Data maken ook het hr-verhaal heel krachtig

Het GDPRkader maakt het voor hr niet makkelijker, maar soms denk ik toch ook dat hr dat als excuus inroept

Data kunnen de traditioneel sterke storytelling van hr een overtuigende extra dimensie geven. Maar op de hr-afdeling ontbreken wel eens de dataskills. Start daarom met toepassingen waar duidelijk iets in zit voor de medewerker, zo adviseert onze rondetafel. Zo creëer je betrokkenheid en leg je de basis voor die datacultuur.

Volgens een jaarlijks onderzoek naar hr-prioriteiten door Vlerick scoort hr-analytics nog altijd niet erg hoog bij hr-managers

Anette Bohm (KBC): “Nochtans is het potentieel gigantisch. Een businessmodel gestoeld op data, geeft een competitief voordeel. Banken hebben bewezen dat ze klanten beter kunnen helpen in de mate dat ze data van klanten kunnen gebruiken. En medewerkers verwachten evenzeer meer oplossingen op maat. Hr-afdelingen moeten daarin mee. Bovendien kunnen ook zij met minder middelen een hogere ROI realiseren, niet enkel voor het bedrijf, maar ook voor de medewerkers.”

Glenn Walschap (Myreas); “Het potentieel is inderdaad enorm. Aan Solvay Business school deed ik in 2020 een eigen onderzoek en daarin kwam analytics voor hr toch wel degelijk sterk naar voor. Wellicht duwde covid-19 thema’s als leiderschap, flexibel werken, de hybride werkplek… hoger op de agenda. We lijken te vergeten dat hr-analytics ook een sterke bijdrage kan leveren op deze thema’s en hierdoor proactiever kan werken.”

Karolien Scheerlinck (VDAB): “Ook in de steeds hogere nood aan reskilling spelen data zeker mee. Vroeger identificeerden organisaties talent op basis van harde competenties en ervaring, vandaag veel meer in functie van bedrijfscultuur en waarden. Iemands potentieel identificeren en die persoon suggesties bezorgen voor opleidingen, kun je sterk ondersteunen met data. Bij VDAB ontwikkelen we drie producten ter ondersteuning van matching, oriëntering en voor opleiding. En daar spelen data een grote rol in.”

Eline Jacobs (Flexso for People): “Hr-projecten botsen al eens op datakwaliteit en de alignering van hr-data met die van finance, operations, marketing… Het hr-metier heeft die skill nog niet altijd.”

Philippe De Wulf (Altius): “Het GDPR-kader maakt het voor hr niet makkelijker, maar soms denk ik toch ook dat hr dat als excuus inroept.”

Jennifer Wongsokerto (Partena) – Bij Partena zien we dat de schaal van de organisatie nogal bepalend is. Bij de middelgrote organisaties weten hr-partners toch wel heel goed op welke metrics ze beoordeeld worden. Vanuit finance krijgen ze een budget dat bepalend is. In de kleine organisaties heb je eerder een boekhouder in een zaaltje apart en die geeft geen cijfers rond productiviteit.”

Is productiviteit een goed uitgangspunt?

Karolien Scheerlinck (VDAB): “Je kunt in ieder geval heel wat hr-processen ondersteunen, zodat hr zich kan focussen op de kernprocessen. We zijn niet voor automatische besluitvorming op het vlak van menselijke kwesties, maar je kunt toch wel grote volumes vacatures of cv’s verwerken door automatisering. Zo kun je in het daarop volgende gesprek sneller focussen. Als wij iemands profiel maken op basis van cv’s en werkervaring, berekenen we automatisch de afstand van dat profiel tot alle beroepen op de arbeidsmarkt. Dat geeft veel input voor heroriëntatie. Zo kunnen bemiddelaars de werkzoekende beter en efficiënter inspireren. Al pleit ik niet voor robots voor sollicitatiegesprekken. Als sollicitant wil je gevoelsmatig contact met je potentiële werkgever. Schakel de menselijke rol dus niet uit, maar ondersteun de mens wel om te focussen op wat ertoe doet.”

Anette Bohm (KBC): “KBC meet geen productiviteit. We focussen op het helpen van medewerkers om zich beter te matchen met de optimale job in de organisatie en om hen suggesties te doen voor bijscholing. Ook employee listening werd onmiddellijk een prioriteit: we willen snel weten wat medewerkers aangenaam vinden en hoe we onze processen kunnen herontwerpen. Productiviteit meten zou al snel een controlesfeertje creëren en weerstand oproepen. We doen evenmin projecten rond het beoordelen van medewerkers. We zoeken toepassingen met aspecten die de medewerkers zelf interessant vinden. Een typisch voorbeeld is een project dat volgde op een vraag vanuit payroll of onze chatbot ook hen niet kon helpen met de vele dikwijls terugkerende vragen. Dat bespaart hen ondertussen veel tijd. We hebben de chatbot getraind met vrijwilligers. Op die manier werden niet-technische medewerkers enthousiast voor de technologie en de data. Ze zien een voordeel in de eigen werksfeer. We streven ernaar dat onze medewerkers initiatieven nemen. Wie alles wil meten, maakt innovatie onmogelijk. Wie innoveert, speelt en experimenteert. KBC wil snel zaken proberen en wat niet lukt, voeren we even snel weer af. We vinden het niet erg dat medewerkers die experimenteren, niet altijd productief zijn.”

