HR-gegevensanalyse: hoe u uw HR-gegevens effectief gebruikt
Ik werk de afgelopen 20 jaar met snelgroeiende technologiebedrijven en help hen effectieve, schaalbare teams op te bouwen. In deze periode vertrouwden mijn teams en ik sterk op onze personeelsgegevens om beslissingen te sturen.
Hier bouwen we voort op wat we de vorige keer hebben besproken over het leggen van de basis voor je HR-gegevens en -statistieken en ervoor zorgen dat je duidelijke, controleerbare processen hebt om die statistieken te ondersteunen.
We bespreken hoe we die statistieken gebruiken om conclusies te trekken over de gezondheid van de organisatie en leiders aan te zetten tot actie.
Create a Free Account to Keep Reading—and Keep Leading Smarter
Unlock this piece and join a community of forward-thinking leaders discovering tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Gegevens verzamelen
Laten we eerst de basis doornemen. Ik zal hier niet te lang bij stilstaan, behalve om te zeggen dat je bij het kiezen van je HR-software rekening moet houden met rapportagemogelijkheden. HR-gegevensanalyse is effectiever met robuuste HRMS-mogelijkheden om grote hoeveelheden informatie te verwerken.
Zoek naar HR-software met aanpasbare rapportages, realtimeanalyses en datagestuurde inzichten om de besluitvorming te verbeteren. Overweeg ook geavanceerde voorspellende analyses, benchmarking aan de hand van industrienormen en integratie met externe tools voor bedrijfsinformatie voor diepgaandere inzichten.
Het gebruik van cloud-HR-software kan HR-gegevensanalyse ook vereenvoudigen door alle relevante informatie te centraliseren in één platform dat overal toegankelijk is (dit is een van de vele voordelen van cloud-HR-software).
Gegevens op een betekenisvolle manier presenteren
We kunnen ontzettend veel gegevens verzamelen, maar laten we beginnen met de meest fundamentele statistiek: het aantal medewerkers. Het is nuttig om maandelijks het aantal mensen in de organisatie weer te geven.
428
Maar misschien is het relevanter om te laten zien of dat aantal hoger of lager is dan vorige maand, vorig kwartaal of vorig jaar:
382, 418, 420, 428….
Maar wacht, een grafiek is hier beter, toch?
Op het meest basale niveau hebben we hier dus een trendlijn die aangeeft dat het aantal medewerkers toeneemt.
We hebben een paar maanden waarin het aantal sneller groeide en één maand waarin het aantal medewerkers afnam.
Waarom?
Laten we de maandelijkse aantallen nieuwe medewerkers en vertrekkers toevoegen; dat geeft ons een beter beeld.
We zien daar dus een piek, maar 15 en 400 op dezelfde as vergelijken is niet duidelijk, dus laten we het opnieuw aanpassen.
Door nieuwe medewerkers en vertrekkers in een staafdiagram weer te geven, ze per maand naast elkaar te zetten en ze naar de rechteras te verplaatsen, hebben we dit visueel eenvoudig te begrijpen gemaakt.
Het aantal medewerkers groeit, maar het aantal nieuwe medewerkers verschilt van maand tot maand, waarbij september en mei uitschieters zijn. Kunnen we dat in ons verhaal verklaren?
We moeten ook duidelijker maken dat onze grafiek twee verticale assen heeft en de titel verduidelijken.
Wat kunnen we nog meer zien, of wat moeten we nog meer uit deze grafiek kunnen aflezen? Het lijkt mij dat er de afgelopen maanden meer mensen zijn vertrokken, maar het bedrijf is ook gegroeid, dus misschien is dat te verwachten. Als we verloop aan de grafiek toevoegen, krijgen we een duidelijker beeld.
Aha! Nu hebben we een uitgebreide verzameling medewerkersgegevens over deze groep werknemers samengesteld en in één grafiek laten zien dat het aantal nieuwe medewerkers sterk schommelt, het aantal medewerkers groeit, het verloop toeneemt en het aantal vertrekkers stijgt.
