68
HR Analytics Jeroen van der Sloot Utrecht, november 2017

HR Analytics - College 5 - Najaar 2017

Embed Size (px)

Citation preview

Page 1: HR Analytics - College 5 - Najaar 2017

HR Analytics

Jeroen van der Sloot

Utrecht, november 2017

Page 2: HR Analytics - College 5 - Najaar 2017

Programma

• Introductie

• HR Analytics (praktijk)

• Technische ontwikkelingen i.r.t. HR Analytics

• Verklarende, Beschrijvende en Voorspellende Analyses

• Zelf aan de slag (oefenopdracht)

• Casus

• Benodigde Competenties

• Afsluiting

Page 3: HR Analytics - College 5 - Najaar 2017

Introductie

Op welke vraag zou je graag vandaag

een antwoord willen krijgen?

Page 4: HR Analytics - College 5 - Najaar 2017

Introductie

• Projectleider/Consultant PurpleHRM

• Founder Academic Program HR Analytics

• Specialties: HR Analytics, Strategic Workforce Planning

• Previous: HR/IT Consultant, BPM software, Recruitment

Jeroen van der Sloot

@PurpleHRM

[email protected]

Page 5: HR Analytics - College 5 - Najaar 2017

Programma

• Introductie

• HR Analytics (praktijk)

• Technische ontwikkelingen i.r.t. HR Analytics

• Verklarende, Beschrijvende en Voorspellende Analyses

• Zelf aan de slag (oefenopdracht)

• Casus

• Benodigde Competenties

• Afsluiting

Page 6: HR Analytics - College 5 - Najaar 2017

Kader HR Analytics (1)

Page 7: HR Analytics - College 5 - Najaar 2017

Kader HR Analytics (2)

Page 8: HR Analytics - College 5 - Najaar 2017

Kader HR Analytics (3)

Bron: Raet HR Benchmark 2017

Page 12: HR Analytics - College 5 - Najaar 2017

Meten en HR (4)

Meten in het bedrijfsleven

Sensoren, data en Analytics

‘Routing onderzoek klanten

Via wifi hotspots’

Page 13: HR Analytics - College 5 - Najaar 2017

Meten en HR (5)

Meten in het bedrijfsleven

• Store Operations

• Basket Analysis

• Fraud detection

• Customer Intelligence

Page 14: HR Analytics - College 5 - Najaar 2017

Meten, Voorspellen, Anticiperen

Page 15: HR Analytics - College 5 - Najaar 2017

Meten en HR (6)

Wat zien wij bij HR?

Page 16: HR Analytics - College 5 - Najaar 2017

Obstakels (1)• Systemen

• Processen

• Data

Page 17: HR Analytics - College 5 - Najaar 2017

Obstakels (2)

• Beleid en visie

• Cultuur

• Competenties

• Vertaling naar operatie

• HR & ICT

Page 18: HR Analytics - College 5 - Najaar 2017

Vertaalslag van businessvraag naar analyse

Realisatie van een duurzame en vitale organisatie

Vraag Subvragen Type analyses Benodigde data

In hoeverre zijn wij als

organisatie in staat

geweest om talentvolle

medewerkers door te

laten stromen?

Page 19: HR Analytics - College 5 - Najaar 2017

Vertaalslag van businessvraag naar analyse

Realisatie van een duurzame en vitale organisatie

Vraag Subvragen Type analyses Benodigde data

In hoeverre zijn wij als

organisatie in staat geweest

om talentvolle medewerkers

door te laten stromen?

- Wat is de definitie van een

talentvolle medewerker?

(opleidingsniveau,

functiegroep, MD-

deelnemer,

vlootschouw/9-grid,

performance score?

- Kijken we naar de hele

groep of een sub-set?

(kort in dienst, young

potentials, vrouwen)

- Wat zien wij als

doorstroom?

Van functie A naar B, van

schaal 10 naar 11, van

business unit D naar

business unit E

- Welke tijdsbestek dient

bekeken te worden? Het

afgelopen jaar? De

afgelopen 2 jaar?

Page 20: HR Analytics - College 5 - Najaar 2017

Vertaalslag van businessvraag naar analyse

Realisatie van een duurzame en vitale organisatie

Vraag Subvragen Type analyses Benodigde data

In hoeverre zijn wij als

organisatie in staat geweest

om talentvolle medewerkers

door te laten stromen?

- Wat is de definitie van een

talentvolle medewerker?

(opleidingsniveau,

functiegroep, MD-

deelnemer,

vlootschouw/9-grid,

performance score?

- Kijken we naar de hele

groep of een sub-set?

(kort in dienst, young

potentials, vrouwen)

- Wat zien wij als

doorstroom?

Van functie A naar B, van

schaal 10 naar 11, van

business unit D naar

business unit E

- Welke tijdsbestek dient

bekeken te worden? Het

afgelopen jaar? De

afgelopen 2 jaar?

- % doorgestroomde (talentvolle)

medewerkers

(doorgestroomde talentvolle

medewerkers / totaal aantal

talentvolle medewerkers

- Kenmerken van doorgestroomde

medewerkers

(leeftijdsopbouw,

dienstjarenopbouw, manager,

man/vrouw)

- % doorgestroomde (talentvolle)

medewerkers huidige jaar t.o.v.

voorgaande jaar

Page 21: HR Analytics - College 5 - Najaar 2017

Vertaalslag van businessvraag naar analyse

Realisatie van een duurzame en vitale organisatie

Vraag Subvragen Type analyses Benodigde data

In hoeverre zijn wij als

organisatie in staat geweest

om talentvolle medewerkers

door te laten stromen?

- Wat is de definitie van een

talentvolle medewerker?

(opleidingsniveau,

functiegroep, MD-

deelnemer,

vlootschouw/9-grid,

performance score?

- Kijken we naar de hele

groep of een sub-set?

(kort in dienst, young

potentials, vrouwen)

- Wat zien wij als

doorstroom?

Van functie A naar B, van

schaal 10 naar 11, van

business unit D naar

business unit E

- Welke tijdsbestek dient

bekeken te worden? Het

afgelopen jaar? De

afgelopen 2 jaar?

- % doorgestroomde (talentvolle)

medewerkers

(doorgestroomde talentvolle

medewerkers / totaal aantal

talentvolle medewerkers

- Kenmerken van doorgestroomde

medewerkers

(leeftijdsopbouw,

dienstjarenopbouw, manager,

man/vrouw)

- % doorgestroomde (talentvolle)

medewerkers huidige jaar t.o.v.

voorgaande jaar

- Personeelsnum

mer

- Geslacht

- Geboortedatum

- Datum indienst

- Functie

- Schaal

- Functiegroep

- Opleidingsniveau

- Vlootschouw

score

- Beoordelingsuitk

omst

Page 22: HR Analytics - College 5 - Najaar 2017

Vertaalslag van businessvraag naar analyse

Realisatie van een duurzame en vitale organisatie

Werk in tweetallen. 1 persoon formuleert een (business) vraag, de andere persoon

stelt (sub)vragen om te komen tot de gewenste analyses en de benodigde data.

Vraag Subvragen Type analyses Benodigde data

Page 23: HR Analytics - College 5 - Najaar 2017

Programma

• Introductie

• HR Analytics (praktijk)

• Technische ontwikkelingen i.r.t. HR Analytics

• Verklarende, Beschrijvende en Voorspellende Analyses

• Zelf aan de slag (oefenopdracht)

• Casus

• Benodigde Competenties

• Afsluiting

Page 24: HR Analytics - College 5 - Najaar 2017

Tooling

Reporting Visualisatie & Data Discovery Predictive Models

Page 25: HR Analytics - College 5 - Najaar 2017

Tooling

Reporting Visualisatie & Data Discovery Predictive Models

- Integratie SPSS/R

- Datamarkets

- Connectoren social data

Page 26: HR Analytics - College 5 - Najaar 2017

Toepassingen (Visualiatie)

DAR (Dashboard)

