Bel ons op +31 33 45 06 506
Blog

Ahold Delhaize verhoogt de kwaliteit van beslissingen met HR analytics 

Sander Kars
Sander Kars 27 februari 2017

De Nederlandse retailketen Ahold ging in juli van dit jaar samen met het Belgische Delhaize. Het resultaat is een multichannel-organisatie actief in 11 landen, met 22 merken, 6.500 winkels en met een personeelsbestand van 375.000 mensen. Het HR Analytics Team is nog relatief jong. Lead HR Analytics Bart Voorn vertelt hoe het team zich een plek heeft verworven binnen de organisatie en wat belangrijke randvoorwaarden zijn om kwaliteit te kunnen leveren.

“We zijn als team nu een jaar compleet. We hadden al snel door dat we HR niet meer data-driven kunnen maken als we alleen gaan rekenen en data-crunchen. Vooral omdat we willen dat onze invloed kan leiden tot resultaat en dus verdergaat dan af en toe een leuk rapport publiceren. Als onderzoeksafdeling wil je uiteindelijk zorgen dat je ook invloed hebt. Daarom hebben we het anders aangepakt. Niet alleen rekenkracht en een goed team, maar ook de rest van HR meenemen in deze verandering."  Dit sluit aan bij de resultaten van de Raet HR Benchmark 2017, waarin HR analyics door 55% van de HR-managers wordt gezien als randvoorwaarde om de rol van business partner op te pakken, 

 

Wat is HR analytics?

"Wij zijn begonnen met een programma waarmee we HR business partners hebben opgeleid in HR analytics. Eerst hebben we een capability scan uitgevoerd, om te kijken wat het niveau binnen HR was. Vervolgens hebben door een e-learning duidelijk gemaakt wat HR analytics nu eigenlijk is. Welke trends zien we en wat betekenen die voor jou? Verandert je rol? Hoe kun je cijfers gebruiken, moet je daarvoor zelf statistiek gaan studeren? 

Vervolgens hebben we collega’s tijdens een training stap voor stap door cases en het door ons ontwikkelde analyseproces heen geleid. Belangrijke component die dag was het trainen in het stellen van de juiste businessvraag. In plaats van ‘Hoe hoog is het verloop?’ bijvoorbeeld ‘Welke invloed heeft verloop op onze bedrijfsresultaten?’ Het was geweldig te zien dat iedereen in teams aan het einde van de dag zelf onderzoeksmodellen tekende. 

Als onderzoeksafdeling wil je uiteindelijk zorgen dat je ook invloed hebt

Capabilities

Het was een uiteindelijk een mooi veranderprogramma, nodig om de juiste capabilities te bouwen. We willen dat binnen het concern HR meer gericht zou zijn op het spotten van businessvragen. Dus geen zinloze dashboards of metrics met HR feiten, maar proberen om, datagedreven, de business te adviseren. Nu gaat men in HR vaak nog af op expertise of ‘gut feeling’. Wij willen bereiken dat we meer stilstaan en ons binnen HR af vragen ‘We doen dit nu wel, maar kloppen onze aannames? Hebben we cijfers om deze beslissing te onderbouwen?’ Wat is de impact op de business? Door slimme inzichten voortkomend uit data te combineren met expertise, kun je kwaliteit van besluiten verhogen. 

Zo investeren bedrijven veel in de training van personeel, maar zie je ook dat dit tot een betere prestatie leidt en uiteindelijk effect heeft op de business? Als analytics-afdeling binnen de retail hebben we daarbij een groot voordeel ten opzichte van andere sectoren. Winkels zijn prachtige eenheden om te analyseren, omdat er veel data beschikbaar is. Daarmee kun je bijvoorbeeld kijken wat de invloed van HR factoren op winkelprestatie is. 

Door slimme inzichten voortkomend uit data te combineren met expertise, kun je kwaliteit van besluiten verhogen.

Vraaggedreven?

De situatie lijkt soms een beetje op de komst van de iPad. Als je tien jaar geleden had aangekondigd dat er een geweldige tablet zou komen, had iedereen gezegd: ‘Ik heb een goede desktop en een telefoon, ik heb geen tablet nodig.’ Maar Apple ging door vanuit het idee ‘mensen weten niet dat ze een tablet willen’. Dat probleem blijf je met HR analytics ook houden. Soms zien mensen de thema’s of topics niet en dan moet je zelf het onderzoek initiëren als je denkt dat het interessant is. Neem bijvoorbeeld veiligheid. Het wordt vaak gezien als een ARBO-onderwerp. Maar als je kunt inschatten waar ongelukken zullen gaan gebeuren, kun je samenwerken om ze te voorkomen. 