Met beperkte tekst kunnen we met belanghebbenden “praten” over wat er in de organisatie gebeurt en hopelijk tot actie aanzetten.
Dit is een goed voorbeeld van hoe we, door de basisgegevens (personeelsbestand, nieuwe medewerkers, vertrekkers, verloop) op te bouwen waar we het eerder over hadden, trends kunnen laten zien en basisanalyses kunnen uitvoeren met eenvoudige hulpmiddelen (deze spreadsheets zijn hier te downloaden).
Door je gegevens in de eenvoudigste vorm te bekijken en jezelf de vraag te stellen “Welk verhaal probeer ik hier te vertellen?”, kun je voor jezelf aanwijzingen ontwikkelen, experimenteren met de indeling van de grafieken en visueel krachtige boodschappen voor je belanghebbenden creëren.
Datavisualisatie is een essentieel onderdeel van HR-data-analyse. Moderne HR-softwareoplossingen worden vaak geleverd met ingebouwde analysedashboards die deze taak eenvoudiger kunnen maken.
Je kunt zelfs experimenteren met hulpmiddelen zoals ChatGPT om je te helpen bij je analyse. Als we bijvoorbeeld de bovenstaande grafiek nemen en gewoon beschrijven wat we zien, kunnen we ChatGPT vragen om dit beknopt te formuleren.
“Het personeelsbestand is in de afgelopen 12 maanden gegroeid van 320 naar 428, in 2 maanden (september en oktober) was het aantal nieuwe medewerkers het hoogst, met respectievelijk 63 en 28, in november was het aantal vertrekkers het hoogst met 20 en het verloop is in de loop van het jaar gestegen van 27% naar 36%.”
Zoals je kunt zien, kun je door de belangrijkste punten snel in een hulpmiddel zoals ChatGPT in te voeren in minder tijd een beknopte versie van je toelichting genereren dan wanneer je die zelf opnieuw had moeten schrijven, en je belanghebbenden zullen onder de indruk zijn (hier zijn enkele nuttige ChatGPT-aanwijzingen voor HR die kunnen helpen).
Daarover gesproken: laten we even de tijd nemen om na te denken over onze belanghebbenden en dit voorbeeld wat verder uit te werken.
Persona’s voor je gegevens opbouwen
Als we doorgaan met het bovenstaande voorbeeld, welke aanvullende gegevens kunnen we toevoegen om uit te leggen wat er gebeurt?
Een voor de hand liggend voorbeeld zou het type, de locatie en de demografische kenmerken zijn van de functies waarvoor mensen zijn aangenomen, met name bij de pieken (bijvoorbeeld: zou dit een jaarlijkse instroom van afgestudeerden kunnen zijn?).
Het andere voor de hand liggende gebied is wie er vertrekt (functies, locaties en demografische kenmerken), wat hun redenen voor vertrek zijn, of die in de loop van de tijd zijn veranderd en of ze overeenkomen met wat mensen op de werkvloer horen?
Salaris wordt bijvoorbeeld vaak genoemd als reden om te vertrekken, maar dit meten aan de hand van vertrekkers is een achterlopende maatstaf (dat wil zeggen: ruimschoots na de gebeurtenis), omdat mensen al naar een andere functie hebben gezocht, er een hebben gevonden, ontslag hebben genomen en hun opzegtermijn hebben uitgewerkt.
Als je dus ziet dat achterlopende maatstaven worden benadrukt, moeten we manieren vinden om meer realtimegegevens te verkrijgen via je methoden om naar medewerkers te luisteren.
Nu wordt het wat diepgaander en ingewikkelder, dus moeten we goed nadenken, niet alleen over de gegevens maar ook over het gesprek dat we op gang proberen te brengen en ons publiek. Daar komen interne persona’s van pas.
