Eindelijk: HR analytics wordt haalbaar

Hoe verleid en verbind je medewerkers? Met data en analytics. En dat is vooral veel makkelijker en haalbaarder dan je misschien vreest. Zo luidt de boodschap van professor Timothy Desmet en data-expert Jeroen Naudts. Eindelijk dan toch: zij maken HR analytics haalbaar.

In een buitenwijk van Minneapolis stormde een woedende man een Target-supermarkt binnen. Hij brieste dat ze zijn tienerdochter advertenties voor zwangerschapskleding, babyvoeding en luiers stuurden. Moedigen ze haar aan om verdorie zwanger te worden? De winkelmanager verontschuldigde zich, maar kreeg enkele dagen later zelf excuses aangeboden: de dochter bleek zwanger…

Dit betekent alleen maar dat de Target-winkelketen een performant marketingsysteem heeft. Alle klantendata worden opgepikt, geanalyseerd en prompt verwerkt tot persoonlijke voorstellen, die soms verbazend voorspellend zijn, zoals in het voorbeeld van de zwangere dochter. Inmiddels is dit een klassiek voorbeeld van de kracht van data-analyse, maar Timothy Desmet en Jeroen Naudts halen de anekdote aan om te bewijzen hoe krachtig en efficiënt de analyse kan zijn. En – vooral – ze schermen ermee naar de HR wereld, die gelijkaardige sterke staaltjes van heel gerichte acties kan ondernemen, althans als ze haar data deskundig inschakelt.

Timothy Desmet, professor aan de VUB en Hult International Business School in Londen, is een specialist in cognitieve psychologie en gedragseconomie. Recent publiceerde hij het boek Reinventing HR-Data – Wat je medewerkers je niet vertellen, geschreven samen met Jeroen Naudts, onderzoeker aan de Arteveldehogeschool en Managing Partner van Starfish Consultancy.

Zij hebben hun expertise in de menselijke aard (we vatten nu even ruw samen) enerzijds en het verzamelen en exploreren van allerhande data anderzijds samengevoegd. Uit die gebundelde krachten is een zeldzaam verhelderend boek tot stand gekomen dat HR – eindelijk – zou kunnen overtuigen om al die data daadwerkelijk te ontginnen én als een wel heel sterke troef in te zetten in hun organisatie.

In hun boek stuiten we op tal van (soms verbluffende) resultaten die je met HR analytics kan scoren, maar laten we toch eerst even in onze Vlaamse klei blijven en vaststellen dat het met HR analytics niet bepaald de spuigaten uitloopt. Jeroen Naudts bekent:

“Recent onderzoek van de Antwerp Management School toont inderdaad aan dat Vlaanderen en België op dit vlak achteraan in het Europese peloton bengelen. Je kan daar op twee manieren naar kijken: we zijn heel hard de trein aan het missen, want alleen de zeer grote organisaties zetten in op HR analytics. Ofwel zeg je: hier liggen nog veel opportuniteiten, óók voor middelgrote ondernemingen. En sommige bedrijven hebben alleen nog een klein zetje nodig.”

Het obstakel
Privacy

Vaak vormt de vrees voor privacyperikelen een kloeke barrière. Mogen we al die gegevens wel capteren en gebruiken? Werknemers zien Big Brother al gauw over hun schouders gluren, terwijl werkgevers ongemakkelijk naar de GDPR-wetgeving turen. Jeroen Naudts verwijst naar professor Alex Pentland, die HR datamining omschrijft als prometheïsch vuur: “Je kan de techniek dus ten goede en ten kwade gebruiken. Pentland raadt aan om tot een soort van New Deal te komen, waarin duidelijke afspraken gemaakt worden tussen alle betrokkenen. Hij paste dat zelfs toe op een hele stad, het Italiaanse Trento, waar hij met het Massachusetts Institute of Technology (MIT) grootschalig onderzoek verrichtte over de wijze waarop burgers omgaan met het gebruik van hun persoonlijke data in een maatschappelijke context. Door het betrekken van de inwoners en algehele transparantie over het onderzoek, vonden de burgers het niet alleen oké, maar ook nuttig. Zij leerden er trouwens ook van. En dat is nu precies wat er eveneens in bedrijven dient te gebeuren: betrek alle medewerkers er volledig bij van bij het prille begin én geef aan waarvoor je de data wil gebruiken, toon aan hoe dat de organisatie en alle medewerkers zelf ten goede zal komen. Het mag immers niet alleen interessant zijn voor het management, ook de medewerkers moeten er iets aan hebben. Vergeet het what’s-in-it-for-me niet.”

