“Gebruik data niet als antwoord maar als startpunt om betere vragen te stellen”

Verzuim is een systeemprobleem. Het wordt beïnvloed door onder meer werkdruk, autonomie, werkontwerp, psychosociale belasting, teamdynamiek, leiderschap en de combinatie van werk en privé. Wie alleen naar het verzuimpercentage kijkt, mist die onderliggende patronen. Data kunnen helpen om die patronen zichtbaar te maken. 

Maar data vertellen niet het hele verhaal. Ik zeg het vaak zo: data laten zien waar de rook zit. Gesprekken laten zien waar het vuur brandt. 

De kracht van een datagedreven aanpak 

Stel dat data laten zien dat een bepaalde groep medewerkers een verhoogd risico op uitval heeft. Dan weet je nog niet automatisch waarom. De data maken een oorzaak aannemelijk. Vervolgens moet je die aanname toetsen in de werkelijkheid, bijvoorbeeld in gesprekken met medewerkers en leidinggevenden. Precies dát is de kracht van een datagedreven aanpak: niet doen alsof data alle antwoorden geven, maar ze gebruiken om betere vragen te stellen. 

Bronnen verbinden 

Daarvoor moeten we eerst af van de silo’s waarin data nu vaak zitten. Verzuimgegevens staan op de ene plek. HR-data over contracten, verlof en trainingen op een andere. Informatie uit engagement-, tevredenheids- of psychosociale onderzoeken weer ergens anders. Pas wanneer je die bronnen verbindt, ontstaat een completer beeld van wat er binnen een organisatie gebeurt.    

Van signaal naar resultaat  

En dan begint het interessante deel. Want inzicht alleen verandert niets. De echte keten is: van signalen via inzicht en actie naar resultaat. Als je bijvoorbeeld een interventie inzet, wil je niet alleen weten hoeveel medewerkers eraan hebben deelgenomen. Je wilt weten of de interventie daadwerkelijk iets heeft veranderd. Daarom is een simpele voor-en-na-vergelijking vaak onvoldoende. Als het verzuim na een interventie daalt, kan dat ook komen door toeval, seizoens-effecten of een algemene ontwikkeling. Door medewerkers die een interventie kregen te vergelijken met een vergelijkbare groep die deze niet kreeg, kun je veel beter beoordelen of het verschil daadwerkelijk door de interventie komt.  

Data als fundament voor leren 

Dat is wat mij betreft de holy grail van data: niet zoveel mogelijk meten, maar steeds beter weten wat werkt, voor wie en onder welke omstandigheden. In een grote Nederlandse organisatie leidde die aanpak tot een rendement van ruim acht keer de investering: circa €1,4 miljoen investering tegenover ongeveer €12 miljoen besparing. We vergeleken twee groepen medewerkers met elkaar op verzuimgedrag, dus hoe vaak ze zich ziekmelden en hoe lang ze dan ziek waren. De groep waarop we een interventie hadden losgelaten liet ‘beter’ verzuimgedrag zien dan de andere groep. Onze conclusie: er is goede grond om aan te nemen dat de aanpak heeft geholpen. Dit maakt het echter nog geen causaal verband. En dat is precies de nuance die telt: het resultaat is indicatief en niet zomaar over te zetten naar een andere organisatie. Elke organisatie is anders, en daarom meet je effect het beste binnen deze unieke context. 

Ik zie data dus niet als eindpunt. En ook niet als zaligmakend: data vertellen niet álles. Er is altijd een stukje dat we niet kunnen zien, een grijs gebied. We moeten en willen niet alles in data uitdrukken. Data zijn echter wel het fundament waarop je kunt leren. Ze helpen bij het eerder opmerken van risico’s, laten ons beter begrijpen wat er speelt, doen ons gerichter handelen en geven inzicht in efficiëntie van beleid.  

In de whitepaper ‘Van verzuimmanagement naar work wellbeing - Maak de stap met het Colbe Work Wellbeing Capability Model: grip op je aanpak, gericht sturen op preventie, aantoonbare impact’ lees je meer over de meerwaarde van een datagedreven aanpak waar Nèwel over vertelt. Lees de whitepaper hier: