is. Om dat te bereiken vond bij DSM de afgelopen jaren het project MORE plaats. Gaby Montens, HR Expert op datagebied bij DSM, vertelt erover.

Het project MORE (Masterdata, Organization data and Reporting  Excellence) was een initiatief vanuit HR. Montens vertelt over de aanleiding voor MORE: “Als HR hebben we de afgelopen jaren een transformatie doorgemaakt, waarbij HR een nieuwe strategie kreeg met nieuwe rollen binnen de HR organisatie. Na afloop van die transformatie zagen we dat we als HR op datagebied nog niet waren waar we wilden zijn. Want onze ambitie is om data op een hoog niveau te hebben en te houden. Niet alleen om onze processen goed te kunnen ondersteunen maar ook om te  kunnen bijdragen aan datagedreven HR-beleid. We willen  meewerken aan de strategie en kunnen zorgen dat we inzichten die we opdoen met de data, ook echt omzetten in acties en gedragsveranderingen om de organisatie verder te helpen en te verbeteren. Daarom zijn we met MORE begonnen.” En dat past prima in de forse transformatie, die DSM als organisatie in de loop der jaren heeft ondergaan, vertelt Montens. “DSM was ooit een mijnenbedrijf en is nu een moderne, vooruitstrevende organisatie die op zoek is naar innovatie en heel duidelijk wil bijdragen aan duurzaamheid en gezonde en goede zaken voor de mens.”

Gaby Montens

Gaby Montens

HR Expert op datagebied bij DSM

Op drie gebieden aan de slag

Montens legt uit waar het bij HR aan schortte voordat MORE van start ging: “Er was nog ambiguïteit in onze datakwaliteit, de rapportages waren nog niet op het niveau dat we wilden en onze systemen konden nog verder gestroomlijnd worden, waarbij we datakwaliteitschecks wilden inbouwen. Betere datakwaliteit zou ons ook helpen om processen beter en meer betrouwbaar te laten verlopen.” HR ging bij MORE op deze drie gebieden – masterdata management, organisatiemanagement en reporting – aan de slag. “Op alle drie de gebieden hebben we verbeteringen doorgevoerd die de organisatie verder kunnen helpen en die voor ons de basis leggen om serieus aan de slag te gaan met People Analytics.”

Bij masterdata wordt onder meer gekeken  naar de compliancy van de data, dat wil zeggen of de data klopt met de businessregels. “Bij DSM hebben we tijdens een eerder project zes gebieden met ‘core’ datavelden gedefinieerd, waaronder employment, persoonlijke data, organisatiedata en salarisdata. Vervolgens hebben we op basis daarvan een actuele data dictionary opgezet, want de bestaande data dictionary was sterk verouderd. Die actuele data dictionary vormt nu het hart van onze dataorganisatie. En we hebben businessregels bepaald voor ieder dataveld, dat wil zeggen regels waar een dataveld aan moet voldoen, en deze vervolgens geautomatiseerd toegepast. Zodat we rapportages konden creëren over de datakwaliteit en aan datacleansing konden doen. Met het datakwaliteit dashboard kan HR nu maandelijks de status van de data meten en inspringen waar nodig. Dat gebeurde eerst in projectvorm, maar is inmiddels overgedragen aan de managed operationsorganisatie, HR shared services. Daar zit nu een team dat de wijzigingen bijhoudt, kijkt of er nieuwe velden nodig zijn en of dat er nieuwe businessregels van toepassing zijn. Daarnaast kunnen er ook nieuwe  waardes mogelijk zijn, bijvoorbeeld door de komst van een nieuw bedrijf of een nieuwe locatie.”

Het datakwaliteit dashboard is niet alleen toegankelijk voor HR. “Ook medewerkers van andere afdelingen kunnen ernaartoe. Qua communicatie focussen we echter wel op HR. We hebben per dataveld groepen mensen gedefinieerd die eigenaar zijn van dat dataveld. En we hebben gedefinieerd voor welke velden we problemen zelf kunnen oplossen en welke we moeten overdragen aan een HR businesspartner of misschien wel de medewerker zelf.”

Montens geeft een concreet voorbeeld: “We hebben bijvoorbeeld gekeken naar het mailadres van medewerkers. Dat moet voldoen aan bepaalde criteria, die zijn vastgelegd in een businessregel. Samen met IT hebben we gekeken naar een systeem om die regel te controleren en dat leidde tot een rapportage met een inventarisatie in hoeverre de mailadressen aan de businessregel voldeden.”

Een belangrijke les die HR tijdens dat traject leerde was dat het opzetten van businessregels een levend iets is. “Wat vandaag relevant is, kan morgen namelijk minder relevant zijn. En omgekeerd. Bovendien kunnen er ook businessregels bijkomen of verdwijnen. En het kan zo zijn dat door veranderingen binnen de organisatie er andere datavelden komen.”

Data Accuracy

Bij de masterdata werd niet alleen gekeken naar de compliancy, maar ook naar de accuracy van de data. “Dat was nodig, want je kunt wel voldoen aan de businessregel, maar dat wil nog niet zeggen dat de ingevulde waarde wel de juiste waarde is. In het voorbeeld van de mail: klopt het mailadres wel met de medewerker die het gebruikt?”

Maar wie kan het beste checken of data correct is? HR besloot deze vraag datagedreven aan te pakken en startte een pilot binnen de eigen afdeling: “We wilden weten van welke groep we de meeste respons kregen. Daarom hebben we HR opgedeeld in medewerkers, managers en HR business partners. Vervolgens hebben we de groepen gevraagd om bepaalde data te checken. Het bleek dat we van de medewerkers de meeste en beste respons kregen en dat we bij hen de grootste cleansing konden doen.”

Deze uitkomst leidde via scrumsessies met IT tot de komst van MyDataChecker, een applicatie waarbij vanuit de data dictionary werd gekeken welke velden de medewerkers zelf ‘schoon’ zouden kunnen houden en welke door anderen moesten worden opgepakt. “Daar kwamen zestien velden uit die zijn verwerkt in een tool, waarmee elke medewerker elk moment van de dag zijn data kan controleren. Vervolgens kan hij een change request aanvragen. Als HR hebben we gekeken of voor zo’n change request een kwaliteitscheck of informatieaanvraag nodig is en dat resulteerde erin dat we voor de wijziging van sommige velden hebben gevraagd om een paspoort- of identiteitscontrole. HR of een externe partner voert vervolgens de wijzigingen door.”

Tips

De eerste tip die Montens andere organisaties wil geven, is om gewoon te beginnen. “Ga niet ellenlang brainstormen. Ga aan de slag en stel bij waar nodig. Wij zijn in 2017 gestart en hebben ons oorspronkelijke plan ook bij moeten stellen. Dat is ook logisch, want de wereld verandert continu.”

Een tweede tip: “Zorg voor focus. Als je met data aan de slag gaat, zijn er namelijk zoveel topics die je aan kunt en wilt pakken. Je kunt echter beter een paar dingen goed doen dan heel veel dingen half.”

Een derde tip van Montens is om gebruik te maken van de beschikbare technieken en de scope te verbreden tot buiten HR. “Maak gebruik van de capaciteiten die er zijn binnen je bedrijf. Zorg voor complete, inter-functionele teams, zodat je alle kennis in je team hebt en snel kunt schakelen.”

Communicatie

In het team dat MyDataChecker ontwikkelde, zaten ook IT mensen die de connectie moesten maken vanuit de brondata om ervoor te zorgen dat de data van de juiste persoon werden opgehaald en communicatiemedewerkers om te zorgen voor een juist gebruik. “Dat laatste is cruciaal in zo’n proces. Het ontwikkelen is een, maar je moet er vervolgens duidelijk over communiceren en zorgen voor trainingen, zodat je mensen meeneemt in je project. Daarom zijn er informatiesessies geweest en is er een pagina gebouwd waar medewerkers informatie kunnen vinden over de applicatie en het gebruik. Verder zijn er nieuwsberichten geweest, filmpjes gemaakt en is er via het interne Yammer-platform gecommuniceerd.”

Live

MyDataChecker ging op 1 april 2019 live. In november 2019 volgde een  update met onder meer een video. De app is in het eerste half jaar inmiddels ruim 23.000 keer geopend. Meer dan 4.000 keer bevestigden medewerkers de juistheid van de data en ruim 800 keer leidde het tot een change request. Er wordt nu gekeken hoe MyDataChecker verder ontwikkeld kan worden. “Zo willen we dat er een jaarlijkse pop-up komt, waarbij vaste medewerkers gevraagd wordt hun data te controleren. En we willen dat nieuwe medewerkers die pop-up na twee maanden krijgen. Daarnaast kijken we of het aantal van zestien velden misschien uitgebreid moet worden.”