Timothy Desmet geeft het voorbeeld van het vroegtijdig detecteren van burn-out door een analyse van het e-mailverkeer: “Je kan de risico’s op burn-out voorspellen door het e-mailverkeer in kaart te brengen (bijvoorbeeld wie overbevraagd wordt en vooral wie steevast onmiddellijk antwoordt), maar ook door tekst- of sentimentanalyse van het woordgebruik. Datamining richt zich immers niet alleen op cijfers of patronen. Je kan bijvoorbeeld ontdekken dat mensen steeds vaker negatieve of afstandelijke woorden gebruiken. Als je dat wil onderzoeken omdat er al burn-outs zijn, kan je vooraf vragen aan medewerkers wat er voor hen kan. Waarmee voelen de medewerkers zich comfortabel? In het beste geval erkennen ze dat er een burn-outprobleem is in de organisatie en dat ze het prima vinden mocht dat voorspeld en vermeden kunnen worden. Op die manier kunnen ze zelf immers te weten komen wanneer ze in de gevarenzone voor burn-out terechtkomen.

Indien je medewerkers zich er niet comfortabel bij voelen, kan je analyses maken op groeps- of afdelingsniveau, waarbij het algoritme, de onderzoekers en het management blind blijven voor de individuele data. Dan kan je weliswaar geen individuen aanspreken, maar je ziet wel op welke locaties er problemen dreigen te ontstaan. Dan weet je waar er iets misloopt en kan je ingrijpen in het werk of het leidinggeven. Als je op die manier de burn-out cijfers van 10% naar bijvoorbeeld 4% kunt brengen, is dat nog altijd een enorme menselijke en financiële winst.”

Het argument
De juiste gegevens

“Momenteel worden beslissingen nog vaak genomen op basis van het beruchte buikgevoel of ook wel eufemistisch ervaring genoemd”, weet Timothy Desmet. “In het beste geval wordt er rekening gehouden met de resultaten van allerhande medewerkersbevragingen. Dan is het maar de vraag hoe zo’n bevraging verloopt. Steeds meer onderzoek toont aan dat medewerkers vaak sociaal wenselijke en strategische antwoorden geven. En zelfs al gebeurt het met de beste voornemens, dan nog moeten we beseffen dat mensen zichzelf nogal eens fout inschatten. Onze zelfkennis ligt niet altijd zo hoog… Kortom, bevragingen geven vooral een vals gevoel van zekerheid.”

“Bovendien ontstaat er in veel organisaties enquêtemoeheid”, vult Jeroen Naudts aan. “Medewerkers zien de zoveelste werkgroep en de zoveelste vragenlijst verschijnen. Hoe je dan wel aan de juiste gegevens geraakt? Ga te rade bij data die je niet via vragenlijsten verkregen hebt, maar op andere manieren. Uit allerhande informatie en patronen kan je veel informatie putten. Zowat alles wat je doet, laat immers digitale sporen na. Een voorbeeld? Hoe scoor je op allerlei assessment tools? Welke online-vergaderingen volg je? Op wie doe je een beroep om iets te weten te komen? Wie mail je het meest? Je hebt dus al veel gegevens over het gedrag uit het (zeer) recente verleden in je organisatie. Onderzoek leert dat dit gedrag een sterke voorspeller is van gedrag in de toekomst.”