Persona’s worden vaak gebruikt door marketingteams om een beeld te schetsen van hun doelklanten bij het opzetten van marketingcampagnes. Ze worden behoorlijk ingewikkeld, maar hier houden we het gebruik eenvoudig.
Ik laat je enkele voorbeelden zien van persona’s die in het verleden voor mij hebben gewerkt, de aannames die je over die groep kunt doen en vervolgens de gegevens die zij waarschijnlijk willen ontvangen en de manier waarop die worden verzonden.
Voorbeelden van interne persona’s
Persona van het uitvoerend managementteam
Deze groep heeft weinig tijd en moet de langetermijnimpact begrijpen van wat onze personeelsgegevens ons vertellen over de gezondheid van de organisatie en de vooruitgang richting belangrijke strategische doelen.
Ze zijn ook manager van een team of functiegebied en hebben daar dus eveneens een hoge mate van detail over nodig.
| Over | Aanpassingen |
| Drukbezet | - Vertrouw niet alleen op zelf aangeleverde gegevens, zet ze in een presentatie en stuur die met een follow-up. Neem de tijd om toelichting te geven en uitleg te bieden - Wees beknopt in wat je presenteert door ervoor te zorgen dat alles wat je opneemt relevant is en houd het zo kort mogelijk. |
| Gericht op financiële gegevens en een hoog overkoepelend beeld van de organisatie | - Richt je op de meetgegevens die verband houden met financiën - Hoe houden de meetgegevens verband met bredere strategische doelstellingen? Bijvoorbeeld: probeer je te groeien? Probeer je het aantal managementfuncties te verminderen? |
| Bedreven in data en bedrijfsvoering | - Ze zijn gewend aan complexe informatie die goed wordt weergegeven; besteed hier meer tijd aan |
| Behoefte aan een gedetailleerd beeld van hun functiegebied | - Gedetailleerde weergave van hun functiegebied, inclusief nieuwe medewerkers, vertrekkers, verloop, spanwijdte, managementlagen, diversiteit, leren, betrokkenheid, demografische gegevens en arbeidsrelaties - Bied informatie die is afgestemd op hun functiegebied, bij voorkeur met de rest van de organisatie als benchmark |
Persona van managers
Managers moeten breed geïnformeerd zijn over de organisatie om hen context te bieden over hun teams en rol (dus veel goed toegankelijke gegevens op hoofdlijnen).
Ze zullen nieuwe medewerkers inwerken en potentiële medewerkers interviewen, dus ze moeten de basis en iets meer weten—genoeg om een verhaal te kunnen beginnen te vertellen.
| Over | Aanpassingen |
| De groep verschilt wat betreft locaties, teams en anciënniteit | - Heeft betrouwbare gegevens op hoofdlijnen nodig die gemakkelijk toegankelijk zijn- Moet weten waar meer specifieke gegevens over teams, locaties enzovoort te vinden zijn - Geef enige informatie, maar je kunt ook vertrouwen op zelfbediening voor degenen die specifieke informatie zoeken |
| Moet geïnformeerd zijn | - Minder nadruk op het vertellen wat er op organisatieniveau moet veranderen, maar geef hen wel de informatie om zelf conclusies te trekken |
| Moet interviews en onboarding begeleiden | - Ze moeten weten wie we zijn—de leuke feiten over de organisatie, bijvoorbeeld demografische gegevens (zie hieronder) |
Persona van medewerkers
Net als managers hebben zij een breed overzicht nodig, maar waarschijnlijk met minder details.
| Over | Aanpassingen |
| De groep verschilt wat betreft locaties, teams en anciënniteit. | - Heeft betrouwbare, goed toegankelijke gegevens op hoofdlijnen nodig - Geef enige informatie, maar je kunt ook vertrouwen op zelfbediening voor degenen die specifieke informatie zoeken |
| Moet interviews en onboarding begeleiden. | Ze moeten weten wie we zijn—de leuke feiten over je organisatie |
Persona's voor personeelszaken
Je HR-team heeft andere informatie nodig dan medewerkers en managers, omdat het strategieën ontwikkelt en het verhaal uitlegt.
