Data wordt steeds belangrijker. Dat hoeven we niemand meer te vertellen. Maar de échte vraag is niet hoeveel data je hebt, wel wat je ermee doet. Want mooie rapporten en fancy dashboards zijn leuk, maar als ze niet leiden tot betere beslissingen, dan zijn ze vooral een kost zonder toegevoegde waarde. Tijdens een online masterclass dook onze #ZigZagHR NXT community, dé community voor HR-professionals die méér willen, samen met Bart Lippens, Johan Van der Auwera en Jean-Francois Dierckx van Select Advisory in de wereld van HR Analytics. We kregen een gefundeerde kijk op hoe je van data naar inzichten, en van inzichten naar echte impact gaat.
Dark data
Volgens Gartner wordt slechts 30 tot 40% van de beschikbare data in organisaties écht gebruikt om meerwaarde te creëren. De rest is “dark data”: ongestructureerd of ontoegankelijk om concreet iets mee te kunnen doen. Tegelijk besteden kenniswerkers vandaag de dag tot wel 50% van hun tijd aan het oplossen van dataproblemen zoals het terugzoeken of corrigeren van informatie.
Daar komt nog bij dat HR vandaag vaak nog niet aan tafel zit als strategische partner, in tegenstelling tot bijvoorbeeld Finance, die hun data wél vlot vertaalt naar onderbouwde adviezen voor het management. Nochtans beschikt HR over enorm strategische data: over mensen, teams, leiderschap, performantie, welzijn… Toch lukt het ons vaak nog niet om die data om te zetten in inzicht, actie en impact.
Waarom niet? Volgens Bart liggen er drie grote oorzaken:
- De data zelf is versnipperd over de organisatie, niet geconnecteerd, en de kwaliteit laat te wensen over.
- De organisatie neemt geen eigenaarschap over de data of het proces om van informatie naar inzicht te gaan. Teams en afdelingen werken in silo’s en delen data moeilijk.
- De mens: we zijn gewend om op buikgevoel te beslissen. Beslissingen onderbouwen met data vraagt mentale energie, en die proberen we instinctief te vermijden.
“Wat we vaak zien tijdens managementmeetings: drie verschillende cijfers over hetzelfde topic. En dan gaat de discussie niet meer over welke beslissing we moeten nemen, maar over welk cijfer nu juist is.”
Bart Lippens
Het ‘last mile’ probleem
Tijdens de masterclass kregen de deelnemers een mentimeter-vraag voorgeschoteld: waar denk je dat de data-pijplijn het snelst breekt? In het begin (verkeerde data)? In het midden (verkeerde tools en dashboards)? Of op het einde (er wordt niks mee gedaan)?
Volgens Gartner kan het wel degelijk op elk van deze punten fout lopen, maar gebeurt dat het vaakst op het einde. Zelfs als je de juiste data en dashboards hebt, blijkt de waarde en impact vaak onbenut omdat er geen juiste beslissingen volgen. Dat noemen ze de last mile failure.
Iedereen denkt dat datagedreven werken over data gaat. Dat klopt niet, zo stelt Johan. Het gaat vooral over het wérken met data. Aan de ene kant heb je de data platformen, governance, dashboards, BI-tools… en aan de andere kant gaat het over de business strategie, KPI’s, beslissingsstructuren, processen… De link tussen die twee werelden ontbreekt vaak, en het is net door die te connecteren dat je impact kan maken.
Dat noemen ze bij Select Advisoryt “Data Driven Decision Making (3DM)”: een eenvoudig model in drie lagen.
- Data verzamelen uit systemen, op een betrouwbare en veilige manier.
- Inzicht creëren door die data om te zetten in informatie.
- Beslissingen en acties nemen op basis van die inzichten.
Het probleem zit vaak bij laag 2. Organisaties hebben mooie dashboards en rapporten, maar er worden geen (juiste) beslissingen uit genomen.
“Het gaat niet over het verzamelen van data. Het gaat vooral over wat je ermee doet.”
Johan Van der Auwera
Wat is een beslissing eigenlijk?
Een interessante reflectie daarbij: wat is een beslissing eigenlijk? Volgens Johan is dat een engagement om te handelen, onder onzekerheid, waarbij afwegingen gemaakt worden met expliciet eigenaarschap.
