Organisaties die beginnen met HR analytics maken regelmatig de fout om alle aandacht uit te laten gaan naar tools en het optuigen van een analytics-team. Dat team gaat dan hard aan de slag om data te verzamelen, te verrijken en te analyseren. En vervolgens…. gebeurt er niets. Beleid verandert niet. Het management staat niet juichend bij het team op de stoep om te vragen om nog meer analyses. Wat gaat er mis? Vaak is dat een gebrek aan businessimpact.
19 feb. 2019
Directie en management vinden het zeer belangrijk om inzicht te krijgen en adviezen te ontvangen op HR-gebied. Zij realiseren zich goed dat de organisatie draait op (goede) mensen. Directie en management, willen dus zeker wel iets met (de) analyses, maar ze kunnen er niet altijd iets mee. Een HR-analytics team moet daarom altijd beginnen met het in kaart brengen van een relevante businessvraag. Alleen zo weet zij zeker dat haar analyses en adviezen businessimpact hebben en beslissingen genomen worden op basis van diezelfde analyses. Maar hoe doe je dat dan, een relevante businessvraag achterhalen? We geven vier tips.
Waar en waarmee wordt het geld verdiend? Wat zijn de bedrijfsdoelstellingen? Hoe ziet de balans eruit? Hoe zit de bestuursstructuur in elkaar? Wie zijn de belangrijkste klanten? Wat zijn grote kostenposten? Op het moment dat je hierover mee kunt praten, kun je makkelijker de relevante businessvraag achterhalen. Zo blijkt de winstgevendheid van een organisatie vaak te stijgen als de klanttevredenheid toeneemt. De businessvraag voor de HR analist zou dan kunnen zijn: ‘Wat is het effect van het personeelsbeleid op de klanttevredenheid?’
Voor veel organisaties zou bovenstaande vraag een relevante businessvraag kunnen zijn. Als je echter als organisatie net start met HR analytics is het wellicht niet verstandig om meteen te starten met ‘de Mount Everest’ onder de businessvragen. Want, moet je dan gaan kijken naar de medewerkersbetrokkenheid? Het beloningsbeleid? De feedbackcultuur? Naar allemaal? Wat zijn de verbanden hiertussen? Enzovoort. Het gevaar op vastlopen ligt op de loer.
Beter is het om te starten met een businessvraag die wat behapbaarder is. Denk aan een vraag als: Waarom zijn de loonkosten van team A zoveel hoger dan die van team B? Directies en management zijn immers vrijwel altijd geïnteresseerd in het besparen of optimaliseren van kosten.
Voor het beantwoorden van deze vraag ga je dan bijvoorbeeld eerst kijken naar de samenstelling van de teams. Zijn deze vergelijkbaar qua opleidings- en ervaringsniveau? Daar zou een verklaring kunnen liggen voor het verschil in loonkosten.
Overigens heeft een dergelijke analyse soms een verrassende uitkomst: Een grote uitgever onderzocht het verschil in loonkosten tussen twee business units. Alle analyses leverden geen aanwijzingen op voor het grote verschil in loonkosten. Uiteindelijk bleek het verschil te ontstaan doordat de ene businessunit externe inhuur op de post loonkosten boekte, terwijl de andere businessunit daar ‘een apart projectpotje’ voor had. Mysterie opgelost. Dit geeft maar weer het belang van de vorige tip aan: zorg dat je de business goed kent en een (beetje) financieel inzicht hebt.
Je hebt een businessvraag geformuleerd. Maar is dit ook de juiste vraag? Toets dat bij interne stakeholders (‘interne klanten’). Met hun input en commentaar kun je misschien de businessvraag nog scherper formuleren (of in het ergste geval moet je terug naar de tekentafel voor het formuleren van een nieuwe vraag: Maar beter ten halve gekeerd dan ten hele gedwaald). Je zorgt in ieder geval voor het vergroten van het draagvlak voor de uitkomsten van je analyse.
Breng eerst het probleem achter de businessvraag in kaart. Wat zijn mogelijk onderliggende oorzaken? Welke factoren kunnen van invloed zijn? Op basis daarvan formuleer je analysevragen.
Voorbeelden van analysevragen bij de businessvraag ‘Wat is het effect van het personeelsbeleid op de klanttevredenheid?’ zouden kunnen zijn:
Het is belangrijk om goed na te denken over de analysevragen voordat je start met het daadwerkelijke analyseren. Zo krijg je het vraagstuk helder en weet je welke data je nodig hebt voor je analyse.
Wat je ook doet, geef niet op. Misschien loop je wel vast of blijkt het draagvlak voor je analyses flinterdun. Of je moet met onvolledige data werken. Dat hoort erbij en is onderdeel van het leerproces. En als je dan doorzet, dan zou dat wel eens tot een hele steile leercurve kunnen leiden. En tot impact, échte businessimpact!