Samenvatting HR-analytics
------ Hoofdstuk 1 ------ HR analytics wat we eronder verstaan
HR-analytics = als organisatie wil je zoveel mogelijk informatie over je werknemers hebben en die
optimaal benutten om betere beslissingen te nemen en zo de plannen en doelstellingen van de
organisatie te realiseren.
HR- analytics is een combinatie van verschillende vakgebieden: ICT, HRM, Psychologie, statistiek en
data analyse.
Wat is HR- analytics = is op een cijfermatig bewijs gebaseerde benadering voor het nemen van betere
beslissingen m.b.t. de menskant van de organisatie, die gebruikt maakt van uiteenlopende
instrumenten en technieken, variërend van eenvoudige rapportage over HR-metrics tot en met
voorspellende modellen.
Definitie boek: systematisch en m.b.v. data vertalen van ontwikkelingen binnen het menselijk
kapitaal van organisatie in gevolgen voor toekomst, en voospellen van de impact hiervan op
organisatieactiviteiten, doel verbeteren individuele en collectieve gerag en prestaties van
medewerkers en prestaties van de organisatie als geheel.
Data levert steeds nauwkeurigere voorspellingen van ons gedag op.
Data = gegeven dingen/feiten. Iets dat je kunt vastleggen, ordenen, verzamelen, analyseren.
Dataficeren = omzetten van data in gekwantificeerde vorm.
Primaire data, data die onderzoeker speciaal voor dit onderzoek ontwikkeld. Secundaire data, data
die al bestaan voor andere doelen dan voor doelen onderzoeker.
Big data = gaat over dataverzameling van miljoenen, honderd miljoenen of miljarden gegevens.
HR kan bijv. ook met een game veel inzichten krijgen in wie meeste doorgroei mogelijkheden heeft
en wie risico heeft voor burn-out.
Model Bersin:
- Niveau 1 = reactief = operationele rapportage. Ontwikkelen databibliotheek, meten efficiency.
- Niveau 2 = proactief = geavanceerde rapportages. Rapportages voor benchmarking en besluiten.
- Niveau 3 = Strategische analyses = ontwikkelen human capital modellen, oorzaken, oplossingen.
- Niveau 4 = voorspellende analyses = voorspellende modellen, scenario, risico en strategie planning.
Vele organisaties hebben wel veel data maar doen er niets mee.
Inzicht in welke combinatie van factoren op invloed van het gedrag van de werknemer is.
Door analyse kunnen problemen worden achterhaald, bijvoorbeeld een hoog verloop uit data
bleek dat instoom van nieuw type medewerker andere begeleiding nodig had.
Data-analyse kunnen verbanden aantonen in bijv. verkoopcijfers en betrokkenheid. Of bijv. dat
diversiteit in het team leidt tot betere prestaties.
HR-analytics kan bijdragen aan oplossingen voor de thema’s = duurzame inzetbaarheid,
verzuimrisico, kosten beheersen, kwaliteit verbeteren, performancemanagement, SPP, recruitment,
talentmanagement, retentie/voorkomen ongewenst verloop, innovatievermogen verbeteren,
onderlinge samenwerking verbeteren, invoeren innovatie.
, ------ Hoofdstuk 2 ------ Waarom zou HR gebruikmaken van HR-analytics?
Bij google bijv. selecteren van mensen uit open sollicitaties, door data bekijken welke meest kans
maakten om excellent medewerker te worden. Eerst analyse interne gegevens ideaal
functieprofiel. Sinds 2013 (Harver) online sollicitatiegames.
Belangrijkste voordelen HR-analytics:
1. Direct bijdragen aan organisatiedoelstellingen (bijv. meer omzet door passende werknemer).
2. Besparen tijd en kosten en inrichten van snellere processen (bijv. selectie automatiseren).
3. Betrouwbare prognoses kunnen maken (door voorspellingen door gevonden verbanden).
4. Nauwkeuriger inzicht verkrijgen in de interne organisatie (inzicht succesfactoren).
5. Vergroten betrouwbaarheid van beslissingen (uitgebreidere selectie bijv.).
HR-analytics draagt bij aan nemen van beslissingen gebaseerd op feiten, draagt daardoor bij aan
effectiviteit.
Er wordt meer betrouwbare kennis vanuit feiten en gegevens verkregen, minder subjectiviteit in
beoordeling en besluiten.
Het opstellen van een projectteam kan gebaseerd worden op data, bijv. het feit dat er veel verloop is
onder mensen die via een advertentie geworven zijn (men kan besluiten deze groep niet in het team
te plaatsen bijvoorbeeld).
MAAR niet iedere organisatie is hetzelfde, wettenschappelijk onderzoek heeft niet altijd door wat er
in de praktijk speelt. Het is daarom zo dat het niet zomaar toepasbaar is voor iedere organisatie.
Ieder jaar kan ook verschillen, het ene jaar veel verloop, het andere misschien wat minder.
Door voorspellingen kan er vast rekening gehouden worden in de SPP. Het is makkelijker om op de
toekomst te anticiperen.
25% van de nieuwe medewerkers verlaat snel de organisatie. Als er een gestructureerde werving en
selectie plaatsvindt dan is dit nog maar 12,5%
In je brein het heb je een intuïtieve kant en een redeneer kant (rekensommen, bedenken wat je
vorige maand gegeten hebt). Intuïtief kost veel energie maar is heel snel. Redeneer is sloom.
Als iemand een oprecht compliment krijgt is men bereid een kleine tegenprestatie te geven, na die
kleine is men vaak onbewust ook bereidt een grote tegenprestatie te leveren (eerst niet denkbaar).
Als men lang nadenkt hoeft dit niet te leiden tot beter afgewogen en consistent antwoord.
Mensen laten gedrag zonder reden zien, daardoor lastig effecten van HR-instrumenten te
voorspellen.
Mensen hebben aangeboren zelfoverschatting qua beoordelen. Vooral managers + leidinggevenden.
Met een data-analyse kan werkelijk gedrag in de praktijk zichtbaar gemaakt worden en wordt
gekeken welke factoren (bijvoorbeeld HR-interventies) hierop van invloed zijn. (meetbaar maken HR)