Organisatiedata

Bij organisatiedata werd er eerst voor gezorgd dat het model van medewerkers die organisatieveranderingen mogen inbrengen duidelijk werd. “Daarvoor hebben we een systeem gemaakt waarbij we basis users en advanced users hebben gedefinieerd en daarboven nog een expert. Daardoor hebben we bij complexe veranderingen duidelijke rollen. Daarnaast hebben we flink gewerkt aan het maturity-level van het HRSS OM-team.” Montens zag ook bij de organisatiedata dat communicatie belangrijk was. “Het helpt om medewerkers uitleg te geven en ze te leren hoe je organisatiemanagement moet bedrijven. Organisatiemanagement draait namelijk om het ‘vertalen’ van de vraag van de klant naar de juiste acties in het systeem.”

De afgelopen periode zijn er nog een aantal zaken toegevoegd binnen organisatiemanagement. “Zo hebben we een beslisboom ontwikkeld waarmee we vanuit een medewerkersactie komen tot een actie die in het organisatiemanagement moet gelden. Als ik een positie moet aanmaken, betekent dat vaak dat ik óf iemand in dienst neem óf dat er iemand van positie verandert. De personeelsdata hangen dus altijd samen met de organisatiemanagement data.”

Daarnaast is Montens bij organisatie data ook bezig met positiemanagement. “Daarbij kijken we kritisch naar het aantal op te voeren posities, volgens de afspraken die we hebben gemaakt, om zo datavervuiling te voorkomen.  Bovendien willen we dat ons systeem uiteindelijk de basis wordt voor de workforceplanning. En die workforceplanning willen we tevens koppelen aan het budgetproces.”

Valkuilen

Bij de masterdata kwam Montens in aanraking met een valkuil, die uiteindelijk werd omgebogen tot een succes: het splitsen van de kwaliteit van data in compliancy en accuracy. “Je kunt namelijk niet alleen focussen op een deel, je moet het alle twee meenemen.”

Een tweede valkuil is ownership. “Zorg dat je een duidelijk ownership creëert bij medewerkers en collega’s. Een papieren proces is leuk, maar als het in de praktijk niet werkt, heb je uiteindelijk nog niets.”

Succesfactoren

Ownership is daarom een belangrijke succesfactor volgens Montens om de kwaliteit van je data onder controle en op een hoog niveau te hebben. Een tweede succesfactor is het hebben van dedicated medewerkers die de data monitoren en waar nodig problemen signaleren, zodat deze kunnen worden aangepakt.

Een derde succesfactor is het hebben van een basisdocument, in het geval van DSM de data dictionary, waaraan de data en alle daaraan gelinkte informatie kunnen worden opgehangen.

Ook het hebben van een dashboard waarmee datakwaliteit inzichtelijk wordt gemaakt, is voor Montens een succesfactor. Evenals communicatie. “Het is belangrijk dat je de medewerkers uitlegt wat je van ze verwacht en waarom het zo belangrijk is. Neem het salarisniveau. Dat is belangrijk voor een medewerker, want als het niet klopt, krijgt hij een verkeerd salaris. En voor de manager is het belangrijk omdat hij wanneer het salaris niet juist is, verkeerde teamkosten krijgt.”

Trots

Terugkijkend op de afgelopen jaren is Montens vooral trots dat het gelukt is om HR op een hoger niveau te krijgen op het gebied van de kwaliteit van de data en op het gebied van reporting. De hoge data kwaliteit heeft geleid tot accurate rapportages en heeft ervoor gezorgd dat de HR processen soepeler verlopen en als betrouwbaar worden gezien. “We hebben nu een Workforce dashboard, waar een kleine 160 HR-medewerkers gebruik van maken. Via een survey (datagedreven!) krijgen we ook terug dat HR-medewerkers het van toegevoegde waarde vinden om zo via instant informatie de business te kunnen bedienen. Want we nemen niet langer beslissingen op basis van gut feeling, maar op basis van data. En we kunnen op basis van die data ook acties uitvoeren die daadwerkelijk leiden tot verbetering.”

Toekomst

“We kijken nu naar de volgende stap die we kunnen maken in onze People Analytics reis. Zodat we straks onze ambitie kunnen waarmaken om datagedreven informatie om te zetten in acties voor DSM. Om dat te bereiken wordt nu onderzoek gedaan en worden de eerste businessvragen met use cases in kaart gebracht. Hypotheses worden getoetst en eerste correlaties vanuit diverse personeelsdata zijn in beeld gebracht. Als bedrijf staan waarden en duurzaamheid hoog in het vaandel dat willen we ook tot uiting laten komen in hoe we verder met People Analytics om kunnen gaan. We hebben als DSM dan ook gekozen om een Ethical Framework op te zetten, zodat we op ethisch verantwoorde wijze en in overeenstemming met GDPR People Analytics binnen DSM kunnen neerzetten.”

Uitdagingen

Tijdens het proces waren er volop uitdagingen, zegt Montens. “Je stelt je allereerst de vraag: wat kun je, wat wil je en waar doe je het voor. Vervolgens moet je kijken hoe je met je resources om gaat en waar je je kennis vandaan haalt. Daarna moet je gewoon beginnen, want medewerkers zijn vaak voorzichtig en terughoudend als het om data gaat. Bovendien is zo’n proces levend en kun je het gaandeweg altijd aanpassen. Dat is met data net zo: wat je vandaag vastlegt, is morgen weer anders.”

Montens ziet dat de hogere datakwaliteit leidt tot een hogere tevredenheid bij medewerkers. “Daarnaast helpt het ons bij onderzoeken en de analyses die we aan het doen zijn. Het feit dat medewerkers vertrouwen op de data zorgt er namelijk voor dat processen gemakkelijker gaan en dat medewerkers vertrouwen op de uitkomsten van rapportages. Dat vertrouwen hebben we echter wel moeten opbouwen. Vandaar dat in het begin datacleansing ook zo belangrijk was.”

Een belangrijke uitdaging in het traject was de privacy. “Het gaat om het vastleggen van de juiste data en ook de dataprivacy op zich is de laatste jaren een topic geworden waar we rekening mee moeten houden. Als DSM zijn we ook nadrukkelijk bezig met privacy. Zo hebben we een ‘Center of Expertise (COE)’ voor privacy en bevat MyDataChecker een privacy statement dat juridisch gecheckt is. Onderdeel van People Analytics, zoals we dat binnen DSM aan het opzetten zijn, is het Ethical Framework waarin we 4 medewerkersrechten hebben gedefinieerd. Naast privacy speelt ook transparantie daarin een grote rol. Om erop toe te zien dat het Ethical Framework goed wordt toegepast, is er een Ethical Board benoemd, met daarin leden die de hele DSM organisatie vertegenwoordigen. ”

Montens raadt andere organisaties die aan de slag willen gaan met reporting en analytics aan om ervoor te zorgen dat de kwaliteit van de data op een acceptabel niveau is. “De twee disciplines kunnen overigens wel gelijk op gaan, want juist doordat je aan de slag gaat met reporting en  analytics en de resultaten laat zien, gaan gebruikers vragen stellen, omdat ze zien waar het aan schort. Daardoor kom je tot een betere datakwaliteit. Zelf zijn we daarom al tijdens MORE met het People Analytics project begonnen.”

Naast het feit dat HR zich richt op de medewerkers, is er ook aandacht voor de managers. “Zo kijken we momenteel hoe we ons budgetproces kunnen verbeteren met name als het gaat om informatie over het aantal FTE’s. We kijken daarnaast of we het Workforce Dashboard ook kunnen uitrollen voor managers.

Algoritmes zijn zo betrouwbaar als je ze zelf maakt

By | Artikelen | No Comments

Bij de groeiende kritiek op algoritmes, legt Irma Doze uit waarom data juist onze redding is, en hoe je algoritmes wel moet gebruiken.

Dit artikel is oorspronkelijk gepubliceerd op CHRO

Durft u kunstmatige intelligentie in te zetten om het kaf van het koren te scheiden in een sollicitatieprocedure, of voor talentmanagement? Best eng, maar zonder die data doen we het absoluut niet beter.