Het bedrijf wil bijvoorbeeld misschien weten hoeveel sollicitaties er gemiddeld per vacature binnenkomen, of wat het totale aantal sollicitaties in een bepaalde maand is, maar je talentwervingsteam moet deze gegevens per functie kunnen bekijken en wil ook de onvoltooide sollicitaties en bezoeken aan de werken-bij-site zien, zodat het de sollicitatiefunnel effectief kan beheren.
Vervolgens kunnen ze zaken bekijken zoals de algehele effectiviteit van wervingsmarketing of de specifieke functieomschrijvingen om te zien of er aanpassingen nodig zijn.
| Over | Aanpassing |
| HR-leiders en -analisten | - Hebben toegang nodig tot de juiste gegevens om conclusies te kunnen trekken en inzichten te ontwikkelen |
| HR-businesspartners | - Hebben toegang nodig tot gegevens die specifiek zijn voor hun rol/klantgroep |
Ik heb gemerkt dat het opstellen van persona's enorm helpt om duidelijk te maken waarom we bepaalde gegevens delen en wat het doel ervan is.
Deze vier eenvoudige persona-voorbeelden hierboven laten zien dat we vanuit dezelfde kerngegevens dezelfde gegevens kunnen aanbieden met passende toelichting, oproepen tot actie en verschillende informatieniveaus.
Als we ons eerdere voorbeeld van verloop, indiensttredingen, uitdiensttredingen en personeelsbezetting gebruiken, is deze informatie het meest relevant voor het uitvoerend managementteam (zowel bedrijfsbreed als voor hun functies), managers (bedrijfsbreed, maar laat hen zien waar ze zo nodig zelf de gegevens over hun teams kunnen opzoeken) en HR (toegang tot zelfbediening per roltype).
Door de persona's op deze manier te gebruiken, haal je er echte waarde uit en bespaar je veel tijd en moeite.
Als je de 40 KPI's neemt die we eerder hebben bekeken, kun je ze aan de persona's koppelen—hier is een snel voorbeeld uit het gedeelte over wervingsstatistieken van dat artikel:
| Naam van KPI | EMT | Managers | Medewerkers | HR |
| Hoeveel mensen neem je aan en op welke locatie/afdeling van het management? | Ja voor het bedrijf en de functie Ja voor de specifieke organisatie die zij leiden en eventuele aanvullende informatie als je die hebt | Ja voor het bedrijf en de functie | Ja voor het bedrijf | Talentwerving: alle details Businesspartners: alle details voor hun functie Overig: Ja voor het bedrijf en de functie |
| Hoe lang duurt het om iemand voor specifieke functies aan te nemen? | Ja voor relevante functies met betrekking tot strategische doelen in de organisatie Ja voor het cijfer op hoofdlijnen | Nee, maar bied zelfbediening aan | Nee | Ja voor businesspartners en talentwerving |
Door dit te doen, bouw je een eenvoudige database op van wie wat nodig heeft en waarom. Ik zou ook de berekeningsmethode, gegevensbron, visualisatie en het onderliggende controleproces voor elk van deze gegevens bijhouden, zodat je alles op één gemakkelijk toegankelijke plek hebt.
Een beetje plezier
Ik wil hier nog een ander voorbeeld bespreken dat relevant is voor al je bedrijven en zelfs voor mensen daarbuiten—hoe laten we de demografie van ons bedrijf zien?
Wanneer ik een verhaal over een bedrijf vertel, heb ik altijd gemerkt dat mensen “wie we zijn” het interessantst vinden, en het meest “blijvende” feit dat ik ben tegengekomen, was het aantal nationaliteiten binnen een bedrijf.
Laten we dus enkele eenvoudige voorbeelden nemen.
