De crisis uit met data-gedreven welzijnsbeleid: vijf aanbevelingen voor betere welzijnsmetingen

Publish date:

Nu we weer naar kantoor beginnen te gaan, staan organisaties voor een grote uitdaging: hoe ondersteun je medewerkers tijdens fundamentele veranderingen in werk en organisatie?

Meer en meer organisaties beseffen dat een ambitieuze welzijnsstrategie en voldoende welzijnsinitiatieven belangrijke onderdelen van de oplossing zijn. Uit mijn promotieonderzoek blijkt dat organisaties nog maar mondjesmaat bezig zijn met een derde onderdeel van de oplossing: data-gedreven welzijnsbeleid. Welzijnsdata wordt bijvoorbeeld zelden gebruikt om welzijnsproblemen te diagnosticeren en de effectiviteit van initiatieven te testen. En als er gebruik van wordt gemaakt, is de welzijnsdata vaak van slechte kwaliteit. Met mijn onderzoek probeer ik organisaties aan te zetten medewerkerswelzijn beter te meten en te inspireren effectief data-gedreven welzijnsbeleid te formuleren.

In deze blog bespreek ik de belangrijkste inzichten uit mijn proefschrift “Meten van medewerkerswelzijn: Een beschouwing van gesloten en open vragenlijst vragen” – het product van vier jaar praktisch en academisch onderzoek naar medewerkerswelzijn in Nederlandse organisaties.

Het nut van welzijnsmetingen

De antwoorden op vragenlijstvragen zijn van onschatbare waarde voor het formuleren van effectief medewerkerswelzijnsbeleid. Zo kan een organisatie op basis van welzijnsdata een idee krijgen van welzijnsproblemen in specifieke afdelingen, beroepen of landen, en de oorzaken ervan onderzoeken. Vragenlijstdata kan ook gebruikt worden om oplossingen voor problemen te ontwikkelen en te achterhalen wat medewerkers gelukkig maakt. Verder kan het vergelijken van welzijnsscores van voor en na de uitrol van een nieuw initiatief helpen bij een gedegen effectiviteitstest.

Welzijnsmetingen in organisaties: Genoeg ruimte voor verbetering

Organisaties leunen om valide redenen vaak op derde partijen om de werkervaring van medewerkers te monitoren. Derde partijen hebben namelijk al gebruiksvriendelijke software ontwikkeld en zien erop toe dat data vertrouwelijk wordt verzameld en behandeld. Helaas laat de kwaliteit van een gemiddelde welzijnsmeting vaak wel te wensen over. Dat is een probleem omdat empirische inzichten over welzijn erdoor vertekend kunnen raken en dus van beperkte waarde zijn voor data-gedreven besluitvorming. Hieronder som ik vier voorname methodologische beperkingen op.

Employee engagement in plaats van medewerkerswelzijn

Op de eerste plek wordt welzijn vaak niet echt gemeten in vragenlijsten. In plaats daarvan meten externe partijen vaak ‘employee engagement’, een populair concept met veel verschillende definities dat samenhangt met medewerkerswelzijn. Het feit dat de twee concepten een indicatie geven van hoe een medewerker zich voelt en gedraagt, betekent echter niet dat de ene wel moet worden gemeten en de andere niet. Wanneer diëtisten op zoek een ongezond voedingspatroon in kaart brengen, meten ze toch ook zowel vetconsumptie als suikerconsumptie? Medewerkerswelzijn verdient een plekje naast employee engagement.

Onterechte focus op voorspellers van welzijn

Als derde partijen zeggen dat ze medewerkerswelzijn meten, kijken ze meestal naar de factoren die welzijn positief beïnvloeden (of voorspellen) in plaats van indicatoren die welzijn op zichzelf meten. Bijvoorbeeld, “In [Mijn Organisatie] is het welzijn van personeel een prioriteit” in plaats van “Op het werk voel ik mij energiek.” Hoewel onderzoek naar de voorspellers van welzijn heus interessante inzichten oplevert, biedt het niet het totaalplaatje en kan het leiden tot ongenuanceerde conclusies.