Moet er nog een krachtiger argument zijn om HR analytics te overwegen? Al waarschuwt Jeroen Naudts er evengoed voor dat juist die data uit het verleden ook je HR analytics op het verkeerde been kunnen zetten: “Als je bijvoorbeeld altijd al uitsluitend blanke mannen aangeworven of gepromoveerd hebt, dan vinden je analytics ook dat zij de grootste kans op succes bieden en komen ze boven te liggen bij sollicitaties of promoties… Waak dus over de kwaliteit van je data en wees alert op eventuele vooroordelen. Ook hier geldt: garbage in = garbage out.”

Het begin
Volg de employee journey

Uiteraard kan ook het financiële plaatje een robuust obstakel vormen om HR analytics volop in te schakelen. Dat geven Naudts en Desmet grif toe, al zien ze best wel haalbare projecten voor kmo’s vanaf zowat 50 à 100 personeelsleden. “Laat je niet overweldigen, begin gewoon met een indexering van welke gegevens je nu al hebt”, adviseert Timothy Desmet. “Volg daartoe de employee journey en denk bij elke stap na welke data je al hebt. Denk aan sollicitaties, starters, promoties, bonussen, opleidingen en dergelijke meer. Iedereen zit op een goudmijn van data. Maak een overzicht en zoek uit waarmee je quick wins kan behalen.”

Hij legt de bal echter ook in het kamp van de HR providers: “Het is aan hen om tools te ontwikkelen die je simpelweg plug & play kan inzetten. En het moet gaan om zaken waaraan HR echt iets heeft.” Hij geeft meteen een helder voorbeeld:

“Met een gender bias dashboard kan je in één oogopslag zien of er geen (onbewuste) vooroordelen bestaan op de diverse niveaus in je organisatie. Hoe klein of groot is de kans dat een vrouw aangeworven wordt? Bestaan er verschillen in verloning? Maken vrouwen evenveel kans op promotie als mannen? Je kan hetzelfde doen voor diversity bias. Als je vooroordelen vaststelt, kan je niet alleen acties ondernemen, na verloop van tijd zal je dashboard je ook aantonen of die initiatieven iets uithalen. Met andere woorden: dan zie je het effect op basis van feiten en moet je niet beslissen op buikgevoel.”

Die opmerking horen we niet voor het eerst en dat is geen toeval, in hun boek halen Naudts en Desmet de bezem door nogal wat bedenkelijke managementpraktijken of tools die allesbehalve evidence based zijn.

Het misverstand
Versterk de H

Het klinkt allemaal logisch en nuchter, maar verbannen al die analytics niet de H uit HR? Straks kunnen we HR gewoon vervangen door een chatbot… Prompt pareert Jeroen Naudts: “Het is net het omgekeerde: je maakt juist meer ruimte voor de H. Door bepaalde automatiseringen of analyses zal de HR medewerker meer tijd krijgen voor interessante interventies. Dat is goed voor de HR medewerker (die geen tijd meer hoeft te besteden aan bepaalde routinematige taken) én voor alle medewerkers (die met hun misschien moeilijkere vragen vlugger kunnen aankloppen bij HR).”

Hij geeft een voorbeeld bij onboarding: “Startende medewerkers hebben voor 80% tot 90% dezelfde vragen. Via analytics pik je die makkelijk op en kan je een chatbot ontwikkelen, waar de nieuwkomers dag en nacht en van om het even waar hun vragen kunnen stellen. Via datamining of artificiële intelligentie kan je die chatbot zelfs automatisch up-to-date houden en uitbreiden. Zo hoeft HR niet steeds meer dezelfde uitleg te geven. Die tijd kan dan in de H, in de mens geïnvesteerd worden.”

“Het betekent evenmin dat HR louter bevolkt hoeft te worden door analisten”, voegt hij er meteen aan toe. “Je hoeft echt geen datanerd te zijn om inzichten te halen uit bepaalde toepassingen. Een voorbeeld: in een bedrijf wordt vastgesteld dat veel nieuwkomers al na een zestal maanden weer vertrekken. Een blik op de data leert dat het vooral trainees zijn die na hu eerste cyclus opstappen. Interessant, want dan kan je uitzoeken wat er daar precies misloopt. Zo kan je alle nieuwkomers volgen en krijg je een scherp beeld van kritieke fasen in de employee journey. Die info kan je niet alleen helpen om talent beter te begeleiden en te behouden, daar kan je ook info uit halen over welke profielen het wel goed doen in jouw organisatie. Zo kan je je rekruteringsbeleid dan weer performanter maken.”

