People Analytics Lead Alex Hellemons, Vanderlande: “Eerst de basis stevig op orde, dan AI daadwerkelijk inzetten”

Beeld: CHRO

Vanderlande levert slimme logistieke systemen en services, zoals bagageafhandeling op luchthavens en geautomatiseerde warehouses. Binnen die technische omgeving werkt Hellemans aan de volgende stap: data uit verschillende bedrijfsfuncties verbinden en vertalen naar toepassingen die de organisatie echt verder helpen.

Toen Alex Hellemons begon als People Analytics Lead, beschikte Vanderlande al over een uitgebreide Workday-omgeving, al kent die volgens hem flinke beperkingen op het gebied van security en toegang. Wat ontbrak, was capaciteit. Hij omschrijft zijn beginperiode als die van een leider zonder team, met weinig slagkracht.

Dat veranderde toen zijn rol onderdeel werd van het Strategy Office, waar strategie en transformatie samenkomen. Daar kreeg hij een developmentteam met data-engineers en combineert hij inmiddels zijn rol als people analytics lead met die van delivery lead voor Finance, HR en IT.

Dit is precies waar enterprise analytics waarde toevoegt: verschillende databronnen combineren rond één businessvraag

Omdat ook de vergelijkbare functies voor Finance en IT daar zijn ondergebracht, worden HR-tech en analytics niet uitsluitend als HR-vraagstuk gezien. Grote veranderingen, zoals een ERP-implementatie of reorganisatie, worden daardoor in samenhang bekeken.

Dat wordt steeds relevanter: wie People Analytics alleen vanuit HR organiseert, kijkt al snel alleen naar HR-data, terwijl juist de verbinding met financiële en operationele data nieuwe inzichten oplevert.

Van vraag naar roadmap

Een dataplatform bouwen is één ding; prioriteren is minstens zo belangrijk. Elk kwartaal bespreekt Hellemons met de HR-capability owners voor DEI, HR advisory, talent en succession, talent acquisition en compensation waar zij tegenaan lopen, wat hun strategische prioriteiten zijn en wat zij nodig hebben.

Vanuit het Strategy Office kijkt het team daarbij ook naar processen, communicatie, strategie en technologie, en de behoeften worden afgestemd met Finance en IT. Het team loopt daarbij mee in de bedrijfsbrede agile-cyclus, inclusief de gezamenlijke kwartaalplanning (PI-planning). Zo ontstaat een roadmap voor de volgende kwartalen, waarin een concrete businessbehoefte altijd het vertrekpunt is.

De data- en analyticsoplossingen worden gebouwd door zijn team van data-engineers, die hij ‘schapen met vijf poten’ noemt: ieder van hen kan op het Azure-dataplatform een dataproduct maken, of het nu gaat om een pipeline, een SQL-transformatie of PySpark-code. Aparte data-scientists zijn er niet; het draait volgens Alex vooral om willen en enthousiasme.

Hellemons voert zelf geen analyses meer uit. Binnen HR zijn twee rollen toegevoegd die zich richten op analyticsvraagstukken en projecten in de business. Vraagt het Airport-domein bijvoorbeeld waar uitstroom vandaan komt, dan zoomen zij daarop in met bestaande oplossingen. Hellemons blijft betrokken bij vraag en oplossingsrichting, maar maandenlang een implementatie begeleiden past niet meer in zijn deliveryrol.

Veel data hebben betekent nog niet dat je datagedreven werkt

Waar staat Vanderlande in de ontwikkeling naar datagedreven HR? Hellemons onderscheidt technische volwassenheid van daadwerkelijk gebruik. “Ik denk dat we heel veel hebben. Ik denk niet dat alles ten volle benut wordt.”

Beschikbaarheid hangt af van rollen en toegangsrechten, en cijfers roepen vragen op wanneer HR-data niet aansluit op die van Finance. Daarnaast speelt tijd een rol. Een HR-professional met een hoge werkdruk gaat niet anderhalf uur door datasets zoeken om één antwoord te vinden. Datagedreven HR gaat dus niet over méér data beschikbaar stellen, maar over de juiste informatie op het juiste moment, begrijpelijk en bruikbaar.

Eerst investeren in de basis

Een groot deel van de vooruitgang zit onder de motorkap. Toen Hellemons begon, trok niemand echt aan HR-data en lag de focus volledig op rapportage vanuit Workday. Voor enterprise reporting is hij het bredere dataplatform van de organisatie gaan gebruiken, opgezet volgens een data-mesh-principe. Dat platform bevatte voor HR aanvankelijk alleen de actuele situatie: je zag waar een medewerker of positie vandaag stond, maar geen historie.

De afgelopen twee jaar is daarom veel energie gestoken in het toevoegen en structureren van historische data over posities, afdelingen en vacatures. Zonder historie zijn trends niet te herkennen. Toch is het lastig om voor dit werk intern enthousiasme te creëren.

Hij spreekt van ‘spiegeltjes en kraaltjes’: zichtbare toepassingen spreken sneller tot de verbeelding dan het onzichtbare werk eronder. “De basis is niet altijd makkelijk te verkopen.” Inmiddels begint die investering te renderen.

Data over vacatures en openstaande posities zijn gekoppeld aan kosten per team, over landen heen. Dat geeft een bredere blik dan alleen aantallen. Recruitment stuurt inmiddels op deze inzichten en de controllers zijn aangehaakt. Dezelfde benadering wordt nu uitgebreid naar learning en talent. Dit is precies waar enterprise analytics waarde toevoegt: verschillende databronnen combineren rond één businessvraag.