De resultaten logen er niet om toen het Amerikaanse marketingbedrijf Dialog Direct algoritmes inzette om nieuwe werknemers binnen te halen. Het bespaarde 75% aan interviewtijd en de retentie nam toe met 7 procentpunt. Zo bespaarde de organisatie miljoenen dollars. Ook de Franse glasproducent Saint-Gobain (met wereldwijd 180.000 medewerkers) plukte de vruchten van de inzet van algoritmes: zij spotten met behulp van een algoritme diverse interne talenten die anders buiten beeld gebleven zouden zijn.

Onterecht afgewezen

Hoe mooi die voorbeelden ook klinken, toch roepen algoritmes de laatste tijd veel discussie op. Want hoe eerlijk en rechtvaardig zijn ze nou eigenlijk? Wat als kandidaten onterecht worden afgewezen of gepromoot, alleen maar op basis van data? We lezen steeds vaker dat algoritmes onbetrouwbaar zouden zijn. Uit onderzoek blijkt dat HR-functionarissen wel HR-analytics willen gebruiken, maar tegelijkertijd grote reserves hebben. Want ja zijn algoritmes eigenlijk wel zoveel beter dan wij mensen? Of juist nog erger?

De verkeerde beslissing

Ik snap het als u het lastig vindt om op data te vertrouwen. En terecht, want een algoritme is niet 100% betrouwbaar. Maar dat zijn onze hersenen ook niet. Integendeel, vraag een groep van 25 mensen eens hoe groot de kans is dat 2 van hen op dezelfde dag jarig zijn. Ze zullen inschatten dat die kans héél klein is, maar in werkelijkheid is die kans bijna 60%. Op het gebied van statistiek laat onze intuïtie ons dus vaak in de steek. Dat toont Nobelprijswinnaar Daniel Kahneman aan in zijn boek ‘Ons feilbare denken’.

Bij het maken van een beslissing laten we ons deels sturen door vooroordelen. Stel, een sollicitant heeft een 6 als eindcijfer op zijn diploma. Je weet dat een cijferlijst niet veel zegt over iemands talent als werknemer, maar je hersenen registreren dit toch als iets negatiefs. Of je nu wilt of niet, tijdens het sollicitatiegesprek spookt die 6 door je hoofd. Onze hersenen zoeken automatisch naar bevestiging. Je ziet wat je verwacht te zien en alle signalen die dat gevoel tegenspreken, negeer je.

Wat stop je er in?

Een algoritme zou dat probleem niet hebben. Data heeft geen last van zelfoverschatting of emoties. Data is neutraal. Het is de combinatie met menselijk handelen die de technologie goed of slecht maakt. Er zijn namelijk 2 kenmerken waar je bij een algoritme rekening mee moet houden:

  1. Wat je er niet in stopt, komt er ook niet uit
  2. Wat je er in stopt, komt er ook uit 

Laten we beginnen met wat je er in stopt. Stel, je bent op zoek naar een nieuwe programmeur en je laat algoritmes zoeken naar de juiste kandidaat. Leeftijd en geslacht vind je niet relevant, dus die variabelen neem je niet mee. Wat stop je er dan wel in? Je zoekt talent en je wilt dus weten hoe goed de kandidaat in zijn werk is. Daarom laat je algoritmes stukjes programma analyseren die de kandidaat geschreven heeft.

Programmeertalent te pakken

Ook al weet je na deze exercitie niets van het geslacht, de leeftijd of het diploma van de kandidaat die hieruit rolt, één ding weet je wel zeker: je hebt een programmeertalent te pakken! Je neemt hem dus aan. Maar wat blijkt na een tijdje: deze collega past eigenlijk helemaal niet in het team. Daar heeft het algoritme geen rekening mee gehouden, want: wat je er niet in stopt komt er ook niet uit. Die variabele (match met het team) had je dus ook mee moeten nemen.

Het analyseproces begint dus met een belangrijk stukje menselijk handelen: zorgen dat het systeem met de juiste variabelen begint. Ga met elkaar om de tafel zitten en brainstorm vrijuit over alle variabelen die belangrijk zouden kunnen zijn. Denk breed en creatief, het mogen honderden variabelen zijn. Daarna is het de beurt aan de data: die analyseert op basis van statistiek welke variabelen de meeste impact hebben op wat je met het algoritme wilt voorspellen.

Het verleden voorspelt de toekomst

Maar ook aan het einde van de rit komt menselijk handelen om de hoek kijken. Want ook bij de data die ‘er uit komt’, loop je tegen een probleem aan. Algoritmes baseren hun voorspelling altijd op data uit het verleden. Die oude data is door mensen gegenereerd. En mensen zijn bevooroordeeld. Neem de programmeur in kwestie. Misschien is het wel zo dat vrouwen net een andere programmeerstijl hebben dan mannen. En dat jij in het verleden meer mannen in dienst had dan vrouwen. Dan wordt het een self fulfilling prophecy: de programmeerstijl die de data als ‘goed’ beoordeelt is vooral gebaseerd op de stijl van mannen. Dat betekent dat de data onbewust toch op sekse discrimineert. De data borduurt voort op menselijke keuzes uit het verleden.

Finetunen

Wat moeten we daar mee? Denk eens aan de automatische piloot van een vliegtuig – één en al algoritmes. De piloot vertrouwt daar in principe blind op. Maar als zijn intuïtie zegt dat de meters kapot zijn, zal hij toch echt wel zelf aan het stuur moeten trekken. Zo zullen wij dat ook moeten doen. Belangrijk om voor ogen te houden is daarom: automatiseer niet meteen volledig maar blijf zelf checken. Wees kritisch. Analyseer de data, toets de algoritmes op integriteit. Evalueer de resultaten, bekijk ook de kandidaten die het algoritme niet door heeft laten gaan. Kom je er achter dat de data onbewust toch discrimineert? Ga dan na hoe dat komt. Dan kun je het algoritme aanpassen, zodat dit in de toekomst niet meer voorkomt.

Eerlijker en betrouwbaarder

Door veelvuldig gebruik van algoritmes en analyses daarop kunnen we ze dus steeds verder finetunen. Zo worden ze nog beter, eerlijker en betrouwbaarder. Nu al selecteren algoritmes een stuk eerlijker en rechtvaardiger dan het menselijk brein. Met de weinige discriminatie die er nog wel in zit, gaan we heel bewust om. We evalueren, analyseren, checken en toetsen. Iets wat bij menselijke beslissingen vaak niet eens wordt gedaan. Voorheen waren we dus onbewust onbekwaam. Nu zijn we in elk geval bewust, en meestal ook nog bekwaam.

Ook aan de slag?

Ga je aan de slag met algorithmes? Wij zijn zeer benieuwd naar jouw ervaringen!

Auteur:

Irma Doze

Irma Doze

Managing Director AnalitiQs

Het potentieel van re-boarding

By | Artikelen | No Comments

Een kans om de Employee Experience te optimaliseren en kosten te besparen?

Als we de management guru’s mogen geloven leven we heden ten dage in een belevingseconomie. Een economie waarin organisaties niet louter producten aan klanten leveren, maar heuse belevingen.

Initieel draaide het in de belevingseconomie vooral om de beleving van klanten. Zodoende heeft Marketing dan ook het nodige pionierswerk verricht op concepten als Customer Experience (CX), Customer Journeys en Voice of the Customer (VoC).

Voice of the employee: huidige stand van zaken

Inmiddels is het inzicht ontstaan dat een organisatie niet alleen een goede beleving dient te bieden aan klanten, maar ook aan medewerkers. Een goede beleving is min of meer de standaard geworden, dus waarom zou je in je rol als medewerker genoegen nemen met een proces dat kapot is of een gammele user-interface? Daarnaast is bewezen dat een goede Employee Experience (EX) geld oplevert. Zo toonde AnalitiQs onlangs aan dat een retailer miljoenen kan besparen als de eNPS in alle winkels wordt opgetrokken naar het niveau van de 20% hoogst scorende winkels, doordat verzuim en verloop worden verlaagd en marge wordt verhoogd.

Aangezien organisaties inmiddels door hebben dat een goede EX belangrijk is, zijn veel organisaties aan de slag gegaan met het in kaart brengen van Employee Journeys en het meten van de Voice of the Employee (VoE).

Logisch startpunt voor HR was het (continu) monitoren van de medewerker engagement. Veelal wordt hier het concept eNPS voor gebruikt. Vervolgens is menig organisatie aan de slag gegaan met het meten van de ervaring met de HR-helpdesk, onboarding en vertrekredenen. Tegelijkertijd is er nog zoveel meer dat de EX beïnvloedt. Denk aan cultuur, arbeidsmarkt perceptie, werkdruk, etc.