Jennifer Wongsokerto (Partena): “Maar dan laat je hr-analytics links liggen, want daar gaat het om big figures.”

Anette Bohm (KBC): “Je kunt tegelijk analytics gebruiken voor andere zaken: we kijken naar onze pay gaps, de mate waarin we medewerkers opleiden, of we genoeg medewerkers hebben van bepaalde profielen… Maar ook daar zien werknemers de toegevoegde waarde; ook daar spreekt de zorg uit om hen te ontwikkelen, eerder dan om hen te beoordelen of te vervangen. Het is niet ons voornaamste doel om individuen of groepen een tandje te laten bijsteken, maar om hen in de mogelijkheid te stellen om verder mee te kunnen in een snel evoluerende omgeving.”

Jelle Goris (ING): “Ik zie veel potentieel voor ondersteuning van de business vanuit hr, zoals op het terrein van workforceplanning en employee listening. Hr kan daar een kader creëren ter ondersteuning van de business. Wij stellen al jaren een organisational health index op. Die is inmiddels een goede basis voor een gesprek. We rollen nu een systeem uit van employee listening op niveau van de organisatie, de teams en het individu. Wij kunnen onze collega’s uit comp & ben helpen door data klaar te zetten als zij bepaalde voorstellen moeten formuleren rond verloning.”

Glenn Walschap (Myreas) – Vanuit enterprise architecture kijken wij naar de aanwezige capabilities, de processen en de tooling. We doen analyses op basis van data en kunnen daarmee ook hr helpen. Een voorbeeld uit eigen ervaring: op een bepaald moment wist een zusterorganisatie dat ze honderd rekruteringen extra zou moeten doen. Die vroeg initieel twee extra rekruteerders. In plaats daarvan hebben we voor hen de bestaande processen gemeten, zoals we dat ook doen in een productie-omgeving. Uiteindelijk hebben we maar één extra rekruteerder moeten aanwerven. De capability rond analytics van Colruyt wordt niet opgebouwd in elke afdeling apart. We doen nu al zaken in finance, marketing, supplychain… We zouden daar inspiratie kunnen opdoen en concretiseren en aanvullen met hr-expertise. Het centraliseren en breder trekken van kennis rond data-analyse en dit implementeren en uitbreiden in verschillende departementen lijkt me een goed startpunt.”

Anette Bohm (KBC): “Bij ons lukt het goed omdat nogal wat leden van ons datateam de stap zetten naar hr. Dat leverde mooie discussies op met hun andere invalshoeken. Ik zie ondertussen bij hr nu veel interesse voor dataskills. We onderbouwen onze adviezen nu al goed en maken komaf met het imago dat hr toch argumenteert vanuit buikgevoel. Onlangs onderzochten we of mannen en vrouwen verschillend betaald worden. Onze analyse gaven ons de mogelijkheid om te documenteren welke keuzes individuen maken en wat de consequenties zijn van hun keuzes. Zo helpen we medewerkers om eventueel andere keuzes te maken. Zonder die data hadden we dat niet gekund.”

Jennifer Wongsokerto (Partena): “Dat kan ik bevestigen vanuit onze ervaring: zodra hr-partners hun storytelling onderbouwen met data, overtuigen ze juist het sterkst. Hr-partners die zich beroepen op data, geven hun verhaal een sterkte die ze niet zouden hebben op basis van alleen de emofactor. En dan weerklinkt hun feedback ook in de operationele afdelingen.”

Welke datacompetentie heb je daarvoor nodig?

Karolien Scheerlinck (VDAB): “Je hebt data scientists nodig die modellen ontwikkelen en je hebt er die analyses doen. Maar je hebt ook bruggenbouwers nodig tussen business en data scientists voor de businesscase. Bij VDAB zijn dat business solutioners; die zien mogelijkheden om processen te optimaliseren en ook waar data meer inzicht bieden. Zij geven de data scientist input, zodat die een model kan uitwerken. VDAB werkt met een gemengd projectteam. Initieel kwamen ideeën vooral van data scientists, nu meer van medewerkers dichter bij de business. Gelukkig, want zo stuiten projecten veel minder op weerstand. Medewerkers werken van bij de start aan een oplossing waarvan ze zelf het nut zien. Ik beaam wat Anette daarnet zei over de vrijheid om te experimenteren: ook bij ons krijgt iedereen tien tot twintig procent van zijn tijd voor experimenten. De helft van die experimenten leiden tot niets, maar de andere hebben zo’n impact, dat de top zeker de voordelen ziet.”

