Van cijfers naar keuzes: wat als de systemen er al zijn, maar de vertaalslag niet

In een eerdere blog op HRMorgen beschreef ik hoe strategische personeelsplanning begint bij patronen in uitstroom en niet bij het invullen van losse vacatures. Wie weet dat een bepaalde functie stelselmatig na twee jaar verloop kent, kan vooruitplannen in plaats van steeds opnieuw reageren. 

De logische vervolgvraag is dan: waar haal je die patronen vandaan? Het antwoord verrast HR-professionals vaak. Want bij de meeste organisaties hoeft dat niet bij een nieuw en duur systeem te beginnen.

Je hebt vaak al meer personeelsdata dan je denkt

Veel organisaties draaien al op verschillende systemen en onderschatten wat daar al uit te halen valt. Een koppeling met Power BI, of bij kleinere organisaties zelfs een goed opgezette Excel-export, geeft al zicht op verzuim, verloop, FTE-ontwikkeling en bezetting per afdeling of functiegroep. Precies het soort patronen dat nodig is om personeelsplanning van reactief naar strategisch te tillen. 

Toch is zo´n koppeling zelden zo eenvoudig als je denkt. Want wie is bijvoorbeeld eigenaar van de cijfers: HR, de software-beheerder of de analistenafdeling? En sluiten de definities van bepaalde termen voor verschillende professionals op elkaar aan? 

“Verloop” telt in het ene systeem (of bij de BI professional) bijvoorbeeld alleen uitdiensttredingen, terwijl een ander systeem ook interne doorstroom of aflopende tijdelijke contracten meerekent. Worden gegevens uit meerdere bronsystemen gecombineerd, bijvoorbeeld een ATS met het HRIS? Dan moeten medewerkers-ID’s en definities ook nog op elkaar aansluiten. En welk systeem is leidend? 

Zonder die afstemming levert de koppeling wél een dashboard op, maar niet het dashboard dat je voor strategische personeelsplanning nodig hebt.

Waarom de meeste organisaties hier toch blijven steken

Veel gebruikte KPI’s om een start met dashboarding voor strategische personeelsplanning te maken zijn: 

• verzuimpercentage
• verloop
• gemiddelde time-to-hire
• bezettingsgraad 
• kosten per fte

Niet heel bijzonder en voor een groot deel al beschikbaar in bestaande systemen.

Het probleem zit zelden bij de techniek of in tooling. Een dashboard met verloopcijfers per functie of afdeling is namelijk relatief eenvoudig te bouwen, zeker met de koppelingen die inmiddels standaard zijn tussen HRIS-systemen en rapportagetools. 

• Lees ook: De verborgen HR-techstack: welke tools gebruikt je organisatie buiten de officiële systemen? 

Waar het dan wel misgaat: een dashboard dat na oplevering nauwelijks meer geopend wordt. En dat is niet omdat de cijfers verkeerd zijn, maar omdat niemand de vertaalslag maakt van “hier is een grafiek” naar “en dus doen we nu dit”. De techniek levert een cijfer. De vraag wat je ermee moet, blijft liggen.

Casus: Bedrijf B en het verloopcijfer dat meer vertelde dan het leek

Neem Bedrijf B, dat net een Power BI-dashboard heeft gebouwd op basis van AFAS-data. In het derde kwartaal springt het verloopcijfer van Team Klantenservice eruit: 18 procent, tegenover een gemiddelde van 8 procent in de rest van de organisatie. Voor het MT reden genoeg voor actie: een wervingscampagne wordt gestart, en er wordt gesproken over een exitonderzoek.

Bij nadere blik is het cijfer minder eenduidig. Het dashboard telt namelijk elke uitdiensttreding als “verloop”, ongeacht de reden. Van de zeven vertrekkers bleken er twee met pensioen te zijn gegaan en gingen twee anderen intern door naar een functie bij Sales. Van verloop in de zin van ongewenst vertrek was dus eigenlijk nog maar bij drie mensen sprake: een cijfer dat veel dichter bij het organisatiegemiddelde ligt dan de 18 procent deed vermoeden.

Het probleem zat niet in de koppeling tussen AFAS en Power BI. Het zat in de definitie: het dashboard maakte geen onderscheid tussen vrijwillig vertrek, pensionering en interne doorstroom, simpelweg omdat niemand die vraag had gesteld bij het inrichten ervan. De vertaalslag die hier nodig was, ging niet over techniek, maar over weten wélke vraag je een dashboard eigenlijk moet stellen voordat je er een conclusie aan verbindt.

De echte schaarste is de interpretatie en niet de data

Dit is dus ook de kern. De cijfers zijn – net als de techniek of tooling – niet het knelpunt. De vertaling naar een concrete HR-keuze wél. Zie je dat een afdeling structureel na twee jaar mensen verliest? Dan is de data er en misschien zelfs al in een mooi dashboard. Maar betekent dat dan: een doorgroeipad optuigen, een talentpool starten in een andere afdeling, of accepteren dat deze uitstroom past bij een gewenste krimp? Dat weegt geen tooling of data-analist voor je af. Daar is iemand voor nodig die zowel het cijfer snapt, als de organisatie, als de HR-praktijk waarin dat cijfer moet landen.

Profiel HR-professional van de toekomst

Dit vraagt om een profiel dat nog niet overal even scherp is neergezet: niet de data-analist die los van de HR-praktijk werkt en ook niet de traditionele HR-adviseur die de cijfers erbij laat, maar iemand die op het snijvlak zit. Iemand die een verloopcijfer per functie kan lezen én weet wat dat praktisch betekent voor een formatieplan, een wervingsstrategie of een gesprek met een leidinggevende. Die combinatie is schaars, maar wordt de komende jaren waarschijnlijk belangrijker dan het systeem zelf.

• Lees ook: “Basis op orde”: waarom meten zonder betrouwbare data een schijnzekerheid is

Dit is ook precies waar wij vanuit EXIRE het verschil maken: we houden er niet van om bij een bedrijf nog meer dashboards te bouwen, maar wel van het helpen bij die vertaalslag. Ongeacht welk systeem een organisatie al gebruikt. Want voor ons is de vraag nooit puur en alleen of er data aanwezig is, maar wie de data kan lezen en dan ook durft te zeggen wat dit voor de praktijk betekent.

Tot slot

Als je morgen als HR-professional aan de slag wil gaan met een data-onderbouwde strategische personeelsplanning, dan moet je jezelf vooral niet als eerste de vraag stellen welk systeem je moet aanschaffen om die planning te doen. Je moet jezelf vooral afvragen waar in de organisatie op dit moment al cijfers liggen en hoe je deze informatie gaat vertalen naar het maken van beslissingen. Dit is misschien niet een hele comfortabele vraag, maar wel een belangrijke vraag voor de HR-professional van de toekomst.