DSM: data(kwaliteit)
-gedreven HR-beleid

Om serieus met People Analytics en een datagedreven HR-beleid aan de gang te gaan, dat leidt tot acties die een organisatie verder helpen, is het essentieel dat de kwaliteit van de data hoog is. Om dat te bereiken vond bij DSM de afgelopen jaren het project MORE plaats. Gaby Montens, HR Expert op datagebied bij DSM, vertelt erover.

Het project MORE (Masterdata, Organization data and Reporting  Excellence) was een initiatief vanuit HR. Montens vertelt over de aanleiding voor MORE: “Als HR hebben we de afgelopen jaren een transformatie doorgemaakt, waarbij HR een nieuwe strategie kreeg met nieuwe rollen binnen de HR organisatie. Na afloop van die transformatie zagen we dat we als HR op datagebied nog niet waren waar we wilden zijn. Want onze ambitie is om data op een hoog niveau te hebben en te houden. Niet alleen om onze processen goed te kunnen ondersteunen maar ook om te  kunnen bijdragen aan datagedreven HR-beleid. We willen  meewerken aan de strategie en kunnen zorgen dat we inzichten die we opdoen met de data, ook echt omzetten in acties en gedragsveranderingen om de organisatie verder te helpen en te verbeteren. Daarom zijn we met MORE begonnen.” En dat past prima in de forse transformatie, die DSM als organisatie in de loop der jaren heeft ondergaan, vertelt Montens. “DSM was ooit een mijnenbedrijf en is nu een moderne, vooruitstrevende organisatie die op zoek is naar innovatie en heel duidelijk wil bijdragen aan duurzaamheid en gezonde en goede zaken voor de mens.”

Op drie gebieden aan de slag

Montens legt uit waar het bij HR aan schortte voordat MORE van start ging: “Er was nog ambiguïteit in onze datakwaliteit, de rapportages waren nog niet op het niveau dat we wilden en onze systemen konden nog verder gestroomlijnd worden, waarbij we datakwaliteitschecks wilden inbouwen. Betere datakwaliteit zou ons ook helpen om processen beter en meer betrouwbaar te laten verlopen.” HR ging bij MORE op deze drie gebieden – masterdata management, organisatiemanagement en reporting – aan de slag. “Op alle drie de gebieden hebben we verbeteringen doorgevoerd die de organisatie verder kunnen helpen en die voor ons de basis leggen om serieus aan de slag te gaan met People Analytics.”

Bij masterdata wordt onder meer gekeken  naar de compliancy van de data, dat wil zeggen of de data klopt met de businessregels. “Bij DSM hebben we tijdens een eerder project zes gebieden met ‘core’ datavelden gedefinieerd, waaronder employment, persoonlijke data, organisatiedata en salarisdata. Vervolgens hebben we op basis daarvan een actuele data dictionary opgezet, want de bestaande data dictionary was sterk verouderd. Die actuele data dictionary vormt nu het hart van onze dataorganisatie. En we hebben businessregels bepaald voor ieder dataveld, dat wil zeggen regels waar een dataveld aan moet voldoen, en deze vervolgens geautomatiseerd toegepast. Zodat we rapportages konden creëren over de datakwaliteit en aan datacleansing konden doen. Met het datakwaliteit dashboard kan HR nu maandelijks de status van de data meten en inspringen waar nodig. Dat gebeurde eerst in projectvorm, maar is inmiddels overgedragen aan de managed operationsorganisatie, HR shared services. Daar zit nu een team dat de wijzigingen bijhoudt, kijkt of er nieuwe velden nodig zijn en of dat er nieuwe businessregels van toepassing zijn. Daarnaast kunnen er ook nieuwe  waardes mogelijk zijn, bijvoorbeeld door de komst van een nieuw bedrijf of een nieuwe locatie.”

Het datakwaliteit dashboard is niet alleen toegankelijk voor HR. “Ook medewerkers van andere afdelingen kunnen ernaartoe. Qua communicatie focussen we echter wel op HR. We hebben per dataveld groepen mensen gedefinieerd die eigenaar zijn van dat dataveld. En we hebben gedefinieerd voor welke velden we problemen zelf kunnen oplossen en welke we moeten overdragen aan een HR businesspartner of misschien wel de medewerker zelf.”