Neem de evaluatie van 10-daagse challenge die wandelen tijdens werktijd aanmoedigt. Het is niet ondenkbaar dat de scores op de vraag over welzijn als prioriteit hoger zijn na de challenge, maar dat de scores over energie op de werkvloer niet zijn gestegen. Zeg nu zelf: is de challenge dan echt welzijn- verhogend?

Beperkte meetinstrumenten

Vaak zijn instrumenten niet betrouwbaar of valide. Zo worden vaak schalen die verschillende concepten meten, samengevat in een enkele somscore. Zo’n score is van beperkte waarde voor data-gedreven besluitvorming.

Een voorbeeld. In een van mijn onderzoeken mat ik emotionele uitputting en bevlogenheid om de effectiviteit van een interventie te bepalen. Uit de analyses bleek dat de interventie een significant effect had op emotionele uitputting, maar niet op bevlogenheid. Wanneer ik de scores op de twee welzijnsfacetten had samengevoegd, had ik ten onrechte geconcludeerd dat de interventie geen effect had gehad.

Weinig gebruik van tekstuele data

Een gemiddelde vragenlijsten bestaat voor 100% uit gesloten vragen. En als een open vraag wordt gesteld, wordt de data vaak niet systematisch geanalyseerd. Dit is zonde, aangezien tekstuele data kan helpen bij het contextualiseren van de harde cijfers en het illustreren van het verhaal achter de data.

5 Aanbevelingen voor betere welzijnsmetingen

Maar hoe moet het dan wel? Hieronder doe ik vijf aanbevelingen op basis van mijn onderzoek. Laat ik echter nog duidelijk zijn over een ding: ik pleit er niet voor dat organisaties nu zelf maar vragenlijsten moeten gaan bouwen, uitzenden naar hun medewerkers en analyseren. Organisaties hebben vaak niet de tijd, vaardigheden of wens om dat te doen. In plaats daarvan daag ik organisaties uit om op basis van mijn aanbevelingen kritische en geïnformeerde vragen te stellen aan de derde partijen van wie ze meetoplossingen afnemen. Meet de vragenlijst bijvoorbeeld wel echt medewerkerswelzijn? En wat is de validiteit van de gebruikte vragenlijsten?

  1. Kies voor een gevarieerde set aan welzijnsvariabelen

De eerste stap in het kiezen van de juiste meetinstrumenten is het goed begrijpen van het te meten concept – medewerkerswelzijn in dit geval. Omdat medewerkerswelzijn een multidimensionaal concept is, een abstract idee dat gevat kan worden door verschillende variabelen, bijvoorbeeld stress, positieve werkemoties, flow en levenstevredenheid, is er helaas geen ideaal lijstje met variabelen beschikbaar. Er zijn wel richtlijnen beschikbaar die helpen om een goede keuze te maken.

Ten eerste is het verstandig om verschillende facetten van medewerkerswelzijn te meten. Het gebeurt namelijk geregeld dat een verandering of interventie een positief effect heeft op een variabele en niet op een andere. Door te weinig variabelen te meten, riskeert een organisatie ongenuanceerde conclusies te trekken over medewerkerswelzijn.

Ten tweede raad ik aan om de keuze van variabelen te matchen met de onderzoeksdoelen. Het is bijvoorbeeld relevanter om bevlogenheid en tevredenheid met leidinggevende te meten wanneer de effecten van een nieuw leiderschapsprogramma geëvalueerd dienen te worden dan wanneer een organisatie benieuwd is naar de positieve effecten van kantoorplanten.

Ten slotte is het de moeite waard om algemene welzijnsvariabelen te meten naast werk-specifieke indicatoren. Werk heeft immers overloopeffect op privé en andersom. Hoe mooi zou het bijvoorbeeld zijn als een nieuwe ouderschapsverlofregeling medewerkers helpt aan een hogere levenstevredenheid?

  1. Beperk de vragenlijstlengte

Lange vragenlijsten worden niet gewaardeerd door medewerkers. Dat kan desastreuze effecten hebben voor de datakwaliteit. Het kan bijvoorbeeld leiden tot lagere response ratio en onzorgvuldig ingevulde vragenlijsten.

