2.3 Beschikbare data
HR-databronnen
big data
Vaak zijn er veel meer data beschikbaar dan mensen denken. Het aantal bronnen is de afgelopen jaren flink toegenomen. Uiteraard zijn er de gebruikelijke HR-databronnen, zoals uw personeelssysteem, uw recruitment-, verzuim- of talentmanagementsysteem en dergelijke. Die kunt u aanvullen met data uit onderzoeken, zoals medewerkers- en arbeidsmarktonderzoek, en data van diverse instanties (zowel algemene als branchegeoriënteerde). Daarnaast zijn er ook steeds meer ‘big data’ beschikbaar: van internet en data (uit de logs) van diverse bedrijfssystemen.
Al deze data kunt u in veel gevallen niet zonder meer gebruiken in analyses of voor rapportages, maar moeten worden voorbereid. Voordat u ermee aan de slag gaat, is het zaak te bedenken welke data u gaat gebruiken en hoe u die in de toekomst wilt gaan beheren.
2.3.1 Data governance
ethiek
Welke data mag en wilt u gebruiken, en welke niet? Dat moet u voorafgaand aan een analyse of rapport bepalen. Hierbij gaat het niet enkel om wetgeving, maar vooral ook om ethiek. De vraag is: wat wilt u, ethisch gezien? Die vraag gaat vaak niet over de analyse zelf, maar vooral over wat u met de inzichten gaat doen en hoe u die gaat gebruiken. Houd daarbij rekening met het verschil tussen metrics, insights en analytics.
Privacy impact assessment
risico
U kunt bij uw afweging gebruikmaken van een zogenoemd privacy impact assessment (PIA). Met dat assessment bekijkt u de risico’s voor de werknemers en de organisatie. Een mogelijk risico is bijvoorbeeld dat een werknemer benadeeld wordt door verkeerd gebruik van de data. Maar het kan ook om een beveiligingsrisico gaan: het risico dat de data op straat komen te liggen of dat de verkeerde mensen erbij kunnen.
HR-analytics Framework
commissie
Het is veel werk om voor iedere analyse of ieder rapport apart een PIA uit te voeren. Daarom is het slim om een HR-analytics Framework op te zetten. Daarin kunt u van tevoren bepalen: wat mag sowieso wel en wat niet? En in welke gevallen moet u het opnieuw gaan bekijken? U stelt vervolgens een commissie in die dit soort vraagstukken bekijkt. In deze commissie zijn dan onder andere een functionaris voor de gegevensbescherming (FG), iemand van juridische zaken, een vertegenwoordiger van de werknemers (ondernemingsraad), iemand van HR en iemand van data & analytics vertegenwoordigd.
Risico
Op basis van het PIA beslist u of u een analyse wel of niet gaat uitvoeren, of dat u deze gaat uitvoeren onder bepaalde voorwaarden. Daarbij regelt u het dan organisatorisch en technisch zo dat het vastgestelde risico zo klein mogelijk is en opweegt tegen uw plicht als goed werkgever.
2.3.2 Datakwaliteit
afspraken
U richt niet alleen een proces in voor privacy; u zult ook afspraken moeten maken over definities en datakwaliteit. Denk aan afspraken over wie bepaalt wat in uw organisatie een fulltime-equivalent (FTE) is. Of welk systeem in de organisatie leidend is als u bijvoorbeeld op zoek bent naar de huidige functie van een werknemer. Of afspraken over wie verantwoordelijk is voor de datakwaliteit.
nauwkeurig
consistent
Een goede datakwaliteit betekent:
- Data zijn valide. Ze geven weer wat het weer moet geven.
- Data zijn nauwkeurig. Data geven de werkelijkheid weer.
- Data zijn volledig. Alle noodzakelijke data zijn aanwezig.
- Data zijn consistent. Alle waardes worden op dezelfde manier (methode of procedure) bepaald en door het hele systeem worden dezelfde coderingen en verwijzingen gehanteerd.
- Data zijn toegankelijk.
- Data zijn op tijd beschikbaar.
Worden werknemers correct betaald?
salarisgegevens
Kijk eens naar de datakwaliteit van de salarisgegevens van uw organisatie. Er zijn ongetwijfeld richtlijnen over wanneer werknemers een bepaalde vergoeding krijgen. Maar matcht dat ook met wat u de werknemers daadwerkelijk uitbetaalt? Soms lopen bepaalde vergoedingen jarenlang door, terwijl iemand er helemaal geen recht meer op heeft. Dan is het tijd die vergoeding stop te zetten. Op die manier kunt u uw eigen budget ‘vrijmaken’.
datasteward
U zult mensen bewust moeten maken van het belang van datakwaliteit, en wat de gevolgen zijn als die kwaliteit niet volstaat. Daarvoor kunt u analyses en rapportages maken die inzicht geven. Sommige organisaties zetten speciale ‘datastewards’ in, die verantwoordelijk zijn voor de data. U kunt ook bepaalde processen, zoals het invoeren van nieuwe werknemers in het systeem of de administratie rondom verzuim, meer automatiseren voor het optimaliseren van datakwaliteit. Of u zorgt ervoor dat werknemers zelf hun data kunnen checken en bijwerken.