Page 27: HR Analytics - College 5 - Najaar 2017

Toepassingen (Visualiatie)

DAR (Analyse)

Page 28: HR Analytics - College 5 - Najaar 2017

Toepassingen (Visualiatie)

DAR (Rapportage)

Page 29: HR Analytics - College 5 - Najaar 2017

Toepassingen (Interne & Externe data)

Strategic Workforce Management

Page 30: HR Analytics - College 5 - Najaar 2017

Toepassingen (Interne & Externe data)

Strategic Workforce Management

Page 31: HR Analytics - College 5 - Najaar 2017

Toepassingen (Interne & Externe data)

Strategic Workforce Management

Page 32: HR Analytics - College 5 - Najaar 2017

Toepassingen (Automatische analyses)

Page 33: HR Analytics - College 5 - Najaar 2017

Toepassingen (Automatische analyses)

•I now know total revenue over the period ($90M over 30 months)

•I know the specifics of the revenue ranges ($1.1M to $3M per month)

•Revenue improved 333% over the time analyzed, and the biggest jump between Jan 2012

to Feb 2012 by 110% and $1.1 million dollars.

•I see my peaks of revenue, I see net growth peaks

•I have a trend of $78k growth per Month over the 30 months

•I have a projection of growth to $4.4M in revenue over the next 3 months.

Page 34: HR Analytics - College 5 - Najaar 2017

Internet of Things (IOT)

Strategic Workforce Management• Een voorgestelde

ontwikkeling van het internet,

waarbij alledaagse

voorwerpen zijn verbonden

met het netwerk en

gegevens kunnen

uitwisselenwikipedia

Page 35: HR Analytics - College 5 - Najaar 2017

Internet of Things (IOT)

Strategic Workforce ManagementWat doet IOT?

Page 36: HR Analytics - College 5 - Najaar 2017

Internet of Things (IOT)

Strategic Workforce ManagementProducts like the cellularcommunication enabledSmart Belly trash usereal-time data collectionand alerts to letmunicipal services knowwhen a bin needs to beemptied.This informationcan drastically reducethe number of pick-upsrequired, and translatesinto fuel and financialsavings for communitiesservice departments

Page 37: HR Analytics - College 5 - Najaar 2017

Internet of Things (IOT)

Strategic Workforce ManagementThe Proteus ingestible pillsensor is powered bycontact with your stomachfluid and communicates asignal that determines thetiming of when you tookyour meds and theidentity of the pill. Thisinformation is transferredto a patch worn on theskin to be logged for youand your doctor'sreference. Heart rate,body position and activitycan also be detected.

Page 38: HR Analytics - College 5 - Najaar 2017

BOTS

Strategic Workforce Management-BOTS komt van (RO)BOTS

-Gaat via het internet

WebCrawlers (search engines)

Chat Room

Malicious

Page 39: HR Analytics - College 5 - Najaar 2017

BOTS

Strategic Workforce Management

Page 40: HR Analytics - College 5 - Najaar 2017

Programma

• Introductie

• HR Analytics (praktijk)

• Technische ontwikkelingen i.r.t. HR Analytics

• Verklarende, Beschrijvende en Voorspellende Analyses

• Zelf aan de slag (oefenopdracht)

• Casus

• Benodigde Competenties

• Afsluiting

Page 41: HR Analytics - College 5 - Najaar 2017

Benadering bij beschrijvende, verklarende en

voorspellende analyses

Type benadering Beschrijving

Cluster analyses Groepen samenstellen voor je

analyse

Driver analyses Bepalen van drivers

(bijvoorbeeld leeftijd, salaris,

performance i.r.t. verzuim %)

Risk Scoring Waarde toekennen aan een

driver bijv. vanuit risico

Forecasting Op basis van trends, historische

data & interval

Page 42: HR Analytics - College 5 - Najaar 2017

Waarom cluster analyses?

Strategic Workforce Management

• In order to go from data to information, to knowledge and to

wisdom, we need to reduce the complexity of the data.