Voice of the employee: het potentieel van re-boarding

Eén specifieke kans die ik er graag uitlicht is re-boarding, ofwel het terugkeren van medewerkers in het arbeidsproces. Volgens mij ligt hier een mogelijkheid om enorm veel te winnen in EX, maar ook te besparen in kosten.

Gezien de potentie van re-boarding ben ik hier tijdens de HR-analytics bijeenkomst van Rumbold (gehost door Pointlogic, met een inspirerende bijdrage van AIHR), samen met Ella de Laat van Stork, Simone Eeken van ANWB en Monica Trommelen van de Gemeente Den Haag dieper ingedoken.

Allereerst stonden we stil bij de vraag: wat zijn re-boarding journeys? We kwamen tot het volgende lijstje: (1) terugkeren na een expat opdracht, (2) terugkeren na verlof – sabbatical, ouderschap, re-integreren – en (3) switchen tussen zelfstandig opererende bedrijfsonderdelen met dezelfde moederorganisatie.

Vervolgens hebben we één van deze journeys gekozen om nader uit te werken. Aangezien re-integratie bij zowel ANWB, als Stork en Gemeente Den Haag speelt was dat een logische keuze. De journey ziet er op hoofdlijnen zo uit: plan van aanpak met bedrijfsarts > plan van aanpak met manager > gedeeltelijk aan de slag > volledig terug

Vanwege de beschikbare tijd (20 minuten) hebben we binnen deze journey specifiek gekeken naar het maken van een plan van aanpak met de bedrijfsarts. Welke data kunnen daar gebruikt worden om de EX te beïnvloeden?

• Vanuit de systemen kunnen we de volgende data halen: vindt het gesprek plaats, zijn er afspraken op alle minimaal vereiste punten, zijn de afspraken van voldoende kwaliteit, welke hulpmiddelen worden aangeboden.

• De systeemdata kunnen worden aangevuld met surveydata: hoe was de ervaring om tot een plan te komen, wordt het plan als helder ervaren, heeft de medewerker het gevoel dat zijn/haar behoeftes herkend worden, wat ging goed, wat mag er anders?

Uiteindelijk kunnen deze data gebruikt worden om de journey te optimaliseren en daarmee de EX te verbeteren, alsmede kosten te besparen. Immers, snellere terugkeer en minder terugval zal een positief effect hebben op de productiviteit.

Ook aan de slag?

Ga je aan de slag met re-boarding? Wij zijn zeer benieuwd naar jouw ervaringen!

Auteur:

Gido van Puijenbroek

Gido van Puijenbroek

Managing Director AnalitiQs

Werknemers bevelen werkgever in 2018 opnieuw vaker aan

By | Artikelen, eNPS, HR | No Comments

Auteur: Ramona Boes

In navolging van afgelopen jaar is de employer Net Promoter Score (eNPS) onder de werkende Nederlandse bevolking van 18 tot 64 jaar in 2018 opnieuw gestegen, blijkt uit ons jaarlijks, nationaal eNPS onderzoek. Waar de stijging vorig jaar echter vooral door een toename van het aantal promotors kwam, komt de stijging deze keer met name door een afname van het aantal criticasters: van 24% in 2017 naar 19% in 2018.

Werknemers bevelen werkgever in 2018 opnieuw vaker aan

De eNPS geeft weer hoe waarschijnlijk werknemers hun werkgever zullen aanbevelen en is vastgesteld volgens de Europese berekening (voor uitleg zie artikel eNPS 2017). De eNPS lijkt het meest samen te hangen met het consumentenvertrouwen: waar al sinds 2014 ieder kwartaal de economie groeit en de werkloosheid en het aantal faillissementen afneemt, is de echte toename van het consumentenvertrouwen, net als de stijging van de eNPS, zichtbaar vanaf eind 2016.

Figuur 1 - eNPS onder de werkende Nederlandse bevolking van 18 tot 64 jaar, voor 2014 - 2018

Figuur 1 – eNPS onder de werkende Nederlandse bevolking van 18 tot 64 jaar, voor 2014 – 2018

eNPS voor organisaties in alle branches gestegen in 2018

Qua ranking van de branches is er dit jaar weinig veranderd. De top drie best scorende branches is hetzelfde gebleven en de drie laagst scorende branches zijn t.o.v. vorig jaar alleen onderling van positie gewisseld.

3 hoogst scorende branches
Huidige ranking (ranking 2017)
1. Collectieve sector (1)
2. Gezondheidszorg (2)
3. Onderwijs (3)

3 laagst scorende branches
Huidige ranking (ranking 2017)
6. Kennisintensieve dienstverlening (7)
7. Overige dienstverlening (8)
8. Transport (6)

Verder zien we dat alle branches een vergelijkbare of betere eNPS hebben in vergelijking tot 2017. De grootste absolute stijging zit dit jaar in de branche overige dienstverlening. De eNPS in deze branche is met 17 punten toegenomen. Er waren in het afgelopen jaar dan ook fors minder faillissementen in deze branche en het aantal starters is licht toegenomen, zo blijkt uit de kwartaalmonitor van Graydon. De zakelijke, financiële en overige dienstverlening stuwen de bedrijvigheid: zij zijn samen verantwoordelijk voor bijna de helft van de netto-groei van de Nederlandse bedrijvigheid.

De kleinste absolute stijging is te zien in de branche transport. Deze branche vinden we mede daardoor dit jaar terug op de laagste plaats. Volgens de eerder genoemde kwartaalmonitor zijn alle branches in het afgelopen jaar in omvang toegenomen en ook nam in bijna alle branches het aantal starters toe. Echter, in o.a. de sector transport en logistiek nam het aantal starters juist af. Maar aan de zonnige kant, de positieve trend in eNPS voor deze branche is nog niet doorbroken!

Ook bij de collectieve sector vinden we sinds 2016 een positieve trend terug en dit is tevens de hoogst scorende branche in 2018. Dit zou goed samen kunnen hangen met de gemeentelijke CAO ontwikkelingen: de laatste CAO stamde uit 2015, maar in 2017 is er een tijdelijke CAO afgesloten waarin gemeenteambtenaren een verhoging van 3,25 procent structureel over 20 maanden zouden krijgen en in 2018 is een akkoord bereikt met de vakbonden over een nieuwe CAO bij het rijk met nog eens 7% meer loon in de komende 1,5 jaar.

Ten slotte valt op dat de branches gezondheidszorg, handel en overige dienstverlening een zogenaamde U-curve vormen: de eerste jaren was er een dalende trend zichtbaar maar na de dip in 2016 is de eNPS nu voor het tweede jaar op rij gestegen.

Figuur 2 - eNPS per branche voor 2014 - 2018 voor werkende bevolking 18-64 jaar

Figuur 2 – eNPS per branche voor 2014 – 2018 voor werkende bevolking 18-64 jaar

Werknemers in (zeer) grote vestigingen het meest positief

Wanneer we de eNPS vergelijken voor de verschillende vestigingsgroottes zien we dat vooral in (zeer) grote vestigingen tevreden werknemers zitten. Deze relatief hoge eNPS komt met name door een relatief laag aantal criticasters. Ook in 2017 was een dergelijk patroon zichtbaar en in eerdere jaren hebben wij dit aspect nog niet onderzocht. Alleen waar nu de laagste score van 23 is bereikt bij 251 t/m 500 medewerkers, lag het ‘dal’ in 2017 bij de vestigingen met een grootte van 101 t/m 250 medewerkers.

Het positieve effect van (zeer) grote vestigingen lijkt dus wel duidelijk, maar om te kunnen vaststellen of de middelgrote vestigingen door werknemers als minder positief worden ervaren, zullen we de komende jaren verder onderzoeken.

Figuur 3 - eNPS per grootte van de vestiging

Figuur 3 – eNPS per grootte van de vestiging

Werknemers ervaren meer tijd om te herstellen dan vorig jaar

Kijkend naar de mate van herstel buiten het werk valt in Figuur 4 op dat hoe meer werknemers het gevoel hebben dat zij voldoende tijd hebben buiten het werk te herstellen, hoe hoger hun eNPS is.

Figuur 4 - eNPS per mate van zowel fysiek als mentaal herstellen

Figuur 4 – eNPS per mate van zowel fysiek als mentaal herstellen

Tijdig en voldoende herstel van werk en werkstress zijn op langere termijn van groot belang voor de gezondheid, prestaties en inzetbaarheid van werkenden. Dit vertelde Sabine Geurts, hoogleraar arbeid, stress en herstel tijdens haar oratie: “Niet snel genoeg herstellen zorgt bijvoorbeeld voor slecht slapen. En mensen die slecht slapen beginnen de volgende werkdag met een achterstand. Dan moet iemand een extra inspanning leveren om dezelfde prestatie te leveren. Dat kan best enige tijd goed gaan, maar niet tot in het oneindige.”

