HR Analytics, wat en hoe?

Transcriptie

1 HR Analytics, wat en hoe? A+O fonds gemeenten 14 september 2017 Nijverdal

2 Opbouw aftrap Rob Koops college Gerard Evers Introductie van de cases groepsvorming discussie in groepen plenaire terugkoppeling olv Rob Tips en tricks van Gerard afsluiting en borrel

3 Dr. Gerard Evers Oud-hoogleraar Human Capital Valuation Econometrist Editor van diverse HR-tijdschriften Directeur EuroHRM Tilburgseweg AC Goirle

4 HR-analytics wat en waarom? 4

5 Wat haal je uit je data? 5

6 HR metrics Het systematisch in beeld brengen van recente trends en ontwikkelingen in personeel via ken- en stuurgetallen, balanced scorecards en dashboards. Gerard Evers, Rolf Baarda en Jelle Dijkstra, 2007

7 HR analytics Het systematisch en data-gedreven vertalen van ontwikkelingen in personeel naar gevolgen voor de toekomst, alsmede het kwantificeren en voorspellen van de impact van dit human capital op de business.

8 HR-metrics Het systematisch in beeld brengen van recente trends en ontwikkelingen in personeel via ken- en stuurgetallen, balanced scorecards en dashboards. HR-analytics Het systematisch en data-gedreven vertalen van ontwikkelingen in personeel naar gevolgen voor de toekomst, en het kwantificeren en voorspellen van de impact van dit human capital op de business.

9 Metrics versus Analytics HR-Metrics 1. De cijfers: 2. Zo is het 3. Gisteren 4. Feiten/data 5. Alles 6. Alle handelingen 7. Informatie 8. Verzamelen 9. Rapporteren 10. Lage toegevoegde waarde 11. HR Score card 12. HR Ownership 13. Controlling 14. Inside-in HR Analytics 1. De waarneming 2. Zo wordt het 3. Toekomst 4. Wat vertelt het ons 5. Need to know 6. De grote lijn 7. Verbanden 8. Vragen stellen 9. Analyseren 10. Onderscheidend vermogen 11. Business score card 12. C-level 13. KPI s 14. Optimaliseren outside in

10 De toekomst is ook al niet meer wat hij geweest is 1. Hoe zag verleden eruit? 2. Wat leren we daarvan? 3. Wat vertelt ons dit over de toekomst?

11 HR-intelligence = HR-metrics + HR-analytics 11

12 HR analytics toepassingen 12

13 Van rapporteren naar voorspellen Top 5 risico personen kans op vertrek 17% 16% 15% 14% 13% 12% Jan Janssen 85% 2 Peter Pietersen 76% 3 Marieke de Vries 63% 4 Imke Jansen 52% 5 Ton Peters 41% 13

14 Employee Engagement matters! Top-scoring stores on engagement consistently outperform bottom-scoring stores on key employee and business results Impact on Partner and Business Results: Store Ranking by Partner Engagement: Voluntary Turnover Highly Satisfied Customers Average Transaction Top-Scoring Stores 54% 72% $4.63 Bottom-Scoring Stores 65% 66% $4.49 Difference -11% +6% +$.14 If all North America stores scored at the level of top stores, we could realize a: 6-point reduction in Voluntary Turnover = $13MM savings/year 3-point increase in Customer Scores = 1.5MM more highly satisfied customers 6-cent increase in Average Transactions = $95MM sales/year Bron: Starbucks, 2011

15 Visie, missie, strategie, omgeving, etc. Bouwstenen voor SPP. Nu 1 Vraag K³R Formatie 2 Scenario Scenario Scenario Boventalligheid Vacatures Intern Bezetting 4 Dynamiek IDU Aanbod K³R Extern Vergrijzing 5 Mobiliteit Schoolverlaters Krapte Conjunctuur Loonniveau s Flexibiliteit Etc. K³R Gewenste formatie 3 Gaps 7 Beleidsdiscussie Verwachte bezetting 6 K³R Straks alternatieven, bv automatisering, uitbesteding Cocktail van beleid, instrumenten en acties 8 werving, opleiding, doorstroom, flexpool, etc - Kwantiteit K³R = - Kwaliteit - Kosten - arbeidrelaties 15

16 HR analytics het proces & de organisatie 16

17 HR analytics als onderdeel van organisatieproces IV. Resultaten meten en monitoren I. Identificeer business kansen en vragen III. Inzichten vertalen naar gewenst HR-beleid en dit implementeren II. Analytics: transformeer data in actiegerichte informatie

18 HR analytics als onderdeel van organisatieproces IV. Resultaten meten en monitoren I. Identificeer business kansen en vragen III. Inzichten vertalen naar gewenst HR-beleid en dit implementeren II. Analytics: transformeer data in actiegerichte informatie

19 HR analytics proces: transformeer data in actiegerichte informatie 1. Business vraag achterhalen 8. Resultaten meten (= metrics) 2. Business vraag vertalen naar analytics vraagstuk 7. Insights vertalen naar beleid WIE DOET WAT? 3. Data verzamelen 6. Presentatie en visualisatie 4. Data prepareren 5. Data analyseren en vertalen naar Insights

20 Functies van Ken- en Stuurgetallen Inventariseren Planning Kengetalen Diagnose Dominante Besturing thema's Sturgetalen Sig nale ren Co ntrol

21 Wat zijn goede kengetallen? Gemakkelijk te begrijpen Helder gedefinieerd, valide Efficiënt te verzamelen (kosten) Betrouwbaar (zuiver te meten) Geloofwaardig: Roughly right is better than precisely wrong Duidelijke relatie met strategische issues Redelijke frequentie in de tijd

