Verzuim voorspellen met preventiealgoritmen

Wat doen we juist niet

Laten we beginnen met hoe juist níét. We zien dat veel arbodiensten ‘preventief’ aanbod hebben. Een frequent-verzuim-gesprek of een training voor leidinggevenden om stiekeme verzuimers te herkennen. An sich goede initiatieven, maar wel alsof een spijbelende puber bij de directeur moet komen. Too little, too late. Je wil juist in gesprek tijdens een van de ontelbare keren dat hij of zij ongeïnteresseerd een les volgde. Geen preventie, maar nog steeds ‘curatie’ dus, wat ons betreft.

Daarnaast zien we een leger aan speldenprikjes binnen veel organisaties: goedbedoelde initiatieven die slecht op één klein deel van preventie richten. Inderdaad: de cursus mindfulness, appels in de kantine, de stoelmassage, het fitnessabonnement en ga zo maar door. Hartstikke zinvolle initiatieven, maar zie het als een service naar uw medewerkers, als tertiaire arbeidsvoorwaarde. Van een echt integrale preventiebenadering is vaak geen sprake. Je bereikt bijvoorbeeld vaak de verkeerde mensen binnen je bedrijf; je wil niemand verplichten en juist de meest betrokken en vitale medewerkers doen mee aan vrijwillige programma’s.

Daarnaast zijn de effecten nauwelijks meetbaar. Er zijn tig redenen waarom mensen verzuimen en een initiatief op één daarvan heeft geen direct effect. Jouw medewerkers gaan niet op korte termijn minder verzuimen of worden niet direct veel productiever van een cursus mindfulness. Claims dat verzuim en verloop naar beneden gaan met een fitnessabonnement voor je medewerkers kunnen direct de prullenbak in. En natuurlijk heeft leefstijl invloed op verzuim, maar met die leefstijlcoach van nu bespaar je misschien verzuim door diabetes-II van een medewerker over 10 of 20 jaar. Nobel, maar geen ROI waar je als HR-afdeling een directie blij mee maakt. Ook niet de goede focus op preventie dus.

Preventie écht begrepen

Hoe zorgen we ervoor dat preventie wél een strategisch onderdeel wordt? Meetbaar met KPI’s en niet op basis van vage theorieën, maar op basis van échte data? En dan geen data uit vage Amerikaanse onderzoeken van jaren geleden, maar jullie eigen data over jullie eigen medewerkers.

Hiervoor is het van belang verzuim en preventie goed te begrijpen. Een eerste belangrijk onderscheid is dat tussen werkgerelateerd en niet-werkgerelateerd verzuim. Niet-werkgerelateerd verzuim zijn mensen die met griep op bed liggen, een been breken of met spoed ouder of kind naar het ziekenhuis moeten brengen. Je hoort dan al snel de populistische uitspraak ‘laten we vooral kijken wat mensen nog wél kunnen!’, maar hoe zinvol is die timmerman die met een gebroken been post komt sorteren op kantoor nu echt? Leg de focus in je beleid vooral op werkgerelateerd verzuim, dat is qua kosten circa 50% van het totale verzuim.

Eenzijdig of complex werk?

Er moet bij het voorkomen van werkgerelateerd verzuim een belangrijk onderscheid gemaakt worden in het type werk dat mensen uitvoeren. Voor relatief eenzijdig werk in een stabiele omgeving, denk aan productiewerk, gelden andere regels dan voor complex werk in een dynamische omgeving. Als vuistregel voor ‘eenzijdig werk’ wordt vaak gehanteerd: kan het werk ook met een flinke kater van de avond ervoor prima uitgevoerd worden? Voor dit soort werk kunnen eenvoudige als-dan-prikkels prima werken. Een verzuimbonus of een extra vrije dag bijvoorbeeld. Bij complexer werk, en dat is het merendeel van ons werk tegenwoordig, gaan andere regels op. Het er alleen zijnwil nog niet zeggen dat mensen ook fit en vitaal hun werk doen. Voor die tweede groep is het goed met preventiealgoritmes te kijken naar de energiebalans van medewerkers.

Voorspelbaarheid werkgerelateerd verzuim

Het mooie is namelijk: waar niet-werkgerelateerd verzuim vaak plots gebeurt (je breekt ineens je been of wordt op een dag wakker met griepverschijnselen), heeft werkgerelateerd verzuim vaak allerlei indicatoren of voorspellers. Dalingen in de energiebalans. Een slecht contact met een leidinggevende, onduidelijke doelstellingen en een moeizame relatie met collega’s zijn voorbeelden hiervan. De meeste verzuimkosten in werkgerelateerd verzuim zijn namelijk de kosten van psychosociale arbeidsbelasting. Met preventie algoritmen kun je als HR-deling op basis van data herkennen welke medewerkers deze dalingen ervaren. Zo kan gericht het gesprek aangeknoopt worden om hier preventief maatregelen in te nemen.

Indicatoren van verzuim

Er zijn dus allerlei signalen voorafgaand aan werkgerelateerd verzuim. Een goede leidinggevende pikt deze signalen op en handelt er snel en adequaat op. Het is echter risicovol alleen afhankelijk te zijn van de sociale voelsprieten van een leidinggevende en de ervaring leert dat lang niet elke leidinggevende over deze voelsprieten beschikt. Een goede verzameling en analyse van data om mogelijke problemen te kunnen signaleren is daarom essentieel.

Gelukkig verzamelen we steeds meer data over de betrokkenheid van medewerkers, wanneer bepaalde processen zijn gedigitaliseerd. Wellicht wordt er een betrokkenheidsonderzoek uitgevoerd, maar denk ook aan digitale varianten van een gesprekscyclus, een inwerkprogramma of een producttraining.

