Verzuim aanpakken met HR Analytics
Aan de slag met datagedreven verzuiminterventies

Overzicht
Masterclass Verzuim aanpakken: in het kort
Wat leer je in deze masterclass?
HR-professional, arbo-specialist, HR-analist of leidinggevende: je hebt allemaal een belangrijke taak op het gebied van verzuim. Cijfers hierover geven veel informatie over het verzuimgedrag van medewerkers.
In deze tweedaagse masterclass leer je met theorie, oefeningen en praktijkcases, hoe je verzuimdata op effectieve wijze binnen jouw organisatie inzet om verzuim continu te meten, analyseren, interpreteren en op te volgen.
Je leert welke streefwaarden je kunt toepassen op jouw verzuimbeleid en hoe je de data verwerkt in heldere managementrapportage. Stap voor stap analyseert en interpreteer je de verzuimdata. Met deze analyses kun je de juiste interventies aanbevelen, onderbouwd met een business case met de kosten en opbrengsten. Daarmee geef je leidinggevenden meer inzicht in de verzuimcijfers. Dat zal hen stimuleren om in actie te komen om het verzuim binnen je organisatie te voorkomen en verlagen.
Dit zijn de resultaten van de masterclass:
- Je kunt verzuimcijfers definiëren en doorgronden;
- Je weet welke verzuimkengetallen relevant zijn voor je eigen organisatie;
- Je kunt verzuimcijfers analyseren, interpreteren en bruikbare managementinformatie maken;
- Je weet welke vervolganalyses mogelijk zijn en hoe je deze kunt aanpakken.
Als bagage neem je mee:
- Inzicht in de data achter verzuimcijfers en de juiste analyse hiervan;
- Kennis over het opzetten van een business case en een ROI-meting voor verzuiminterventies;
- Kennis over het lezen, presenteren en interpreten van verzuimdata.
Voor wie is de masterclass?
Werk je in een HR- of P&O-rol, ben je HR-analist, leidinggevende of verzuimcoördinator en wilt stappen zetten om het verzuim binnen je organisatie te voorkomen en verlagen? Dan is de masterclass in deze situaties zeker geschikt voor jou:
- Je wilt meer grip krijgen op de definities van en valkuilen achter verzuimcijfers;
- Je wilt door een effectieve HR Analytics aanpak de juiste verzuiminterventies inzetten;
- Je wilt de kosten, opbrengsten en effectiviteit van verzuiminterventies met data onderbouwen;
- Je wilt de resultaten van je verzuiminterventies meten en aanscherpen om leidinggevenden optimaal te kunnen faciliteren.
Details
Voorbeeld datagedreven vitaliteit en verzuimmanagement
Als je vitaliteit en verzuim datagedreven wilt aanpakken, begin je met vaststellen of de organisatie een probleem heeft op dat gebied. Dit bepaal je door diverse kengetallen te combineren. Vervolgens kun je met data achterhalen welke factoren van invloed zijn. Daarnaast helpen data om vast te stellen of de interventies succesvol zijn.
Het probleem vaststellen
Als je wilt inventariseren hoe het ervoor staat met het verzuim binnen de organisatie, begin je veelal met terugkijken. Hoeveel verzuim was er het afgelopen jaar? Om het verzuimpercentage uit te rekenen, vergelijk je het aantal dagen dat iemand in een jaar verzuimt en het aantal dagen dat hij in dat jaar had kunnen werken. Dat bereken je meestal in kalenderdagen, maar het kan ook in werk- of roosterdagen. Daarmee is het plaatje nog niet compleet. Je wilt ook weten hoeveel werknemers wel en niet over de drempel stappen om zich ziek te melden. Daarvoor kijk je naar hoe vaak werknemers zich gemiddeld ziek melden: de meldingsfrequentie. Die wordt bepaald door het aantal ziekmeldingen te delen door het aantal medewerkers. Als de meldingsfrequentie 1 is, melden werknemers zich gemiddeld één keer per jaar ziek.
