9.2 Valkuilen rondom metrics
Als u metrics gebruikt om te sturen en inzichten te creëren, moet u rekening houden met een aantal valkuilen.
9.2.1 De juiste stuurgetallen vinden
Het is best lastig om goede stuurgetallen te vinden. U gaat bij voorkeur op zoek naar stuurgetallen waar u ook echt mee kunt sturen. De medewerkerstevredenheid bijvoorbeeld, daarmee kunt u voorspellen.
niet sturen
Met het verzuimpercentage en de meldingsfrequentie kijkt u echter alleen maar terug. Met die getallen kunt u dus enkel ‘verantwoorden’, en niet sturen.
Vertalen
personeelskosten
Organisatiedoelstellingen lijken soms lastig te vertalen naar stuurgetallen rondom werknemers. Toch kan dat vaak wel. Als in uw organisatiestrategie bijvoorbeeld het doel is opgenomen om een hoger rendement op investeringen (ROI) te behalen, kunt u dat ook vertalen naar wat dat betekent voor uw werknemers. Want een hoger rendement op investeringen betekent in feite een hogere winst. En een hogere winst kunt u vertalen naar omzet minus kosten. U kunt uw winst verhogen door de kosten te verlagen. Een deel van de kosten bestaat uit personeelskosten. U kunt de personeelskosten als KPI gebruiken, maar die zijn afhankelijk van de productiviteit (productie per fte) en de arbeidsvoorwaarden (kosten per fte). Dus als de ROI omhoog moet, kunt u zich als HR-professional richten op betere productiviteit en lagere kosten van arbeidsvoorwaarden. Zo kunt u organisatiedoelstellingen vertalen naar stuurgetallen rondom werknemers.
streefwaarde
Ook het vaststellen van een juiste streefwaarde voor uw stuurgetal is soms lastig. Deze moet uitdagend én realistisch zijn. Stel: u heeft te maken met stijgend verzuim. Een realistische doelstelling is dan een afbuiging, zodat het verzuim niet verder stijgt. Voorziet u een hogere gemiddelde leeftijd en is er een samenhang tussen leeftijd en verzuim? Dan is het niet realistisch om aan te sturen op een afnemend verzuim.
9.2.2 Het risico van aggregeren
Als u met metrics aan de slag gaat, gaat u de verzamelde data normaal gesproken eerst aggregeren tot een cijfer. Daarna gaat u pas analyseren en conclusies trekken.
Stel: u neemt van alle werknemers de leeftijd. Dat worden individuele gegevens genoemd. Als u vervolgens de gemiddelde leeftijd berekent voor de organisatie in haar geheel, bent u de data aan het ‘aggregeren’ (samenvatten/verenigen) tot één cijfer: de gemiddelde leeftijd.
Uit onderzoek van SPP-expert Gerard Evers naar migratiepatronen in Noord-Brabant bleek dat naarmate er meer mensen van de stad naar het platteland verhuisden, ook het forenzen toenam. Dat klinkt logisch: als mensen buiten de stad gaan wonen maar in de stad blijven werken, gaan ze meer forenzen. Maar kijkend naar de data eronder, bleek dat de mensen die migreerden, niet de mensen waren die gingen forenzen. Het waren twee losse groepen mensen. Op microniveau was er helemaal geen samenhang tussen die twee gegevens.
totaalniveau
Als u op totaalniveau naar de cijfers kijkt, kunt u een fout maken in uw conclusie. Daarom is het beter om eerst individuele data te analyseren en dan pas te aggregeren.