HRTechEurope begint voor mij vandaag met de sessie “the datafication of HR” van Josh Bersin (founder Bersin by Deloitte). Dat HR & Recruitment steeds meer kunnen doen met data heb ik vrij vaak gehoord, maar hoe pas je data goed toe voor HRM vraagstukken? En waarom? Josh Bersin legt het uit:

We kennen allemaal de volgende vijf mythes met betrekking tot organisaties:

• Kandidaten afgestudeerd aan top universiteiten met goede cijfers presteren op hoog niveau;
• Voldoende training binnen een organisatie gaat verlies en fraude tegen;
• Een goede customer service zorgt voor tevreden klanten;
• Werknemers gaan makkelijk elders aan de slag wanneer je niet voldoende betaalt;
• Onze manier van leiding geven is afdoende voor afdelingen over de rest van de wereld.

Allemaal onwaar.

Uit goede data analyse bij een bedrijf waar veel fraude gepleegd werd, bleek heel iets anders dan dat er niet voldoende getraind werd. Data wees uit dat de vestigingen waar het meest gefraudeerd werd, tevens de vestigingen zijn die het minst bezocht werden door de manager. Dit wetende was de oplossing simpel, probleem opgelost.

Josh Bersin doet al jarenlang onderzoek naar hoe organisaties omgaan met data, en is tot de conclusie gekomen dat HRM professionals denken dat het niet hun taak kan zijn iets met deze data te kunnen, gezien zij geen achtergrond hebben op dit gebied.

Toch raadt Bersin aan daar nog eens goed over na te denken. Slechts 14% van de HR organisaties zet effectief data in om talent en HRM strategieën te verbeteren. Deze organisaties hebben 2x zoveel vertrouwen dat ze het juiste personeel aantrekken, hebben 2x zoveel vertrouwen dat ze goed omgaan met hun werknemers en geloven 3x zo vaak dat de HRM processen goed ingericht zijn.

Data analyse is geen rocket science, aldus Bersin, en geeft even een lesje geschiedenis:

• Al in 1914 waren wij bezig met data. Hoeveel staal kan 1 persoon tillen, en werkt hij sneller als hij meer tilt, of juist als hij minder tilt?
• In 1920 onderzocht Carl Jung of sommige types mensen beter met elkaar kunnen samenwerken dan andere teamsamenstellingen. (Ja)
• In WOI moest de US Army 1 miljoen soldaten recruiten, en bedacht de eerste recruitmenttest. De data die uit deze testen kwam over kandidaten, bepaalde of iemand al dan niet geschikt was voor de US Army.
• In 1930 begonnen organisaties te experimenteren met werkomstandigheden. Werd er efficiënter gewerkt met meer of minder verlichting bijvoorbeeld?
• 1950: testen worden steeds meer assessments, denk aan de postbak test.
• In 1970 werd het meer mainstream data te verzamelen met behulp van de eerste computers.
• De eerst ATS systemen kwamen rond 1980 op de markt. Past een kandidaat op een bepaalde vacature & het verzamelen van nog meer data.
• In 2000 volgden de eerste Talent Management Systemen (bijv. Saba, Taleo). Hoe doet je werknemer het? Welke opleidingen volgt hij/zij intern etc. etc.
• En nu -2013- zijn we op het punt van Big Data, en is HR Analytics ineens cool!

Bresin geeft hoop: het samenbrengen van HR en alle data uit je business is niet zo moeilijk!
Belangrijke tips om wel even te onthouden:

• Zorg voor een ‘schone’ database en verzamel zoveel mogelijk data uit de organisatie, en
• Ga vervolgens niet naar deze data zitten staren en je afvragen wat je ermee moet maken, maar begin met data analyse vanuit een duidelijke vraag.
• Zorg voor een team(pje) van een aantal mensen die de data uit alle hoeken en gaten uit je organisatie verzamelt.

Alhoewel het volgens Bresin allemaal niet zo ingewikkeld is, is nog steeds 56% van de organisaties op “level 1”. Level I zijn deze organisaties die rondrennen wanneer er een vraag komt vanuit de business over eoa., en in paniek rapportages uitdraaien. Reactief dus.

Level II (30%) dat zijn de organisaties die proactief bezig zijn met de cijfers. Zij hebben de rapportages al klaarliggen en hebben bijv. een dashboard aangeschaft waarmee ze de data makkelijk kunnen monitoren.

Level III (nog maar 10% van de organisaties is hier) – De organisatie is in staat HR data te verbinden met andere data vanuit de organisatie

Level IV: 4% van de bedrijven is in staat om voorspellende modellen te maken. Bijvoorbeeld; wat is de redenen dat mijn salesmanagers burned out raken/een ander baanaanbod aannemen oid. Om dit vervolgens voor te kunnen blijven.

Datafication is here te stay, aldus Bresin.

Gelukkig geeft hij ook nog 4 factoren die nodig zijn om op level IV te komen, zodat we allemaal uit de voeten kunnen met deze (in mijn ogen) toch nog vrij ongrijpbare ontwikkeling, dus let op:

1. Je moet in staat zijn om kwalitatief goede data te verzamelen
2. Zorg voor een goede connectie met ICT, Sales, Operations & Finance
3. Je moet in staat zijn iets zinnigs te kunnen zeggen over de data. (daarom, start met een vraag!)
4. Last but not least: zorg ervoor dat je in staat bent de uitkomst te visualiseren voor anderen, om te kunnen beginnen aan veranderingen.

Dat was dat. Bresin is voor mij zeker in staat geweest een duidelijker beeld te creëren over datafication van HR processen. En ik ben ervan overtuigd dat ook voor recruitment het een enorme stap voorwaarts kan zijn. Helaas ben ik zelf nog op level I, maar wie weet.

Dit gastblog is geschreven door Britt van Capelleveen, adviseur e-Recrutiment bij Tempo-Team