HR-analytics
Examencase
Naam: XXXXXXXX
Studentnummer: XXXXXXXX
Datum: 28 april 2022
Opleidingsinstituut: NCOI
Master: Master Human Resources Management
Masterclass: HR-analytics
Docent: XXXXXXXX
,Voorwoord
Mijn naam is XXXXXX, ik ben 29 jaar oud en sinds juli 2019 werkzaam als adviseur P&O bij XXXXXX . Als
adviseur P&O ben ik, samen met leidinggevende, verantwoordelijk voor zes afdelingen en adviseer ik
leidinggevenden over personele vraagstukken.
Ter afronding van de masterclass HR-analytics heb ik als eindopdracht een examencase gemaakt, waarin
het artikel van Rasmussen & Ulrich (2015) centraal staat. Naast het artikel is op meerdere onderwerpen de
koppeling gemaakt met mijn werkgever. Het onderwerp HR-analytics heeft mij altijd al geïnteresseerd en
juist door deze masterclass is mijn interesse in dit onderwerp toegenomen. Door het schrijven van deze
examencase heb ik mijn eigen kennis kunnen uitbreiden en hoop ik de organisatie te kunnen helpen met het
zetten van stappen binnen HR-analytics.
Graag maak ik hierbij gebruik van de gelegenheid een woord van dank te richten, aan een aantal mensen
die geholpen hebben bij het tot stand brengen van deze examencase. Ten eerste Joost Ardts voor het
verzorgen van de masterclasses op een enerverende manier en de ondersteuning tijdens deze masterclass.
Daarnaast mijn medestudenten voor de inzichten in de organisaties waar zij werkzaam zijn en de
sparmomenten tijdens de masterclasses. En tot slot mijn collega’s van XXXXXX, voor de steun en bijdrage
aan deze examencase.
Ik wens u veel leesplezier toe!
XXXXXX
XXXXXX, 28 april 2022
2|Pagina
, Samenvatting
Voor deze examencase staat het artikel: ‘Learning from practice: how HR analytics avoids being a
management fed’ van Rasmussen & Ulrich (2015) centraal. In het artikel wordt beschreven welke risico’s
HR-analytics loopt door een managementhype te worden en niet de toegevoegde waarde van HR-analytics
te benutten. In het artikel wordt aangegeven hoe een organisatie kan voorkomen dat HR-analytics een hype
wordt, maar juist van toegevoegde waarde kan zijn bij besluitvorming van het management. Het artikel staat
centraal en de praktijk binnen XXXXXX (hierna te noemen: XXXXXX) wordt waar mogelijk gekoppeld aan
het artikel en andere theorieën. XXXXXX is één van de 25 XXXXXX’s in Nederland, met als kerntaak
inwoners en bezoekers van XXXXX te beschermen tegen (gezondheids)risico’s, rampen en crises.
In het artikel van Rasmussen & Ulrich (2015) wordt aangegeven dat HR-analytics gaat over het gebruiken
van data die, naast de basisgegevens over medewerkers, wordt verrijkt met data vanuit meerdere velden en
perspectieven, verbonden met wetenschappelijk onderzoek, ervaring en intuïtie. Uiteindelijk moet deze data
leiden tot bepaalde inzichten en het nemen van betere beslissingen op zowel HR- als organisatie inrichting,
die aansluiten bij de strategie van de organisatie. Rasmussen & Ulrich (2015) geven aan dat weinig
wetenschappelijk onderzoek heeft plaatsgevonden met betrekking tot HR-analytics. Voordelen m.b.t. HR-
analytics is vooral gebaseerd op praktijkvoorbeelden.
In het artikel geven Rasmussen & Ulrich (2015) als belangrijkste uitgangspunt aan dat het bij HR-analytics
niet gaat om de hoeveelheid data die wordt verzameld, maar juist om de bijdrage die data kan leveren aan
goed geïnformeerde besluitvorming. Om hiervoor draagvlak te creëren, zal altijd gestart moeten worden met
een businessvraagstuk. Juist hierdoor komt HR-analytics het meest tot zijn recht, doordat de outside-in
benadering wordt gehanteerd. Voor een organisatie is de mate van volwassenheid m.b.t. analytics van groot
belang (Al & Doze, 2021). XXXXXX bevindt zich in de beginfase van het volwassenheidsmodel van Bersin
(2012). XXXXXX is bezig met het bouwen van een datawarehouse voor de gehele organisatie, echter staat
dit nog in de kinderschoenen waardoor dit geen dagelijkse praktijk is. Het is voor de organisatie belangrijk
een visie te ontwikkelen over het gebruik van data en deze te vertalen naar de HR-strategie. Zoals Al &
Doze (2021) aangeven is hiervoor een heldere visie samen met een langetermijnplanning nodig. Daarnaast
adviseren Rasmussen & Ulrich (2015) HR-professionals te trainen in statistiek, wetenschappelijke
methodologie, verandermanagement en verhalen vertellen.
Uit de verschillende theorieën blijkt dat een combinatie van verschillende gegevens uit meerdere bronnen
leidt tot het beste inzicht bij analytics. Data-analytics is op te delen in beschrijvende, diagnostische,
voorspellende en voorschrijvende analyses (Al & Doze, 2021). Voor zowel XXXXXX als andere organisatie
zijn voorspellende en voorschrijvende analyses het meest waardevol. Echter blijkt uit de bronnen dat de
meeste organisaties zich nog bevinden in de beschrijvende en diagnostische analyses. XXXXXX bevindt
zich op dit moment in de beschrijvende analyse en is bezig met een stap te zetten richting de diagnostische
analyse. Het is de uitdaging voor XXXXXX om data met elkaar te verbinden en hier nieuwe inzichten door te
krijgen.
Uit de praktijk blijkt vaak dat mensen geneigd zijn een advies naast zich neer te leggen als dit niet
overeenkomt met hun eigen beeld. Juist om die reden adviseren Rasmussen & Ulrich (2015) inzichten,
verkregen middels data, te verbinden met wetenschappelijk onderzoek en dit aan te vullen met intuïtie en
ervaringen. Dit kan gedaan worden in co-creatie met diverse stakeholders en samen een verhaal te maken
en dat te presenteren. Dit alles heeft als doel betere besluitvorming en een actiegericht vervolgplan. Hierbij
is datavisualisatie van groot belang. Uiteindelijk zullen de genomen besluiten moeten worden verwerkt,
geborgd en gemonitord waarbij KPI’s (krisitische prestatie indicatoren) kunnen ondersteunen (Al & Doze,
2021).
Een grote uitdaging van HR is de continu veranderende omgeving, waar technologische ontwikkeling met de
dag ontwikkelen. Dit brengt met zich mee dat extra bewustzijn nodig is op het gebied van dataprivacy en-
beveiliging. Het gebruik van alle beschikbare data en AI kan ervoor zorgen dat medewerkers zich
gecontroleerd voelen door een organisatie (Marr, 2018). Om dit te minimaliseren, is het van belang dat de
organisatie transparant is over welke data waarvoor wordt gebruikt en data enkel geanonimiseerd en
geaggregeerd gebruikt wordt.
3|Pagina