Gelukkig zien wij dat werknemers beduidend meer het gevoel hebben dat zij genoeg tijd hebben om te herstellen dan vorig jaar. Er zijn relatief gezien zowel minder werknemers in 2018 die ervaren dat zij niet genoeg hersteltijd hebben (19% t.o.v. 26% in 2017), als meer werknemers die sterk het gevoel hebben dat zij genoeg tijd hebben om buiten het werk zowel fysiek als mentaal te herstellen (49% om 42%).

Figuur 5 - Mate van herstellen in 2017 en 2018

Figuur 5 – Mate van herstellen in 2017 en 2018

Concluderend is de eNPS in 2018 dus voor zo goed als iedereen verbeterd!

Auteur:

Ramona Boes

Ramona Boes

Data Scientist AnalitiQs

Getallen laten spreken met Tableau of Power BI?

By | Artikelen, HR, Marketing, Visuals | No Comments

Big data is nog geen kennis. Je maakt er kennis van door die data te analyseren en vervolgens te visualiseren. Als je dat visualiseren op de juiste manier doet, zullen de resultaten duidelijk en inzichtelijk zijn voor anderen. Welke van de 2 beste visualisatie tools ter wereld wint de strijd bij gebruik voor HR-analytics: Tableau of Power BI? Data Scientists Jilske Hupkes en John Martens van AnalitiQs zochten het voor je uit!

Getallen laten spreken met Tableau of Power BI?

Waarom maatwerk visualisatie?

Er bestaan verschillende niveaus van HR-analytics. In een eerder interview met Gido van Puijenbroek van AnalitiQs worden die niveaus toegelicht. Als je het hoogste niveau wilt bereiken, ontkom je er bijna niet aan om met een visualisatie tool te werken. Tableau was hierin lange tijd de wereldwijde marktleider. Microsoft heeft in het recente verleden met Power BI hard aan de weg getimmerd en is nu ook een zeer belangrijke speler geworden. Beide tools staan even hoog in het 2018 BI Magic Quadrant van Gartner.

Je hebt vast wel eens in Microsoft Excel een grafiek gemaakt van een tabel met wat getallen erin. Je kunt kiezen tussen kolommen of cirkels, kleuren instellen, legenda, etc. Dat principe is bij Tableau en Power BI in de basis nog steeds hetzelfde, alleen heb je hiervoor wel specialisten nodig. Welke tool werkt nu het beste voor HR-data? Data Scientists Jilske Hupkes en John Martens van AnalitiQs zochten uit en zetten hun bevindingen voor je op een rijtje.

‘Garbage in is Garbage out’

“Dit is een veel gehoorde term in analytics land en de grote uitdaging tijdens veel visualisatieprojecten. Data verzamelen is eigenlijk niet het grote probleem. Sommige organisaties stoppen bijvoorbeeld veel geld in het opzetten van datawarehouses om data uit allerlei operationele systemen te verzamelen. Als je dan goed naar die data gaat kijken zie je vervuiling, inconsistenties en ontbrekende data. En de hoeveelheid en verscheidenheid aan data in een data warehouse is zo groot dat opruimen vaak onbegonnen werk lijkt. Het verkrijgen van bruikbare data is dus de uitdaging. Daarom wordt ook vaak doelgericht en eenvoudig gestart. Ook werken we nog geregeld in Excel of gebruiken we een eenvoudige SQL-database voor de dataverwerking.

In plaats van focussen op een backend project, zoals een data lake, zit er voor de klant vaak meer toegevoegde waarde in het samen bouwen van een visualisatie over een herkenbare (business)vraag op basis van opgeschoonde specifieke data. Als op deze wijze een start is gemaakt en de waarde van datavisualisatie is aangetoond, volgen de meer technische projecten zoals het aansluiten van HR op een data lake.”

Tableau

Tableau

 

Tableau versus Power BI functioneel

“Beide tools zijn ontstaan vanuit visualisatie. In de basis kun je met beide tools visueel hetzelfde bij het maken van grafieken en tabellen. Wat zijn de verschillen?

  • De standaard beschikbare visualisaties zijn redelijk vergelijkbaar, maar Tableau heeft meer statistisch gerelateerde visualisaties en Power BI meer KPI gerelateerde visualisaties.
  • Power BI is net als andere moderne Microsoftproducten gebouwd rond het ‘tegeltje’ (tiles) concept en geeft dus minder vrijheid in het plaatsen en uitlijnen van onderdelen van meerdere grafieken (zoals assen). In Power BI is het handiger om de pagina’s zo clean mogelijk te houden, waar je in Tableau door lay-out maatwerk meer op 1 pagina kwijt kan zonder dat deze te druk wordt. Dit maatwerk op lay-out niveau heeft in Tableau zelfs een eigen pagina, met een sterk visuele gebruikersinterface, waardoor je dit visuele maatwerk als ontwikkelaar snel onder de knie kunt krijgen. Voor Power BI is het mogelijk om zelf visualisaties te programmeren, waardoor je ook maatwerk kunt bieden. Hiervoor moet je echter wel de programmeertaal leren voor het bewerken of schrijven van het benodigde ‘json’-bestand.
  • Binnen Power BI kunnen eindgebruikers op basis van de met hun gedeelde rapporten makkelijk zelf een dashboard samenstellen van hun favoriete visualisaties (tegeltjes).
  • Bij Power BI is het makkelijker voor de analist om verschillende rechten aan gebruikers toe te kennen binnen een dataset. Hierdoor kunnen verschillende gebruikers hetzelfde rapport bekijken, maar door hun verschillende rechten op de bijbehorende dataset zullen ze andere data te zien krijgen. In Tableau kan dit ook, maar dan heb je wel enige technische kennis nodig. Heb je deze niet? Dan zul je voor gebruikers met andere rechten ook andere rapporten moeten aanmaken.
  • Power BI server, de browser interface voor de gebruikers, biedt een sterke zoekfunctionaliteit. Wanneer je bijvoorbeeld zoekt op ‘headcount UK’, krijg je direct een bijbehorende en gefilterde grafiek met data te zien.”

Datapreparatie

“De data preparatie die aan visualisatie voorafgaat, deden we voorheen meestal met Power Query of SQL Server, beiden van Microsoft. Power BI biedt met de Query editor bruikbare datapreparatie-mogelijkheden en sinds kort is er Tableau Prep waarin we veelbelovende algoritmes zien om datapreparatie nog makkelijker te maken. Wil je data opschonen? Dan kan Tableau bijvoorbeeld verschillende spellingen en hoofdlettergebruik van hetzelfde woord herkennen en direct corrigeren.”

Power BI

Power BI

 

Andere overwegingen voor een juiste keuze

“Op functioneel gebied wint Tableau, met name vanwege de lay-out en maatwerkmogelijkheden die in de huidige tijd van de gebruikerservaring essentieel zijn. Er zijn nog wel andere overwegingen voor het maken van een keuze:

  • Power BI is in veel gevallen goedkoper omdat het met andere producten van Microsoft wordt aangeboden. Overigens is Tableau bezig met aanpassingen in haar licentiestructuren om concurrerend te blijven. Uiteindelijk bepaalt een veelvoud aan factoren de licentiekosten, denk bijvoorbeeld aan aantal gebruikers, benodigde licentietypen en omvang/type organisatie.
  • Wat betreft de implementatiekosten is er niet veel verschil. Tijdens een project gaat de meeste tijd in datapreparatie zitten en ondanks algoritmes en nieuwe functionaliteiten is dit nog steeds de grootste kostenpost. De uiteindelijke visualisatie is het minste werk.
  • Omdat je met Power BI min of meer gedwongen wordt om de dashboards eenvoudig te houden is dit toegankelijker voor managers en ‘niet data gespecialiseerde’ gebruikers. Voor gebruikers die wat meer data savvy zijn, zoals data-analisten binnen HR en Finance professionals, kun je meer bereiken met Tableau.”

En de winnaar is…

“We concluderen dat er geen eenduidige winnaar is. Zoals zo vaak hangt de keuze af van de situatie. We hopen dat dit artikel een inzicht geeft in de overwegingen die je kunt maken. Heb je vragen of aanvullende overwegingen/observaties? Dan horen we graag van je!”