Of aan de betrokkenheid op een community platform. Dergelijke digitale platforms bevatten enorm veel mogelijke indicatoren van verzuim, verloop of productiviteit. Bij deze indicatoren geldt: massa is kassa. Dus één slechte beoordeling door een leidinggevende wil natuurlijk niet meteen zeggen dat een medewerker niet productief is, gaat verzuimen of een andere baan gaat zoeken. Precies zoals die cursus mindfulness niet meteen tot stijging in productiviteit leidde.

Maar wanneer een medewerker ineens minder betrokken is het op het sociaal intranet EN aangeeft in een voortgangsgesprek zijn contact met collega’s met een 5 beoordeelt EN door de leidinggevende aangemerkt wordt als ‘plaatsing heroverwegen’ EN etc., is deze conclusie al sterker onderbouwd.

In onderstaand model is visueel weergegeven hoe dergelijk indicatoren gesignaleerd worden bij werkgerelateerd verzuim.

Variërende correlaties

Elke indicator heeft hierbij een bepaalde waarde; de ene indicator heeft waarschijnlijk een sterker effect op iemand betrokkenheid en kans op verzuim/verloop dan de andere. In de systemen van WELDER werken we daarom met een puntensysteem. Iemand beoordeelt de leidinggevende 3 punten lager dan tijdens de vorige cyclus? -20 punten. Iemand post gemiddeld 50% minder berichten dan hij of zij gemiddeld deed in de maanden ervoor? -5 punten. Iemand wordt door een leidinggevende als ‘top-potentieel’ aangewezen? +20 punten. In totaal kent WELDER zo 75 indicatoren van betrokkenheid. Elke maand ontvangt een HR-afdeling een overzicht van deze scores, waarmee acties gericht ingezet kunnen worden.

Uiteraard is het van essentieel belang elke medewerker goed in te lichten over zijn of haar rechten met dit soort data. Maar wanneer het zo lukt om één iemand uit langdurig verzuim te houden, is elke investering hierin vaak al terugverdiend. Financieel voor de organisatie, maar zeker ook sociaal gezien wordt de medewerker een hoop ellende bespaard.

Een preventief beleid hoeft daarmee dus niet altijd te betekenen dat interventies op basis van volledige vrijwilligheid aangeboden worden aan álle medewerkers. Een fitnessfaciliteit waar iedereen gebruik van mag maken of een vitaliteitsbudget dat iedereen op zijn of haar gewenste manier mag besteden. Met de preventiealgoritmen kun je gericht in beeld brengen welke mensen geen goede match hebben met het werk op dat moment. Veel gerichter kan met deze mensen het gesprek aangegaan worden om dit te verbeteren.

Aanvullend onderzoek

Deze preventiealgoritmes dienen zich uiteraard telkens te bewijzen. In aanvullend onderzoek wordt de correlatie gelegd tussen de resultaten uit het preventiealgoritme enerzijds en daadwerkelijk verzuim, verloop en productiviteit anderzijds.

De impact kan namelijk per bedrijf verschillen. Zo is de activiteiten op het sociaal intranet een goede voorspeller in de ene organisatie, terwijl het minder zegt bij de andere organisatie. Data-analisten gaan aan de slag met deze data en zoeken continu naar correlaties. Na een aantal jaar voorspel je zo vrij nauwkeurig waar verzuim en verloop gaat plaatsvinden en waar productiviteit lager zal zijn.

Preventiedatabase

Een overzicht van alle punten van alle medewerkers leidt tot een preventiedatabase: een helder overzicht van hoeveel punten elke medewerker vergaart. Sorteren op de hoogste punten geeft een inzicht van de meest betrokken, vitale en inzetbare medewerkers. Sorteren op de laagste punten geeft inzicht in de medewerkers met een mismatch in werk of functie.

Met deze mensen kan preventief het gesprek gevoerd worden. Niet op een verwijtende toon, maar met als doel het achterhalen van de reden achter deze mismatch. Past het werk inhoudelijk niet goed? Is het contact met de leidinggevende verstoord? Spelen er zaken privé? Met de database kan gericht het gesprek aangeknoopt worden.

Kortom

In deze whitepaper gaan we in op het voorspellen van verzuim met preventiealgoritmen. De belangrijkste punten zijn:

• Een preventiebeleid gericht op één of enkele aspecten van preventie zorgt niet voor strategische besluitvorming
• Bij preventie moet een belangrijke focus te liggen op werkgerelateerd in plaats van niet werkgerelateerd verzuim.
• Bij eenzijdig werk kunnen als-dan-prikkels prima effect sorteren. Bij complexer werk is een aanpak nodig van tijdige signalering en bijsturing op basis van preventiealgoritmen.
• Werkgerelateerd verzuim kent allerlei indicatoren, die via digitale systemen opgepikt kunnen worden.
• Wanneer meerdere indicatoren tegelijk plaatsvinden, kan een zinvolle indicatie van verzuim, verloop of productiviteit gemaakt worden.
• De waarde van deze indicatoren kan variëren en dient nauwgezet gevolgd te worden met data over verzuim, verloop en productiviteit.
• De scores uit de preventie indicatoren leiden tot een preventiedatabase. Met mensen met deze database waar lage scores uit komen, kan gericht het gesprek aangeknoopt worden.

Met deze aanpak kan voorspeld worden wanneer medewerkers gaan uitvallen of verzuim. Of wanneer zij minder presteren dan ze zouden kunnen. Met deze data gedreven aanpak vormt preventie een onderdeel van de strategische besluitvorming binnen het bedrijf.