‘Wij willen starten met HR analytics, wat is de ideale opleidingsachtergrond voor de eerste HR analist die ik aanneem?’. Een tijdje geleden hoorde ik een HR manager deze vraag stellen op een congres. Econometrie of computer science, was de algemene consensus onder de aanwezigen. Mijn antwoord week wat af: ‘bedrijfskunde, liefst met HRM als specialisatie, en basiskennis van statistiek’.
Analysewerk is niet uniek voor HR
Het ‘minen’, combineren en ‘cleanen’ van data uit verschillende gegevensbronnen, het inrichten van databases en rapportagetools en het ontwikkelen van statistische modellen die inzicht geven in de vraagstukken die er toe doen…analysewerk is onmiskenbaar een specialisme. Een steeds schaarser wordend specialisme bovendien: vacaturesite Indeed.nl telde 118 Nederlandse vacatures voor data scientists op het moment dat ik dit artikel schreef.
Het analysewerk dat binnen HR analytics plaatsvindt is echter zeker geen unieke specialiteit. De analysetechnieken die binnen HR analytics gebruikt worden verschillen namelijk niet heel sterk van – noem eens een dwarsstraat – die binnen marketing analytics. Binnen die laatste discipline wordt hooguit meer energie gestoken in het ‘minen’ van data van buiten de organisatie, over trends en klanten.
Als goede analisten schaars zijn en de analysetechnieken binnen HR analytics niet specifiek zijn voor HR, is er eigenlijk ook geen reden om deze analyses per se binnen de HR-afdeling uit te voeren. HR analyses kunnen ook uitgevoerd worden binnen een centraal analytics team, of bijvoorbeeld uitbesteed worden aan een hierin gespecialiseerde externe partij. In de (nabije) toekomst zullen bovendien steeds meer en steeds betere ‘do it yourself’ analysetools beschikbaar komen waarmee niet-statistici eenvoudige verklarende modellen en visualisaties kunnen maken voor hun businessvragen.
Is HR analytics als discipline dan overbodig? Volgens mij zeker niet! De crux zit ‘m alleen niet in het analysewerk zelf. Er zijn echter ook nog andere competenties nodig om echt impact te maken met HR analytics.
Uitkomsten uit modellen hebben niet ‘zomaar’ impact
Thomas Davenport was volgens mij een van de eerste auteurs die een boek schreef over de competenties voor succesvolle analytics: Keeping up with the quants. Analytics in zijn algemeenheid – mind you! – want Davenport is geen voorstander van analytics die per discipline georganiseerd zijn (wat HR analytics natuurlijk wel is). Een belangrijke bijdrage van dit boek is de notie dat ‘quants’ – zoals Davenport data scientists noemt – met de uitkomsten van hun modellen niet zomaar impact hebben op beslissingen. Managers hebben voldoende competenties nodig om effectief met quants te kunnen samenwerken: een basiskennis statistiek, continu kritische vragen kunnen stellen over uitgangspunten die de quants hanteren en het om opheldering blijven vragen als het de quants niet lukt om hun inzichten in begrijpelijke taal uit te leggen. Quants moet je op hun beurt aansporen zich te verdiepen in hoe de business werkt, meer uitleg te geven over wat de inzichten betekenen en – vooral – te werken aan een effectieve samenwerkingsrelatie met de gebruikers van de door hun ontwikkelde inzichten.
Welke HR analytics competenties zijn het belangrijkst?
CEB publiceerde eerder dit jaar een artikel waarin vier competenties genoemd worden die nodig zijn voor succesvolle toepassing van analytics binnen HR. Die vier competenties zijn:
- Een “business challenger” die kan samenwerken met stakeholders binnen en buiten HR en deze ook kan beïnvloeden.
- Een “HR domain expert” die de vertaling kan maken van een business behoefte naar een concreet en analyseerbaar HR-vraagstuk.
- Een “programmer” die databases kan ontwerpen en data uit verschillende bronnen kan integreren.
- Een “data scientist” die zowel de klassieke analysetechnieken beheerst als kennis heeft van gevorderde methoden voor big data analytics.
Deze competenties kunnen volgens CEB verspreid zijn over meerdere functionarissen of – if you’re lucky – binnen één persoon aanwezig zijn. Ik durf de stelling aan dat je de combinatie van bedrijfskundig inzicht, het kunnen werken met en enthousiasmeren van verschillende stakeholders, een goede basis in het HR-vak en gevorderde statistische kennis bijna nooit in één persoon gaat vinden. En dat hoeft ook niet.
Veel organisaties die analytics gebruiken binnen HR kiezen er voor om een soort intermediair-rol in het leven te roepen, iemand die effectief kan schakelen met de gebruikers van inzichten (het management), de aanbieders van het HR-instrumentarium (HR) en degenen die de inzichten creëren door middel van data analyse (de data scientists). Volgens mij is deze intermediair-rol de sleutelrol voor succesvolle HR analytics. Effectieve samenwerking tussen de verschillende actoren in HR analytics wordt gefaciliteerd door deze intermediair, die bovendien als een interne ambassadeur optreedt voor data driven HR. Eigenlijk de business challenger rol dus uit het CEB lijstje, aangevuld met voldoende kennis van HR om de specifieke uitdagingen die met HR-vraagstukken samenhangen te kunnen ‘vangen’ in een analyse-opzet.
De ‘HR domain experts’ uit het CEB-lijstje met dieptekennis zijn ook cruciaal, maar als het goed is zijn die al in voldoende mate aanwezig binnen de organisatie. En de ‘programmer’ en ‘data scientist’ zijn zoals eerder betoogd niet uniek voor HR.
En wat heeft die intermediair dan precies voor competenties nodig? Mijn lijstje van vijf:
- Het vermogen de werking van een business proces en de kern van de vraagstukken die daar spelen snel te doorgronden.
- De social skills om interne stakeholders te betrekken en te verbinden.
- Projectmanagement vaardigheden.
- Begrip van de specifieke impact die HRM kan hebben.
- En voldoende begrip van de mogelijkheden met statistiek om bruikbare inzichten te verkrijgen vanuit data.
Op basis van deze competenties adviseer ik dus om ‘een goede bedrijfskundige, liefst met HRM als specialisatie, en basiskennis van statistiek’ verantwoordelijk te maken voor HR analytics binnen een organisatie.