Montens geeft een concreet voorbeeld: “We hebben bijvoorbeeld gekeken naar het mailadres van medewerkers. Dat moet voldoen aan bepaalde criteria, die zijn vastgelegd in een businessregel. Samen met IT hebben we gekeken naar een systeem om die regel te controleren en dat leidde tot een rapportage met een inventarisatie in hoeverre de mailadressen aan de businessregel voldeden.”

Een belangrijke les die HR tijdens dat traject leerde was dat het opzetten van businessregels een levend iets is. “Wat vandaag relevant is, kan morgen namelijk minder relevant zijn. En omgekeerd. Bovendien kunnen er ook businessregels bijkomen of verdwijnen. En het kan zo zijn dat door veranderingen binnen de organisatie er andere datavelden komen.”

Data Accuracy

Bij de masterdata werd niet alleen gekeken naar de compliancy, maar ook naar de accuracy van de data. “Dat was nodig, want je kunt wel voldoen aan de businessregel, maar dat wil nog niet zeggen dat de ingevulde waarde wel de juiste waarde is. In het voorbeeld van de mail: klopt het mailadres wel met de medewerker die het gebruikt?”

Maar wie kan het beste checken of data correct is? HR besloot deze vraag datagedreven aan te pakken en startte een pilot binnen de eigen afdeling: “We wilden weten van welke groep we de meeste respons kregen. Daarom hebben we HR opgedeeld in medewerkers, managers en HR business partners. Vervolgens hebben we de groepen gevraagd om bepaalde data te checken. Het bleek dat we van de medewerkers de meeste en beste respons kregen en dat we bij hen de grootste cleansing konden doen.”

Deze uitkomst leidde via scrumsessies met IT tot de komst van MyDataChecker, een applicatie waarbij vanuit de data dictionary werd gekeken welke velden de medewerkers zelf ‘schoon’ zouden kunnen houden en welke door anderen moesten worden opgepakt. “Daar kwamen zestien velden uit die zijn verwerkt in een tool, waarmee elke medewerker elk moment van de dag zijn data kan controleren. Vervolgens kan hij een change request aanvragen. Als HR hebben we gekeken of voor zo’n change request een kwaliteitscheck of informatieaanvraag nodig is en dat resulteerde erin dat we voor de wijziging van sommige velden hebben gevraagd om een paspoort- of identiteitscontrole. HR of een externe partner voert vervolgens de wijzigingen door.”

Tips (zijkant)

De eerste tip die Montens andere organisaties wil geven, is om gewoon te beginnen. “Ga niet ellenlang brainstormen. Ga aan de slag en stel bij waar nodig. Wij zijn in 2017 gestart en hebben ons oorspronkelijke plan ook bij moeten stellen. Dat is ook logisch, want de wereld verandert continu.”

Een tweede tip: “Zorg voor focus. Als je met data aan de slag gaat, zijn er namelijk zoveel topics die je aan kunt en wilt pakken. Je kunt echter beter een paar dingen goed doen dan heel veel dingen half.”

Een derde tip van Montens is om gebruik te maken van de beschikbare technieken en de scope te verbreden tot buiten HR. “Maak gebruik van de capaciteiten die er zijn binnen je bedrijf. Zorg voor complete, inter-functionele teams, zodat je alle kennis in je team hebt en snel kunt schakelen.”

Communicatie

In het team dat MyDataChecker ontwikkelde, zaten ook IT mensen die de connectie moesten maken vanuit de brondata om ervoor te zorgen dat de data van de juiste persoon werden opgehaald en communicatiemedewerkers om te zorgen voor een juist gebruik. “Dat laatste is cruciaal in zo’n proces. Het ontwikkelen is een, maar je moet er vervolgens duidelijk over communiceren en zorgen voor trainingen, zodat je mensen meeneemt in je project. Daarom zijn er informatiesessies geweest en is er een pagina gebouwd waar medewerkers informatie kunnen vinden over de applicatie en het gebruik. Verder zijn er nieuwsberichten geweest, filmpjes gemaakt en is er via het interne Yammer-platform gecommuniceerd.”