John Martens

John Martens

Data Scientist AnalitiQs

Jilske Hupkes

Jilske Hupkes

Data Scientist AnalitiQs

Maak kennis met onze nieuwe collega Frank

By | Artikelen | No Comments

“HR-analytics is een middel, geen doel”

Per 1 augustus is Frank Osten gestart als HR-analytics Consultant bij AnalitiQs. Hiervoor was hij werkzaam als Manager HR Reporting & Analytics binnen de NN Group, waar Nationale-Nederlanden deel van uitmaakt. Hoogste tijd om nader kennis te maken!

HR-analytics Consultant Frank Osten

Frank woont met zijn echtgenote Miriam in Voorburg. Samen hebben ze 3 studerende kinderen waarvan er 2 inmiddels op kamers wonen. Verder houdt Frank van fotografie, hardlopen en muziek. Hij zingt en speelt elektrische gitaar in verschillende bandjes.

Van Logistiek naar Inkoop naar HR

“Ik heb een achtergrond als technisch bedrijfskundige. Na een aantal jaren in de productielogistiek (AT&T en Philips) en inkoop (ING Groep) te hebben gewerkt, maakte ik binnen ING de overstap naar HR. Voor mij een nieuwe wereld, maar de combinatie van aandacht voor de behoefte van de werknemer en voor die van de organisatie sprak me al langere tijd aan”. Binnen de afdeling Organisatie Advisering was hij als adviseur betrokken bij verschillende projecten, zoals de integratie van de ING Bank met Barings in 1995. ING had de Londense bank destijds voor 1 pond gekocht.

“De integratie van deze 2 banken was een complex, maar zeer interessant project. Binnen ING Bank en later Nationale-Nederlanden heb ik verschillende facetten van het HR-vak beoefend: organisatieadvisering, leidinggeven aan HR-administratie teams, functioneel beheer van HR-systemen en HR-projecten. Ik merkte dat ik veel energie kreeg van een strategisch adviserende rol.”

HR-analytics

In 2012 was hij als projectleider verantwoordelijk voor het vormgeven van de HR-functie van de nieuwe Nationale-Nederlanden organisatie. Na een aantal jaren als adviseur te hebben gewerkt, besloot Frank dat hij zich verder wilde ontwikkelen en kiest hij voor het management. “Ik kwam toen in aanraking met HR-analytics. Dit beviel zo goed dat ik besloot om mijn passie volgen en me te specialiseren. In 2015 ben ik aan de slag gegaan als Manager HR Reporting & Analytics binnen de NN Group. Ik werd verantwoordelijk voor de uitrol van de HR-analytics functie.”

Frank is overtuigd van de waarde die HR-analytics kan toevoegen aan bedrijven. De concurrentie vandaag de dag is scherp en dit is een goede manier om je als organisatie te onderscheiden. “Alleen maar op gevoel vertrouwen is niet goed, maar alleen op data sturen evenmin. Het is de kunst om een mooie mix te maken en dat doe je stap voor stap. Het is belangrijk om altijd te onthouden: HR-analytics is een middel, geen doel! De businessvraag staat altijd centraal.”

Consultant bij AnalitiQs

Op 1 augustus is Frank gestart als HR-analytics Consultant bij AnalitiQs. Waarom heeft hij voor ons gekozen? “AnalitiQs is al jaren actief binnen dit werkveld en biedt een mooi pakket aan diensten: van advies en programma management rondom de adoptie van HR-analytics, uitvoering op de gebieden Data Management, Onderzoek, Rapportage en Analytics, tot een HR-analytics Academy. Daarnaast is het een leuk, jong en creatief team, heel inspirerend om mee samen te werken!”

Als HR-Analytics Consultant zal Frank organisaties helpen bij de ontwikkeling van datagedreven HR. Dat betekent: samen vaststellen wat de huidige status is, het ambitieniveau bepalen, definiëren hoe de route naar datagedreven HR eruitziet en activiteiten op de route helpen uitvoeren. Zoals het bouwen van HR-dashboards, of het uitvoeren van een HR-analytics project. Frank brengt hierin jarenlange ervaring met HR-data en processen mee zodat hij de werelden van HR en Data perfect kan combineren.

Van harte welkom Frank en heel veel succes!

HR-analytics bij gemeente Den Haag

By | Artikelen, HR | No Comments

“Trots op wat we al hebben bereikt”

Auteur: Irma Doze

Sinds 2015 ondersteunt AnalitiQs de gemeente Den Haag op het gebied van HR-analytics middels verschillende projecten: Strategische Personeelsplanning, Verzuimanalyse en de ontwikkeling van HR-dashboards en -rapporten. Onlangs sprak Irma Doze van AnalitiQs met Monica Trommelen, Strategisch Adviseur HR Control & Analytics bij de gemeente Den Haag, over hun HR-dashboards. Waar dragen de dashboards aan bij? En wat is de volgende stap?

HR-analytics bij gemeente Den Haag - Interview Monica Trommelen

Waarom hebben jullie gekozen voor nieuwe HR-dashboards?

“Er is een aanzienlijke hoeveelheid data aanwezig in onze systemen, en van hoge kwaliteit. Zonde om daar niet méér mee te doen. Daarbij wilden we inzicht in de voortgang op de HR-doelstellingen. We hebben dan ook besloten om nieuwe dashboards en rapporten te ontwikkelen waarin we de data op een visueel aantrekkelijke, meer intuïtieve en interactieve manier ontsluiten.

Eén dashboard geeft inzicht in de bestuurlijke HR-doelstellingen van ons strategisch HR-beleid, oftewel de stuurgetallen voor de totale gemeente. Iedere manager kan dit dashboard raadplegen voor zijn of haar team en de resultaten vergelijken met die van de dienst of de gemeente. Het biedt stuurinformatie waarbij de focus ligt op de lange termijn.

Het andere dashboard toont kengetallen en is meer gericht op de korte termijn. Het biedt managers ondersteuning op operationeel vlak. Daarnaast hebben we ingezet op themarapporten, zoals verzuim en mobiliteit. De manager krijgt in het dashboard een overzicht van alle gegevens van zijn of haar team en kan, via thema rapporten, afdalen tot medewerkersniveau.”

Hoe kijk je terug op het project?

“Ik ben trots dat we hebben doorgezet en op wat we al hebben bereikt. Daar heeft een heel team van specialisten hard voor gewerkt. Je moet namelijk wel een lange adem hebben: budget regelen, een goede projectmanager zoeken, een team samenstellen en dan natuurlijk aan de slag. Maar het is ons gelukt.

We blijven voorlopig doorgaan met de optimalisatie van de dashboards en rapporten, het is een doorlopend proces. We werken agile, dat wil zeggen dat we steeds een stukje oppakken. Per 6 weken wordt geprioriteerd en bepaald wat er wordt ontwikkeld. Gaandeweg hebben we geleerd hoe we verbeteringen in de dashboards het beste kunnen aanpakken rekening houdend met de beperkingen van de data en de rapportagetool. We worden scherper op de inhoud van de data en heroverwegen berekeningswijzen. Omdat we zo de diepte in moeten, is onze kennis hiervan enorm vergroot.

Ik ben ervan overtuigd dat de nieuwe dashboards van meerwaarde zijn, omdat ze de managers veel beter ondersteunen in het sturen en nemen van beslissingen. Toch blijft het regelen van budget voor de ontwikkeling van de dashboards een uitdaging, iedere keer weer. De middelen zijn beperkt en uiteraard ben je niet de enige collega met goede ideeën die op zoek is naar financiële steun. Een andere uitdaging is om de dasboards nog meer af te stemmen op de wensen van managers en het gebruik te ­stimuleren.” 

Hoe doe je dat?

“We zetten in op communicatie en workshops. Via het intranet en een maandelijkse nieuwsbrief houden we managers en P&O adviseurs op de hoogte van wat we hebben gerealiseerd en waarvoor je de dashboards kunt gebruiken. Het is belangrijk om met name managers daarover te blijven informeren. Daarnaast organiseren we workshops over de dashboards. Deze worden nu nog gegeven door Irma Doze, de projectmanager, en worden na de zomer overgenomen door leden uit het projectteam. De workshops worden positief gewaardeerd en zorgen voor mond-tot-mondreclame. Leuk om te zien dat collega’s zich profileren als ‘ambassadeurs’ van ons project!”

Heb je tips voor vakgenoten die ook een dashboard willen ontwikkelen?

