Verzuim verlagen met een verzuimanalyse
Het gemiddelde ziekteverzuim in Nederland is stijgende en ligt sinds 2018 boven de 4% per kwartaal. Hierbij kunnen er per sector flinke uitschieters zijn. Als gevolg van deze trend staan organisaties voor een grote uitdaging.
Menig organisatie is daarom druk in de weer om verzuim te verlagen. Echter, verzuim blijkt een geduchte tegenstander waar veel organisaties die een conventionele aanpak hanteren zich op stuk bijten.
Verzuimdata voor doelgerichte aanpak
AnalitiQs helpt organisaties om op basis van (verzuim)data anders naar verzuim te kijken en het doelgericht te bestrijden. Waar zitten de knelpunten, wat zijn bronoorzaken, wat zijn realistische streefnormen, op welke toekomstige verzuim dient geanticipeerd te worden, hoe kunnen verzuimprofessionals optimaal worden ingezet en welke interventies sorteren effect?
Wat zijn voorbeelden van verzuimanalyse?
Er bestaat niet één verzuimanalyse. De juiste hangt af van de context waarin een organisatie zich begeeft. Er zijn wel tal van mogelijkheden om data in te zetten om verzuim te reduceren. De volgende vragen worden zoal via een verzuimanalyse beantwoord:
Toekomstige verzuim
Wat wordt het toekomstige verzuim?
Op basis van historische gegevens wordt toekomstig verzuim voorspelt. In dit geval is het voorspelmodel gericht op meldingsfrequentie, uiteraard is het ook mogelijk om een voorspelmodel op andere verzuim metrics te maken. Denk hierbij bijvoorbeeld aan verzuimpercentage of het percentage lang verzuim.
Risicogroepen
Welke risicogroepen zijn er? Met andere woorden, welke medewerkerssegmenten moeten bereikt worden om verzuim te verlagen?
Om verzuim effectief te reduceren is het belangrijk om te weten welke medewerkersgroepen het grootste risico lopen om te verzuimen. Niet om deze medewerkers te ‘straffen’ maar bijvoorbeeld om communicatiekanalen of rolmodellen te bepalen waarmee deze groepen effectief bereikt kunnen worden.
Verklarende factoren
Wat zijn verklarende factoren en welke van deze factoren zijn het belangrijkst om te beïnvloeden, zodat verzuim effectief verlaagd kan worden?
Onomstotelijk kunnen vaststellen welke zaken verzuim veroorzaken is cruciaal. Dit inzicht helpt om actieplannen en beleid te maken dat gericht is op de belangrijkste oorzaken van verzuim. Om tot dit punt te komen is het belangrijk om te weten welke variabelen correleren met verzuim en in hoeverre de ene variabele een sterker verband heeft dan de andere variabele. Dit lukt niet met de conventionele verzuimrapportages, of een simpele correlatietoets, maar wel met machine learning technieken in combinatie met een causaliteitsoefening.
Optimalisatie
Hoe kan de agenda van de case managers en/of bedrijfsarts worden geoptimaliseerd, zodat mensen met de meeste kans op lang verzuim optimaal worden geholpen?
Case managers en bedrijfsartsen zijn veelal druk bezet. Zo gaat er bij menig organisatie enige tijd overheen voordat een medewerker die zich ziek heeft gemeld begeleiding krijgt. Per ziekmelding kan het risico op lang verzuim worden berekend. Inzicht in dit risico helpt case managers en bedrijfsartsen om hun schaarse tijd te kanaliseren naar de mensen die het meest gebaat zijn met snelle begeleiding.
Realistische verzuimnorm
Wat is een realistische verzuimnorm voor leidinggevenden, o.a. rekening houdend met de samenstelling van hun team.
Indien het voortschrijdend gemiddelde van een selectie onder de dynamische norm zit dan kan men veronderstellen dat het team of cluster het op basis van de teamsamenstelling boven verwachting doet qua verzuim op basis van de historie van de organisatie. Het omgekeerde is natuurlijk ook waar.
Optimaal verzuimproces
Is het verzuimproces optimaal ingericht en wordt het proces gevolgd?
Inzicht in de adoptie van het ideale proces ten opzichte van de realiteit legt kansen bloot om efficiënter te werken. In sommige gevallen zullen vanuit process mining inzichten ontstaan waarmee het ideale proces verder geoptimaliseerd kan worden. In andere gevallen zullen inzichten ontstaan waaruit blijkt dat proces actoren meer richting het ideale proces gestuurd moeten worden om verzuim optimaal te reduceren.
