ROI (rendement op investering) operationaliseren

Stay on the leading edge of leading with human-centric AI. Create a free account.

Eerder dit jaar heb ik ongeveer 25 HR-directeuren een berekening van het rendement op investering voor een trainingsinitiatief verstrekt, en dat werkte buitengewoon goed. Hoewel de berekening slechts een onderdeel was van het voorstel van tien pagina’s over waarom we dit initiatief op de voorgestelde manier zouden moeten uitvoeren, kreeg het veel positieve feedback en hielp het […]

Operationalising ROI

Eerder dit jaar heb ik ongeveer 25 HR-directeuren een berekening van het rendement op investering voor een trainingsinitiatief verstrekt, en dat werkte buitengewoon goed. Hoewel de berekening slechts een onderdeel was van het voorstel van tien pagina’s over waarom we dit initiatief op de voorgestelde manier zouden moeten uitvoeren, kreeg het veel positieve feedback en hielp het ons betoog.

Het rendement op investering binnen HR heeft nu niet bepaald de beste reputatie. Latham & Whyte publiceerden in 1996 namelijk een artikel met de titel ‘De zinloosheid van nutanalyse’ (voor alle duidelijkheid: nutanalyse en ROI betekenen in deze context hetzelfde), en het artikel was vernietigend. Ze ontdekten niet alleen een gebrek aan steun van managers voor ROI, maar ook dat de opname ervan in de presentatie ervoor zorgde dat managers afhaakten bij het bredere voorstel. Om eerlijk te zijn heeft niemand anders hun bevindingen kunnen repliceren, maar niemand (ook ondergetekende niet, die een masterscriptie over ROI heeft geschreven) heeft er werkelijk sterke ondersteuning voor kunnen vinden.

Doorgaans wordt ROI zo gepresenteerd dat er een percentage wordt gegeven dat het rendement op investering weergeeft. Als je bijvoorbeeld $30,000 in training investeert, ontvang je binnen het eerste jaar een rendement op investering van 150%. En bij ROI worden soms behoorlijk indrukwekkende percentages genoemd. Ik denk dat die voorzichtig moeten worden geïnterpreteerd; de berekeningen zijn bijvoorbeeld niet ontworpen om markt- of economische omstandigheden mee te wegen. Het probleem dat ik had, was dat het presenteren van een procentueel rendement binnen een overheidsomgeving niet logisch was – overheden geven doorgaans geld uit. Ik wilde ROI echter graag in de discussie opnemen, dus heb ik het geoperationaliseerd.

Als korte achtergrond bij het trainingsinitiatief: we stelden voor om werknemers jaarlijks een bepaalde hoeveelheid tijd te bieden die zij konden gebruiken voor training op de werkplek, in de vorm van leren onder leiding van collega’s, functieroulatie, mogelijkheden om tijdelijk een hogere functie waar te nemen, enzovoort. In het voorstel stond dus dat managers vrij waren om trainingsmogelijkheden aan te bieden die aansloten bij de behoeften van hun werknemers. Sommigen zouden bijvoorbeeld training kunnen volgen in Excel, het notuleren van vergaderingen, het schrijven van beleid of allerlei andere taken. De overeenkomst was de tijd. Daarom heb ik ROI gepresenteerd als een break-evenberekening in termen van tijd. In het voorstel stelden we dat werknemers toegang konden krijgen tot één week training. Om met die training quitte te spelen, moesten werknemers in 44 weken voltooien wat ze voorheen in 46 weken voltooiden (de 44 weken vertegenwoordigden één werkjaar, waarbij rekening werd gehouden met verlof, feestdagen enzovoort). In wezen moesten werknemers zich zodanig verbeteren dat ze binnen dezelfde periode meer werk konden voltooien.

Zoals ik hierboven al aangaf, werkte deze aanpak erg goed. De betrokkenen konden de maatstaf die we gebruikten – tijd – begrijpen en een weloverwogen beslissing nemen over de vraag of eerstelijnsmanagers training konden aanbieden die dit niveau van impact zou hebben.
Doorgaans ziet de berekening van het rendement op investering van training er als volgt uit:

U = (N)(T)(dt)(SDy) –C

Waar veel mensen zich niet echt mee kunnen verbinden of die ze niet kunnen plaatsen, en zodra ik begin te praten over standaardnormale verdelingscurven, verlaten mensen de ruimte. Het belangrijkste was echter niet de berekening, maar de presentatie van het break-evenpunt. Om dit tegen zeer lage kosten voor de organisatie te laten verlopen, moeten werknemers binnen een werkjaar twee extra weken werk voltooien. HR-directeuren en hun managers kunnen hiermee werken; het is begrijpelijk.

Ik werd echt aangemoedigd door de reacties die ik ontving en zal deze aanpak in de toekomst opnieuw gebruiken. Hoewel dit bericht niet bedoeld is als handleiding, hoop ik dat het mensen die geïnteresseerd zijn in ROI binnen het domein van training enig inzicht biedt in hoe ROI zo kan worden ingericht dat het wellicht meer draagvlak krijgt dan in het verleden.

Brendan Lys
Operating at the intersection of Human Resources and Data Science, I leverage extensive specialist experience within Human Resources, with the methodologies and approaches of Data Science. This focus on the discovery of actionable insights from data, has been applied to areas such as: remuneration & benefits, workforce planning, recruitment, health & safety, diversity, and training. But what does the application of data science to HR challenges and opportunities actually look like. Within an HR framework the data we work with typically comes directly from our HRMIS, an advantage of using data science methodologies is that we can bring in additional data either held within the organization or from external sources - data which is out of reach from a pure HR analytics approach. Consider for example position descriptions, these contain a wealth of data that we typically ignore as its not in a analysis ready format. A side project I'm working on currently (April 2019) is using text mining on job descriptions to provide insights into which job family the position may fit into. The insights of my work have been enjoyed by organizations across a diversity of sectors including: Government (Australia and New Zealand), ASX and NZX listed companies, utilities, not for profit and higher education.
Follow the author:

You may also like