Equal pay: AI op een stevige datafundering

Het project waar Hellemons het meest enthousiast over vertelt, richt zich op equal pay en is vrijwel gereed. Het kent twee sporen. Het eerste is de peer salary request: het verzoek van een medewerker die wil weten hoe diens salaris zich verhoudt tot dat van vergelijkbare collega’s.

Op basis van job family en grade, binnen een entiteit of land, wordt de peer group bepaald. Een medewerkersbestand met salarisdata en een bestand met Workday-rollen worden ingeladen, waarna een AI-assistent (Genie, onderdeel van Databricks) op het dataplatform de peers selecteert en de mediaan in een gestandaardiseerd bericht teruggeeft.

“Ik vroeg om requirements en zij vroegen wat de AI kan, we spraken niet meteen dezelfde taal”

Medewerkers van het Shared Service Center kunnen zo vragen die via TOPdesk binnenkomen snel beantwoorden. Comp & Ben-experts en HR-businesspartners krijgen een ruimere variant om grotere groepen te vergelijken op leeftijd, diensttijd of afdeling wanneer iemand buiten de range valt.

Het tweede spoor is de bredere equal pay-analyse, verplicht onder de Europese richtlijn loontransparantie. Daarvoor haalt Vanderlande data uit de verschillende payrollproviders via een centrale hub, kijkt eerst naar de ongecorrigeerde loonkloof en probeert die vervolgens te verklaren. De techniek staat; de onzekerheid zit vooral in de nationale wetgeving, die nog niet overal is uitgewerkt.

De uitdagingen lagen minder bij de AI dan verwacht. Payrollcomponenten vergen diepe materiekennis om te bepalen wat je wel en niet meeneemt. En het meenemen van eindgebruikers in een AI-functie bleek een stap op zich. “Ik vroeg om requirements en zij vroegen wat de AI kan. We spraken niet meteen dezelfde taal.” Een aantal workshops bracht de partijen bij elkaar.

AI krijgt hier waarde omdat definities, data en vergelijkingslogica op orde zijn: niet als vertrekpunt, maar als extra laag boven op de datafundering.

AI laten landen bij de business

Vanderlande werkt met een hub-and-spoke-model: een centraal datateam stelt tools zoals Genie beschikbaar; Heelemmons’ team is een van de spokes, die deze tools inzetten voor hun eigen domein.

Elk dashboard met HR- en financedata leidde tot vragen over wat er achter de geaggregeerde cijfers zit, en dat kostte het team veel tijd. Nu bouwt het bij elke oplevering een Genie-omgeving op de onderliggende datasets en draagt die over aan de business owner, die de data toch al mag zien.

“Als je zegt: ik heb een AI, wat gaan we ermee doen, wordt iedereen zenuwachtig. Als ik zeg: binnen vijf seconden heb je antwoord, typ maar in, dan creëert dat goodwill.”

Hellemons werkt er nu aan om HR-businesspartners, die per domein en soms per land sturen, toegang te geven tot hun eigen data, met de definities goed vastgelegd aan de achterkant. Denk aan vragen als: hoe ontwikkelt het verloop zich, wat is de man-vrouwverhouding, wie vertrok in het eerste jaar? Hij introduceert bewust één nieuwe tool tegelijk: Power BI was bij HR net geland toen Genie zich aandiende.

Betekent dit het einde van het dashboard? Hij verwacht dat de behoefte aan gestandaardiseerde visualisaties blijft, omdat die vertrouwen in de data geven. Wel ziet hij het werk van data-engineers verschuiven: minder data van A naar B brengen, meer discrepanties uitzoeken, security inrichten en de kwaliteit van AI-output borgen.

Tips: gewoon beginnen en mede-eigenaarschap

Zijn eerste tip: gewoon beginnen. De data is nooit perfect; als iemand zegt dat Workday niet klopt, zit daar vaak een reeks wijzigingen met terugwerkende kracht achter. Blijven uitleggen dus. Die uitspraak is in de praktijk van de data-analyse vaker te horen: de data is niet perfect en zal dat nooit worden, maar goed genoeg om het gesprek te beginnen.

Wat Hellemons verder helpt, is capability owners mede-eigenaar maken. De owner voor recruitment kijkt mee in het datamodel, de owner voor learning leert Power BI en Genie. Het team begeleidt de kwaliteitsborging, maar zij hoeven niet meer te wachten wanneer ze iets willen toevoegen.

Tot slot: elk domein heeft een data-steward, zodat Alex Hellemons met de juiste businesscase bij finance- of supplydata kan. Waar data in veel organisaties in silo’s zit, kan Vanderlande daardoor snel schakelen.

De volgende stap is niet méér techniek, maar beter gebruik

De People Analytics-reis van Vanderlande laat een herkenbaar patroon zien. Eerst was er technologie, daarna historische data en verbonden bronnen, vervolgens concrete use cases en mensen in HR die inzichten naar de business brengen.

Een duidelijke les daaruit: organisaties worden niet datagedreven door een modern HR-systeem, een dataplatform of een AI-oplossing. Waarde ontstaat pas wanneer betrouwbare data worden gekoppeld aan een relevante businessvraag én iemand de inzichten vertaalt naar actie. Het onzichtbare werk aan de basis is misschien moeilijker te verkopen, maar bepaalt uiteindelijk hoe ver je komt.

LEES OOK:

• Mattijs Mol, VP HR Technology bij Wärtsilä: “Doe People Analytics met en voor de business, niet voor HR”
• Jolanda ter Maten, expert AI- & ethiek: “Van dashboards gaan mijn nekharen overeind staan”
• Slimmer werken: hoe SPAR International HR-data en AI inzet om te groeien

Wekelijks ook de CHRO-nieuwsbrief ontvangen? 7000 HR-leiders gingen u voor!