Effect van verzuiminterventies
Wat is het effect van verzuiminterventies; worden met verzuiminterventies de juiste mensen bereikt en leiden de verzuiminterventies ook daadwerkelijk tot een lager verzuim?
Menig organisatie heeft serieuze budgetten voor preventieve en curatieve verzuiminterventies. Echter, of de juiste doelgroepen worden bereikt met de interventies en/of het inzetten van interventies daadwerkelijk tot een reductie in verzuim leidt is niet helder. Een interventie-effectmeting maakt dit soort vragen inzichtelijk en helpt organisaties om ROI op verzuim interventies te realiseren.
Hoe is een verzuimanalyse anders dan de standaard verzuimrapportages?
Zoals eerder benoemd is een verzuimanalyse anders dan een conventionele aanpak van verzuim. Hieronder de drie belangrijkste verschillen tussen een datagedreven verzuimaanpak met verzuimanalyse en de gemiddelde verzuimrapportage.
- Big Data
Voor een verzuimanalyse worden verschillende databronnen gecombineerd. Denk hierbij uiteraard aan verzuimdata uit het verzuimsysteem, maar ook aan data uit het personeelsadministratie en bijvoorbeeld medewerkersonderzoeksdata. Verder wordt er niet alleen gebruik gemaakt van de huidige stand van zaken, maar wordt er ook historische data gebruikt. Al deze data wordt bijeen gebracht en vervolgens worden vanuit deze initiële dataset nog nieuwe variabelen gecreëerd. Dit alles resulteert in een dataset van soms wel honderden variabelen.
- Machine Learning
Zodra de data bijeen zijn gebracht worden Machine Learning technieken ingezet om patronen uit de data te halen. Waar conventionele HR rapportages 2 tot 3 variabelen combineren in een kruistabel worden bij machine learning alle variabelen tegelijkertijd bekeken. Dit levert diepere inzichten op.
- Precisieraketjes
Waar in een conventionele aanpak van verzuim nogal eens met hagel wordt geschoten zijn de inzichten die voortkomen uit de analyses te vergelijken met precisieraketjes. Door een datagedreven aanpak worden verzuimmanagers naar bronoorzaken begeleid, zijn verzuimmanagers in staat om gericht beleid / actieplannen te formuleren, worden case managers en bedrijfsartsen geholpen bij het indelen van hun agenda, krijgen managers een realistische verzuimnorm om na te streven en worden de effectiviteit van verzuiminterventies (of het gebrek ervan) aangetoond.
Welke (verzuim)data worden er gebruikt voor een verzuimanalyse?
Wat hierboven al naar voren kwam: voor een verzuimanalyse worden idealiter meerdere databronnen gecombineerd. De meest voortkomende interne bronnen zijn het verzuimsysteem, het personeelsadministratiesysteem en het medewerkersonderzoeksysteem. Naast interne bronnen kunnen ook externe bronnen worden gebruikt.
Door deze interne en externe bronnen te combineren, en op basis van de input uit deze bronnen afgeleide variabelen te creëren, kan een dataset voor een verzuimanalyse uit wel honderd(en) variabelen bestaan.
Hieronder een niet uitputtend lijstje aan voorbeeld variabelen, afkomstig uit medewerkersonderzoek en het personeelsadministratiesysteem, die bij een klant zijn gebruikt voor een verklarende en voorspellende verzuimanalyse.
Zijn deze bronnen niet allemaal beschikbaar? Geen probleem, ook op basis van kleinere data sets zijn al bruikbare verzuim inzichten te realiseren. Bovendien kan AnalitiQs helpen om de ontbrekende data te ontsluiten, of te verzamelen via medewerkersonderzoek.
Aan de slag met een verzuimanalyse?Verzuimrapportage
Gezien bovenstaande is AnalitiQs, waarschijnlijk niet geheel onverwacht, pleitbezorger van verzuimanalyse om verzuim te verlagen. Tegelijkertijd blijven de oude vertrouwde verzuimrapportages ook wenselijk. Een verzuimvenster is bijvoorbeeld een prettig hulpmiddel om te bepalen op welk type verzuim een verzuimanalyse zich kan richten. Zodoende hieronder enige hulp en inspiratie bij enkele basisvragen rondom verzuimrapportage.
