- Wat is people analytics?
- AI en machine learning in people analytics
- Een datagedreven mindset
- People analytics bevordert duurzaamheid en diversiteit
- AI-talentanalyse
- Gedragswetenschap helpt prestaties te verbeteren
In de woorden van de invloedrijke Amerikaanse auteur en managementconsulent W. Edwards Deming: “Zonder data ben je gewoon iemand met een mening.” Data wordt voor veel zakelijke doeleinden gebruikt en het belang ervan wordt in steeds meer sectoren onderkend. People analytics is een discipline die recenter is ontwikkeld dan andere vormen van data-analyse, maar voor het bereiken van bedrijfsdoelstellingen is het net zo nuttig als meer traditionele datavormen. Organisaties als Microsoft en Google gebruiken people analytics, met name op HR-afdelingen, om retentie te verbeteren, diversiteit te optimaliseren en andere positieve resultaten te bereiken.
Wat is people analytics?
People analytics, ook wel bekend als personeelsanalyse of HR-analyse, is het verzamelen en analyseren van gegevens over de mensen in je organisatie. Bij people analytics worden wetenschappelijke analyticsmethoden toegepast op gedragsgegevens, zoals data uit surveys of informatie waar HR-afdelingen toegang toe hebben. Technologische ontwikkelingen als kunstmatige intelligentie (AI) maakt het mogelijk om steeds nauwkeurigere en meer inzichtelijke analyses op grote datasets uit te voeren en de efficiëntie van HR-afdelingen te verbeteren. Dit kan de werving, training, prestatiebeoordelingen en andere aspecten van de HR-ervaring verbeteren. People analytics-tools maken gebruik van algoritmen om productiviteit en andere relevante statistieken te meten, en kunnen zelfs beslissingen nemen op het gebied van werving, promotie en meer. Deze tools kunnen ook worden gebruikt om salarisverschillen tussen werknemers of demografische gegevens te identificeren. Op AI gebaseerde tools voor personeelsanalyse kunnen worden gebruikt om in de sourcing- en wervingsfase cv’s te screenen en deze gegevens te vergelijken met hoe bestaande werknemers presteren, waarna voorspellingen gedaan kunnen worden over hoe productief een potentiële nieuwe medewerker zal zijn. Naast dat het managers in staat stelt voorspellingen te doen over de toekomst van hun personeelsbestand, kan people analytics ook de relatie tussen werknemers en werkgevers verbeteren door mogelijke problemen te identificeren.
AI en machine learning in people analytics
Er wordt in toenemende mate gebruikgemaakt van AI-apparaten en -platforms – denk aan consumentenapparaten als Amazon’s Alexa en Microsoft Cortana tot Google’s Predictive Engine en andere, meer op maat gemaakte oplossingen die door verschillende bedrijven worden gebruikt. AI algoritmen kunnen enorme hoeveelheden gegevens analyseren en snelle, nauwkeurige inzichten genereren die kunnen worden gebruikt om problemen te identificeren en bedrijfsprocessen te optimaliseren. AI is echter nog niet geavanceerd genoeg om HR-processen volledig over te nemen. Organisaties zullen waarschijnlijk de beste resultaten behalen wanneer ze AI inzetten als tool om HR-managers te ondersteunen in plaats van hen te vervangen. Op AI gebaseerde tools voor people analytics moeten regelmatig worden gecontroleerd en de criteria waarop beslissingen worden gebaseerd moeten met zorg worden gekozen. Dat wil niet zeggen dat AI’s niet beter kunnen worden. In tegendeel. Machine learning algoritmes worden in de loop van de tijd – en naarmate ze aan meer gegevens worden blootgesteld – steeds nauwkeuriger in hun analyses en voorspellingen. Uiteindelijk kunnen ze steeds beter trends in gedrag voorspellen, maar ook de oorzaken ervan, en hoe dit de efficiëntie van een personeelsbestand kan beïnvloeden.
