Whitepaper in een serie over HR Analytics Elke organisatie neemt voortdurend HRM-beslissingen, zoals over het aannamebeleid, de beloning en talentmanagement. Wanneer ze daarbij gebruik maken van predictive analytics, oftewel voorspellende analyse, kunnen organisaties de kans berekenen dat een individuele medewerker bepaald gedrag gaat vertonen. Voorspellende analyse leidt daardoor tot betere besluiten en maakt het mogelijk om gericht actie te ondernemen. Inhoud: • Inleiding 1. Zorg voor kwalitatief hoogwaardige data 2. Maak de stap van dataverzameling naar rapportage 3. Ontwikkel voorspellende modellen op basis van historische data 4. Gebruik voorspellende modellen om inzicht te krijgen 5. Baseer HRM-maatregelen op inzichten uit voorspellende analyses • Conclusie
MULTIFILE
Whitepaper in een serie over HR Analytics. Steeds vaker worden HRM-beslissingen gebaseerd op voorspellende modellen die ontwikkeld zijn op basis van historische data. In deze whitepaper bespreken we een aantal best practices die organisaties daarbij kunnen helpen. Zo is het belangrijk om goed te letten op de oorsprong van gegevens. Objectieve meetgegevens zijn bijvoorbeeld vaak van grotere waarde dan subjectieve antwoorden uit enquêtes. Wanneer een organisatie data wil verzamelen voor een People Analytics-project, is het daarnaast belangrijk om zeker te weten dat er meetinstrumenten worden gekozen die ook echt meten wat ze beogen te meten. Inhoud: • Inleiding 1. Kies de juiste steekproef 2. Let op de grootte van de steekproef 3. Geef de voorkeur aan objectieve gegevens 4. Zorg voor valide meetinstrumenten 5. Koppel data op een privacyvriendelijke manier 6. Denk na over het gebruik van gemiddelden 7. Verwar oorzaak en gevolg niet 8. Laat je niet foppen door percentages 9. Let op verklaarde variantie 10. Kijk altijd naar de netto opbrengst 11. Voer waar nodig extra analyses uit 12. Maak voldoende tijd vrij voor Analytics • Conclusie
MULTIFILE
Verslag van een presentatie. In onderzoeken naar de prioriteiten van HR-professionals staan analytics dan ook steevast onderaan het prioriteitenlijstje. Echter, nu elke dag meer data beschikbaar komen en alles is te meten, is dit niet langer een houdbaar standpunt. HR-professionals zullen op zijn minst moeten beseffen dat data waardevol zijn. Een Engelstalige definitie van People Analytics luidt: ‘The systematic identification and quantification of the people drivers of business outcomes, with the purpose of making better decisions.‘ Daarbij is het belangrijk om een goede businessvraag te stellen én – vervolgens –de resultaten van de analyse op overtuigende wijze over te brengen.
MULTIFILE
Ook binnen het human capital domein van organisaties wordt data-analyse steeds meer ingezet ten behoeve van evidence based besluitvorming, op zowel operationeel-, tactisch-, als strategisch niveau. Geïnspireerd door succesverhalen van organisaties die vele tientallen miljoenen aan besparingen hebben gerealiseerd, en tegelijkertijd de productiviteit en bevlogenheid van medewerkers hebben verbeterd, wordt People Analytics mainstream. Mede doordat de human capital kosten in organisaties (bv. recruitment, salaris, training, ziekteverzuim) gemiddeld ongeveer 60% van de totale organisatiekosten omvatten, is de potentiele invloed van People Analytics op het succes van organisaties aanzienlijk15. Bovendien is het human capital domein traditioneel een terrein waar veel data worden vastgelegd, denk bijvoorbeeld aan functionerings- en beoordelingsdata, data over trainingen en opleidingen, en salarisgegevens. Daarnaast zijn er buiten de organisatiegrenzen steeds meer social mediadata over potentiele medewerkers beschikbaar, die – uiteraard binnen de wettelijke en ethische kaders – gebruikt kunnen worden voor onder andere arbeidsmarktanalyse
DOCUMENT
Op basis waarvan worden in je organisatie HR-beslissingen genomen? Op basis van eigen cijfers of van best practices bij andere organisaties? Op basis van gefundeerde argumenten, of eenvoudigweg door hoger management, waarbij je je eigen organisatie-expertise aan de kant zet? Beslisculturen in organisaties kunnen heel fact free of meer evidence-based zijn. In een fact-freecultuur heeft HR Analytics als zevende zintuig geen schijn van kans. Cijfers kunnen als moeilijkdoenerij worden gezien of zelfs een bedreiging vormen voor stakeholders die cijfers enkel beschouwen als een middel om af te rekenen met het bestaande beleid. Of cijfers zijn een ritueel geworden: niemand vraagt zich meer af wat ze eigenlijk betekenen. In een evidence-basedcultuur worden belangrijke beslismomenten serieus genomen. Op die momenten is er de kans om de kwaliteit van de beslissing te verrijken met analytische inzichten – naast informatie die andere zintuigen kunnen aanleveren. HR Analytics kan hier haar meerwaarde doen gelden. Maar de HR Analyticspraktijk is weerbarstig. Zelfs als het belang en de uitvoering van HR Analytics goed ingebed zijn, betekent dat niet automatisch dat analytische inzichten de HR-beleidsvoering altijd bereiken en invloed uitoefenen.