Wat voor achtergrond hebben data scientists?
Glenn Walschap (Myreas): “Ik zie heel wat verschillende profielen passeren, zowel econometristen, ingenieurs als gedragswetenschappers. En dan zijn er data analists of engineers die data inzetbaar moeten maken. Een belangrijke stap die vaak vergeten wordt, het stopt niet bij analyse maar bij een goede visualisatie die begrijpbaar is en antwoord biedt voor de eindgebruiker.

Jennifer Wongsokerto: “Een data scientist kijkt naar ruwe data en ziet het potentieel aan patronen en combinaties. Maar dat is zonder context en daar heeft de business niets aan. Je moet hem of haar ook toelichten welke data relevant zijn. Hoe beter je dat kunt, hoe accurater het model zal werken. Het waardevolste vandaag zijn die teamleden die op het terrein uitleggen wat de klant wil. Maar je hebt ook iemand nodig die zorgt voor uniforme data: WTP of FTP is maar een lettertje verschil, maar de data erachter zijn verschillend.”

Glenn Walschap: “Er is nog veel verschil tussen data scientists. Er zijn verschillende stromingen en data scientists zijn vaak gespecialiseerd in één (of enkele) stroming, maar niet in allemaal. Dit is hetzelfde bij programmeurs. Idealiter heb je een pool van diverse leden die van elkaar leren en elkaar uitdagen om up-to-date te blijven.

Karolien Scheerlinck: “Een wiskundeachtergrond is erg belangrijk. Je vindt online nogal wat data scientist workbenches waarmee je data kunt clicken en droppen. Maar zonder kennis van statistiek en probabiliteit ontwikkel je modellen die tot foute conclusies leiden.”

Anette Bohm: “Je start ook beter niet vanuit data science. Laat je medewerkers eerst goed beschrijven welk probleem ze willen oplossen. Dan kun je het outsourcen aan een competente partner. Pas wanneer een paar projecten lopen en steeds meer medewerkers de mogelijkheden zien, kun je eventueel een eigen team samenstellen.”

Karolien Scheerlinck: “Zo hebben wij het bij VDAB inderdaad ook aangepakt. Drie jaar geleden telde ons team drie medewerkers. We begonnen met ideeën vanuit VDAB en zochten externe consultants om dat uit te werken. Zo groeide er geleidelijk een datacultuur en begon het team te groeien. Zodra je dan zo’n team hebt, word je ook aantrekkelijk voor dergelijke profielen.”

Kunnen GDPR de show stoppen voor hr?

Philippe De Wulf: “Karolien zei al dat het maar menselijk is om mensen te betrekken bij dataprojecten. Welnu, dat moet ook van de wet in de Europese Unie, veel minder in de VS en China. GDPR kennen we al, maar er is een verordening in de maak over AI. De EU positioneert zich daarmee als kampioen van de ethische AI en legt producenten van algoritmes, maar ook afnemers en gebruikers, strikte ethische principes op. Die verordening verbiedt sommige toepassingen expliciet en labelt andere als ‘high risk’ of ‘low minimal risk’. Welnu, alles wat met hr te maken heeft, is ‘high risk’. Wij geven vandaag al aan Amerikaanse klanten de boodschap dat hun product niet zomaar kan worden gebruikt door de EU-wetgeving. Je vindt op Youtube trouwens de meest waanzinnige toepassingen. Sommige ervan zijn overspannen verkoopspraat van start-ups uit Silicon Valley, maar andere zaken worden al gebruikt. Neem nu rekruteringsgames. Met hun achterliggende psychologische profielen zijn ze een hele mooie case voor discriminatievraagstukken. Studies leren ondertussen dat games mannen kunnen bevoordelen. Mannen spelen gemiddeld meer games en voelen zich dus beter thuis in een game-omgeving. Om dezelfde reden scoren ook jongeren beter dan ouderen. Als de EU haar slag thuishaalt, zal ze de standaard bepalen. Als de gok slecht uitpakt, zal ons bedrijfsleven sterk achterlopen. Met GDPR is het overigens goed gelukt. De stad San Francisco had een jaar eerder net gezichtsherkenningscamera’s geplaatst. Onder invloed van GDPR is de heel progressieve staat Californië er mee gestopt. Daar haalt Europa een kleine eerste slag thuis: AI zal ethisch zijn of niet.”

