College 3 & 4 HR Analytics (Jeroen)

69
HR Analytics Jeroen van der Sloot Utrecht, maart 2017

Transcript of College 3 & 4 HR Analytics (Jeroen)

Page 1: College 3 & 4 HR Analytics  (Jeroen)

HR Analytics

Jeroen van der SlootUtrecht, maart 2017

Page 2: College 3 & 4 HR Analytics  (Jeroen)

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 3: College 3 & 4 HR Analytics  (Jeroen)

Introductie

Op welke vraag zou je graag vandaag een antwoord willen krijgen?

Page 4: College 3 & 4 HR Analytics  (Jeroen)

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: College 3 & 4 HR Analytics  (Jeroen)

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 6: College 3 & 4 HR Analytics  (Jeroen)

Kader HR Analytics (1)

Page 7: College 3 & 4 HR Analytics  (Jeroen)

Kader HR Analytics (2)

Page 8: College 3 & 4 HR Analytics  (Jeroen)

Kader HR Analytics (3)

Bron: Raet HR Benchmark 2017

Page 9: College 3 & 4 HR Analytics  (Jeroen)

Relevantie HR Analytics – NL (1)

Bron: Raet HR Benchmark 2017

Page 10: College 3 & 4 HR Analytics  (Jeroen)

Relevantie HR Analytics – NL (2)

Bron: Raet HR Benchmark 2017

Page 14: College 3 & 4 HR Analytics  (Jeroen)

Meten en HR (4)Meten in het bedrijfsleven

Sensoren, data en Analytics‘Routing onderzoek klantenVia wifi hotspots’

Page 15: College 3 & 4 HR Analytics  (Jeroen)

Meten en HR (5)Meten in het bedrijfsleven

• Store Operations• Basket Analysis • Fraud detection• Customer Intelligence

Page 16: College 3 & 4 HR Analytics  (Jeroen)

Meten, Voorspellen, Anticiperen

Page 17: College 3 & 4 HR Analytics  (Jeroen)

Meten en HR (6)Wat zien wij bij HR?

Page 18: College 3 & 4 HR Analytics  (Jeroen)

Obstakels (1)• Systemen• Processen• Data

Page 19: College 3 & 4 HR Analytics  (Jeroen)

Obstakels (2)

• Beleid en visie• Cultuur• Competenties• Vertaling naar operatie• HR & ICT

Page 20: College 3 & 4 HR Analytics  (Jeroen)

Obstakels (3)

Biggest obstacles to achieving better use of data, metrics, and analytics (HR Joins the Analytics Revolution, Harvard Business Review 2016)

Page 21: College 3 & 4 HR Analytics  (Jeroen)

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 22: College 3 & 4 HR Analytics  (Jeroen)

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 23: College 3 & 4 HR Analytics  (Jeroen)

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 24: College 3 & 4 HR Analytics  (Jeroen)

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

- Personeelsnummer

- Geslacht- Geboortedatum- Datum indienst- Functie- Schaal- Functiegroep- Opleidingsnivea

u- Vlootschouw

score- Beoordelingsuitk

omst

Page 25: College 3 & 4 HR Analytics  (Jeroen)

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 26: College 3 & 4 HR Analytics  (Jeroen)

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 27: College 3 & 4 HR Analytics  (Jeroen)
Page 28: College 3 & 4 HR Analytics  (Jeroen)

‘Inbedding’ van HR Analytics

Beleid en Strategie

Processen OrganiserenSystemen

Cul

tuur

Page 29: College 3 & 4 HR Analytics  (Jeroen)

Cultuur

• ‘Blauwe’ OF ‘Rode’ benadering• Positie HR informatie binnen MT/Directie• Inspelen op Business Topic(s)• Gebruiken als kapstok HRM thema’s

Page 30: College 3 & 4 HR Analytics  (Jeroen)

Systemen (HRM)

Page 31: College 3 & 4 HR Analytics  (Jeroen)

Organiseren (1)

Page 32: College 3 & 4 HR Analytics  (Jeroen)

• Snelspoor• Snelle opzet• Beantwoorden businessvraagstuk• Ontwikkeling binnen enkele uren - dagen

• Borgspoor• Projectmatig• Definities borgen• Opzet binnen datawarehouse

• Housekeeping• Omgeving beheren, storage en usage• Optimalisatie GUI• Governance en trainen users

OrganiserenOrganiseren (2)

Page 33: College 3 & 4 HR Analytics  (Jeroen)

Tooling

Reporting Visualisatie & Data Discovery Predictive Models

Page 34: College 3 & 4 HR Analytics  (Jeroen)

Tooling

Reporting Visualisatie & Data Discovery Predictive Models

- Integratie SPSS/R- Datamarkets- Connectoren social data

Page 35: College 3 & 4 HR Analytics  (Jeroen)

Toepassingen (Visualiatie)

DAR (Dashboard)

Page 36: College 3 & 4 HR Analytics  (Jeroen)

Toepassingen (Visualiatie)

DAR (Analyse)