Een datagedreven mindset
Om people analytics het meest effectief te gebruiken, is het voor leiders belangrijk een ‘datagedreven mindset’ te hebben. Dit betekent voorspellingen doen op basis van verifieerbare data, in plaats van puur op intuïtie. Overschakelen naar een datagedreven mindset is echter geen eenvoudig proces. Het Nederlandse bedrijf ASM International, dat halfgeleider-productieapparatuur maakt, implementeerde deze transformatie. De digital analytics director van het bedrijf, Daniel Kusmanto, vertelt: “Net als bij elk ander soort verandermanagement is ook dit een lang proces dat we stap voor stap moeten doorlopen. Uiteindelijk is transformatie geen ‘big bang’. Het gebeurt stukje bij beetje via de kleine interacties met data en analyses die dagelijks de ‘aha’-momenten creëren.” Veel leiders en organisaties komen hierbij obstakels tegen, zoals zorgen over veiligheid, gebrek aan de juiste skills onder werknemers, risico van verkeerde oplossingen of gewoonweg de angst voor verandering. Het aannemen van een datagestuurde mindset biedt echter veel voordelen en stelt organisaties in staat om beter geïnformeerde beslissingen te nemen. Bijscholing kan in dit opzicht een waardevolle investering zijn. Cyl Lin, directeur HR Singapore bij de multinational Tech Data, vertelt: “Door de verschuiving van intuïtie naar beslissingen die meer ‘data-informed’ zijn heb ik in mijn team ook veel meer potentieel kunnen aanspreken”. Deze transitie is vervolgens in de hele organisatie aangemoedigd en heeft geleid tot data-analysetraining voor haar hele team.
Ook de Vietnamese zuivelproducent TH Group heeft de overstap naar een datagestuurde mindset gemaakt en bouwt aan een people analytics-engine. HR-directeur Tran Thi Quyen vertelt: “Mijn team is op de juiste weg om een goed HRIS-systeem te bouwen, goede datadisciplines op te zetten en te identificeren wat we willen analyseren en voor welke doeleinden.” Het bedrijf wil nu dat alle processen en beslissingen worden gebaseerd op gestructureerde, nauwkeurige gegevens. In plaats van intuïtie te gebruiken en vervolgens data te vinden om een idee te onderbouwen, worden ideeën juist gegenereerd met data als uitgangspunt. Gegevens worden verzameld voordat ze worden verwerkt door de engine, die is gebouwd om integratie mogelijk te maken en gegevensstromen te optimaliseren.
“We hadden gemakkelijk honderden bestaande modellen kunnen kopen of lenen, maar die weerspiegelen misschien niet echt de ‘persona’ van TH-leiders. Daarom hebben we besloten om gegevens te verzamelen, interviews te houden en analyses uit te voeren om onze eigen modellen te ontwikkelen.”
Tran Thi Quyen, HR-directeur, TH Group
Ook het Franse energie- en automatiseringsbedrijf Schneider Electric gebruikt people analytics met als doel een datagestuurde HR-afdeling te ontwikkelen. De 2.000 HR-professionals van het bedrijf werkten voorheen voornamelijk met hun eigen intuïtie, maar maken nu steeds meer gebruik van people analytics om beter geïnformeerde beslissingen te nemen. Schneider Electric’s Global Director of People Analytics Peter Ryan stelt: “Een van de sleutels tot transformatie is het digitaal stimuleren van alles dat we doen, van producten tot backoffice-ondersteuningsfuncties en ook HR. We willen digitaal, technologie en data omarmen. Hiermee maken we de energie van onze medewerkers vrij, zodat ze meer kunnen innoveren en anders gaan denken.”
People analytics bevordert duurzaamheid en diversiteit
People analytics kan met name nuttig zijn voor het bevorderen van duurzaamheid en diversiteit in organisaties. Dit zijn ook belangrijke doelen binnen de people analytics-activiteiten van Schneider Electric. Het bedrijf voerde een proefproject uit met behulp van ThoughtSpot, een op AI gebaseerd platform voor ‘data discovery en self-service analytics’. ThoughtSpot maakte gebruik van personeelsgegevens van huidige werknemers, voormalige werknemers en nieuwe medewerkers om ‘use cases’ te ontwikkelen. Deze gegevens werden vervolgens door de lens van diversiteit, gelijkheid en inclusie bekeken om potentiële problemen als genderongelijkheid in verschillende rollen te identificeren.
“Diversiteit is enorm belangrijk voor ons omdat het deel uitmaakt van onze Sustainability Index, die zich richt op zes gebieden: klimaat, hulpbronnen, vertrouwen, gelijke kansen, generaties en lokale gemeenschappen. Deze worden ondersteund door de manier waarop we met gebruik van data voorspellen en monitoren om te zien of we op koers liggen om onze ambities waar te maken. Om volledig effectief te zijn, moet je de behoeften van mensen op mondiaal en lokaal niveau ondersteunen, wat betekent dat gegevens wereldwijd beschikbaar moeten zijn, maar ook dat HR er diep in moet duiken en de vragen moet stellen die het meest van toepassing zijn op hun lokale omgeving.”