Karolien Scheerlinck: “VDAB heeft een team dat voor elk product een privacy assessment doet. Ook een biasanalyse is belangrijk, zowel op de inputdata als op de output. We richten ook een ethical board op. Die raad zal minstens 50 procent mensen tellen die géén belang hebben in technologie of in onze organisatie.”

Philippe De Wulf – In dat verband verwijs ik ook graag nog eens naar wat al gezegd werd over productiviteit: in de VS waren er al rechtszaken rond het meten van aspecten van productiviteit op basis van data-analytics en het bepalen van het profiel van de productiefste werknemer. Een aspect was het op het eerste zicht objectieve criterium van stipte aanwezigheid op het werk. Maar medewerkers met een lagere sociale status werden al snel weggefilterd. Bij nader onderzoek bleek dat zij inderdaad meer te laat op het werk kwamen omdat zij vaak in armere wijken wonen die verder van de werkplaats verwijderd zijn en afhankelijk zijn van niet zo performant openbaar vervoer. Voor Amerikaanse rechtbanken zijn zo al talrijke cases uitgevochten op basis van discriminatie, in dit geval van mensen met een lagere sociale status.”

Karolien Scheerlinck: “Wij hebben een model ontwikkeld dat de kans berekent dat iemand werk vindt binnen de zes maanden. Het geeft ook suggesties voor dat individu om diens kansen te verhogen op tewerkstelling. Tijdens onze biasanalyse merkten we op dat iemand die in de schoonmaaksector aan de slag wilde, als suggestie kreeg om Swahili te leren. Veel mensen in de database van VDAB die in de sector werken, spreken blijkbaar Swahili. Je kunt je voorstellen dat je dus moet opletten met zomaar blindweg alles te doen wat een systeem suggereert. Wat ons ook leert dat het gevaar op bias groeit naarmate je minder data hebt en naarmate die minder representatief zijn. VDAB houdt er ook rekening mee dat blue collars in onze database sterker vertegenwoordigd zijn dan white collars. Dat moet je dus eerst corrigeren voor je analyses loslaat op de data.”

Anette Bohm: “Al wordt het toch belangrijk om ook op het individueel niveau te komen. Belangrijk voor KBC is het aanbod van leerinhouden. We deden dat aanvankelijk op groepsniveau. Maar dan zagen we toch dat niet altijd de individuen op training kwamen voor wie het advies het meest bedoeld was. Vandaag bieden we leerinhouden aan op individueel niveau, ondersteund door AI. Dat kan zolang je de juiste standaard zet en individuen goed informeert over wat je wél en niet wil doen. Uiteindelijk doen we dat al veel langer bij klanten. Wie al eens shopt op een platform als amazon, krijgt vervolgens continu geïndividualiseerde aanbiedingen. Ik zie daarover toch maar weinig verontwaardiging.”

Philippe De Wulf: “Daar raak je aan de kern. De GDPR-regels katapulteren ons absoluut niet terug naar een situatie waar niets kan. Wie transparant is en mensen informeert, kan heel veel. Mensen zijn nogal ambigu. Op Facebook staan ze in zwembroek en met de familie zichtbaar voor iedereen. In bedrijfscontext doen ze al eens moeilijk om mee op een bepaalde foto te willen. Het is aan de praktijkjuristen om die GDPR-teksten niet als strikte verbodsbepalingen op te vatten, maar te doen werken op het terrein. Het recht mag nooit de plaats worden waar goede ideeën komen sterven. Voor steeds meer bedrijven, ook kleine, wordt compliance heel belangrijk, inclusief hr-compliance. We zien daar een nieuw spanningsveld tussen complianceverantwoordelijken, juristen in de praktijk en managers die interessante toepassingen willen gebruiken. Een van de oplossingen is goed georganiseerde transparantie en informatie.”

Glenn Walschap: “Inderdaad, focus op de zaken waarvan het duidelijk is dat er voor de medewerker ook iets in zit. Zo voorkom je weerstand en stimuleer je dat het effectief ook wordt gebruikt.”

Eline Jacobs: “Transparantie én controle op de eigen data. Die bekommmernis zien we dikwijls bij de implementatie van een HRIS: naarmate medewerkers de kans krijgen om achter de schermen te kijken, om te zien wie hun gegevens kan zien, om zelf gegevens aan te passen, … groeit de aanvaarding.”

Philippe De Wulf: “Er moet inderdaad altijd menselijke eindcontrole zijn. Wat niet belet dat je in de VS nu al situaties hebt waar medewerkers de facto instructies krijgen via een algoritme. Voor een aantal zaken, dikwijls hele eenvoudige, is geen menselijke interventie meer voorzien. Daar stellen we ons in Europa meer vragen bij en terecht, zo denk ik dan. Maar ook wij riskeren te evolueren naar situaties op de werkvloer waarbij medewerkers instructies krijgen van algoritmen en een algoritme dus werkgeversgezag uitoefent.”