Samenwerken

De kern van wat we als HR Analytics Team doen is leren van het verleden en kijken of we op basis daarvan iets kunnen zeggen over de toekomst. We gebruiken bijvoorbeeld data uit 2013 en 2014 om op basis daarvan te voorspellen wat er in 2015 gebeurt. Vervolgens leggen we de echte data van 2015 ernaast om te zien hoe accuraat we waren. Hoe vaak zit je ernaast met je voorspelling? Het is interessanter om die kans zo klein mogelijk te krijgen. Dat zijn thema’s die nauwelijks ter sprake komen als je samenwerkt met externe onderzoeksbureaus. Je doel met analytics moet niet zijn te voorspellen of een geavanceerde techniek te gebruiken, maar te begrijpen wat er gebeurt.

Het is voor ons daarom een bewuste keuze geweest om deze vaardigheden intern te bouwen. We hebben in ons team mensen die niet uit het HR-vakgebied komen, zoals een software engineer, iemand met een PHD in toegepaste statistiek en iemand met een finance achtergrond. Analysetools bouwen we veelal zelf. We documenteren onze besluiten nauwkeurig en schrijven er validatierapporten over, want we willen volgens wetenschappelijk standaarden werken. Daarom zoeken we samenwerking met universiteiten. Soms zijn onze eisen zijn zo hoog dat we niet met een commerciële partij kunnen samenwerken. We willen met onze neus op het onderzoek en de analyses zitten om te garanderen dat ze kloppen. 

HR of people analytics is iets anders dan het optimaliseren van de snelheid waarmee een blik tomaten door de supply chain heen gaat. Ons onderzoek gaat over onze mensen, daar kan je niet zorgvuldig genoeg mee omgaan. 

Responsible Data Science

Werken met data is niet zo eenvoudig. Ik begrijp wel wat uit de Raet HR Benchmark 2017 blijkt, dat HR het lastig vindt om dat op te pakken. Je wilt allereerst dat je gegevens veilig zijn, dus je moet zorgvuldig vastleggen wie erbij kan en wie kan analyseren. Responsible Data Science – hoe genereer je inzichten op basis van data op een verantwoordelijke manier – is een belangrijk thema, niet alleen in HR. Als je computers laat leren, kunnen daar dingen uit voortkomen die wel of niet leuk zijn, maar zeker een grote impact hebben op mensen. Denk maar aan de algoritmes van Google die bepalen welke advertenties je voorgeschoteld krijgen op basis van je eigen internetgedrag. Hoe komt dat tot stand? Dat is voor eindgebruikers niet altijd te achterhalen. Wij werken transparant. Iedereen kan zien wat we doen.

Ons onderzoek gaat over onze mensen, daar kan je niet zorgvuldig genoeg mee omgaan. 

Conclusie

Je kunt snel veel vaart maken met HR analytics. Het is bijvoorbeeld gemakkelijk om bij een leverancier een analyse of tool te kopen die voorspelt wanneer iemand weggaat. Maar het is ook een soort ‘black box’ met een algoritme dat niet te verifiëren is. Die ondefinieerbare kwaliteit vind ik onwenselijk, zeker in combinatie met de verplichting die we als vakgebied hebben om zorgvuldig te zijn. Het intern opzetten van een sterke afdeling met veel kennis is voor mij een randvoorwaarde als je HR analytics gaat inzetten.” 

Raet HR Benchmark, HR analytics

Raet HR Benchmark 2017: HR analytics 

HR-managers vinden HR analytics een randvoorwaarde voor de HR business partner rol. Bestuurders vinden echter dat HR nog een inhaalslag te maken heeft als het gaat om analytics. Dat en meer blijkt uit de Raet HR Benchmark 2017, een onderzoek onder medewerkers, HR-managers, bestuurders en zzp'ers.

Bekijk de onderzoeksresultaten
0

Reacties

Plaats een reactie

Sander Kars

Content Marketing Manager

+31 6 21 27 38 38