Het voorbeeld (1)
Taalgebruik als loopbaanvoorspeller

In hun boek vergelijken Naudts en Desmet de employee journey, die ze met hun data volgen, met een boom. Ze klimmen van de wortels (rekrutering), via de stam (onboarding) en de takken (o.a. engagement) tot de kruin (o.a. samenwerking) en dalen dan weer tot de vallende bladeren (het verloop). Op elke hoogte vinden we altijd verhelderende, bijwijlen best spectaculaire en doorgaans vlot haalbare voorbeelden. Neem nu het onderzoek van Matthew Corritore (Stanford en McGill University) bij 601 medewerkers in een higtechbedrijf. In welke mate gebruiken ze positieve of negatieve woorden? Gebruiken ze dezelfde persoonlijke voornaamwoorden? Kiezen ze voor ik of wij? En kan een sterke gelijkenis in woordgebruik met collega’s voorspellen dat iemand succesvol zal zijn in deze organisatie?

“De resultaten van dat onderzoek tonen aan dat softe elementen zoals de woordkeuze een degelijke voorspeller zijn voor harde factoren”, antwoordt Timothy Desmet. “Medewerkers met een positief taalgebruik dat bovendien zowat gelijkvalt met dat van hun collega’s, blijken betere evaluaties te ontvangen. Ze krijgen hogere bonussen en lopen minder risico om ontslagen te worden.”

De anderen worden veeleer als een outsider gezien, met alle risico’s op hun loopbaan vandien. “Tenzij ze voldoende sociale relaties weten op te bouwen met verschillende groepen in het bedrijf”, stuurt Desmet bij. “Dan kunnen ze juist een voordeel halen uit hun anders-zijn, dan kunnen ze hun afwijkende ideeën te berde brengen tijdens een brainstorm of anders leren kijken naar een probleem. Op die manier spelen ze de rol van dwarsliggers – en die heb je evengoed nodig in een organisatie.”

Het voorbeeld (2)
Promotie kan verloop aanwakkeren

Promotie verhoogde de kans op vertrek met 12% in een bedrijf, zo bleek uit een analyse. “Nader onderzoek leerde dat medewerkers meer verantwoordelijkheden kregen na promotie, maar door gebrek aan degelijke training slaagden ze er niet in om goed om te gaan met die verwachtingen”, legt Timothy Desmet uit. “Voor nogal wat medewerkers werd die promotie dus een vergiftigd geschenk en ze haakten af.”

“Dat voorbeeld bevestigt dat er wel degelijk valkuilen liggen op de weg naar waardering en erkenning”, gaat Jeroen Naudts verder. “En dat geldt voor de hele beloningsstrategie. Goedbedoelde beloningen kunnen zelfs tot ongenoegen leiden als ze niet goed aansluiten bij de behoeften van medewerkers. Het is dus belangrijk de voorkeuren te kennen en ook hierbij kan analytics helpen. Het sluit ook aan bij de belangrijke trend van de individualisering van waardering en erkenning. Het komt erop aan te kunnen belonen volgens de individuele wensen of behoeften. Als je dat dan ook nog eens proactief in plaats van reactief kan doen, zit je helemaal gebeiteld. Dan weten de medewerkers dat je echt rekening houdt met hen. Met de nodige data kan je echt voorspellen wat zal werken en wat niet voor een bepaalde medewerker.”

Als je HR analytics perfect werkt, weet je misschien zelfs of iemand bijvoorbeeld bons voor babykleertjes nodig heeft, net als de Amerikaanse Target-winkelketen. Of stemt dit nog wat onbehaaglijk?