22 Maak kengetallen meer actiegericht Gebruik actieve kengetallen Maak kengetallen voorspellend Maak kengetallen relevant d.w.z. van het juiste niveau Gebruik waar mogelijk absolute getallen Gebruik ook (enkele) negatieve kengetallen Rapporteer kengetallen via het juiste kanaal! Voeg actie-ingrediënten toe aan het rapport Ingrediënten om het belang van een kengetal te benadrukken Ingrediënten om een kengetal actueler te maken Ingrediënten om actie mogelijk te maken Ingrediënten om het probleem, het besluit en/of de uit te voeren actie(s) persoonlijker te maken Laat medewerkersgerelateerde organisatiestuurgetallen (zoals bijvoorbeeld de enps en het percentage medewerkers dat voldoet aan de functie-eisen) opnemen in de reguliere managementrapportages en niet in een eigen HR-rapportage

23 Relatie tussen Ken- en Stuurgetallen Kengetal (diagnose) Variabele Instroom Uitstroom Stuurgetal (besturing) Variabele Instroom Uitstroom Definitie % nieuwe medewerkers t.o.v. totaal aantal medewerkers % medewerkers die de organisatie hebben verlaten Definitie % nieuwe medewerkers t.o.v. totaal aantal medewerkers % medewerkers die de organisatie hebben verlaten Waarde per % 14% Groeistrategie. Instroom dient binnen twee jaar met 3% te zijn verhoogd en uitstroom met 6% te zijn verlaagd Waarde per % 14% Norm Dec 17 Dec 18 10% 12% Dec 17 Dec 18 11% 8% 23

24 HR analytics proces: Probleem/ Vraag Data Analyse Presentatie Rapportage (Actie) Van business vraag naar analytics vraagstuk Creëer de analyseboom / stel hypotheses op Data bronnen zoeken, definiëren en/of creëren Data verzamelen Data schoonmaak, verwerken en verrijken Analyses uitvoeren Analyseboom en hypotheses reviewen Samenbrengen en vertalen van analyse resultaten naar inzichten en acties Doeltreffend rapporteren en visualiseren van resultaten

25 De vraag 25

26 Bekijk de data. Wat is naar jouw mening het beste bedrijf? Bedrijf Medewerkers [#] Verzuim [%] Verloop [%] CO2 Emissie reductie [%] Klant tevreden heid [cijfer] Winst [miljoen] Omzet [miljoen] A B C D E

27 Valkuil 1: de verkeerde vraag "An approximate answer to the right problem is worth a good deal more than an exact answer to an approximate problem. John Tukey - statisticus ( )

28 Business kansen / vragen identificeren

29 Tips! We zoeken de vraag praat dus NIET over oplossingen! ( heb je al gedacht aan?, etc.) Er zijn maar twee soorten barrières: 1.Men is onzeker over de SOLL 2.Men weet niet hoe bij de SOLL te komen

30 Analyseboom Ontevreden klanten Slechte kwaliteit dienstverlening Hogere eisen klanten Moeilijke werkomstandig -heden Slecht materiaal Hoog ziekteverzuim Lage betrokkenheid Slechte kwaliteit managers Hoge werkdruk Hoog verloop Weinig MD Andere targets 30

31 Valkuil 2 : Te simpel analysemodel

32 Of moeten we juist meer IKEA winkels hebben?

33 Visgraatdiagram HR 33

34 Hulpmiddel: interrelatiediagram 3 / 1 2 / 0 Slechte kwaliteit Managers Strakkere eisen aan Installatie 4 / 0 Minder vaardigheden en ervaring (managers) 0 / 5 Langere doorlooptijden projecten Lager werktempo (medewerkers) 1 /4 Slechtere Tools en Instructies 2 / 2 34

35 Valkuil 3: Visualiseren Hoeveel stippen ziet u?

36 En nu?

37 En nu?

38 Piramidale structuur Key Question Key Answer Ondersteunende gedachte Ondersteunende gedachte Ondersteunende gedachte OG OG

39 Afsluitend "A good hockey player plays where the puck is. A great hockey player plays where the puck is going to be. Wayne Gretzky

40 Met Analytics een duurzame toekomst tegemoet.. Gewoon beginnen met de eerste stapjes!

41 En nu jullie.. Drie thema s / cases Werken in kleine groepen Werving en arbeidsmarktcommunicatie De gemeente als maatschappelijke organisatie Inzetbaarheid van personeel

42 Werving en arbeidsmarktcommunicatie Grote uittocht / uitstroom? Baan-baan mobiliteit? Vijvers: het mogelijke aanbod Hengels: Employer of choice, EVP, USP Hoe is recente verleden: new hire retention, kosten/baten van diverse werving&selectie? Loopbanen en interne mobiliteit?

43 De gemeente als maatschappelijke organisatie Diversiteit / afspiegeling (sekse, etniciteit, leeftijd) Gehandicapten en landelijke afspraken Welke effecten kunnen worden benoemd? Hoe zou je die willen meten, vóóraf en achteraf? Bedrijfseconomische afwegingen?

44 Inzetbaarheid van personeel Kosten en baten van (niet-) inzetbaarheid Belastbaar vermogen werknemers Productiviteit van (oudere) werknemers Houdbaarheidsdatum van kennis Duurzaam inzetbaar binnen of buiten de gemeente? Verantwoordelijksverdeling werkgeverwerknemer, motivatie en betrokkenheid

45 Opdracht Inventariseer de strategische aspecten van het door jou gekozen thema. Welke KPI (key performance indicators) wil je gaan gebruiken, en van welke heb je nu al gegevens beschikbaar om in beeld te brengen, en van welke zou dat nog moeten gebeuren? Welke streefwaarden zou je hieraan kunnen koppelen? Welke voorspellingen heb je al op het oog?