“Alles moet beter” is géén beslissing. “Het management vindt dat de productiviteit omhoog moet” is géén beslissing. Een echte beslissing klinkt eerder zo: “Ik keur een nieuw aanwervingsplan goed. Dat heeft een impact op productiviteit en marge, en die impact aanvaarden we.”
Johan verwijst hierbij ook naar het boek Thinking, Fast and Slow van Daniel Kahneman. 95% van onze beslissingen nemen we op intuïtie (systeem 1). Analyse (systeem 2) kost mentale energie, en die proberen we instinctief te vermijden. Als we organisaties willen helpen om beslissingen te onderbouwen met data, moeten we systeem 2 zó organiseren dat het zo weinig mogelijk mentale effort vraagt. Inzichten moeten dus beslissingsklaar gemaakt worden.
Wat onderscheidt een toekomstgerichte HR-organisatie?
Een toekomstgerichte organisatie is een organisatie die snel kan leren en zich kan aanpassen aan een veranderende omgeving. Dat vraagt méér dan technologie en data. Het vraagt een stevige structuur, gecombineerd met een cultuur die leren, experimenteren en verantwoordelijkheid stimuleert.
Drie clusters spelen daarin samen:
- Sturende processen en governance: waar willen we naartoe?
- Structuur en processen: hoe organiseren we ons daarop?
- People en leadership: welk gedrag verwachten we?
Het verschil met klassieke organisaties? Toekomstgerichte organisaties leggen niet alleen de brug tussen data en inzichten, maar ook tussen inzichten en gewenst gedrag (en creëren dus zo ook impact).
Een mooi voorbeeld is Project Oxygen van Google. Google vroeg zich rond 2008 af: hebben we eigenlijk wel managers nodig om performant te zijn? Ze gingen data analyseren rond verloop, welzijn, rekrutering, tevredenheid, teamwerk en performantie. Wat bleek? De best presterende teams waren niet de teams met de manager met de meeste technische kennis, maar de teams van people managers die het meeste coachen, feedback gaven en psychologische veiligheid creëerden.
Stappenplan: van strategie naar slimme HR-beslissingen
Hoe maak je dat dan concreet? Aan de hand van de D3M-aanpak:
- Vertrek vanuit de strategie. Wat is de concrete, gedetailleerde strategische doelstelling?
- Definieer de business requirements. Wat wil je begrijpen? Waar wil je beslissingen rond kunnen nemen? Hoe trekken we talent aan, behouden we het en laten we het groeien? Hoe houden we performantie, welzijn en engagement in balans?
- Leg de principes vast. Bijvoorbeeld: we gaan retentie, welzijn én leiderschap structureel meten en opvolgen. We maken elke leidinggevende verantwoordelijk voor het welzijn van zijn medewerkers. We integreren welzijn in de dagelijkse people management processen, niet als apart HR-thema.
- Bouw je value driver model. Welke thema’s drijven die strategische doelstelling? Welke afwegingen moeten gemaakt worden tussen retentie, gezondheid, leiderschap, talentgroei?
- Koppel KPI’s aan elk thema.
- Integreer de rapportering in de beslissingsstructuren. Waar wordt welke beslissing genomen in de waardeketen? Hoe komt de juiste info op de juiste plaats?
Key Takeaways
- Data op zichzelf creëert geen impact. Data is een middel. Het moet leiden tot betere beslissingen. En dat vraagt samenhang tussen data, structuur, cultuur én leiderschap.
- Datagedreven werken vraagt meer dan één tool. Een Power BI of Excel zijn niet de oplossing. Het gaat om de combinatie van data, processen, governance en leiderschap.
- Stop met het einde van de pijplijn te verwaarlozen. Volgens Gartner mislukt 70% van de data-investeringen op de ‘last mile’, er worden simpelweg geen beslissingen genomen op basis van de inzichten. Maak je dashboards en analyses dus beslissingsklaar.
- Start met de beslissingsnoden, niet vanuit de data zelf. Welke beslissingen moeten genomen worden waarbij data ondersteund om deze te nemen?
- Start klein. Weet heel duidelijk waarheen je wil, begin klein en bouw van daaruit verder uit naar een organisatiebrede aanpak.
===
