Is het succes van een medewerker te voorspellen?

Peter Boerman Op 12 december 2013
Gem. leestijd 2 min 1442x gelezen
Deel dit artikel:
Is het succes van een medewerker te voorspellen?

Hoe zet je HR data in om de prestaties van je organisatie te voorspellen en te verbeteren? Dat staat centraal in de sessie ‘HR analytics inzetten voor een optimale HR strategie’. Aan de orde komen vragen als: hoe kan je het ziekteverzuim uit HR analytics voorspellen en welke gegevens zijn voorspellend voor het succes van de werknemer?

Wake up call

Via een satellietverbinding geeft Luk Smeyers een kijkje in de keuken van het HR data onderzoek. Welke voorspellende modellen kun je inrichten en welke tools moet je hiervoor inbouwen?  Hij start met een wake-up call. Het allerbelangrijkst is dat we goed inzichtelijk maken wat de business impact is van onze activiteiten. We moeten bij HR verschuiven van beschrijvend naar voorspellend. Volgens Smeyers is dit uitgangspunt nog niet top of mind bij HR.

Brandhaarden herkennen

Als voorbeeld noemt hij de politie van Los Angeles die in elke surveillancewagen een scherm heeft geïnstalleerd waarop te zien is in welke gebieden wordt ingeschat dat het risico op misdaad groter is dan gemiddeld. Op basis van de risicoinschatting van de brandhaarden weet de politie exact waar ze moeten zijn. Na introductie is het misdaadcijfer met 30 procent gedaald. Eenzelfde techniek kan je inzetten voor HR.

Scenario’s formuleren

Dat hoeft helemaal niet op basis van big data, ook kleine organisaties kunnen hier veel baat bij hebben. Het gaat erom welke gegevens je verzamelt om de performance te meten, welke profielen vind je en welke patronen zijn te herkennen. Door alle vergaarde data te combineren, ontstaat er waardevolle informatie waarop je onderbouwd je strategie kunt bepalen en scenario’s kunt formuleren. Je meet uitsluitend patronen en samenhangen, causale verbanden zijn hierbij minder relevant.

Wat we denken zeker te weten klopt vaak niet

Op de vraag wat de meest interessante correlatie is die hij ooit heeft gevonden, antwoordt Smeyers dat het veel vaker voorkomt dat blijkt dat bestaande, stevig gewortelde hypotheses vaak helemaal niet blijken te kloppen als je het daadwerkelijk gaat meten. Verder krijg je waardevolle informatie als je een koppeling maakt tussen business data, klantgegevens en personeelsgegevens. Een voorbeeld van een leuk, onverwacht resultaat is bij zeer recent onderzoek van een bank dat de dag van de week zeer bepalend is voor de tevredenheid van de klant.

Hoe ouder hoe zuurder?

Verder bleek dat de leeftijd van de medewerker een directe relatie heeft met de beleving van de klanten, hoe ouder de medewerker, hoe negatiever de beleving van de klant. Leuk onderzoeksresultaat, maar hoe ga je HR met deze resultaten om? Een belangrijke vraag waar de HR afdeling van de betreffende bank zich tijdens de kerstdagen het hoofd over kan breken.

Deel dit artikel:

Peter Boerman

Hoofdredacteurbij Werf&
Hij heeft eigenlijk nog nooit een vacature uitgezet. En meer sollicitatiegesprekken gevoerd als kandidaat dan als recruiter of werkgever. Toch schrijft Peter Boerman alweer een jaar of 10 over weinig anders dan over de wondere wereld van werving en selectie, in al zijn facetten.
Bekijk volledig profiel

Premium partners Bekijk alle partners