Contact ons
← Terug naar Blogs, Podcasts & News

Hoe start je met Workplace Analytics?

  • Werkplek Data & Inzichten
  • Werkplek Strategie

Het implementeren van workplace analytics vereist zorgvuldige planning en afweging. In deze blog nemen we je mee door het proces van begin tot eind.

Merlijn kan je alles vertellen over Workplace Analytics. Contact hem via merlijn@measuremen.io

workplace analytics-measuremen portal

Het implementeren van workplace analytics is een proces dat zorgvuldige planning en afweging vereist. In onze vorige blog bespraken we wat workplace analytics is, en toonden we een 6-stappen proces om aan de te slag te gaan met het verzamelen ervan. In deze blog doorlopen we dit proces stap voor stap: 

  1. Identificeer de werkplekstrategie en bedrijfsfactoren
  2. Bepaal de meetvariabelen
  3. Selecteer de juiste meetmethode
  4. Verzamel data en zorg voor gegevensbeveiliging en privacy
  5. Analyseer de data
  6. Zet inzichten om tot acties

1. Identificeer de werkplekstrategie en bedrijfsfactoren

Het uitgangspunt en het doel van het verbeteren van werkplekken kunnen enorm verschillen. Human resource managers en facility managers hebben allebei te maken met dezelfde werkplek, maar ze bekijken die vanuit heel verschillende perspectieven. De grootste tweedeling is die tussen fysieke werkplekken en mensen. Het verbeteren van organisatorische prestaties door het veranderen van een fysieke werkplek is een heel ander proces dan beginnen met het veranderen van het gedrag van de mensen die er gebruik van maken. Maar het zijn allebei invalshoeken die volledig te rechtvaardigen zijn. Toch vereist het andere data, dataverzameling, en heeft het andere resultaten. Dus in dit stadium is het al slim om rekening te houden met wat je kunt veranderen en probeert te bereiken met het workplace analytics programma.

Harde data vs. zachte data

De splitsing tussen een focus op de werkplek en mensen hangt sterk samen met harde data of zachte data. In deze andere blog duiken we dieper in op de verschillen tussen harde data en zachte data. Maar het komt erop neer: Harde data zijn objectieve gegevens en observeerbare data (bijv. bezetting, kamertemperatuur of muurkleur) terwijl zachte data subjectieve ervaringsgegevens zijn (bijv. werkplekbeleving, waargenomen productiviteit of gelukscijfer). Het meten van de ervaring van mensen of het objectieve (gebruik van) werkplekken is een heel ander uitgangspunt, en leidt tot heel andere bevindingen en actionables. Het bepalen van de meetvariabelen is dus de volgende stap in het proces die je daarbij zal ondersteunen.

2. Bepaal de meetvariabelen

Zoals besproken kunnen de doelstellingen van het managen en verbeteren van werkplekken sterk uiteenlopen. Je kan bijvoorbeeld het doel hebben om kosten te verlagen, het welzijn te verbeteren of de werkprocessen te verbeteren. Hierdoor loopt de data die je wilt verzamelen en analyseren sterk uiteen. Als je met data werkt, werk je met variabelen. Variabelen zijn veranderende waarden die worden verzameld door kwantitatieve metingen, bijvoorbeeld via een sensor of een enquête. De onderstaande tabel toont verschillende potentiële variabelen, afhankelijk van verschillende doelstellingen.

Vergeet echter niet dat het werken aan één variabele de uitkomsten van een andere variabele kan veranderen. Als je bijvoorbeeld de kosten probeert te verlagen en te bezuinigen op kantoorruimte, zal dit ook gevolgen hebben op het welzijn en de werkprocessen. Men kan dus besluiten om ook te analyseren hoe de werkervaring of de productiviteit wordt beïnvloed wanneer in kantoorruimte wordt gesneden. Bovendien zijn er ook andere doelstellingen (zoals hygiëne, veiligheid, privacy of ontwerp) die deze doelstellingen beïnvloeden en waaraan ook hun eigen meetvariabelen zijn gekoppeld.  

