Datagedreven besluitvorming door inzichtelijke HR Dashboards

Bij een retailbedrijf leeft de ambitie om meer waarde uit data te halen. De slag naar een data-gedreven aanpak voor beantwoording van HR- en organisatievraagstukken is echter nog niet gemaakt. Zodoende is besluitvorming nog vaak gebaseerd op opinies. In het beste geval is er data beschikbaar, maar ontbreken de inzichten.

Het doel is om vraagstukken waar een HR- of organisatie component in zit, in de toekomst op basis van data aan te vliegen en HR-thema’s met inzichten te ondersteunen middels een HR-dashboard. Op deze manier kunnen HR-managers de business adviseren en beleid maken op basis van door data gegenereerde inzichten.

Om inzichtelijk te maken wat er speelt binnen de organisatie voert Highberg eerst deskresearch en focus interviews uit met meerdere business- en HR-stakeholders. Uit deze interviews worden relevante strategische HR-thema’s voor de business vertaald naar een Strategy Map (zie figuur 2), deze dient als input voor het dashboard.

Wanneer inzichtelijk is gemaakt wat de belangrijkste HR-speerpunten zijn binnen de organisatie rest de vraag; waar te starten met het ontwikkelen van HR-stuurinformatie?

Om te bepalen waar gestart moet worden met het ontwikkelen van het dashboard is er een prioritering gemaakt op basis van; (1) haalbaarheid en (2) toegevoegde waarde (zie figuur 2). Met haalbaarheid wordt vooral gekeken naar de aanwezigheid en de kwaliteit van relevante data. Daarnaast is de toegevoegde waarde van het dashboard relevant, zodat de gegevens uit het dashboard direct aansluiten bij de vraag vanuit de business. Dit zorgt er tevens voor dat er draagvlak gecreëerd wordt voor het verder ontwikkelen van het dashboard in een latere fase van het project.

Om snelheid te genereren en draagvlak te creëren is er gekozen om klein te beginnen door een Minimal Lovebale Product (MLP) op te leveren. Wat houdt dit in?

1. Focus op de thema’s met een hoge toegevoegde waarde en haalbaarheid (zie figuur 3, verzuim en verloop).
2. Er wordt gewerkt met reeds beschikbare data uit 1 bron.
3. De software die gebruikt wordt is hetgeen wat door IT wordt aanbevolen: R en MicroStrategy.
4. Het dashboard wordt in eerste instantie voor een 1 gebruikersgroep, de HR-managers, beschikbaar gemaakt. Omdat zij werken op het snijvlak tussen de business en HR en nemen zodoende vaak plaats in een MT of regio overleg. Hierdoor kunnen ze direct inspringen op vragen vanuit de business op de geselecteerde thema’s.

De bovenstaande 4 uitgangspunten hebben een aantal voordelen:

• Snelheid, er zijn geen extra stappen benodigd om data te genereren door bijvoorbeeld onderzoek, er wordt immers gewerkt met beschikbare data.
• Door met door IT aanbevolen software te werken hoeven er geen BI-producten geselecteerd en ingekocht te worden. Dit beperkt kosten en voorkomt een selectie en implementatietraject.
• Door het klein houden van de groep eindgebruikers (de HR-managers) staan de seinen op het gebied van dataprivacy al op groen, omdat zij door hun functie vaak al geautoriseerd zijn om persoonsdata van medewerkers in te zien.
• Daarnaast creëert een goed werkend MLP een grotere vraag naar meer.

Tijdens de ontwikkeling van het MLP worden eindgebruikers actief meegenomen in het ontwerp van het Microstrategy dashboard. Dit gebeurt via een agile werkwijze waarbij frequent getoetst wordt of het dashboards voldoet aan de wensen van de eindgebruiker. Op basis van feedback van de eindgebruikers kan snel bijgestuurd worden op look & feel en inhoud zoals belangrijke KPI’s. Ook blijven zij op deze manier betrokken en enthousiast.

Door intensief samen te werken en te luisteren naar de wensen van de eindgebruikers ontstaat er een eindproduct dat de HR-managers in staat stelt om hun MT op basis van data te adviseren over mens- en organisatievraagstukken. Door middel van training en informele momenten met eindgebruikers wordt het HR-dashboard als instrument verankerd binnen de organisatie. Door als HR-analytics team regelmatig het net op te halen rondom het gebruik en functionele wensen, is er sprake van continue doorontwikkeling van het dashboard op de strategische business thema’s.
Een goed voorbeeld hiervan is de adaptieve verzuimnorm per team. In het rapportageplatform is een algoritme ingebouwd dat rekening houdt met een groot aantal variabelen en daarmee een verzuimdoelstelling per team afgeeft. HR managers hoeven hierdoor niet meer de boer op met een algemene doelstelling voor de organisatie / of business unit, maar kunnen met iedere manager een geïnformeerd gesprek aangaan als de doelstelling structureel niet gehaald wordt.

In de toekomst wordt het dashboard voor een breder publiek beschikbaar gemaakt (bijv. voor leidinggevenden en controllers). Op deze manier worden leidinggevenden en managers zelf achter het spreekwoordelijke stuur van de auto gezet. Daarnaast zal het HR-dashboard verrijkt worden met meer relevante (HR) data. Ook zullen er in de toekomst meer algoritmes in het platform ingebouwd gaan worden om besluitvorming verder te verbeteren.

Door te starten met een MLP voor een beperkte gebruikersgroep is er snel een dashboard opgeleverd wat intensief door HR gebruikt wordt. Doordat HR-managers de inzichten uit het dashboard delen met de business, groeit de vraag van andere eindgebruikers, zoals controllers, business unit- en teammanagers naar een vergelijkbaar dashboard.

Door het ontstaan van draagvlak en momentum wordt het huidige dashboard nu opgeschaald naar een meer solide IT-oplossing (Azure i.c.m. Datafactory, Databricks-Spark, SQL-server, Datalake). De verbetering van performance geeft ook de mogelijkheid om het dashboard uit te breiden met (systeem) databronnen zoals: Talent Management, Learning Management, Performance data en onderzoeksdata uit Voice of the Employee / Continuous Listening initiatieven.

Door het ontsluiten van hierboven genoemde bronnen kunnen de thema’s in het dashboard verder uitgebreid en gecombineerd worden. Denk hierbij bijvoorbeeld aan het inzichtelijk maken van drivers van engagement en het effect van engagement op verzuim binnen een team.

Een zeer belangrijke ontwikkeling zal het inbouwen van meer prescriptieve algoritmes zijn, die de verschillende gebruikersgroepen gaan ondersteunen in het maken van optimale besluiten (zie figuur 5, Decision Support). Hierbij valt te denken aan het informeren van de bedrijfsarts over de kans op lang verzuim en de WIA op het moment dat iemand zich ziekmeldt zodat een bedrijfsarts ondersteund wordt in het indelen van zijn/haar schaarse tijd.

Figuur 4: Gartner’s Analytic Progression chart