Hoe ziet een goed verzuimrapportage/verzuimdashboard eruit?
AnalitiQs heeft verzuimdasboards gebouwd in het oude vertrouwde Excel, maar ook in visualisatiesoftware zoals Tableau, MicroStrategy en PowerBI.
Een goed verzuimdashboard bevat de juiste verzuim ken- en stuurgetallen, is intuïtief en stelt de gebruiker in staat om makkelijk te data te filteren en te vergelijken.
Verzuimdashboard laten ontwikkelen?Wat is verzuim en hoe hangt dat samen met een verzuimanalyse?
Als een medewerker verzuimt dan is een medewerker niet in staat om de werkzaamheden die de medewerker geacht wordt te doen uit te voeren. Deze generieke verzuimdefinitie is voor een verzuimanalyse alleen te hoog over.
In een verzuimanalyse wordt nader ingezoomd op verzuim om te bepalen waar de grootste verzuimreductie kansen liggen. Zodoende wordt er onderscheid gemaakt in verschillende typen verzuim. Hierbij wordt o.a. gekeken naar de achtergrond van verzuim, de duur van verzuim en de frequentie van verzuim.
Qua achtergrond wordt onderscheid gemaakt tussen medisch en niet-medisch verzuim. Medisch verzuim is lastig te beïnvloeden. Niet-medisch verzuim (bijvoorbeeld werkstress) is echter wél te beïnvloeden door een werkgever én maakt in Nederland het grootste deel op van verzuim. Zodoende is deze categorie interessant voor menig verzuimanalyse, bijvoorbeeld analyses die ernaar streven om oorzaken en risicogroepen te identificeren.
Qua duur hanteert het CBS enkele categorieën. Kort, middellang, lang en extra lang. Waar bij de meeste werkgevers de uitdaging in het lang verzuim zit zijn er ook werkgevers waar kort frequent verzuim juist de uitdaging vormt. Voor een effectieve verzuimanalyse is het zodoende essentieel om goed inzicht te hebben waar de verzuimuitdaging zich voordoet en zodat er gericht gewerkt kan worden.
Samen de verzuim uitdaging scopen?Wil jij aan de slag met een verzuimanalyse om verzuim effectief te verlagen?
- Business Case
- Verzuimanalyse
- Verzuimdashboard
AnalitiQs helpt mee om te bepalen waar de verzuimuitdaging precies zit, welke kosten deze uitdaging meebrengen én hoeveel er bespaart kan worden.
Vervolgens helpt AnalitiQs om via verzuimanalyse(s) inzichten te genereren waarmee de verzuim business case gerealiseerd wordt.
Ten slotte bouwt AnalitiQs de verzuimrapportages/dashboards waarmee de impact van de datagedreven verzuimaanpak gemeten wordt.
Whitepaper datagedreven verzuimreductie
Ben je benieuwd geworden naar hoe verzuim bij organisaties op een datagedreven wijze aangepakt kan worden? Vraag dan hiernaast onze Whitepaper aan! Deze krijg je direct per mail toegestuurd.
In onze whitepaper introduceren wij jou met de wereld van datagedreven verzuimreductie. De volgende vijf vragen komen hierin aan bod;
- Hoe verhoudt datagedreven verzuimreductie zich tot conventionele verzuimreductie?
- Hoe werkt datagedreven verzuimreductie?
- Welke deliverables komen er uit datagedreven verzuimreductie?
- Welke data en technologie zijn benodigd voor datagedreven verzuimreductie?
- Hoe kunnen organisaties het beste starten met datagedreven verzuimreductie?
Whitepaper
Veelgestelde vragen over verzuimanalyse
Mag verzuim eigenlijk wel geanalyseerd worden volgens de AVG?
Ja, ook onder de AVG is dit nog mogelijk. Het is niet toegestaan te informeren naar de aard en oorzaak van de ziekte, maar de duur en het herstelpercentage mogen opgevraagd en geregistreerd worden.
Zijn data van medewerkersonderzoek(en) noodzakelijk voor verzuimanalyse?
Nee, het is ook goed mogelijk om alleen systeemdata te gebruiken. Voor risicogroepen worden alleen data uit systemen gebruikt en voor de knoppen waaraan kan worden gedraaid is veel informatie te halen uit systemen. Echter, onderzoeksdata geven wel aanvullende inzichten waardoor het meerwaarde heeft om data uit medewerkersonderzoek te gebruiken.
