artikel

Big data en duurzame inzetbaarheid: er kan meer dan u denkt

Branche 488

Big data en verzuim. Waarom is ‘duurzame inzetbaarheid’ zo populair als HR-thema? Stefan Duran, directeur bij elipsLife, gaat in gesprek met James van der Spek, eigenaar van onder andere Human Capital Alert over nieuwe technieken om verzuim te voorkomen.

Big data en duurzame inzetbaarheid: er kan meer dan u denkt

Nederland kent een uitermate complex systeem van sociale zekerheid, waar (ex-)medewerkers, werkgevers, bedrijfsartsen, verzekeraars, de Autoriteit Persoonsgegevens en UWV stuivertje wisselen in de hoofdrol. Tegelijk wil niemand een terugval in inkomen, productiviteit of participatie bij de inzet van ons Human Capital. Daarom is ‘duurzame inzetbaarheid’ zo populair als HR-thema. De echte winst zit in het voorkomen in plaats van genezen.

Big data en verzuim

Duran: “Ik ben erg benieuwd, hoe bepaal je of programma’s, interventies en ondersteuning werken of een verloren investering zijn?” Van de Spek: “Anno 2018 maakt het ontsluiten, verwerken en koppelen van grote hoeveelheden data het verschil. Die data zijn steeds beter beschikbaar en óók binnen de kaders van de nieuwe regels voor de verwerking van persoonsgegevens (AVG) te gebruiken. Door het doelgericht uitvragen van gegevens en het vervolgens analyseren van de ontvang data ontstaat inzicht in afwijkingen en trends.”

Nieuwe technieken – een praktijkvoorbeeld

Duran: “Dat klinkt natuurlijk fantastisch, maar hoe dan?” Van der Spek: “Wij bouwen al geruime tijd aan een risico-inventarisatie per verzuimmelding, gebaseerd op een arbeidsdeskundige analyse van het verzuimdossier. We vragen stelselmatig dezelfde gegevens uit, rubriceren deze data en onderzoeken de relevantie van de vragen. Hieruit werden een gevalideerde vragenlijst, een bruikbare dataset en een ruw voorspelmodel geboren.”

Duran: “En welke voorspelling vloeit voort uit het model?” Van der Spek: “Het model voorspelt ruim voor de eerstejaarsbeoordeling de kans op een WGA-instroom, loonsancties en twee andere ‘risico-thema’s’. Met iedere risicoanalyse trimt het model zichzelf: als de praktijk (ofwel de uitkomst) afwijkt van de voorspelling, dan worden rekenregels opnieuw beoordeeld. In de basis is dit een voorbeeld van een zelfregulerend model. En in ons toekomstige model zullen we het aanpassen van de rekenregels vervangen door machine learning.”

Duran: “Hoe werkt die machine learning precies?” Van der Spek: “Normaal vind er periodiek een analyse plaats van verzamelde data, de uitkomst kan leiden tot aanpassing van een model. Feitelijk vindt er na ieder gebruik van het model een analyse plaats en wordt het model nog handmatig verbeterd. Maar we waarderen op dit moment een kleine 30 variabelen die zowel individueel als in relatie tot elkaar de risico’s beïnvloeden. Middels machine learning wordt dit ‘aanpassen’ geautomatiseerd en dus losgekoppeld van de beperkte menselijke rekenkracht.”

Vroegtijdige signalering

Duran: “Hoe helpt deze vroegtijdige signalering van risico’s verzuim te beperken en arbeidsongeschiktheid te voorkomen?” Van der Spek: “Vanwege privacy weten we niets over de medische kant van een inactieve werknemer, maar met het model zien we wel patronen ontstaan. Die patronen bieden ons straks de kans om – nog voor het verzuim is ontstaan – al programma’s op te tuigen om uitval te voorkomen. En achteraf meten we het resultaat van deze programma’s.”

Voorkom onnodige kosten

Duran: “De belangen voor alle stakeholders zijn groot. De (in)directe gevolgen van verzuim rijken tot wel 12 jaar na eerste ziekte dag. Welke besparingen voorzie je op lange termijn met dergelijke technieken?” Van der Spek: “De inzet van voorspelmodellen helpt nu al bij het voorkomen van o.a. sancties en WGA instroom. Maar bij vroeg signalering van risico’s kunnen we meer dan uitval voorkomen. Het herkennen van patronen biedt veel mogelijkheden om risico’s en rendement te beïnvloeden.”

Samen kunnen we meer

Duran: “Het huidige model is gebaseerd op historische gegevens en maakt een real-time vertaling naar toekomstige scenario’s mogelijk. Wat is het effect van toekomstige ontwikkelingen op het model?”
Van der Spek: “Iedere wetswijziging, aanpassing van procedures bij UWV en zelfs jurisprudentie heeft effect op je wegingen. Het is dan letterlijk ‘trial en error’. Zo heeft de voorgenomen wijziging van het arbeidsongeschiktheidscriterium grote implicaties. Maar wordt het feit of blijft het een voornemen. Maar het begint allemaal met het structureel verwerken, rubriceren en classificeren van repeterende data, binnen de kaders van de AVG.”

Nieuwsgierig?

Geïnteresseerd in de nieuwe kansen? Kom dan naar de AM:dag van 20 november 2018 en schrijf u in voor de expertsessie “Duurzame Inzetbaarheid, van subjectief naar keihard bewijs!”, aangeboden door elipsLife.

Dit artikel is gesponsord door elipsLife. 

> Naar het netwerkdossier: am:bition: the future is bright…  

 

Reageer op dit artikel