Live

MyDataChecker ging op 1 april 2019 live. In november 2019 volgde een  update met onder meer een video. De app is in het eerste half jaar inmiddels ruim 23.000 keer geopend. Meer dan 4.000 keer bevestigden medewerkers de juistheid van de data en ruim 800 keer leidde het tot een change request. Er wordt nu gekeken hoe MyDataChecker verder ontwikkeld kan worden. “Zo willen we dat er een jaarlijkse pop-up komt, waarbij vaste medewerkers gevraagd wordt hun data te controleren. En we willen dat nieuwe medewerkers die pop-up na twee maanden krijgen. Daarnaast kijken we of het aantal van zestien velden misschien uitgebreid moet worden.”

Organisatiedata

Bij organisatiedata werd er eerst voor gezorgd dat het model van medewerkers die organisatieveranderingen mogen inbrengen duidelijk werd. “Daarvoor hebben we een systeem gemaakt waarbij we basis users en advanced users hebben gedefinieerd en daarboven nog een expert. Daardoor hebben we bij complexe veranderingen duidelijke rollen. Daarnaast hebben we flink gewerkt aan het maturity-level van het HRSS OM-team.” Montens zag ook bij de organisatiedata dat communicatie belangrijk was. “Het helpt om medewerkers uitleg te geven en ze te leren hoe je organisatiemanagement moet bedrijven. Organisatiemanagement draait namelijk om het ‘vertalen’ van de vraag van de klant naar de juiste acties in het systeem.”

De afgelopen periode zijn er nog een aantal zaken toegevoegd binnen organisatiemanagement. “Zo hebben we een beslisboom ontwikkeld waarmee we vanuit een medewerkersactie komen tot een actie die in het organisatiemanagement moet gelden. Als ik een positie moet aanmaken, betekent dat vaak dat ik óf iemand in dienst neem óf dat er iemand van positie verandert. De personeelsdata hangen dus altijd samen met de organisatiemanagement data.”

Daarnaast is Montens bij organisatie data ook bezig met positiemanagement. “Daarbij kijken we kritisch naar het aantal op te voeren posities, volgens de afspraken die we hebben gemaakt, om zo datavervuiling te voorkomen.  Bovendien willen we dat ons systeem uiteindelijk de basis wordt voor de workforceplanning. En die workforceplanning willen we tevens koppelen aan het budgetproces.”

Valkuilen

Bij de masterdata kwam Montens in aanraking met een valkuil, die uiteindelijk werd omgebogen tot een succes: het splitsen van de kwaliteit van data in compliancy en accuracy. “Je kunt namelijk niet alleen focussen op een deel, je moet het alle twee meenemen.”

Een tweede valkuil is ownership. “Zorg dat je een duidelijk ownership creëert bij medewerkers en collega’s. Een papieren proces is leuk, maar als het in de praktijk niet werkt, heb je uiteindelijk nog niets.”

Succesfactoren

Ownership is daarom een belangrijke succesfactor volgens Montens om de kwaliteit van je data onder controle en op een hoog niveau te hebben. Een tweede succesfactor is het hebben van dedicated medewerkers die de data monitoren en waar nodig problemen signaleren, zodat deze kunnen worden aangepakt.

Een derde succesfactor is het hebben van een basisdocument, in het geval van DSM de data dictionary, waaraan de data en alle daaraan gelinkte informatie kunnen worden opgehangen.

Ook het hebben van een dashboard waarmee datakwaliteit inzichtelijk wordt gemaakt, is voor Montens een succesfactor. Evenals communicatie. “Het is belangrijk dat je de medewerkers uitlegt wat je van ze verwacht en waarom het zo belangrijk is. Neem het salarisniveau. Dat is belangrijk voor een medewerker, want als het niet klopt, krijgt hij een verkeerd salaris. En voor de manager is het belangrijk omdat hij wanneer het salaris niet juist is, verkeerde teamkosten krijgt.”

Trots

Terugkijkend op de afgelopen jaren is Montens vooral trots dat het gelukt is om HR op een hoger niveau te krijgen op het gebied van de kwaliteit van de data en op het gebied van reporting. De hoge data kwaliteit heeft geleid tot accurate rapportages en heeft ervoor gezorgd dat de HR processen soepeler verlopen en als betrouwbaar worden gezien. “We hebben nu een Workforce dashboard, waar een kleine 160 HR-medewerkers gebruik van maken. Via een survey (datagedreven!) krijgen we ook terug dat HR-medewerkers het van toegevoegde waarde vinden om zo via instant informatie de business te kunnen bedienen. Want we nemen niet langer beslissingen op basis van gut feeling, maar op basis van data. En we kunnen op basis van die data ook acties uitvoeren die daadwerkelijk leiden tot verbetering.”

Toekomst

“We kijken nu naar de volgende stap die we kunnen maken in onze People Analytics reis. Zodat we straks onze ambitie kunnen waarmaken om datagedreven informatie om te zetten in acties voor DSM. Om dat te bereiken wordt nu onderzoek gedaan en worden de eerste businessvragen met use cases in kaart gebracht. Hypotheses worden getoetst en eerste correlaties vanuit diverse personeelsdata zijn in beeld gebracht. Als bedrijf staan waarden en duurzaamheid hoog in het vaandel dat willen we ook tot uiting laten komen in hoe we verder met People Analytics om kunnen gaan. We hebben als DSM dan ook gekozen om een Ethical Framework op te zetten, zodat we op ethisch verantwoorde wijze en in overeenstemming met GDPR People Analytics binnen DSM kunnen neerzetten.”

Uitdagingen

Tijdens het proces waren er volop uitdagingen, zegt Montens. “Je stelt je allereerst de vraag: wat kun je, wat wil je en waar doe je het voor. Vervolgens moet je kijken hoe je met je resources om gaat en waar je je kennis vandaan haalt. Daarna moet je gewoon beginnen, want medewerkers zijn vaak voorzichtig en terughoudend als het om data gaat. Bovendien is zo’n proces levend en kun je het gaandeweg altijd aanpassen. Dat is met data net zo: wat je vandaag vastlegt, is morgen weer anders.”

Montens ziet dat de hogere datakwaliteit leidt tot een hogere tevredenheid bij medewerkers. “Daarnaast helpt het ons bij onderzoeken en de analyses die we aan het doen zijn. Het feit dat medewerkers vertrouwen op de data zorgt er namelijk voor dat processen gemakkelijker gaan en dat medewerkers vertrouwen op de uitkomsten van rapportages. Dat vertrouwen hebben we echter wel moeten opbouwen. Vandaar dat in het begin datacleansing ook zo belangrijk was.”

Een belangrijke uitdaging in het traject was de privacy. “Het gaat om het vastleggen van de juiste data en ook de dataprivacy op zich is de laatste jaren een topic geworden waar we rekening mee moeten houden. Als DSM zijn we ook nadrukkelijk bezig met privacy. Zo hebben we een ‘Center of Expertise (COE)’ voor privacy en bevat MyDataChecker een privacy statement dat juridisch gecheckt is. Onderdeel van People Analytics, zoals we dat binnen DSM aan het opzetten zijn, is het Ethical Framework waarin we 4 medewerkersrechten hebben gedefinieerd. Naast privacy speelt ook transparantie daarin een grote rol. Om erop toe te zien dat het Ethical Framework goed wordt toegepast, is er een Ethical Board benoemd, met daarin leden die de hele DSM organisatie vertegenwoordigen. ”

Montens raadt andere organisaties die aan de slag willen gaan met reporting en analytics aan om ervoor te zorgen dat de kwaliteit van de data op een acceptabel niveau is. “De twee disciplines kunnen overigens wel gelijk op gaan, want juist doordat je aan de slag gaat met reporting en  analytics en de resultaten laat zien, gaan gebruikers vragen stellen, omdat ze zien waar het aan schort. Daardoor kom je tot een betere datakwaliteit. Zelf zijn we daarom al tijdens MORE met het People Analytics project begonnen.”

Naast het feit dat HR zich richt op de medewerkers, is er ook aandacht voor de managers. “Zo kijken we momenteel hoe we ons budgetproces kunnen verbeteren met name als het gaat om informatie over het aantal FTE’s. We kijken daarnaast of we het Workforce Dashboard ook kunnen uitrollen voor managers.