Begin eens met small data

0

In HR wordt nu veel gesproken over big data. Echter, ‘kleine data’ zijn op korte termijn veel veelbelovender. Dit betekent effectiever omgaan met huidige toegankelijke data voordat gedacht wordt aan het analyseren van uitgebreide datasets. Vrijwel geen enkele bedrijf besteedt aandacht aan de waardevolle gegevens over de voor haar werkzame talenten. Deze gegevens kunnen gebruikt worden om op fundamentele wijze het werven en ontwikkelen van talent te verbeteren.

Ieder jaar worden wereldwijd miljarden uitgegeven aan de beoordeling en evaluatie van talent. Welk talent moet aangenomen worden, wie komt voor promotie in aanmerking en hoe kan talent ontwikkeld worden? Hiertoe worden zeer veel data verzameld over medewerkers.

Deze data worden gebruikt om beslissingen te nemen over individuele medewerkers. Daarmee missen organisaties kansen. Door data te aggregeren kan bijvoorbeeld de effectiviteit van het werving- en selectieproces bepaald worden of de toegevoegde waarde van het management development programma. Door data te structureren kan het W&S-proces aangepast worden, kan verloop teruggedrongen worden en wordt opleiding en training meer maatwerk.

Dat hoeft volgens Nik Kinley en Schlomo Ben-Hur helemaal niet ingewikkeld te zijn. Zij hebben dit zelf ervaren bij een grote organisatie die zij recent hebben geadviseerd. Deze organisatie heeft haar selectieproces omgegooid naar aanleiding van drie simpele analyses die met behulp van een simpele spreadsheet werden uitgevoerd:

De beoordelingen van competenties van pas aangenomen medewerkers werden vergeleken met die van huidige medewerkers. Sterke en zwakke punten van pas aangenomen medewerkers kwamen vrijwel overeen met die van medewerkers die reeds langer in dienst waren. Nieuwe medewerkers leken wel klonen van huidige medewerkers. Dit zorgde ervoor dat het aannamebeleid werd aangepast.

De kwaliteiten van high-potentials werden vergeleken met medewerkers die promotie maakten. De high-potentials bleken extraverter, ondernemender en kregen over het algemeen een betere beoordeling van hun manager. De medewerkers die promotie kregen presteerden uitstekend, maar werden tevens als echte, naar consensus strevende teamplayers gezien. De organisatie wilde echter sneller, ondernemender en risicovoller opereren. De criteria voor promotie moesten dus worden aangepast.

De sterke punten van medewerkers, groepen en business units werden vergeleken met die punten die nodig zijn om de strategische doelstellingen te behalen. Ook dit is niet ingewikkeld. Kijk naar de beoordeling op competenties van medewerkers en bereken het gemiddelde per groep of afdeling. De sterke en zwakke punten van afdelingen zijn dan bekend. Bij deze organisatie wilde de CEO dat het senior management echt opstaat en moeilijke beslissingen neemt, zodat veranderingen tot stand komen. Het bleek echter dat pas aangenomen managers daar laag op scoorden. Het werving- en selectieproces werd daarop onmiddellijk aangepast.

Dit zijn (relatief) eenvoudige analyses die zonder dure systemen uitgevoerd kunnen worden. Teneinde data over talent om te zetten in informatie over talent kunnen de volgende drie stappen doorlopen worden:

Verzamel data. Data moeten centraal verzameld worden. Het betreft data over sollicitanten, assessments, beoordelingen, prestaties en testscores. Een spreadsheet volstaat meestal, maar het moet wel mogelijk zijn om een overzicht te krijgen van alle talentdata binnen de organisatie.

Wees consequent. Verzamel, voor zover mogelijk, over iedereen dezelfde data. Data over intelligentie en over persoonlijkheid zijn niet vergelijkbaar. Als van iedereen gegevens over de persoonlijkheid beschikbaar zijn, is vergelijking wel mogelijk. Als van voldoende personen deze gegevens beschikbaar zijn kunnen groepen met elkaar vergeleken worden of individuen afgezet tegen een specifieke groep. Steeds moeten dan wel appels met appels vergeleken worden.

Blijf continu verzamelen en vergelijken. Initiële gegevens zijn waardevol. Longitudinale gegevens zijn echter nog veel waardevoller. Als bijvoorbeeld de beoordeling op competenties van nieuwe medewerkers vergeleken wordt met de scores het jaar daarop, kan bepaald worden welke competenties succes voorspellen. En als die data gekoppeld worden aan data over promoties kan bepaald worden welke eigenschappen het meest waardevol zijn voor de organisatie.

Een organisatie die data gestructureerd verzamelt en analyseert kan veel beter onderbouwde beslissingen nemen. In een  dergelijke organisatie wordt gebruikt gemaakt van talentintelligence. En dat hoeft niet ingewikkeld te zijn. Klein beginnen is het devies.

Dit artikel over de impact van small data is te vinden op het blog Harvard Business Review.

Lees meer over:

Over Auteur

De redactie van XpertHR Actueel zorgt er gezamenlijk voor dat u op de hoogte blijft van het laatste P&O-nieuws, de ontwikkelingen in het vakgebied en relevante jurisprudentie.