- Geslacht
- Nationaliteit
- Leeftijd
- Dienstverband
Laten we ervan uitgaan dat we de gegevens hierover hebben (alle hier getoonde gegevens zijn overigens fictief).
- Geslacht. 45% man, 55% vrouw
- Nationaliteiten. (13 in totaal) Top 3: Brits 59%, Frans 12%, Italiaans 8%
- Leeftijd. (Gemiddeld 34): <30 42%, 31-40 28%, 41-50 27%, 51+3%
- Dienstverband. <1 jaar 26%, 1-2 24%, 2-3 22%, 3-4 12% 4-5 6%, 5+ 10%
Alles duidelijk, maar niet erg boeiend, toch?
Door 4 grafieken te gebruiken die afkomstig zijn uit Google Sheets of Slidesgo (beide gratis), kun je binnen enkele minuten een lijst met cijfers omzetten in iets boeiends dat een verhaal vertelt over je organisatie.
Dit soort visualisaties kan worden gebruikt voor een andere persona—mensen buiten je bedrijf— en kan op je website en andere extern gerichte kanalen worden geplaatst om je organisatie aan de buitenwereld te presenteren.
Ze kunnen ook intern worden gebruikt en worden uitgesplitst naar land/functie/afdeling om intern waardevolle inzichten te bieden.
Afbeeldingen en grafieken zijn op deze manier eenvoudig te maken en vereisen niet veel ervaring. Je hoeft er eigenlijk alleen maar mee te experimenteren en op internet staan honderden gratis YouTube-video's of demonstraties die laten zien hoe je dit doet.
Door mogelijkheden van HR-informatiesystemen op deze manier te gebruiken voor gegevensanalyse, kun je de besluitvorming en strategische planning verbeteren.
Door je gegevens op deze manier te gebruiken, betrek je je gebruikers erbij en krijg je de feedback die je nodig hebt om verder te gaan met de volgende stap.
HR-statistieken en AI
Kunstmatige intelligentie (AI) helpt HR-statistieken te begrijpen door patronen of trends sneller te herkennen dan mensen dat kunnen. AI kan bijvoorbeeld voorspellen of een medewerker het bedrijf mogelijk zal verlaten of manieren voorstellen om wervingsprocessen te verbeteren. Door AI te gebruiken kunnen HR-teams betere beslissingen nemen die de medewerkerstevredenheid en het succes van het bedrijf vergroten.
Hier zijn enkele voorbeelden van hoe AI kan worden gebruikt voor HR-analyses:
- Voorspellen van personeelsverloop: AI kan patronen in het gedrag van medewerkers analyseren, zoals tevredenheidsscores of ziekteverzuim, om te voorspellen wie het bedrijf mogelijk zal verlaten.
- Werving verbeteren: AI-tools kunnen cv's snel doorzoeken en kandidaten rangschikken op basis van kwalificaties, waardoor het wervingsproces sneller en nauwkeuriger verloopt.
- Analyse van medewerkersbetrokkenheid: AI kan enquêtes, e-mails of chatgegevens analyseren om het sentiment onder medewerkers vast te stellen en inzichten te bieden in het verbeteren van de werksfeer.
- Prestaties volgen: AI kan prestatie-indicatoren monitoren, zoals voltooiingspercentages van projecten, om toppresteerders uit te lichten en medewerkers te identificeren die mogelijk ondersteuning nodig hebben.
- Inzichten in diversiteit en inclusie: AI kan HR-teams helpen trends in werving en promotie te analyseren om ervoor te zorgen dat diversiteitsdoelstellingen worden behaald en vooringenomenheid tot een minimum wordt beperkt.
- Aanbevelingen voor leren en ontwikkelen: AI kan gepersonaliseerde trainingsprogramma's voor medewerkers voorstellen op basis van hun vaardigheden en carrièredoelen.