• Cluster analysis: generate groups which are similar, homogeneous

within the group and as much as possible heterogeneous to other

groups, data consists usually of objects or persons, segmentation

based on more than two variables

Page 43: HR Analytics - College 5 - Najaar 2017

Clustering

Page 44: HR Analytics - College 5 - Najaar 2017

Voorbeeld Clustering Hierachial

Strategic Workforce Management

Groep 1

Leeftijdsgroep(en) 50 – 67

Dienstjarengroep(en) 20>

Salarisschaal >10

Groep 2

Leeftijdsgroep(en) <50

Dienstjarengroep(en) <15

Salarisschaal <10

Page 45: HR Analytics - College 5 - Najaar 2017

Verzuim metrics (1)

Strategic Workforce ManagementRegio Gemiddelde

verzuim %

2016 (januari

t/m

december)

Algemeen beeld (positief/negatief)

Noord 4,32%

West 5,73%

Zuid 5,87%

Oost 3,87%

Page 46: HR Analytics - College 5 - Najaar 2017

Verzuim metrics (2)

Strategic Workforce ManagementRegio Gemiddelde

verzuim %

2016 (januari

t/m

december)

Meldings-

frequentie

2016

(cumulatief)

Algemeen beeld (positief/negatief)

Noord 4,32% 1,01

West 5,73% 1,22

Zuid 5,87% 0,95

Oost 3,87% 0,88

Page 47: HR Analytics - College 5 - Najaar 2017

Verzuim metrics (3)

Strategic Workforce Management

Regio Gemiddelde

verzuim %

2016 (januari

t/m

december)

Meldings-

frequentie

2016

(cumulatief)

Verzuim

trendlijn

hoger/lager

dan in 2015

Algemeen beeld (positief/negatief)

Noord 4,32% 1,01 Hoger

West 5,73% 1,22 Hoger

Zuid 5,87% 0,95 Lager

Oost 3,87% 0,88 Lager

Page 48: HR Analytics - College 5 - Najaar 2017

Verzuim metrics (4)

Strategic Workforce Management

Regio Gemiddelde

verzuim %

2016 (januari

t/m

december)

Meldings-

frequentie

2016

(cumulatief)

Verzuim

trendlijn

hoger/lager

dan in 2015

Algemeen beeld (positief/negatief)

Noord 4,32% 1,01 Hoger Negatief

Regio noord heeft welliswaar samen met regio Oost een

laag verzuim, echter is er sprake van een hogere

verzuimlijn (in vergelijking met 2015) en is er een hogere

meldingsfrequentie.

West 5,73% 1,22 Hoger Negatief

Regio West scoort op alle fronten slechter dan de overige

regio’s en behoeft extra aandacht. Aangezien zowel het

verzuimpercentage als de frequentie hoog ligt is er

enerzijds vaker verzuim maar ligt het verzuim ook hoger

Zuid 5,87% 0,95 Lager Overwegend positief:Regio Zuid heeft het hoogste

verzuim percentage maar laat een lagere verzuimlijn zien

dan in 2015. Ook de meldingsfrequentie komt uit onder de

1.

Oost 3,87% 0,88 Lager Positief: Regio Oost scoort op alle fronten positief t.o.v. de

overige regio’s t.a.v. de verzuimcijfers

Page 49: HR Analytics - College 5 - Najaar 2017

Analyse verzuim i.r.t. uitstroomreden

Strategic Workforce Management

Page 50: HR Analytics - College 5 - Najaar 2017

Verklaring uitstroom & verzuim

Strategic Workforce ManagementAantal

medewerkers

Gemiddelde

leeftijd

Gemiddelde

dienstjaren

Uitstroom

reden

211 26,5 1 Einde

dienstverband

bep. tijd

122 41,3 5,8 Gedwongen

ontslag

186 36,2 4,8 Opzegging

dienstverband

Page 51: HR Analytics - College 5 - Najaar 2017

Analyseren op basis van historie

Page 52: HR Analytics - College 5 - Najaar 2017

‘Voorspellen’ van verzuim

Strategic Workforce Management

Trendlijn Intramuraal

Extramuraal

Intramuraal

- Seizoensinvloeden

- Trendlijn

Page 53: HR Analytics - College 5 - Najaar 2017

Vraagstelling: in hoeverre zit er nog beweging in het

personeelsbestand van het X Ziekenhuis? Werken in de zorg is veelal een bewuste keuze. Kenmerkend voor medewerkers in de zorg is dat ze loyaal zijn aan het werk