DOCUMENT
Wanneer we over HRM en technologie spreken, kunnen we niet meer heen om HR analytics. Gefaciliteerd door de alsmaar groeiende hoeveelheid beschikbare data, oftewel Big Data, proberen organisaties momenteel volop waardevolle inzichten uit de bijna oneindige hoeveelheid data te genereren. Samenwerking tussen wetenschap en praktijk ligt voor de hand. De één kan goed analyseren, de ander beschikt over een schat aan data. Toch komen samenwerkingsverbanden vaak niet verder dan het inzetten van een afstudeerder of het verzorgen van een workshop. Anders gezegd: er wordt volop gedate en er vinden veel one-night stands plaats, maar tot duurzame relaties komt het vaak niet. Waarom niet? En hoe zouden we de samenwerking dan wel vorm kunnen geven?
DOCUMENT
In dit artikel wordt dieper ingegaan op het eerstgenoemde classificatieschema: de classificatie naar de variabiliteit van een bedrijfsregel
LINK
Het aantal kinderen dat slachtoffer is van kindermishandeling en huiselijk geweld is hoog en al jaren constant. Met de komst van moderne digitale technologieën wordt voorzichtig verkend of er oplossingsrichtingen liggen ten aanzien van dit probleem. Hoewel technologieën zoals big data en machine learning potentie hebben in het analyseren van grote hoeveelheden data en dus ook in het mogelijk (eerder) signaleren van kindermishandeling, zijn er de nodige programmatische en ethische overwegingen waar rekening mee dient te worden gehouden. Indien mogelijke toepassingen nader worden verkend, is het tevens van belang dat professionals binnen het sociale domein ook kennis hebben van de werking van de diverse vormen van digitale technologie en dat er wordt intensief wordt samengewerkt met de verschillende domeinen waarin de technologie nader wordt ontworpen.
DOCUMENT
Dit is alweer de vijfde editie van het congres Met het oog op behandeling. De afgelopen jaren hebben we gezien dat de maatschappelijke belangstelling voor mensen met een licht verstandelijke beperking (LVB) sterk toeneemt. Dit jaar is er zelfs een Interdepartementaal Beleidsonderzoek gedaan door diverse ministeries over de positie van mensen met een LVB in de Nederlandse samenleving. In het onderzoeksrapport wordt gepleit voor het verbeteren van de communicatie tussen algemene voorzieningen en deze burgers. Voor alle professionals in het brede sociaal domein wordt aanbevolen dat zij meer kennis en vaardigheden moeten hebben voor hun hulp- en dienstverlening aan mensen met een LVB. Dat geldt voor alle professionals in het sociaal domein en in het bijzonder voor professionals die werken voor cliënten met een LVB waarbij sprake is van ernstige gedragsproblematiek en psychische problemen. In dat geval moet je kunnen omgaan met ‘onbegrepen gedrag’ en agressie en wil je beschikken over de beste, actuele kennis op dat gebied.
DOCUMENT
Municipalities increasingly seek to include citizens in decision-making processes regarding local issues, such as urban planning. This paper presents a case study on using Virtual Reality (VR) in a process of civic participation in the redesign of a public park. The municipality included citizens in intensive co-design activities to create three designs for the park and engaged the neighbourhood community in co-decision, in the form of a ballot. Through the civic participatory process, we studied the effectiveness of using VR technology to engage the community in participating in the co-decision process. The three designs were presented using highly realistic 360˚ visualisations and the effects on engagement were compared between various devices: VR headsets, smartphones, tablets, and computers. Viewing the designs in 2D paper plans was also included in the comparison. The study included over 1300 respondents that participated in the ballot. A statistical analysis of the collected data shows that participants viewing the 360˚ rendered images with VR technology expressed a significantly higher engagement in the co-decision process than those using their computer at home or viewing 2D paper plans. The paper describes the complete participatory design process and the impact of the e-governance used on the target group as well as on the actors organizing the e-governance process. We discuss how the use of new technology and active presence of a voting-support team inspired citizens to participate in the co-creation process and how the investment in this procedure helped the local authorities to generate support for the plans and strengthen its relationship with the community. The use of realistic visualisations that can be easily assessed by citizens through user-friendly technology, enabled a large and diverse audience to participate. This resulted in greater visibility of municipal efforts to enhance the living environment of citizens and is therefore an important step in increased civic engagement in municipal policy-making and implementation.
DOCUMENT
