3 bouwstenen voor een geslaagd HR-datamanagement

Hoe groter en internationaler je bedrijf, hoe meer nood aan een gecentraliseerde benadering bij het opzetten van je HR-data-infrastructuur. Neem bijvoorbeeld een onderneming die gegevensbronnen uit verschillende regio's moet samenvoegen om rapporten per land op te stellen. Werken in de cloud is een must om hier op een kosten- en tijdsefficiënte manier in te slagen.

Hier kunnen data-integratietools en datawarehouses een belangrijke rol spelen. Via een proces van extractie, transformatie en laden, verplaatsen integratietools data van hun oorspronkelijke bronsystemen naar je datawarehouse, waar de data vervolgens worden geconsolideerd, bewaard en geanalyseerd.

Je kunt ervoor kiezen om zelf de nodige datatools en -warehouses te bouwen. Hiervoor zijn echter uitgebreide datascience- en data-architectuurvaardigheden nodig. Ontbreekt deze expertise in je onderneming, dan kan outsourcing een oplossing bieden. Of je kiest voor externe applicaties en platformen. De tools verschillen sterk van onderneming tot onderneming, afhankelijk van hun doelen en datamaturiteit:

• Om een basisinzicht te krijgen in de data van je organisatie en personeel, zijn analysetools zoals Excel en SPSS een goede oplossing.
• Om echt vat te krijgen op je gegevens en resultaten heb je rapporteringstools nodig (zoals Power BI, Tableau of Power Query) of tools met vooraf gedefinieerde geïntegreerde rapportering (zoals HRM-systemen met standaard of aangepaste boordtabellen en rapporten).

Datavalidering is een essentieel onderdeel van elke dataverwerkingstaak. Dit betekent dat je moet controleren of je gegevens op orde, correct en bruikbaar zijn. Concreet komt dit dikwijls neer op een 'persoon die de touwtjes in handen heeft': iemand die niet alleen data-savvy is, maar ook begrijpt hoe je bedrijf werkt en wat je doelen zijn. Dit is nodig om ervoor te zorgen dat de gegevens die je verzamelt echt het doel dienen. Neem bijvoorbeeld het verloop: als dit cijfer plots lijkt te stijgen, kan dit te wijten zijn aan het feit dat er gegevens over interne mobiliteit in de berekening zijn opgenomen. Zonder de juiste validering en menselijke tussenkomst zouden deze analyses verkeerd worden geïnterpreteerd.

Naarmate je grotere hoeveelheden persoonsgegevens van je werknemers verzamelt, beheert en opslaat, heeft de regelgeving inzake gegevensbeveiliging en privacy – zoals de AVG in de EU – rechtstreeks invloed op de manier waarop je met je HR en people analytics omgaat. Zelfs een eenvoudig Excel-bestand met contactgegevens wordt beschouwd als een document met persoonsgegevens en is onderworpen aan naleving van de AVG. Het is dan ook erg belangrijk dat HR samenwerkt met de juiste functies of afdelingen in de hele onderneming (zoals IT en legal) om alle HR-data zorgvuldig door te nemen.

HR-data en analytics op een ethische manier gebruiken, moet vanaf het begin een prioriteit zijn in datamanagement. Dit betekent dat je moet nadenken over hoe en of het verzamelen en analyseren van gegevens, de mensen in je organisatie werkelijk ten goede komt. Simpel gezegd: als je de voordelen voor de mensen van wie je de gegevens verzamelt niet kunt beschrijven, verzamel ze dan niet.

Bied ook begeleiding – bijvoorbeeld aan managers – over hoe HR- en personeelsgegevens op een ethische manier moeten worden geïnterpreteerd. HR analytics is voornamelijk gebaseerd op statistische technieken. Dat maakt het een zeer krachtige tool die je kan helpen om besluiten te nemen over je personeelsbestand als geheel of over een specifieke groep werknemers. Maar het is minder nuttig voor beslissingen over individuele werknemers of sollicitanten. Je gegevens kunnen bijvoorbeeld aangeven dat werknemers met een bepaalde achtergrond doorgaans productiever zijn. Maar het gebruik van dit inzicht om te kiezen tussen twee individuele kandidaten leidt niet per se tot de beste beslissing.