Behandel iedereen als mens, en niet hetzelfde
Door slecht gecombineerde data, richt HR verzuim en vitaliteit maatregelen op het hele bedrijf
Grote organisaties beschikken over data, maar weten niet hoe de data te gebruiken (people analytics). De data staat in losse Excel-bestanden of andere verschillende bronnen. Hierdoor lukt het je niet om specifieke analyses uit te voeren of te krijgen.
Het gevolg? Organisaties nemen maatregelen die ineffectief zijn. Omdat deze niet gericht is op de juiste doelgroep, oorzaak, of oplossing. Dit resulteert in kosten zonder de gewenste impact, waarbij je de medewerkers niet helpt. Herken je dit gevoel van verdrinken in data en een inefficiënte aanpak?
De oplossing:
- Bepaal wat je wilt weten: Stel duidelijke vragen om te bepalen welke informatie je nodig hebt.
- Structureer je data: Organiseer en combineer data uit verschillende bronnen om een volledig beeld te krijgen.
- Test je hypothesen met data: Gebruik de gestructureerde data om hypothesen te testen en valideren.
- Test je conclusie bij de doelgroep: Gebruik de inzichten uit je analyses om gerichte maatregelen te ontwikkelen met de medewerkers.
Een voorbeeld van zo’n oplossing
1. De vraag: wij onderzochten bij een klant wat het effect van leeftijd is op verzuim. Je weet dat leeftijd een rol speelt, maar hoe precies?
2. Structureer je data? Wij combineerden verzuimdata (frequentie en aantal dagen) met gegevens uit het employee management systeem (leeftijd).
3. De hypothese was de grootste impact maken we bij medewerkers ouder dan 50. In de afbeelding zie je de uitkomst bij deze klant:
▪️ <20 jaar: weinig verzuim.
▪️ 20-30 jaar: kort verzuim, maar frequent. Spijbelen of katers?
▪️ 30-40 jaar: weinig verzuim en kort. Hier gaat iets goed, wat je nader wilt onderzoeken.
▪️ 40-50 jaar: lang en frequent verzuim. Dit is de groep waar de impact het grootste is. En je op basis van een ziekmelding langverzuim ziet aankomen.
▪️ 50-60 jaar: niet frequent, maar met een hoge gemiddelde verzuimduur. Dit is ook een risicogroep.
4. Duiden data bij doelgroep: Bij de groep van 40-50 jaar is het welzijn probleem het grootst. Op basis hiervan organiseer je een workshop voor zes medewerkers tussen 40-50 jaar: vier die recentelijk verzuimd hebben en twee die niet verzuimd hebben. Tijdens deze workshop bespreek je de zorgen over frequentie en verzuimduur, en achterhaal je wat beter kan. Hierdoor behandel je medewerkers als mensen en zoek je naar het verhaal achter de data. Het is data ondersteunend werken.
Door concreet te weten wat je met elke leeftijdsgroep moet doen, kun je verzuim effectief verminderen.
Benieuwd hoe jij data beter benut? Neem contact op.
Behandel iedereen als mens, en niet hetzelfde.
Gerelateerde Inzichten
