Kan data HR menselijker maken?

U bent misschien al eens verrast door de relevantie van wat Netflix, Facebook of Spotify u aanbeveelt om te kijken, lezen of beluisteren. U heeft vast wel eens gedacht: “Ik hou ervan, het is geweldig!” U weet waarschijnlijk dat wat u is voorgesteld, niet toevallig is.

De algoritmes van de websites analyseren uw profiel en de informatie die u over uzelf verstrekt (data). Een kunstmatige intelligentie doet de rest. Deze manier van data-analyse maakt zijn intrede in bedrijven en de HR-wereld. En dat kan zowel kansen bieden als ook risico’s met zich meebrengen.

Als we aan kunstmatige intelligentie en digitalisering in bedrijven denken, stellen we ons misschien naief voor dat robots ons, de mensen, zullen vervangen in onze functie, en we denken meestal dat dit “later” zal komen.

Eerste nieuws, kunstmatige intelligentie en data zijn al overal.

Tweede nieuws, kunstmatige intelligentie vervangt de mens niet, maar helpt hem bij het beheer van zijn dagelijkse werkzaamheden. Onder andere door de diensten die door miljoenen bestaande applicaties worden aangeboden, GPS-systemen of locatiebepaling of de eenvoud waarmee tegenwoordig administratieve aanvragen via verschillende websites worden beheerd.

In bedrijven kunnen kunstmatige intelligentie en data (en hun beheer en analyse) ook het leven vergemakkelijken. Dit is vooral waar sinds de digitale transformatie die versneld is door de Covid-crisis (thuiswerken, online vergaderingen…).

In 2022 zullen kunstmatige intelligentie en de data die zij genereert centraal staan in strategische vraagstukken en de transformaties van bedrijven.

Waar gaat data HR precies over?

Wat is het gemeenschappelijke tussen een KMO, een klein netwerk van franchisenemers en een groot bedrijf met honderden medewerkers? Alle drie beschikken ze over duizenden informatie (data) over hun medewerkers. Ze weten uiteraard hoeveel ze verdienen, waar ze vandaan komen, wat ze hebben gestudeerd of wat voor werk ze doen. Maar ze weten nog veel meer dingen, die ze soms negeren omdat ze de juiste tools niet hebben geïmplementeerd. Bijvoorbeeld, hoe medewerkers functioneren, hun besluitvorming, hun mislukkingen, hun aankomsten of vertrekken op het werk, de turnover van een afdeling, hun betrokkenheid… Belangrijke informatie over de werking van het bedrijf, informatie die beschikbaar is maar niet wordt gebruikt.

Een strategische benadering

Data HR (ook wel personeelsanalyse of HR analytics genoemd) omvat het verzamelen, analyseren en rapporteren van de HR-gegevens die een bedrijf heeft.

In de afgelopen eeuw is het beheer van personeelszaken radicaal veranderd, van een operationele discipline naar een meer strategische discipline. We spreken tegenwoordig steeds vaker van strategisch personeelsbeheer (SHRM). De HR data-analyse past perfect in deze evolutie. Het stelt ook in staat om de informatie-/dataverzameling die traditionele opiniepeilingen bieden aan te vullen, waarvan de resultaten kunnen worden beïnvloed door externe factoren (de kwaliteit van de vragen, de stemming van de respondenten, gebeurtenissen van de dag vóór de enquête, enz.).

Deze gegevensverzameling en -analyse is interessant omdat ze niet alleen de efficiëntie in gebieden zoals werving, prestatiemanagement of teambeheer verbetert, maar ook een voorspellend gedrag in HR mogelijk maakt. Met andere woorden: een gebruik van data om veranderingen te anticiperen, en zelfs om de beste mogelijke reacties daarop te bepalen.

Eerste toepassingsgebied: werving

Wanneer we iemand aannemen, speelt natuurlijk ook het gevoel een rol. Toch is het alleen vertrouwen op je gevoel zeer riskant en niet effectief. In 2022 zijn de gegevens die je over je bedrijf hebt en die je kunt verzamelen van de persoon die je wilt aannemen essentieel in het wervingsproces. Een studie van de Harvard Business Review (In Hiring, Algorithms Beat Instinct) stelt dat algoritmes effectiever zijn dan intuïtie als het gaat om wervingsbeslissingen.