“Het is belangrijk om een goed aanvalsplan te hebben. Inventariseer de behoefte onder gebruikersgroepen en maak al heel snel duidelijk wat het project gaat opleveren door de beoogde look & feel van het dasboard alvast te visualiseren. Maak in geval van een agile werkwijze goede afspraken met de opdrachtgever, omdat gestuurd wordt op budget. De vraag: ‘Goh, ik stel nu een flink budget beschikbaar, maar wat krijg ik daarvoor over 5 maanden?’, kan dan ook niet beantwoord worden. Het is belangrijk om díe verwachtingen te managen. Je moet van verschillende stakeholders het vertrouwen winnen dat het project mooie dingen gaat opleveren en dat kun je tussentijds ook regelmatig laten zien.”

Welke kant wil je op met de HR-dashboards?

“We zijn in ieder geval nog niet klaar. We gaan straks een volgende fase in. Uiteraard is onze wensenlijst groter dan wat we in de volgende fase kunnen realiseren. Momenteel hink ik op twee gedachten. Ik zou de data meer willen gebruiken om te voorspellen, bijvoorbeeld voor verzuim. Dit zou een mooie stap voorwaarts zijn, omdat we dan beter kunnen (bij)sturen en niet alleen naar het verleden en het hier en nu kijken. Daarnaast vind ik het belangrijk om goed te luisteren naar de managers. We hebben hun wensen voor de doorontwikkeling geïnventariseerd middels een enquête en op basis daarvan een actielijst opgesteld. Ook starten we binnenkort met een gebruikersgroep die we bepaalde keuzes willen voorleggen. Zo kunnen we nog beter aansluiten op de behoeften van de gebruikers.

Onze dashboards en rapporten hebben een belangrijke functie in het nieuwe HR-dienstverleningsmodel van onze organisatie. Dit heeft zeker bijgedragen aan het succes van het project. Daarnaast wil de gemeente nu doorpakken met financiële en bedrijfsvoeringsdashboards. De HR-indicatoren die daarvoor nodig zijn, worden overgenomen vanuit onze dashboards. Dat vind ik mooi om te zien.”

Auteur:

Irma Doze

Irma Doze

Managing Director AnalitiQs

Waarom alleen een rapportage nog geen analytics is

By | Artikelen, HR | No Comments

Auteur: Mark van Assema

AnalitiQs is de nieuwe consultancypartner van het online platform #HRTech Review. Mark van Assema van #HRTech Review sprak met Gido van Puijenbroek over HR-tech partijen die ‘analytics’ leveren. Hoe kun je nu onderscheiden welke ‘analytics’ een aanbieder van HR-technologie levert en wat je daaraan hebt?

Samenwerking AnalitiQs & #HRTech Review (LI)

Gido van Puijenbroek onderscheidt vier niveaus van analytics, zoals ook Gartner Research die hanteert:

  1. Beschrijvende analytics; dit is wat we meestal ‘rapportage’ noemen.
  2. Diagnostische analytics; waarbij je gaat analyseren en diagnosticeren wat er gebeurd zou kunnen zijn.
  3. Voorspellende analytics; waarbij je gaat voorspellen wat er in de toekomst kan gebeuren.
  4. Voorschrijvende analytics; waarbij je door verschillende bronnen aan elkaar te koppelen een verandering kunt bereiken.

 

Gartner

Gido: “Wanneer we deze niveaus ter illustratie koppelen aan het HR-topic ‘Recruitment’ kan het achtereenvolgens om de volgende 4 vragen gaan:

  1. Hoeveel mensen met een hbo-profiel hebben we aangenomen in de laatste 12 maanden?
  2. Is er een relatie tussen opleidingsniveau en performance?
  3. Kunnen we, op basis van een veelvoud aan data punten bijvoorbeeld opleidingsniveau, voorspellen wat de kans is dat iemand succesvol wordt binnen organisatie in een bepaalde rol?
  4. Wanneer iemand (niet) voldoet aan de karakteristieken om succesvol te zijn, laten we het systeem dan een advies uitbrengen over het al dan niet aannemen (decision automation) of voegen we nog een menselijke interpretatieslag toe (decision support)?

Bij een pakketselectie is het goed om grondig te onderzoeken wat er daadwerkelijk wordt geboden en welke randvoorwaarden er zijn om de functionaliteit te laten werken, bijvoorbeeld het vullen van een aantal standaard datavelden.”

Wat moet een leverancier van HR-technologie aanbieden voordat het ‘analytics’ zou mogen heten?

“In de markt wordt het modewoord ‘analytics’ veel gebruikt door marketeers om de rapportagemodule beter te laten klinken. Analytics is een soort verzamelterm geworden voor functionaliteit voor datamanagement, onderzoek/enquêtes, rapportage en analytics zelf. Persoonlijk zou ik het prettig vinden als Reporting niet als Analytics wordt verkocht aangezien het binnen het vakgebied van datagedreven werken twee verschillende domeinen zijn.”

Zijn er HRTech-aanbieders die echte analytics aanbieden?

“Die zijn er zeker. Veel aanbieders zijn begonnen met niveau 1 – descriptive analytics. Denk hierbij aan Crunchr, PurpleHRM, Orgvue die een applicatie voor dit doel hebben ontwikkeld. Of aan Cornerstone on Demand en Workday die rapportage bieden naast de operationele processen die in hun systeem zitten. Je ziet nu dat sommige partijen zich verder ontwikkelen. Zo kun je in sommige operationele systemen voorspellende analyses doen op voorgedefinieerde en typische HR-analyse vragen zoals de kans op verloop. Verder zie je dat leveranciers als Crunchr, Qlearsite en Visier zich verder ontwikkelen richting meer geavanceerde analytics. Tevens zie je dat onderzoekstools een analytics functie krijgen, een mooi voorbeeld hiervan is CultureAmp. Zij bieden bivariate analyse (relatietest tussen twee variabelen) en tekstanalyse van open antwoorden op hun platform.

Waarom zou een organisatie voor HR-analytics met generieke BI of Analytics tools willen werken?

“Uiteindelijk wil je HR-gegevens ook koppelen aan andere databronnen in de organisatie, zoals verkoopcijfers of klanttevredenheidscores uit het contactcenter. Soms moet je zelfs koppelen met data van buiten, denk aan Google Analytics data over het bezoek van de vacaturepagina. In mijn optiek is het niet aan te raden om dit in een HR specifieke tool te doen. Dan is het nodig meer generieke Reporting Business Intelligence/Analyticstools te gebruiken. Voor Analytics kun je denken aan SAS, SPSS, R of Python. En voor BI zijn Tableau, PowerBIi en Qlik veelgenoemde partijen.

Bedenk dus eerst welke businessdoelen je wilt bereiken en breng dan de data uit verschillende bronnen bij elkaar die voor dit doel nodig zijn. Soms is een oplossing specifiek voor HR handig, tegelijkertijd wil je generieke tools hebben voor specifieke en/of functie overstijgende vraagstukken.”

Welk succesvol traject kun je in dit kader benoemen?

“Onlangs heb ik gewerkt aan een project in de VS. Een organisatie heeft daar 5 callcenters en vroeg zich af hoe de prestaties van de 5 zich tot elkaar verhouden én welke medewerker eigenschappen samenhangen met de operationele performance van medewerkers (bv gemiddelde afhandeltijd, kanttevredenheid, etc). Door data uit Workday, Excel en callcenter systemen te combineren konden we inzichtelijk maken dat 1 van de 5 locaties significant minder presteerde. Tevens konden we inzichtelijk maken welke factoren de medewerker performance verklaarden. Toevalligerwijs was het minder presterende callcenter hetgeen dat men tot dan toe van plan was te gaan uitbreiden. De meerwaarde van data-gedreven werken was hiermee snel aangetoond.”

Wanneer is een HR-afdeling klaar om data-gedreven te gaan werken?

“Veel mensen denken dat de data perfect moeten zijn voordat ze kunnen starten, maar dat is een misvatting. Om succesvol met analytics te starten, werkt het meestal beter om klein te beginnen en aldoende te leren. Begin bijvoorbeeld met een businessvraagstuk in een bepaalde HR-hoek, bijvoorbeeld hoe kunnen we klanttevredenheid verbeteren door betere mensen aan te trekken of de engagement te verhogen? Breid later uit naar andere HR-onderdelen/vraagstukken. Zo word je vanzelf steeds volwassener.

