People Analytics: 2 waarden waar je rekening mee moet houden
artikelInmiddels zijn ‘we’ in de praktijk nu een decennia actief bezig met People Analytics. Circa 10 jaar geleden werden de eerste conferenties georganiseerd, kwamen de eerste teams bij elkaar en barstte er al snel een discussies los over de naamgeving – HR-analytics of People Analytics. Maar we zijn intussen heel wat jaren en ook heel wat ervaringen rijker. Dus als we nu terugblikken, wat zijn dan de lessen die we kunnen leren over wat wél en wat níet werkt? En hoe kun jij People Analytics succesvol implementeren binnen jouw organisatie?
We vragen het Sjoerd van den Heuvel: expert en professor aan de Hogeschool Utrecht op het gebied van Data Driven Business, People Analytics en de rol van de Analytics Translator.
Om tot een succesvolle data-driven business te komen springen er wat mij betreft twee woorden uit: integratie en translatie.
Zowel in Nederland als daarbuiten heb ik legio organisaties een start zien maken met People Analytics. En de eerlijkheid gebiedt mij te zeggen dat het overgrote deel daar niet succesvol in is geweest. Misschien denken zij hier echter anders over. Want wat is de definitie van succes? En misschien nog fundamenteler, wat is de definitie van ‘analytics’?
Links of rechts?
Iedereen die zich een beetje heeft ingelezen in People Analytics kent de bekende ‘muur’ van John Boudreau. Aan de linkerkant van de muurstaan metrics, oftewel geaggregeerde data: de welbekende ken- en stuurgetallen, KPI’s en standaard rapportages. Ook wel de beschrijvende analytics genoemd. En aan de rechterkant van de muur staan de zogenoemde ‘echte’ analytics. De kant waar de verbanden worden gelegd, de causaliteit wordt bepaald (voor zover dat mogelijk is) en waar de voorspellingen worden gedaan. Een organisatie kan dan misschien wel heel goed bezig zijn aan de linkerkant, maar wanneer we spreken over People Analytics, dan spreken we toch echt over de rechter.
Wat mij betreft zijn de twee volgende kernwaarden daarom enorm belangrijk: integratie en translatie.
Het integratieprobleem
Wanneer we bovenstaande discussie over de linker- en de rechterkant van de muur even links laten liggen, stuiten we allereerst op het integratieprobleem.
Veel organisaties zijn onder het mom van ‘klein beginnen’ gestart met een pilot. Waardoor ze in de laatste jaren steeds kleine toepassingen van People Analytics ontwikkelden. Heel begrijpelijk en hier is ook zeker niets mis mee. Integendeel, want je doet waardevolle ervaringen op: je levert je eerste People Analytics oplossingen én je creëert ambassadeurs. Maar waar veel organisaties op kunnen winnen is de vertaling en de transformatie van het fundament. Ik noem dit ook wel het creëren van een voedingsbodem waarop de individuele People Analytics oplossingen kunnen groeien.
Simpel voorbeeld; je kunt als organisatie nog zo’n geweldig People Analytics-traject doorlopen, maar als het management de inzichten niet meeneemt in haar besluitvorming heeft het Analytics-traject de facto geen waarde gecreëerd. Ter illustratie citeer ik een uitspraak van een grote bank die dit ervaarde: “Eigenlijk hebben de consultants ons dom gehouden, waardoor we nu weer terug bij af zijn”.
Juist op de integratie van People Analytics ligt de uitdaging. Mijn boodschap is dus: cultiveer je data-driven voedingsbodem en leg het fundament.
Cultiveer je data-driven voedingsbodem en leg het fundament.
Hoe?
Laat je organisatie transformeren langs de volgende zes critical succes areas.
--------------
6 CRITICAL SUCCES AREAS
1. Je businessmodel
Hierbij spreken we van operationele modellen en bestuur.
2. De mogelijkheden
Hiermee bedoelen we de competenties die je in huis tot je beschikking hebt. En de competenties die je van
buiten naar binnen haalt.
3. Je leadership
Stel jezelf de vraag: Hoe transformationeel, digital savvy en data-driven is het leadership binnen mijn
organisatie?
4. Cultuur
5.Technologie
6. Data
--------------
Het translatieprobleem
En dat brengt ons bij het tweede kernwoord dat er voor mij in de afgelopen 10 jaar is uitgesprongen; translatie.
Veel organisaties hebben sinds de jaren ’00 meerdere data-scientists aangenomen om data te verzamelen en hier waarde aan te ontlenen. Dit deden zij om nieuwe inzichten te genereren. In 2018 kwam McKinsey in de Harvard Business Review echter met een schokkende conclusie. Namelijk, dat dat experiment mislukt is. Data-scientists zijn namelijk geweldige analisten en ze kennen de meest geavanceerde statistische modellen. Maar, ze zijn niet opgeleid in het doorgronden van klantenwensen of business strategieën. Daarnaast staan ze niet bekend om hun storytelling vaardigheden. En bovendien spreekt ook de business niet dezelfde taal als deze data-scientists. Er gaat hier dus iets mis in de translatie.
Er gaat hier iets mis in de translatie.
McKinsey introduceerde daarom de Analytics Translator als de ‘new must have role’ voor organisaties. Een functie die kan fungeren als linking pin tussen de data expertise en de business expertise. Oftewel, de t-shaped professionals met een brede kennisbasis op het gebied van data, technologie, ethiek, privacy, analytics, én domeinkennis als specialisatie. Het is geweldig om te zien dat er steeds meer Analytics Translators worden opgeleid binnen organisaties. De verbinding met de business is hierbij alleen essentieel. Met oog op de toekomst houdt ik mijn kernwaarden dus in het achterhoofd: integratie en translatie.