- Voorspellen van ziekteverzuim: AI kan patronen in het ziekteverzuim van medewerkers voorspellen en oplossingen voorstellen om problemen met afwezigheid te verminderen.
- Beloningsanalyse: AI kan HR-teams helpen beloningsstructuren te beoordelen om eerlijkheid en concurrentiekracht op de markt te waarborgen.
Veel HR-systemen voor grote organisaties gebruiken door AI aangestuurde analyses om bruikbare inzichten uit HR-gegevens te halen.
Belangrijkste conclusies
In de twee artikelen hebben we dus besproken hoe we:
- Onze gegevens effectief kunnen controleren en vastleggen
- Persona's kunnen gebruiken om vast te stellen wie wat moet zien
- Cijfers kunnen nemen en eenvoudige of geavanceerdere visuele weergaven kunnen gebruiken om onze gegevens te vereenvoudigen
- Nieuwe dingen kunnen uitproberen met onze visuals om ze boeiender te maken, waaronder het gebruik van gratis webbronnen
- Bepaalde belangrijke gegevens kunnen identificeren die de meeste of alle mensen moeten zien, zelfs als ze iets anders zijn uitgesplitst
- Basistrends in belangrijke gegevens kunnen herkennen.
Je bevindt je nu op een uitstekende positie om consistent te worden in wat je je publiek vertelt. Wanneer je het punt bereikt waarop je:
- Bereken de meeste van de 40 belangrijkste kengetallen
- Zet het verloop, het aantal medewerkers, indiensttredingen en uitdiensttredingen om in visualisaties en splits deze uit naar elke relevante groep
- Deel belangrijke demografische gegevens visueel voor elke persona
- Verspreid deze informatie regelmatig (maandelijks of per kwartaal, afhankelijk van je behoeften)
- Bouw een interactieve HR-database/spreadsheet voor je kengetallen, de methodologie erachter en met wie ze worden gedeeld.
Je vertelt je bedrijf een interessant verhaal en stelt elke persona een andere reeks vragen waarop ze feedback kunnen geven.
Zelfs als je complexe problemen en vragen hebt, is beginnen met de basis en daar stapsgewijs op voortbouwen de juiste aanpak. Maand na maand kun je nieuwe gegevens en grafieken toevoegen om een steeds rijker verhaal te vertellen.
Dezelfde principes gelden als je een groot aantal tools en systemen hebt die rapporten voor je produceren; neem de tijd om ervoor te zorgen dat berekeningen consistent en begrijpelijk zijn en dat de basisinformatie op een consistente manier met de juiste persona's wordt gedeeld.
De belangrijkste conclusie hiervan is dat je, zodra je je ertoe verbindt om met kengetallen en analyses te beginnen, snel grote vooruitgang kunt boeken zonder een data-expert te zijn. Bovendien leg je de basis voor meer geavanceerde personeelsanalyse in de toekomst.
De tools zijn beschikbaar; je hoeft alleen je inhoudelijke expertise over de gegevens en je zakelijk inzicht te combineren om te ontdekken hoe deze kunnen helpen.
Dit helpt je de juiste manier te vinden om informatie zo begrijpelijk mogelijk te delen. Je zult onderweg ongetwijfeld plezier hebben en zeker meer over je bedrijf leren.
Hieronder vind je meer informatie om je op weg te helpen met je datatraject:
- Wat is personeelsanalyse: een inleidende gids
- De beste conferenties over personeelsanalyse
- 29 HR-KPI's om je strategische doelen te behalen
- De kengetallen die je moet volgen om je talentmanagementstrategie te verbeteren
- De 15 beste certificeringen voor HR-analyse
- De 10 beste software voor personeelsanalyse
- De kracht van HR-dashboards benutten: essentiële kengetallen voor personeelsanalyse om te volgen
- De 10 beste HR-analysesoftware voor bruikbare personeelsgegevens
- De 10 beste business-intelligencesoftware voor data-analyse