De conclusie benadrukt het probleem dat mensen gemakkelijk worden afgeleid door zaken die slechts marginaal relevant zijn, en ze gebruiken de informatie op inconsistente manieren. Recruiters kunnen bijvoorbeeld worden afgeleid door gegevens die zo onbelangrijk zijn als de complimenten of opmerkingen van kandidaten over willekeurige onderwerpen.

Werven met software of tests.

Dus, hoe gaat dat in zijn werk? Er bestaan bijvoorbeeld wervingssoftware (of ATS) die een verscheidenheid aan wervingsbehoeften elektronisch en automatisch verwerken. Doel: het proces effcienter maken voor beide partijen.

Er zijn ook softwareprogramma’s die sollicitaties of profielen op sociale netwerken analyseren. De informatie die wordt gedeeld op LinkedIn, Twitter of zelfs Facebook, is nuttig om een beter beeld van een kandidaat te krijgen.

Alle tests (psychologisch, gedrags- en persoonlijkheidstests…) zijn ook automatische data om de match kandidaat-bedrijf te verfijnen.

Gebruik maken van HR data in een wervingsproces heeft minstens 3 grote voordelen. Ze zorgen er eerst voor dat we sneller kunnen werken in het aannameproces. De kosten worden dus verlaagd. Tot slot biedt het een objectieve aanpak die geen enkele recruiter kan bieden.

Tweede toepassingsgebied: data om betrokkenheid te meten

Uw teams gebruiken Slack, Teams of Kudos en heb je je ooit afgevraagd of dat effectief is of niet? De data-analyse via bepaalde software geeft je de mogelijkheid om verschillende informatie te meten, waaronder de betrokkenheid van je medewerkers. Als je dat wilt, kun je bijvoorbeeld de interacties, gedragingen en gevoelens van je medewerkers leren kennen. Deze software meet namelijk de betrokkenheid van werknemers door middel van passieve data-verzameling, die trends en gegevens onthult die daarna kunnen worden geanalyseerd.

Je kunt de manier kennen waarop medewerkers met elkaar interageren of niet. Het aantal interacties, de uren waarin de uitwisselingen het meest plaatsvinden en het beste worden opgevolgd. En zelfs welk team of welke medewerker actief of passief is… Het lijkt ons belangrijk te benadrukken dat het gebruik van dergelijke software is bedoeld om de ontwikkeling van betere tools voor de medewerkers mogelijk te maken (tools waarmee ze zich meer op hun gemak zullen voelen, die ze vaker zullen gebruiken) en niet om hen te “volgen.”

Vier concrete en positieve effecten van data in HR

De data-analyse, buiten de reeds genoemde toepassingsgebieden, leidt tot concrete verbeteringen.

1) Opleidingen

Opleiding kan een dure en tijdrovende component zijn van het aanwervingsproces of de functiewisseling. Big data biedt HR de kans om de effectiviteit van bepaalde opleidingen te meten en de trainingsofferte voor de medewerkers aan te passen. Hoe? Door het gedrag van medewerkers voor en na een bepaalde training te analyseren en de prestaties van medewerkers die de ene training hebben gevolgd versus de andere met elkaar te vergelijken.

2) Beloningen

Al eerder genoemd, dankzij de big data kunnen HR de beste talenten identificeren en belonen.

3) Prestatie

Daarnaast kunnen big data onthullen of medewerkers tegen prestatieproblemen aanlopen en behoefte hebben aan extra training en/of middelen.

4) Medewerkerbehoud

Door gebruik te maken van big data kunnen HR verantwoordelijken bijvoorbeeld een positie of posities identificeren waar de turnover hoger is dan op andere plekken, wat niet altijd door menselijk management wordt ontdekt. Big data kan ook, op basis van ervaring en verleden, signaleren dat er volgens de waarschijnlijkheid in een bepaalde afdeling binnen drie maanden een vertrek zal plaatsvinden. Dit is een voorspellende en wetenschappelijke analyse die ook zeer interessant en nuttig kan zijn voor HR.