Stel, één van je taken is om het personeelsbehoud van je bedrijf in de gaten te houden. Personeelsgegevens en kunstmatige intelligentie zijn tools die je helpen te signaleren welke mensen mogelijk willen vertrekken. Deze tools kunnen je waarschuwen, bijvoorbeeld als je bedrijf het risico loopt een groep sterk presterende vrouwen te verliezen die klaar zijn voor een managementrol. 

Dankzij predictive analytics kun je stappen ondernemen waarmee je deze sterke medewerkers kunt behouden. Predictive analytics kan je ook waarschuwen wanneer je bijvoorbeeld onvoldoende medewerkers met de juiste vaardigheden hebt voor een groot nieuw project volgend jaar. Daarnaast kunnen ze voor meer eerlijkheid zorgen. Voordat je een mooi aanbod aan een kandidaat doet, kunnen analyses je laten weten of je hiermee te ver van de salarisschaal afwijkt, waardoor misschien andere medewerkers die vergelijkbaar werk doen, minder betaald krijgen. 

"Je kunt jezelf afvragen: 'Bouwen we glazen plafonds in ons bedrijf? Is er een plafond waarbij groepen onvoldoende worden vertegenwoordigd in vergelijking met andere niveaus?' Dat kun je vaststellen met predictive analytics,” zegt Trey Causey, Head of AI Ethics en Senior Director of Data Science bij Indeed. "Sterker nog, ik kan geen andere manier bedenken waarop we dit zouden kunnen vaststellen zonder deze tools. Dit is een manier om deze vragen op een kwantitatieve manier te benaderen." 

De snelle toename van algemene analysetools is niet nieuw voor HR. Ze begonnen ergens in de tweede helft van de vorige eeuw aan terrein te winnen. Vandaag de dag vertrouwt de meerderheid van de grote bedrijven op analyses om gegevens over prestaties in het verleden te evalueren en betere beslissingen te nemen bij werven, ontslag en de promotie van werknemers. 

Maar met de opkomst van big data en kunstmatige intelligentie (AI) is HR niet meer afhankelijk van indicatoren op basis van het verleden. Met predictive analytics en nieuwe, innovatieve AI-gedreven technologieën, kun je in de toekomst kijken. Wat voor effect zou het op mensen hebben als er voortaan geen vergaderingen meer zijn op woensdagen? Wanneer zou je een medewerker een bonus kunnen aanbieden om diegene te houden? 

Hoewel met name bedrijven in big tech en de financiële sector deze vernieuwende tools als eerste zijn gaan gebruiken, worden ze steeds populairder in verschillende sectoren, volgens Dr. Hallie Bregman van de Bregman Group, een HR-adviesbureau dat is gericht op datagedreven HR-methoden. "Dit is echt nog maar het begin en zal zich zeker verder uitbreiden,” zegt ze. "Over vijf jaar zien we hier veel meer van. Over tien jaar gebruikt iedereen zulke tools."

Als HR-teams deze tools optimaal willen benutten, moeten ze proactief en goed geïnformeerd zijn en verantwoord met gegevens omgaan, zodat de technologie medewerkers ondersteunt in plaats van ze ondermijnt. 

6 best practices om voorspellende analyses in te voeren

Volg deze zes best practices om ervoor te zorgen dat je bedrijf predictive analytics op de juiste manier implementeert.

1. Weet welk probleem je probeert op te lossen

"Ik werk met zoveel klanten die niet weten welke vraag ze proberen te beantwoorden met predictive analytics,” zegt Bregman. "Ze zeggen 'Ik hoor dit te doen', maar ze weten niet waarom." 

"De grote vraag die je jezelf moet stellen, is welk probleem je in de komende drie tot vijf jaar probeert op te lossen,” zegt ze. Gaat het om het opzetten van een nieuw productteam? Het vergroten van de diversiteit? Het aanjagen van sterke groei? Als je niet helder voor ogen hebt wat je met predictive analytics wilt bereiken, besteed je misschien tijd en geld aan tools die je niet helpen bedrijfsdoelstellingen te behalen. 

2. Overleg met je juridische team

Het is ook belangrijk om je juridische team te raadplegen. Je juridische medewerkers kunnen beoordelen of de tools die je gebruikt gegevens delen op een manier die aan het bedrijfsbeleid en privacy- en antidiscriminatiewetgeving voldoet. "Ik heb al bij te veel organisaties meegemaakt dat onbewerkte gegevens werden verspreid onder groepen mensen die niet alle kenmerken nodig hebben in een rapport, wat risico's oplevert,” zegt Bregman. 

3. Scheid het kaf van het koren: selecteer relevantie boven irrelevantie

Niet alle producten voor predictive analytics sluiten aan op de normen en waarden van je bedrijf. Het is cruciaal dat je medewerkers evalueert op basis van echte functie-eisen en gegevens gerelateerd aan hun gedrag en prestaties. Baseer je beslissingen niet op persoonlijkheidsanalyses die de loyaliteit van medewerkers voorspellen op basis van het feit dat iemand van honden of katten houdt of uit een klein dorp komt. 

