People analytics
Personeelsmobiliteit voorspellen in de banksector
Aanwerven wordt eenvoudiger als u jaren vooraf weet wie u zoekt.
Om de vertrouwelijkheid te beschermen, kunnen we specifieke details aanpassen. Onze belangrijkste bijdrage geven we altijd correct weer.
Context & doelstellingen
Met een nieuw strategisch plan wilde een grote financiële instelling haar rekruteringsstrategie aanpassen en de best passende mensen aanwerven en behouden. De HR-afdeling stond voor een belangrijke vraag: kunnen we vrijwillige personeelsmobiliteit beter voorspellen, zodat we de wervingsinspanningen richten op de juiste functies in de juiste regio's?
Aanpak
Privacy voorop
Omdat dit onderwerp gevoelig ligt, zorgden we eerst dat alle personeelsdata geanonimiseerd werden. We gebruikten alleen toegestane en relevante datapunten. Data die de privacy van medewerkers konden schaden, zoals namen of gebruikers-ID's, werden verwijderd of vervangen door willekeurige plaatsvervangende waarden.
Van oorzaken van mobiliteit naar personeelsplanning
Samen met de HR- en datateams van onze klant analyseerden we grondig alle factoren die personeelsmobiliteit beïnvloeden. Zo konden we lang bestaande hypotheses over personeelsbehoud bevestigen of weerleggen, onder meer over de invloed van woon-werkverkeer, diploma's en beoordelingen door collega's.
Het project werd volledig in de ontwikkelomgeving van de klant uitgevoerd om de implementatie te vergemakkelijken.
Resultaten
We ontwikkelden en integreerden een model dat HR-medewerkers inzicht gaf in de verwachte personeelsmobiliteit per afdeling en regio.
Met die beter onderbouwde wervingsinzichten kon de financiële instelling optimale strategische beslissingen nemen op basis van de voorspelde personeelsbeschikbaarheid.
Om de vertrouwelijkheid te waarborgen, kunnen we bepaalde details in onze klantcases aanpassen.