HR-data zijn de toekomst voor organisaties. Het gaat om het inzetten van beschikbare en nieuwe data over je medewerkers voor je organisatie. Van de aanwerving van nieuwe medewerkers tot in kaart brengen van potentiële vertrekkers, HR-data helpt je organisatie vooruit. Mondeaan Tom Lefevere ging al voor verschillende organisaties aan de slag met HR-data. Op basis hiervan geeft Tom graag een aantal tips over hoe je HR-data best verzamelt en gebruikt.
Wat zijn HR-data?
HR-data, of human resources data, verwijst naar informatie die betrekking heeft op de werknemers binnen een organisatie. Het kan variëren van basisinformatie zoals namen en contactgegevens van medewerkers tot meer diepgaande informatie zoals prestatiebeoordelingen, salarisgegevens, opleidingsgeschiedenis, verlofaanvragen, enzovoort.
Welke HR-data zijn de juiste om te verzamelen?
Hier is geen éénduidig antwoord op te geven. Belangrijk is om als organisatie eerst goed na te denken over wat het doel is van het verzamelen/monitoren van HR-data. Wil je data gebruiken om een zicht te krijgen op de huidige situatie of wil je de data gebruiken om pro-actief te kunnen handelen of wil je ze gebruiken om keuzes te maken in de toekomst?
De keuze van data kan hierbij variëren. Stel dat je een HR-dashboard wil ontwikkelen zodat je steeds in één oogopslag een zicht hebt op de actuele situatie van jouw organisatie dan kunnen deze goede kengetallen zijn:
- de evolutie van de personeelsbezetting per afdeling/niveau
- het ziekteverzuimtepercentage
- de bradfordfactor (een getal dat wordt gebruikt om het verzuim binnen een organisatie te analyseren en te kwantificeren a.d.h.v. aantal verzuimperioden en de duur ervan
- de leeftijdtijdspiramide
- de gemiddelde tewerkstellingsbreuk
- het aantal tijdelijke werknemers
- het aantal in – & uitdiensttredingen/maand
Maar, belangrijk is, begin bij het begin! Het spreekwoord ‘Rome is niet op één dag gebouwd’ is hier zeker van toepassing. Begin bij het verzamelen van de basisinformatie en vul deze stelselmatig bij met nieuwe data.
Zo ontwikkelden we in een aantal gemeenten al een dashboard waarmee de personeelsdienst en het MAT een zicht kunnen krijgen op de huidige situatie en er vervolgens een aantal gerichte keuzes kunnen worden gemaakt i.f.v. hun personeelsbeleid.
![](https://mondea.be/wp-content/uploads/2023/08/DashboardHR1-300x210.png)
![](https://mondea.be/wp-content/uploads/2023/08/DashboardHR2-300x208.png)
![](https://mondea.be/wp-content/uploads/2023/08/DashboardHR3-300x207.png)
![](https://mondea.be/wp-content/uploads/2023/08/DashboardHR4-300x205.png)
Wat is de meest efficiënte wijze om deze data te verzamelen? Hoe beheer je deze data op een goede manier?
Hier wringt nogal vaak het schoentje. Een allesomvattend systeem is er meestal niet waardoor de data in verschillende softwarepakketten of allerhande lijstjes terug te vinden is. Vaak gaat dit gepaard met manuele input wat dan weer extra werk betekent. Ook datavervuiling is een risico. Het gaat dan om datasets die onvolledig of onjuist zijn zodat de kwaliteit inboet.
Het is dus aangewezen om zo weinig mogelijk verschillende databronnen te gebruiken en goede afspraken te maken over de wijze van input. Keuzevelden gebruiken in plaats van vrije invulvelden kunnen hierbij ook helpend zijn. Verder is het van belang om van tijd tot tijd even kritisch te kijken naar de databronnen. De waan van de dag zorgt er immers soms voor dat bepaalde aanpassingen niet of onvolledig gebeurden waardoor je als het ware vervuilde data krijgt.
Wat zijn vanuit jouw ervaring de meest voorkomende valkuilen op het vlak van HR-data?
Zoals ik al aangaf, zijn er vaak heel wat verschillende lijstjes. Soms kom je ook tot de conclusie dat een bepaald lijstje eigenlijk enkel nog uit gewoonte wordt bijgehouden terwijl niemand dit nog consulteert. De oorzaak van de noodzaak tot het bijhouden van één of meerdere van de lijstjes is soms onvoldoende kennis van de mogelijkheden van de diverse softwarepakketten of een gebrek aan kennis om data met elkaar te combineren.
Hoe denk jij dat HR-data zal evolueren?
AI zal een impact hebben op HR. AI kan bijvoorbeeld voorspellen welke werknemers een hoog risico lopen om de organisatie te verlaten. Dit kan helpen bij het nemen van proactieve maatregelen om werknemers te behouden of in te zetten op talentwerving/ontwikkeling. Om dit mogelijk te maken moet er wel tijdens een referentieperiode betrouwbare data verzameld worden.
Kan je een praktisch voorbeeld geven: hoe heeft HR-data al zijn meerwaarde bewezen?
Als je bijvoorbeeld de data op het vlak van werving en selectie in kaart brengt, krijg je inzicht in:
- Doorlooptermijnen
- Aantal kandidaten die solliciteren
- Aantal kandidaten die deelnemen aan het 1e selectie onderdeel
- Aantal kandidaten die slagen / niet slagen
- …
Als je deze data analyseert, kan je knelpunten benoemen zoals een te lange doorlooptijd tussen bepaalde fasen in het proces, de effectiviteit van acties op het vlak van werving, het gemiddeld slaagpercentage, ..
Hoe helpt MONDEA op dit vlak?
Vanuit Mondea helpen we lokale besturen op diverse vlakken. Zo kunnen we een organisatie helpen bij het bepalen van zijn ken- of stuurgetallen, kunnen we een analyse uitvoeren over welke data er reeds aanwezig is, kunnen we nagaan of we manuele handelingen kunnen uitschakelen, kunnen we de gewenste rapportering bouwen…