Maar let op, een deel van de werknemers heeft zich in dat jaar helemaal niet ziek gemeld. Dat heet het percentage nulverzuim. Het belang van het nulverzuim wordt vaak onderschat, soms zelfs niet verwerkt in systemen. Terwijl het juist een heel belangrijk gegeven is voor de conclusie. Kijk ook hoelang de verzuimgevallen gemiddeld duren: de gemiddelde verzuimduur. Je kijkt hiervoor naar de afgesloten verzuimgevallen. Van de andere gevallen weet je immers nog niet hoe ze gaan verlopen. Het onderscheid tussen korte en lange gevallen is arbitrair, maar wel goed om te maken.
Iedere verzuimspecialist weet dat er vaak een geheel andere problematiek ten grondslag ligt aan een relatief groot aandeel korte of juist lange verzuimgevallen. Door de combinatie van al deze gegevens kun je zien of er een probleem is. Als je hebt vastgesteld hoe het verzuim er binnen de afdeling of organisatie uitziet, kun je dat intern vergelijken met de eigen doelstelling, met andere afdelingen binnen de organisatie of extern met benchmarkcijfers. Het is ook goed om te kijken wat de trend in de organisatie is. En te voorspellen wat er gebeurt als de organisatie niets doet; worden de cijfers dan beter of juist slechter? Dat kun je heel simpel uiteenzetten in Excel, maar het kan ook met een complex voorspellend model waarbij de voorspelling is gebaseerd op een combinatie van variabelen in de tijd. Deze variabelen kunnen bijvoorbeeld zijn: leeftijdsontwikkeling, ontwikkeling aandeel frequent verzuimers, ontwikkeling man-vrouwverhouding, ontwikkeling teamontvang, ontwikkeling aandeel medewerkers dat met een rooster werkt, ontwikkeling aandeel medewerkers dat in direct contact staat met klanten, enzovoort. Dat laatste is uiteraard nauwkeuriger, maar het blijft een voorspelling.
Tijdens de masterclass Verzuim aanpakken met HR Analytics leer je hoe je verzuimcijfers analyseert, interpreteert en bruikbare managementinformatie maakt.
Op basis van voorgaande analyses besluit de organisatie of zij een probleem heeft waarmee zij aan de slag wil. De noodzaak daartoe is groter naarmate, met data uiteraard, wordt aangetoond dat het verzuim invloed heeft op andere resultaten. Op de klanttevredenheid bijvoorbeeld, omdat er niet genoeg mensen kunnen worden ingezet voor de dienstverlening. Of op de financiële resultaten, omdat verzuim nou eenmaal geld kost. Of op de reputatie als werkgever, waardoor de organisatie moeilijker sollicitanten krijgt voor vacatures.
Gaat het bij alle vier de kengetallen fout? Dan heeft de organisatie een algeheel probleem, een verzuimcultuur zogezegd, die zij aan alle kanten zal moeten oppakken: zowel erop gericht dat minder werknemers verzuimen als dat de verzuimduur wordt bekort. Misschien blijkt echter dat het meldingspercentage laag is en het nulverzuim hoog, maar dat er een lange gemiddelde verzuimduur is. Dan is de drempel om terug te komen na een ziekmelding blijkbaar heel hoog, dus dan richt je je met name op de werknemers die ziek zijn en probeer je het verzuimproces te verkorten. Het kan ook zijn dat de meldingsfrequentie hoog is, maar de verzuimduur en het nulverzuim juist heel laag. Dan zijn werknemers dus niet lang ziek, maar melden ze zich wel heel vaak ziek. Dan is het beter om onderzoek te doen naar het ziek worden in plaats van naar het ziek blijven. Kijk daarnaast ook goed of het probleem zich voordoet in de hele organisatie of alleen in een onderdeel of een specifieke groep.