"Er zijn veel leveranciers die pseudowetenschap verkopen als predictive analytics,” zegt Causey. "Aarzel nooit om een second opinion te vragen van iemand die veel ervaring op dit gebied heeft." Als je people-operations-team niet over deze kennis beschikt, kun je op zoek gaan naar services en consultants die HR-tools op een objectieve manier evalueren.

Onthoud ook dat je moet kiezen voor tools die grote gegevenssets analyseren op trends. Vermijd het gebruik van gedetailleerde gegevens, zoals de prestaties van één medewerker in een bepaald kwartaal, vooral wanneer er sprake kan zijn van onderliggende redenen waar de analysetool geen rekening mee houdt. 

"Vergelijk het met de aandelenmarkt: je wilt geen daytrading,” zegt Causey. "Je wilt niet overdreven reageren op kleine afwijkingen in de statistieken. Je wilt weten wat de trend op de lange termijn is en ervoor zorgen dat je ook rekening houdt met de context wanneer je beslissingen neemt."

4. Neem het initiatief bij DEIB+

Met predictive analytics kun je methoden voor diversity, equity, inclusion & belonging (DEIB), die anders moeilijk te kwantificeren zijn, evalueren op basis van gegevens. Wanneer de privacy verantwoord wordt beschermd, kun je beslissingen over salarissen en salarisverhogingen, trainingskansen en promoties op basis van gegevens analyseren. Het doel hiervan is ervoor zorgen dat de vergoedingen en de ontwikkelingskansen aansluiten op de prestaties en vaardigheden en niet worden bepaald door het gevoel van een recruiter. Dat kan immers worden beïnvloed door onbewuste vooroordelen. 

Door gegevens over medewerkers te analyseren, kunnen HR-teams er ook voor zorgen dat verschillende demografische groepen dezelfde kansen krijgen. "Als dat niet het geval is, wat is er dan aan de hand?" zegt Bregman. "Kun je dat doorbreken?" 

Met dit soort gegevens kun je makkelijker het belang van DEIB benadrukken in een tijd waarin minder dan de helft van de Nederlandse werkgevers (48%) diversiteit, inclusie en gelijkheid actief benadrukt. Deze kwestie wordt steeds urgenter, maar is niet eens e van de tien meest belangrijke HR-beleidskwesties. "Als je met de gegevens kunt aantonen dat X, Y of Z plaatsvindt in plaats van dat je je principes als argumenten geeft, is de kans veel groter dat je een verandering in gang zet dan als je een gepassioneerd betoog houdt omdat dat het juiste is om te doen,” zegt Causey. 

5. Controleer op vooroordelen

"Houd er rekening mee dat de gegevens die we gebruiken om algoritmen en AI-tools te trainen, bevooroordeelde gegevens kunnen zijn,” zegt Dr. Salvatore Falletta, professor en programmadirecteur voor de ontwikkeling van human resources aan Drexel University. "Daarmee is een AI-tool vaak net zo bevooroordeeld als een mens, en soms nog meer omdat de vooroordelen worden versterkt." 

Als je in-house tools hebt, controleer ze dan op vooroordelen. Als je tools van een externe leverancier aanschaft, vraag deze dan hoe de producten op vooroordelen zijn gecontroleerd. 

Vergeet niet dat gegevens maar een van de onderdelen van het besluitvormingsproces zijn, zegt Causey. Als je het niet eens bent met de output van de machine, hoef je die niet klakkeloos op te volgen. Als uit predictive analytics te hoge recruitmentdoelen of te korte tijdlijnen komen, kun je die aanpassen.

6. Schrik mensen niet af

Wanneer predictive analytics op een positieve manier worden ingezet, kunnen ze tot een eerlijkere werkomgeving leiden, recruitmentmethoden verbeteren en ervoor zorgen dat medewerkers zich gewaardeerd voelen. Maar als ze te ver worden doorgevoerd zonder de privacy in acht te nemen, kunnen predictive analytics behoorlijk afschrikken. Uit recent onderzoek door Capterra bleek dat bij de meeste bedrijven die software gebruiken om medewerkers te volgen, meer dan de helft van de medewerkers zich voor deze tools zou willen afmelden. Wat als deze tools berichten op social media controleren om te kijken of een medewerker van plan is om te vertrekken? Of volgen hoe mensen zich in het kantoor bewegen, om te zien met wie ze op een dag praten en hoe communicatief ze zijn? Of 'bossware' op de computers van thuiswerkers installeren om hun productiviteit te scoren? Volgens het bovenstaande onderzoek is het verloop bij bedrijven die hun mensen veel monitoren vaak erg hoog.

Causey, Falletta en Bregman benadrukken alle drie dat het cruciaal is om open te zijn naar medewerkers over welke gegevens je verzamelt en waarom. Niemand wil het gevoel hebben te worden bespioneerd. 

"De gouden regel is: hoe zou jij je voelen als je op deze manier werd beoordeeld?" zegt Causey. "Je wilt medewerkers zeker niet evalueren op een manier die je zelf niet fijn zou vinden."