Page 37: College 3 & 4 HR Analytics  (Jeroen)

Toepassingen (Visualiatie)

DAR (Rapportage)

Page 38: College 3 & 4 HR Analytics  (Jeroen)

Toepassingen (Automatische analyses)

Page 39: College 3 & 4 HR Analytics  (Jeroen)

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 40: College 3 & 4 HR Analytics  (Jeroen)

Toepassingen (Interne & Externe data)Strategic Workforce Management

Page 41: College 3 & 4 HR Analytics  (Jeroen)

Toepassingen (Interne & Externe data)Strategic Workforce Management

Page 42: College 3 & 4 HR Analytics  (Jeroen)

Toepassingen (Interne & Externe data)Strategic Workforce Management

Page 43: College 3 & 4 HR Analytics  (Jeroen)

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 44: College 3 & 4 HR Analytics  (Jeroen)

Beschrijvende – verklarende en voorspellende analyses

Page 45: College 3 & 4 HR Analytics  (Jeroen)

Beschrijvende – verklarende en voorspellende analyses

Page 46: College 3 & 4 HR Analytics  (Jeroen)

Beschrijvende – verklarende en voorspellende analyses

Page 47: College 3 & 4 HR Analytics  (Jeroen)

Benadering bij beschrijvende, verklarende en voorspellende analyses

Type benadering BeschrijvingCluster analyses Groepen samenstellen voor je

analyseDriver 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 48: College 3 & 4 HR Analytics  (Jeroen)

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 49: College 3 & 4 HR Analytics  (Jeroen)

Clustering

Page 50: College 3 & 4 HR Analytics  (Jeroen)

Cluster & Factor analysesStrategic Workforce Management

Page 51: College 3 & 4 HR Analytics  (Jeroen)

Toepassing Cluster / Factor

Page 52: College 3 & 4 HR Analytics  (Jeroen)

Voorbeeld Clustering HierachialStrategic Workforce Management

Groep 1Leeftijdsgroep(en) 50 – 67Dienstjarengroep(en) 20>Salarisschaal >10

Groep 2Leeftijdsgroep(en) <50Dienstjarengroep(en) <15Salarisschaal <10

Page 53: College 3 & 4 HR Analytics  (Jeroen)

Verzuim metrics (1)Strategic Workforce Management

Regio Gemiddelde verzuim % 2016 (januari t/m december)

Algemeen beeld (positief/negatief)

Noord 4,32%

West 5,73%

Zuid 5,87%

Oost 3,87%

Page 54: College 3 & 4 HR Analytics  (Jeroen)

Verzuim metrics (2)Strategic Workforce Management

Regio 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 55: College 3 & 4 HR Analytics  (Jeroen)

Verzuim metrics (3)Strategic Workforce Management

Regio Gemiddelde verzuim % 2016 (januari t/m december)

Meldings-frequentie 2016 (cumulatief)

Verzuim trendlijnhoger/lager dan in 2015

Algemeen beeld (positief/negatief)

Noord 4,32% 1,01 Hoger NegatiefRegio 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 56: College 3 & 4 HR Analytics  (Jeroen)

Analyse verzuim i.r.t. uitstroomredenStrategic Workforce Management

Page 57: College 3 & 4 HR Analytics  (Jeroen)

Verklaring uitstroom & verzuimStrategic Workforce Management

Aantal 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 58: College 3 & 4 HR Analytics  (Jeroen)

Analyseren op basis van historie

Page 59: College 3 & 4 HR Analytics  (Jeroen)

‘Voorspellen’ van verzuimStrategic Workforce Management

Trendlijn IntramuraalExtramuraal

Intramuraal

- Seizoensinvloeden- Trendlijn

Page 60: College 3 & 4 HR Analytics  (Jeroen)

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: College 3 & 4 HR Analytics  (Jeroen)

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 62: College 3 & 4 HR Analytics  (Jeroen)

Casus: Beschrijving (1)BeschrijvingHogeschool 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 bestaandeen nieuwe HR instrumenten.

Realisatie van een duurzame en vitale organisatie

Page 63: College 3 & 4 HR Analytics  (Jeroen)

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 64: College 3 & 4 HR Analytics  (Jeroen)

Werkwijze binnen deze casus

Bron figuur: AnalitiQs / www.hrhub.nl

Page 65: College 3 & 4 HR Analytics  (Jeroen)

Casus: Beschrijving (3)

Invulling van de opdrachtMaak 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 66: College 3 & 4 HR Analytics  (Jeroen)

Casus: Beschrijving (4)

Realisatie van een duurzame en vitale organisatie

Thema Ondersteunende parametersVerzuim

Mobiliteit

Leeftijd

Kosten

Arbeidsrelaties

Kwaliteit

Overige

Page 67: College 3 & 4 HR Analytics  (Jeroen)

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 68: College 3 & 4 HR Analytics  (Jeroen)

Benodigde CompetentiesWerk 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 69: College 3 & 4 HR Analytics  (Jeroen)

Vragen?

Jeroen van der [email protected]