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
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
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