dat men doet en veelal een langdurige dienstbetrekking aangaan. Langer dan 15 jaar in dienst bij dezelfde werkgever is eerder

regel dan uitzondering. Maar is dit positief? Het brengt namelijk ook risico’s met zich mee. Denk aan medewerkers die niet

meer mee kunnen met de veranderingen van de steeds complexer wordende zorg(vraag) waardoor om- of bijscholing

noodzakelijk is. Daarnaast loop je ook als organisatie het risico dat binnen bepaalde afdelingen geen ruimte meer is voor

nieuwe instroom en de bestaande populatie alleen maar verder aan het vergrijzen is, wat ook effect heeft op vitaliteit en

stijgende personele kosten. Mobiliteit (buiten de organisatie) hoeft dus geen verkeerde beweging te zijn. Binnen het X

Ziekenhuis bestaat het onderbuikgevoel dat er weinig tot geen beweging zit in het personeelsbestand. Mensen die eenmaal een

dienstbetrekking hebben bij het Ziekenhuis blijven ook zitten en verlaten de organisatie ‘nooit’ meer. Om te analyseren of dit

‘onderbuikgevoel’ klopt worden onderstaande vragen nader geanalyseerd.

Vraagstelling: in hoeverre zit er nog beweging in het personeelsbestand van het Ziekenhuis?

Deelvraag 1: Hoe ziet de huidige in- en uitstroom dynamiek er uit?

Deelvraag 2: Binnen welke leeftijd/aantal dienstjaren is de vertrekkans het grootst?

Page 54: HR Analytics - College 5 - Najaar 2017

Strategic Workforce Management

Als vanuit de in- en uitstroom nader gekeken wordt naar functies met de grootste in- en uitstroom dynamiek dan springt de

functie verpleegkundige oproep er tussen uit. In deze functie is zowel sprake van een hoge instroom als een hoge

uitstroom, zeker in vergelijking met andere functies uit onderstaand overzicht.

Analyseren van verloop op basis van functies

Page 55: HR Analytics - College 5 - Najaar 2017

Analyseren van driver(s)

Strategic Workforce Management

Page 56: HR Analytics - College 5 - Najaar 2017

Kenmerken specifieke groep (verpleegkundige)

Strategic Workforce ManagementVerpleegkundige Oproep per 01-12-2015

136 medewerkers

Kenmerken van bovenstaande groep

Per 01-12-2016

103 medewerkers zijn

nog steeds in dienst

33 medewerkers hebben de

organisatie verlaten

47 van hen zijn

doorgestroomd naar een

andere functie

Page 57: HR Analytics - College 5 - Najaar 2017

Analyse vertrekkans

Strategic Workforce Management

Page 58: HR Analytics - College 5 - Najaar 2017

Programma

• Introductie

• HR Analytics (praktijk)

• Technische ontwikkelingen i.r.t. HR Analytics

• Verklarende, Beschrijvende en Voorspellende Analyses

• Zelf aan de slag (oefenopdracht)

• Casus

• Benodigde Competenties

• Afsluiting

Page 59: HR Analytics - College 5 - Najaar 2017

59

Zelf aan de slag (oefenopdracht)

Praktisch: toegang tot de omgeving

Website edu.dataengine.nl/hrm

Gebruikersnaam hsupurple

Wachtwoord purplehsu1

Page 60: HR Analytics - College 5 - Najaar 2017

Programma• Introductie

• HR Analytics

• Kader

• Relevantie

• HR & Meten

• De praktijk en obstakels

• Inbedden van HR Analytics

• Verklarende, Beschrijvende en Voorspellende Analyses

• Zelf aan de slag (oefenopdracht)

• Casus

• Benodigde Competenties

• Afsluiting

Page 61: HR Analytics - College 5 - Najaar 2017

Casus: Beschrijving (1)

Beschrijving

Hogeschool de Krimp bestaat al 10 jaar en heeft de laatste jaren qua personeel

een groei doorgemaakt, met uitzondering van een kleine krimp in 2016. Het gaat

financieel gezien niet slecht met Hogeschool de Krimp en ook de

studentenaantallen blijven groeien.