Een rekenvoorbeeld
Stel dat de organisatie een meldingsfrequentie heeft van 1. Dat is de gemiddelde meldingsfrequentie in Nederland, dus dat lijkt goed te zitten. Maar het maakt nogal een verschil of daar een nulverzuim bij zit van 20 procent of van 80 procent. Als het nulverzuim 20 procent is, heeft 80 procent van de werknemers zich in dat jaar ziek gemeld. De gemiddelde meldingsfrequentie van 1 wordt dus veroorzaakt door 80 procent van de werknemers. Zij hebben zich gemiddeld 1,25 keer ziek gemeld dit jaar. Is het nulverzuim daarentegen 80 procent, dan wordt de meldingsfrequentie van 1 veroorzaakt door 20 procent van de werknemers. Een klein groepje heeft zich gemiddeld 5 keer ziek gemeld dat jaar. Dat kan een probleem zijn.
Ziekteverzuim brengt voor een werkgever veel kosten met zich mee, maar deze zijn vaak lastig exact te berekenen. Toch is het goed om een indicatie van deze kosten te maken. Daarmee kun je namelijk ook achterhalen hoeveel een goed en gericht verzuimbeleid kan opleveren. En hoe de organisatie zich het beste kan verzekeren of welke voorzieningen zij moet treffen. Je kunt de verzuimkosten ook gebruiken om een businesscase te maken. Je stelt bijvoorbeeld: als we deze oplossing uitvoeren, verwachten we dat het verzuim met X procent afneemt en dat levert X euro op. Dat zet je dan af tegen de kosten.
Je wilt daarvoor inschatten hoeveel winst je kunt behalen met een vitaliteitsprogramma. Soms kunnen leveranciers daar inzicht in geven op basis van resultaten van andere klanten. Nog beter is het om eigen data te gebruiken. Sorteer alle afdelingen van meest vitaal naar minst vitaal. Bekijk de meest en minst vitale afdelingen: is daar ook een verschil in verzuim? En als je de vitaliteit van de mindere afdelingen kunt verhogen tot ze op de helft van het oorspronkelijke verschil uitkomen, hoeveel minder verzuim levert dat dan op? Je kunt ook met scenario’s werken: stel dat het helemaal niet werkt, stel dat het een beetje werkt of stel dat het heel goed werkt. Wat zijn dan de respectievelijke opbrengsten? Op basis daarvan kun je doorrekenen.
Dit is een gedeelte uit het boek HR Analytics - Waarde creëren met datagedreven HR-beleid
Tijdens de masterclass Verzuim aanpakken met HR Analytics leer je hoe je verzuimcijfers analyseert, interpreteert en bruikbare managementinformatie maakt.
Programma
Masterclass Verzuim aanpakken: programma
Dag 1
09:00 uur - Ontvangst
09:30 uur - Start van het ochtendprogramma
Met aandacht voor:
- Introductie verzuimcijfers
- Keuze en definities van verzuimcijfers
- Valkuilen rondom verzuimcijfers, ‘wat als…?’
13.30 uur - Start van het middagprogramma
Met aandacht voor:
- De data achter de verzuimcijfers
- Streefwaarden/normen
- Dynamische norm
- Verzuimcijfers visualiseren (de juiste grafieken en tabellen)
16.30 uur - Afsluiting
Dag 2
09:00 uur - Ontvangst
09:30 uur - Start van het ochtendprogramma
Aan de slag met:
- Bespreken cijfers en data van cursisten (eigen organisatie)
- Verzuimdata analyseren
- Managementrapport maken over verzuim
- ROI-meting voor verzuiminterventies
13.30 uur - Start van het middagprogramma
Aan de slag met:
- Business case maken voor verzuiminterventies
- Business- en analysevragen rondom verzuim
- Analyse bomen en modellen voor aanvullende analyses
- Resultaten van aanvullende analyses lezen en interpreteren
16.30 uur - Afsluiting
Sprekers
Irma Doze