Doel

Kosten verlagen Welzijn Werkprocessen
Variabelen Benutting

Bezetting

Gebruik van activa

Energie/real estate uitgaven

Werkplekervaring

Luchtkwaliteit

Ruis

Groenvoorziening

Doel en activiteit van de ruimte aanpassen

Waargenomen productiviteit

Bezetting

Tabel 1. Voorbeelden van meetvariabelen gebaseerd op het optimaliseren van verschillende werkplekdoelstellingen

3. Selecteer de juiste meetmethode

Via verschillende methoden kan je data verzamelen. Je persoonlijke doelen liggen echter sterk in lijn met de meetmethoden die je moet nemen. In onze vorige blog hebben we een uitgebreide lijst van verschillende methoden genoemd, maar hier bespreken we ze kort met verschillende doelen voor ogen. Als je liever intensief met mensen omgaat, kan je een meer kwalitatieve data aanpak hanteren met behulp van interviews of focusgroepen. De interviewer krijgt een diepgaand inzicht in de verhalen (van sommige) werknemers, maar als het gaat om data analyse is dat niet zo nuttig.

Of je kan…

Van interviews kun je visuele woordwolken maken, maar veel meer dan dat is moeilijk. Een stap naar een meer data-gedreven aanpak waarbij je ieders (subjectieve) gedachten kan verzamelen gebeurt via enquêtes of experience sampling. Hier kan je data verzamelen van een groot aantal mensen en deze gemakkelijk analyseren door alle antwoorden te stapelen en zuivere gegevens te verzamelen. Als je meer neigt naar harde (werkplek)data, kan je kiezen voor observaties, sensoren of people counters.

Methode

Uitkomst Type data Data visualisatie Voordelen Nadelen

Interview

Individueel uitgewerkte gedachten, behoeften en tevredenheid Zachte data (geschreven transcripts) Woord wolken Diepe inzichten

Klein en selectief bereik

Focus group

Groepsgedachten, behoeften en tevredenheid Zachte data (geschreven transcripts) Woord wolken Discussie/ groepsinteractie

Klein bereik en potentieel vertekend door de selectie en meest luidruchtige medewerkers 

Enquête

Algehele gedachten, behoeften en tevredenheid Zachte data (kwantitatieve variabelen) Grafieken Individuele gedachten over meerdere mensen

Duurt lang om in te dienen, en hangt af van de kwaliteit van de vragen en de analyse

Experience sampling

Ervaring en activiteiten Zachte data en harde data (kwantitatieve variabelen) Grafieken Mix van harde en zachte data, verzameld op het moment zelf

Vereist herhaalde motivatie van gebruikers

Observatie

Activiteiten, bezetting en gebruik Harde data (kwantitatieve variabelen) Grafieken Actuele objectieve data van mensen en ruimtegebruik

Meten in selectieve tijdskaders

Sensoren

Bezetting en klimaat

Harde data (kwantitatieve variabelen) Grafieken  Continu data van actuele objectieve variabelen

Relatief gebrek aan context in de gegevens

Tabel 2. Verschillende methoden van dataverzameling en hun specificaties, visualisaties en na- een voordelen.

4. Verzamel data en zorg voor gegevensbeveiliging en privacy

Voor alle verschillende methoden geldt dat je in theorie zelf data kunt verzamelen. Je kunt bijvoorbeeld enquêtes versturen via Google-forms of online sensoren kopen. Echter, als het gaat om zachte data; het is erg belangrijk om de juiste vragen te stellen. De data die je verzamelt mogen niet bevooroordeeld zijn, want er zijn veel manieren om vragen te stellen, en de vragen moeten zo gesteld worden dat ze gemakkelijk te analyseren zijn. Voor harde data moet men ook de juiste methoden gebruiken om nauwkeurige resultaten te krijgen, en men moet de verzamelde data op de juiste manier analyseren, wat een hele uitdaging kan zijn.

Ondersteuning

Natuurlijk zijn er veel verschillende organisaties, waaronder wij, die je graag ondersteunen bij het meten en analyseren van jullie data. Een voordeel van deze diensten is dat zij instrumenten en mensen leveren om de data op de juiste manier te verzamelen, de veiligheid en privacy van de gegevens waarborgen en over voldoende methodes beschikken om de data te analyseren en weer te geven. Hun gestandaardiseerde methoden maken het vaak ook mogelijk om je eigen gegevens te benchmarken met andere (soortgelijke) organisaties. Dit kan interessant zijn om te begrijpen hoe je werkplek het doet in vergelijking met anderen.

workplace analytics

5. Analyseer de data

De verzamelde data, opgeslagen in (grote) databases met kolommen, rijen en duizenden getallen, moeten worden omgezet in aantrekkelijke visualisaties. Voor zachte data uit interviews of enquêtes is de enige gebruikelijke visualisatie methode een “woordwolk”. Bij zachte enquêtegegevens worden de antwoorden vaak gegroepeerd in categorieën en weergegeven in grafieken, net als bij veel harde data die zijn verzameld via observaties of sensoren. De afbeelding hieronder toont verschillende voorbeelden van visualisaties met verschillende soorten data.