Vanuit het directieteam is een langetermijn strategie 2020 gefomuleerd waarbij

onderstaande peiler centraal zal staan:

Ook HR zal op bovenstaande peiler moeten aansluiten en dit vertalen naar HR

beleid en bijbehorende invulling met bestaande

en nieuwe HR instrumenten.

Realisatie van een duurzame en vitale organisatie

Page 62: HR Analytics - College 5 - Najaar 2017

Casus: Beschrijving (2)

Wie ben jij en wat is je opdracht?

Jij werkt als HR expert en hebt van het MT HRM de opdracht gekregen om een

analyse uit te voeren. Doelstelling is om te analyseren in hoeverre Hogeschool

de Krimp een duurzame en vitale organisatie is. Je zal dan ook de juiste

inzichten moeten bieden om het HRM MT inzicht te geven in de huidige stand

van zaken binnen de hogeschool. Deze inzichten zijn enerzijds ter

ondersteuning voor visievorming: wat is een duurzame en vitale organisatie en

anderzijds voor het vaststellen van de KPI’s om te

sturen op de realisatie van een duurzame en

vitale organisatie

Bron figuur: AnalitiQs / www.hrhub.nl

Page 63: HR Analytics - College 5 - Najaar 2017

Werkwijze binnen deze casus

Bron figuur: AnalitiQs / www.hrhub.nl

Page 64: HR Analytics - College 5 - Najaar 2017

Casus: Beschrijving (3)

Invulling van de opdracht

Maak een presentatie voor het HRM MT en deel hen de door jou

gemaakte analyse. Maak gebruik van minimaal 3 thema’s* die

helpen bij de visievorming: ‘wat is een duurzame en vitale

organisatie’.

Eindig je presentatie met een advies voor de verdere invulling van

KPI’s ter ondersteuning, bij het meetbaar maken van, de realisatie

van de duurzame en vitale organisatie.

*zie de volgende pagina met mogelijke thema’s

Page 65: HR Analytics - College 5 - Najaar 2017

Casus: Beschrijving (4)

Realisatie van een duurzame en vitale organisatie

Thema Ondersteunende parameters

Verzuim

Mobiliteit

Leeftijd

Kosten

Arbeidsrelaties

Kwaliteit

Overige

Page 66: HR Analytics - College 5 - Najaar 2017

Programma• Introductie

• HR Analytics

• Kader

• Relevantie

• HR & Meten

• De praktijk en obstakels

• Inbedden van HR Analytics

• Verklarende, Beschrijvende en Voorspellende Analyses

• Zelf aan de slag (oefenopdracht)

• Casus

• Benodigde Competenties

• Afsluiting

Page 67: HR Analytics - College 5 - Najaar 2017

Benodigde Competenties

Werk onderstaande vragen uit in je groepje.

Deze worden hierna plenair binnen de hele groep met elkaar besproken

Vraag

• Welke HR analytics ‘resultaten’ wordt van de HR functies: HR business partner,

HR adviseur en HR specialist verwacht?

• Welke competenties (kennis, vaardigheden en gedrag zijn hiervoor nodig?

• Zijn deze voldoende duidelijk in huidige functieprofielen? Wat ontbreekt er?

• Zijn jullie reeds voldoende geëquipeerd om HR analytics toe te passen?

• Wat is nodig om jullie ‘fit for the job’ te krijgen en houden t.a.v. HR analytics?

Page 68: HR Analytics - College 5 - Najaar 2017

Vragen?

Jeroen van der [email protected]

06-24361989