Het voorspellen van leergedrag
Voorspellende analyse kan managers, die verantwoordelijk zijn voor het aannemen van medewerkers, helpen om de leerbehoeften van de volgende generatie toptalent in kaart te brengen.
Je zou kunnen zeggen dat ik een analytisch persoon ben. Ik ben dol op analyseren, vooral op de voorspellende variant. Tegelijkertijd ben ik bevooroordeeld. Want mijn huidige functie leunt zwaar op technologie die onze klanten voorziet van hulpmiddelen voor voorspellende analyse. Zij kunnen hiermee medewerkers werven die het best passen bij een bepaalde baan of cultuur.
Beter werven
Toen het fenomeen nog in de kinderschoenen stond had software voor HR-analyse één doel: beter werven. Dit zou automatisch leiden tot een lager personeelsverloop en een hoger prestatieniveau. En inderdaad ervoeren gebruikers drastische resultaten op die terreinen. Meer en meer mensen werden aangenomen na gebruik van een analytische formule, die een gedragsassessment bevatte waarin prestatie-indicatoren en het karakter van de functie werden gekoppeld. Vervolgens begonnen de toepassingsmogelijkheden van analyse zich snel te ontwikkelen. Daar zaten we dan, op een goudmijn van gedragseigenschappen van miljoenen kandidaten, die ons helpt om de beste medewerkers te voorspellen en aan te bevelen. Hoe konden we deze inzichten nog verder uitbuiten?
We wisten al dat voorspellende analyse beslist kan worden gebruikt ten behoeve van de introductie en het inwerken van nieuwe medewerkers. Uit een groot aantal vragen over gedrag distilleren we de leerstijl die een kandidaat prefereert, of hoe nieuw materiaal het gemakkelijkst wordt verwerkt. We wisten ook al hoe kandidaten taken managen: zijn ze technologisch geavanceerd en dus sterk afhankelijk van iPads, of zijn ze ‘old school’ en gebruiken ze notitiebriefjes? En benaderen zij een taak aan de hand van opeenvolgende mijlpalen, of pikken ze allereerst de gemakkelijkste onderdelen? En we konden ook al voorspellen hoe medewerkers omgaan met tijdsindeling, hun voorkeuren inzake het werken in teams en hun verwachtingen ten aanzien van supervisie en de bijbehorende interacties.
Technologie
Dit brengt mij bij een van de meest opwindende aspecten van voorspellende analyse: de huidige technologie kan inzicht verschaffen in ontwikkelingsaspecten waarop de kandidaat het optimale ambitieniveau niet haalt. Veel werkgevers hechten bijvoorbeeld grote waarde aan het meten van de zelfstandigheid van een kandidaat. De uitkomst van die meting helpt bij het bepalen van de noodzaak van ofwel een ‘hands on’-manager (in het geval van een lage zelfstandigheidscore), ofwel een manager die weinig reguliere supervisie biedt. De manager, die verantwoordelijk is voor het aannemen van een medewerker, beschikt al over deze informatie vóór het eerste sollicitatiegesprek, vóórdat een kandidaat een functie wordt aangeboden, en vóórdat hij of zij begint aan de eerste werkdag.
Als een kandidaat laag scoort op zelfstandigheid, terwijl de werkgever het zoekt in de categorie ‘hoog’, dan kan voorspellende analyse op twee manieren helpen bij het beoordelen van de betreffende sollicitant. De eerste is een automatisch-gegenereerde vragenlijst op basis van assessmentresultaten. In een geavanceerde HR-technologie-omgeving wordt ieder niet-optimaal gedragsaspect (in de fase vóór het aannemen) omgezet in vragen voor het sollicitatiegesprek. De verantwoordelijke manager kan aldus deze aspecten uitdiepen en ontcijferen hoe de kandidaat zichzelf op de betreffende terreinen kan verbeteren.
Na de aanname van een sollicitant kunnen deze lacunes, die duiden op leermogelijkheden, worden aangepakt tijdens speciale trainingen. Hierin leren medewerkers bijvoorbeeld hoe zij succesvol kunnen functioneren binnen uiteenlopende managementstijlen. Deze en andere leermogelijkheden kunnen proactief worden gepland en behandeld in een vroeg stadium van de loopbaan van een kandidaat. Dit zorgt voor ondersteuning tijdens het huidige werk en gedurende het vervolg van de loopbaan. Organisaties passen een proactieve opleidingsstrategie toe wanneer hun HR-technologie in staat is om uit de beschikbare opleidingssoftware, cursussen te selecteren die precies inspelen op de hiaten die zijn ontdekt tijdens de initiële assessmentresultaten van een kandidaat. Het op deze manier koppelen van de nieuwe medewerker aan de toepassing van opleidingsapplicaties kan zorgen voor versnelling van werkgedrag en vaardigheden die nodig zijn voor maximale productiviteit.
Voorspellende analyse
Onder de nogal wijdlopige noemer ‘opleiden’ helpt voorspellende analyse managers bij het bereiken van resultaten. Naast het identificeren van verbeteringsterreinen helpt het bij het beantwoorden van de vraag: ‘Hoe kan een medewerker het best informatie verwerken?’ Als bijvoorbeeld uit het assessment blijkt dat een kandidaat laag scoort op zelfstandigheid, dan functioneert hij of zij waarschijnlijk het best in een klassikale omgeving, met mogelijkheden tot interactie, in plaats van een geïsoleerde situatie met een online-cursus en de noodzaak van zelfdiscipline. In contrast hiermee scoren jongeren (millennials), die zowat online zijn opgegroeid, mogelijk zeer hoog op zelfstandigheid. Zij hebben waarschijnlijk een voorkeur voor elektronica als hulpmiddel voor bedrijfsopleidingen, in plaats van werken in een groep. Dankzij de ontwikkeling van opleidingstechnologie kan hun training worden verzorgd om een manier die hen bekend is, in de vorm van een sociaal leerplatform of een virtueel klaslokaal.
Voorspellende analyse kan managers, die verantwoordelijk zijn voor het aannemen van medewerkers, helpen om leerbehoeften van de volgende generatie toptalent in kaart te brengen. De betreffende leidinggevenden moeten proactief zijn bij het toewijzen van relevante opleidingen, deze aanbieden in een vorm die het best past bij de manier waarop een medewerker wil leren, en de resultaten in de gaten houden. De kans is groot dat deze stijl van geoptimaliseerd leren de basis wordt voor een nieuwe standaard in hoe medewerkers functioneren, en aldus bijdragen aan de financiële resultaten van de organisatie.