Figuur 1. Bezettingsgraadmetingen (geobserveerde activiteiten)

Figuur 2. Sensor metingen (erg gedetailleerd)

Figuur 3. Experience sampling (waargenomen verstoringen in de tijd)

Cirkeldiagrammen, staafdiagrammen en lijngrafieken zijn allemaal visuele basis weergaven die een duidelijk beeld geven van de data. Voor meer geavanceerde workplace analytics zijn er verschillende mogelijkheden. De eerste is het gebruik van filters en selectiemethoden. Sommige diensten (zoals de onze) bieden interactieve dashboards waarbij je delen van de dataset kunt selecteren die je inzichten sterk kunnen beïnvloeden. Afhankelijk van het soort data kan je filteren op leeftijdsgroep, afdeling, dag van de week, en zodoende geven de grafieken heel andere inzichten.

Een voorbeeld

In één onderzoek zagen we bijvoorbeeld dat de gemiddelde tevredenheid op de werkplek goed was (8,3 op een schaal van 1-10). Maar bij uitsplitsing zagen we een 9,0 voor kantoorergonomie en een 7,0 voor IT. Uitgesplitst naar leeftijdsgroep bleek de tevredenheid van jongere werknemers (6,8) lager te zijn dan die van oudere werknemers (7,2). Deze gedetailleerde analyse zou dus kunnen leiden tot een actie op het gebied van IT die het behoud van jonge werknemers zou kunnen verbeteren, ook al was de gemiddelde score vrij goed.

Geavanceerde workplace analytics strategie

Een andere meer geavanceerde strategie voor workplace analytics is gewoon meer geavanceerde grafieken. Het risico van deze complexe grafieken is de leercurve die kan leiden tot een verkeerde interpretatie van deze grafieken. Maar een goed voorbeeld van een duidelijke, maar geavanceerde grafiek is onderstaande grafiek. Deze laat zien hoeveel en welke activiteiten (de grootte van de bubbels) op welke locatie (kantoor, thuis of elders) worden uitgevoerd. Terwijl de kleur van de bel de waargenomen prestaties van de werknemers in deze combinatie weergeeft. Als je met de muis over de bubbels beweegt, kan je bovendien direct de exacte scores zien. Een inzicht dat je uit dit plaatje kan halen is de lage prestatie van digitale vergaderingen op kantoor en elders in vergelijking met thuis.

Figuur 4. Bellengrafiek met weergave van locatie (y-as) en activiteit (x-as), het aantal keren dat deze combinatie voorkomt (grootte van de bel), en de waargenomen prestatie (kleur van de bellen) voor deze combinatie.

Bij de data analyse moet je echter wel rekening houden met de steekproef die je hebt verzameld. Bij enquête data zijn er bijvoorbeeld altijd een paar mensen die hun antwoord niet hebben gegeven. Terwijl bij observatiedata de gegevens slechts gedurende één of twee weken zijn verzameld. Dit is wat men bedoelt met de “geldigheid van data” en het belang van ontbrekende gegevens. Dit is goed om in aanmerking te nemen bij je analyse.

6. Zet inzichten om tot acties

Het is gemakkelijk om te verdwalen in de data door steeds dieper te duiken in sub-dashboards en filter na filter te gebruiken. Deze inzichten moeten worden omgezet in acties. Het goede van data is dat ze de lading dekken. Het is dus gemakkelijk om andere besluitvormers te overtuigen om een strategie te maken op basis van deze cijfers. Meer gedetailleerde inzichten (door het gebruik van deze filters) kunnen leiden tot meer gedetailleerde strategieën. Om hier actie te ondernemen is echter vertrouwen nodig in de werkelijk verzamelde data. Daarom is het belangrijk dat de eerste 5 stappen van dit actieplan goed zijn gerealiseerd. Alleen dan kan je effectieve acties ondernemen door middel van data-gedreven beslissingen.

Wil je zelf Workplace Analytics gaan verzamelen? Wij helpen je graag!

Scroll naar boven