Begin je met een groot project om de datakwaliteit te verbeteren, dan lever je tot de tijd dat het klaar is weinig businesswaarde. Plus, als data niet gebruikt wordt, is er ook geen noodzaak tot opschoning en zodoende zie je dergelijke datakwaliteit-trajecten regelmatig spaak lopen. Ook analytics zou je agile moeten aanpakken. Zo kun je uit iedere sprint de business het resultaat laten zien, wat enthousiasme en budget voor de volgende stap oplevert.”

Moet je een grote organisatie zijn om met analytics aan de slag te gaan?

“Nee, zeker niet. Mijns inziens is dit 1 van de grootste misvattingen rondom HR-analytics. Als kleine organisatie kun je wellicht niet de meest geavanceerde analyses doen, maar er is een aantal zaken die iedere organisatie kan oppakken.

Strategische Personeelsplanning, een vorm van analytics, kan ook bij kleine populaties. Zo heeft AnalitiQs een SPP-traject gedaan voor een financiële dienstverlener met circa 150 man. Een ander voorbeeld is kwantitatief onderzoek. Bij een klein IT-bedrijf hebben we bijvoorbeeld een medewerker engagement onderzoek uitgevoerd. En voor een organisatie die games produceert en publiceert, verzorgt AnalitiQs een HR-dashboard met ken- en stuurgetallen. Ook hebben we daar middels analytics uitgezocht waarom het verloop in een korte tijd was verdubbeld. Met deze inzichten heeft onze klant het verloop weer onder controle gekregen.”

Heb je nog tips voor organisaties die HR-analytics tools dan wel een Operationeel HR-systeem willen gaan gebruiken?

“De markt van HR-analytics ontwikkelt zich snel. Er zijn veel leveranciers die mooie oplossingen bieden. Ga dus niet voor de eerste de beste tool die voorbijkomt, maar start een selectietraject waarbij je je eerst breed en vervolgens op enkele leveranciers diep oriënteert. Net als je voor een nieuw ATS, LMS of Talent Management Systeem zou doen.

Als je een implementatie doet van een operationele HR-tool (ATS, LMS, PSA, Talent Management) is reporting/analytics vaak een ondergeschoven kindje in de project scoping en planning. Dit leidt ertoe dat menige systeemimplementatie niet de managementinformatie oplevert die vooraf was beloofd.  Ik raad iedereen aan om vooraf grondige specificaties op te stellen en/of aan te geven wat er als output verwacht wordt, bijvoorbeeld inzicht in aantal medewerkers die per recruitment funnel worden aangenomen. Indien het vooraf specificeren een uitdaging is, kun je ook een potje reserveren voor enkele agile sprints die je na technische oplevering uitvoert. Op deze manier is er wel budget en aandacht voor Reporting en/of Analytics en kun je werken vanuit de data die uiteindelijk in het systeem terecht zijn gekomen.”

Betrokkenheid medewerkers realtime meten

By | Artikelen, HR | No Comments

Auteur: Irma Doze

Onlangs sprak AnalitiQs (Irma Doze) met Erwin Brik, HR-directeur bij VWE Automotive (VWE). Deze organisatie is een pilot gestart om betrokkenheid onder medewerkers te meten via tekstanalyse van interne e-mails. We zijn zelf erg enthousiast over deze methode en delen daarom graag Erwins ervaringen met je. Wellicht helpt dit HR-professionals om ook de sprong te wagen en nieuwe wegen te bewandelen op het gebied van ‘continuous listening’. Laat je inspireren!

Houd het simpel

VWE is de grootste RDW-provider van Nederland. Zij leveren online tools, marktcijfers en voertuiginformatie. Toen Erwin net begon bij VWE stond hij voor een mooie uitdaging: ‘Breng HR naar een hoger niveau’. Hij ontdekte dat de meeste HR-processen lange tijd op dezelfde wijze werden uitgevoerd. Hoe doorbreek je zulke patronen? “De meest krachtige manier om dit te bereiken, is om je vakgebied zo eenvoudig mogelijk te verwoorden en de grootste vragen vanuit de business te beantwoorden. Daarnaast moeten je data en je verhaal foutloos zijn, zo creëer je good will binnen de organisatie.”

Belang van data

VWE is al enige tijd bezig met de omslag van offline naar online en HR deint mee op het ritme van de business. Data wordt alleen maar belangrijker. “Enerzijds wordt bestaande business voortgezet, wat we al 40 jaar goed doen, maar waarvan we weten dat het een bepaalde levenscyclus heeft. Tegelijkertijd starten we nieuwe business op die inspeelt op de ontwikkelingen binnen de automotive wereld en dat gaat goed. Via onze app en website Finnik (ongeveer 40 miljoen loadings per jaar) worden bijvoorbeeld enorme hoeveelheden autorapporten gedownload. Maar daar moet je ook een bedrijf op laten draaien en in dat proces zitten we nu.”

Betrokkenheid onder medewerkers

De waarde van betrokken medewerkers wordt ook erkend door VWE. Echter, Erwin is geen voorstander van metingen met vragenlijsten. Volgens hem kleven hier verschillende nadelen aan. “Wil je echt weten wat er in een ander omgaat? Dan wordt het al snel twijfelachtig als je een vragenlijst gebruikt. Daar staan namelijk vragen in die jij zelf hebt geformuleerd. Medewerkers worden een denkrichting ingeduwd, dus je filtert emoties in zekere zin. Verder blijft het een momentopname, hoe vaak je ook metingen verricht. Ook de route van vragenlijst naar concrete actiepunten vanuit het management duurt vaak lang. Het momentum is dan voorbij.”

Pilot tekstanalyse interne e-mails

Maar hoe meet je dan wel betrokkenheid onder medewerkers? Erwin is gaan nadenken over een nieuwe methode. Hij wilde metingen verrichten die realtime zijn, minder subjectief en met beperkte invloed van buitenaf. “Het analyseren van teksten is in dat opzicht een interessante methode. Door in interne e-mails van medewerkers bepaalde taalpatronen te herkennen die persoonlijke betrokkenheid aantonen, ontstaat de zogenaamde KeenCorp-index. Dit biedt inzicht in het medewerkerssentiment.”

Nieuwsgierig hoe deze methode werkt en wat deze index inhoudt? Bekijk onderstaande video voor ‘tekst’ en uitleg (artikel gaat verder onder de video).

Privacy

Tekstanalyse van interne e-mails voor het monitoren van medewerkerssentiment is een vernieuwende methode, maar roept tegelijkertijd ook veel vragen op inzake privacy. Erwin stuitte op weerstand onder zijn collega’s. Hoe ging hij daar mee om? “De ongemakkelijkheid van het ‘Big Brother-gevoel’ ervaarde ik zelf ook. De reacties waren verdeeld: sommigen waren positief en sommigen vonden het eng. De privacy is geborgd, dus het is vooral een kwestie van wennen. Het is belangrijk om daar de tijd voor te nemen.”

Blik vooruit

Erwin weet de directie, de OR en andere collega’s te overtuigen: er draait nu een pilot op volle toeren. Ook is er een verandering merkbaar binnen de organisatie. “De nieuwsgierigheid overwint de vrees: collega’s vragen me nu naar de resultaten. Leuk om die omslag te zien!“ Erwin is tevreden over de eerste inzichten maar ziet nog wel ruimte voor verbetering vooral op het gebied van datavisualisatie. Zou hij de methode aanbevelen aan anderen? “Zeker, je kunt het beschouwen als een ontdekkingstocht. Tijdens de reis ontdek je of het bij jou en de organisatie past. Tekstanalyse als onderzoeksmethode negeren of ontkennen kan niet meer anno 2018.”

Erwin Brik

Erwin Brik is, na een korte periode als levensmiddelentechnoloog te hebben gewerkt, van loopbaan geswitcht richting HR. Deze switch heeft inmiddels ruim twee decennia geleden plaatsgevonden. Na bedrijfseconomie heeft Erwin in 2011 zijn MBA afgerond. Hij heeft HR-managementposities vervuld bij Bloemenveiling Aalsmeer, VNU / World Directories en PON. Sinds medio 2014 is Erwin werkzaam als HR-directeur bij VWE Automotive.

Erwin is altijd op zoek naar het, vanuit HR perspectief gezien, bedrijfseconomisch nut van handelen van zijn team. Wat was ook alweer de bedoeling? Deze continue reflectie vraagt inzichten in het handelen en het rendement van HR. Inzichten die ons eveneens oplossingsrichtingen bieden. HR-analytics, waaronder tekstanalyse, moet het management en het HR team hierbij helpen.

Auteur:

Irma Doze

Irma Doze

Managing Director AnalitiQs