Zijn data van eerdere medewerkersonderzoeken te gebruiken?
Ja. Je wil juist data van eerder onderzoek gebruiken omdat je het verzuim van de maanden erna gebruikt voor de koppeling. Ervaring van medewerker leidt namelijk tot (geen) verzuim. Het is wel aan te bevelen om voor aanvang van een onderzoek aan te geven data de antwoorden ook voor andere analyses zullen worden gebruikt.
Zijn data van een andere leverancier te gebruiken?
Ja. AnalitiQs is lid van de MOA en zodoende bevoegd om onderzoeksdata van andere leveranciers te gebruiken. We bevelen wel aan om bij het opstellen en tekenen van de contracten met de leveranciers aan te geven dat data (wellicht) ook voor verdere analyses worden gebruikt, waarbij de data (eventueel) moet worden verstuurd naar een derde partij (AnalitiQs).
Hoe wordt de privacy van onze medewerkers geborgd?
Data privacy en security staan bij AnalitiQs hoog in het vaandel. Er worden geen namen en contactgegevens gebruikt. Daarnaast worden datums omgezet naar minder te herleiden variabelen, in plaats van geboortedatum kan bijvoorbeeld leeftijd in jaren worden gebruikt. Uitkomsten worden bovendien altijd op groepsniveau gerapporteerd.
Welke verzuimdefinities worden gebruikt?
In overleg worden de definities gekozen. Bij voorkeur worden de definities gebruikt die al binnen jouw organisatie gehanteerd worden. Mogelijk wordt hiervan afgeweken om analysemogelijkheden te vergroten.
Meer weten over het gebruik van verzuimdata?
In onderstaande video vertelt Irma Doze hoe verzuimdata gebruikt kan worden om verzuim te verlagen. In de video gaat ze in op verzuim ken- en stuurgetallen, een verzuimanalyse en het effect van verzuiminterventies meten.
Gerelateerde content
Verzuim verlagen en aanpakken met de juiste inzichten
Welke persoonskenmerken, werk- en organisatieomstandigheden leiden tot verzuim? Lees hoe AnalitiQs deze verzuimanalyse heeft aangepakt.
Read more
13% Nederlandse werknemers ervaart hoog stresslevel
Geen pauze, nog even een paar uurtjes langer doorwerken vanwege naderende deadlines, eigenlijk is het…
Read more
Personeelsverloop? Laat je niet misleiden door gemiddelden!
Er rijdt weer geen trein tussen Utrecht en Arnhem, kinderen krijgen minder aandacht van docenten…
Read moreGedetailleerd Dienstenoverzicht
HR Analyses
Effectmeting/ROI
Gelijk loon gelijk werk (Equal Pay)
Gender Mobility
Personeelsverloop
Strategische Personeelsplanning
Verzuimanalyse
Recruitment Bias Check
Talent review
Beloning
Engagement
Inhuur
Kosten
Learning & Development
Management Development
Medewerkersegmentatie
Organisational Netwerk
Performance
HR Process Mining
Productiviteit
Recruitment
Reorganisatie/Herstructurering
Succession Management
Medewerkersonderzoeken
Arbeidsmarktpositionering
Cultuuronderzoek
Employee Engagement
Employee Net Promotor Score (eNPS)
Employee Value Proposition (EVP)
Employee Journey Mapping
Inclusie Onderzoek
Manager Feedback
Medewerkersbetrokkenheid
Medewerkersbevlogenheid
Medewerkerstevredenheids (MTO)
Kwalitatief onderzoek HR
Onboarding
Pulse
Voice of the Employee
Werkplezier
Arbeidsmarkt
Arbeidsmarktpanel
Arbeidsvoorwaarden Optimalisatie
Diversiteit
Gezondheid
Leiderschap
Medewerker Community/Panel
Persoonlijke Ontwikkeling
Retentie
Rolduidelijkheid
Sentiment
Strategic Alignment
Team Feedback
Thuiswerken
Vitaliteit
Werkbeleving
Werkdruk
Werkgeluk
Werksfeer
Werkstress
HR Transformatie
HR Analytics Strategie
HR Analytics Product Owner
HR Analytics Outsourcing
HR Academy
HR Dashboards
Interesse? Maak een afspraak!