Peter Ryan, Global Director of People Analytics, Schneider Electric
AI-talentanalyse
In elke branche zijn talentacquisitie en -ontwikkeling cruciale factoren voor het behouden van een concurrentievoordeel. Op AI gebaseerde people analytics-platforms kunnen hierbij helpen. Zo biedt een nieuw analyseplatform van managementadviesbureau Korn Ferry klanten talentanalyse aan. Het platform produceert datagestuurde inzichten en biedt daarmee oplossingen voor uitdagingen op het gebied van talentacquisitie en -management. CEO Byrne Mulrooney vertelt: “Het platform – in combinatie met arbeidsmarktgegevens en de gegevens van het HR-informatiesysteem (HRIS) van onze klanten – helpt klanten de huidige talenttekorten beter te begrijpen, hierop te reageren en talentstrategieën te ontwerpen voor het personeel van morgen.” Het platform is ontworpen om HR-teams te helpen talentacquisitie af te stemmen op toekomstige bedrijfsdoelen, hiaten in vaardigheden te dichten en talentontwikkeling te vergroten.
“De AI-ondersteunde digitale apps van Intelligence Cloud helpen organisaties om een duidelijker, realtime beeld van hun personeelsbestand te krijgen. Met deze ‘holistische blik’ kunnen ze modelleren hoe de omgeving kan veranderen en in kaart brengen welke acties nodig zijn om hun zakelijke doelen te realiseren. Intelligence Cloud biedt diepere inzichten in traditionele HR-gegevens en helpt organisaties bij het ontdekken en ontwikkelen van het talent en de vaardigheden die ze nodig hebben.”
Byrne Mulrooney, CEO, Korn Ferry
Gedragswetenschap helpt prestaties te verbeteren
Gedragswetenschap is een belangrijk onderdeel van people analytics. Het nieuwe platform Humu, ontwikkeld door Laszlo Bock, voormalig Google SVP van People Operations, is ontworpen om organisaties te helpen de betrokkenheid, prestaties en productiviteit van hun werknemers te optimaliseren. Humu is gebaseerd op een AI die medewerkers periodiek ‘nudges’ of seintjes geeft om taken uit te voeren die tot de gewenste resultaten leiden. Deze nudges worden door het algoritme van het platform gegenereerd en zijn individueel op elke medewerker afgestemd. Elke nudge is het resultaat van zorgvuldig onderzoek en analyse, is makkelijk te begrijpen en eenvoudig in gebruik. De in de VS gevestigde Silicon Valley Bank gebruikt Humu om werknemers en managers eraan te herinneren hun activiteiten af te stemmen op de bredere doelstellingen van het bedrijf, en om taken uit te voeren die (ook) hun eigen persoonlijke ontwikkeling ten goede komen. CHRO Chris Edmonds-Waters van Silicon Valley Bank vertelt: “Werknemers hoeven niet te wachten tot management een tijdrovend programma uitrolt. Humu biedt onze medewerkers relevante, op maat gemaakte feedback die niet generiek of alledaags is. Nudges democratiseren het proces van medewerkerbetrokkenheid; ze maken leren en werken voor alle betrokkenen efficiënter en eenvoudiger.”
Een laatste overweging:
People analytics leidt HR naar een nieuw, efficiënter tijdperk; data-analyse stelt organisaties in staat om de betrokkenheid, ontwikkeling, retentie en productiviteit van medewerkers te verbeteren. Om ervoor te zorgen dat organisaties concurrerend blijven, is het belangrijk dat HR-afdelingen evolueren en strategieën en tools als people analytics toepassen. Maar het is – naast het gebruik van deze en andere innovatieve technologische tools – ook cruciaal dat we het belang van gedegen leiderschapsvaardigheden niet uit het oog verliezen. Mensgericht leiderschap is de essentiële basis van people analytics, en managers moeten de principes van gelijkheid, diversiteit, duurzaamheid en empowerment in acht nemen om ervoor te zorgen dat technologische oplossingen ook daadwerkelijk effectief kunnen worden toegepast. Bovendien is het essentieel, zoals bij elk gebruik van AI, om algoritmische vooringenomenheid te vermijden en ervoor te zorgen dat op AI gebaseerde tools met nauwkeurige, objectieve en onbevooroordeelde data worden geprogrammeerd.