  1. Meet frequent, maar overdrijf niet.

Welzijn is dynamisch. Het varieert van maand tot maand, van week tot week en soms van dag tot dag. Wanneer organisaties eens per jaar welzijn uitmeten, lopen ze het risico belangrijke verbeterpunten, variatie en trends te negeren. Let wel op: Zeer frequent meten zal medewerkers irriteren en daarmee de kwaliteit van de data verminderen.

  1. Gebruik (korte) wetenschappelijke schalen

Arbeidspsychologen en gelukswetenschappers hebben een keur van gevalideerde instrumenten ontwikkeld die organisaties in staat stellen om echt te meten wat ze willen meten. Een aanzienlijk deel van deze vragenlijsten zijn zo kort dat ze in een tijdsefficiënt organisatieonderzoek kunnen worden meegenomen. Waarom het wiel zelf uitvinden als er kant en klare, gevalideerde meetoplossingen beschikbaar zijn?

  1. Vergeet open vragen niet

Omdat medewerkers het fijn vinden om de mogelijkheid te hebben om hun gedachtes over het werk vrijelijk te delen, raad ik aan altijd een of meer open vragen aan een vragenlijst toe te voegen. Bovendien kunnen tekstuele antwoorden gebruikt worden om antwoorden op gesloten vragen te contextualiseren en helpen bij communiceren van het verhaal achter de data.

Een voorbeeld van de illustrerende kracht van geschreven tekst. Voor een van mijn onderzoeken dook ik in de literatuur over de welzijnsproblemen van vrachtwagenchauffeurs en kwam deze quote tegen: It’s rough and rugged… It’s hard and it’s stressful. You know, maybe that’s why I turn to drugs, I don’t know. It’s not the type of life I really want to live but, you know, it gives me what I need to maintain my family and to maintain me and my lifestyle.” Hoewel deze heftige quote anekdotisch is, illustreerde het gelijk de urgentie van het probleem.

Data binnen? Tijd voor actie!

Ik begon mijn beschouwing met een casus voor data-gedreven welzijnsbeleid om medewerkers effectief te ondersteunen. Dit begint bij hoge kwaliteit data, iets waar leveranciers van meetoplossingen technisch verantwoordelijk voor zijn. Echter, wanneer de data verzameld is, ligt de bal weer helemaal bij de organisatie zelf.

Medewerkers helpen de organisatie door geregeld hun gevoelens en meningen te delen en verwachten daarom (terecht) actie. Dit lijkt misschien op een open deur, maar ik zie maar al te vaak dat organisaties op oppervlakkige wijze met de data, bijvoorbeeld door uitsluitend met managers de dashboards te bespreken en medewerkers een algemene dankmail te sturen.

Dit is zonde, zeker in deze turbulente tijden. Er zit gigantisch potentieel in welzijnsdata. Faciliteer als organisatie bijvoorbeeld eens (virtuele) gesprekken tussen leidinggevenden en hun teams om de resultaten van de survey te goed duiden. Zet focusgroepen op en werk samen met elkaar aan een oplossing voor welzijnsproblemen. Experimenteer met verschillende interventies en gebruik de welzijnsdata om de effecten grondig in kaart te brengen. Bereken de samenhang tussen subjectieve welzijnsdata en gegevens over ziekteverzuim, en maak een ijzersterke casus voor welzijnsonderzoek. Het potentieel is er; het is aan organisaties of het wordt gerealiseerd.

Meer weten?

Wilt u meer weten of de bevindingen van dit onderzoek? Wilt u experimenteren met innovaties die het welzijn van medewerkers verbeteren? Of wilt u aan de slag met datagestuurd HR-beleid? Bezoek deze webpagina of neem contact op met een van onze experts.

Bronnen:

Wijngaards, I. (2021). Measuring Worker Well-Being: An Evaluation of Closed and Open-Ended Survey questions. [PhD Thesis]

Onze experts

Indy Wijngaards, PhD
Senior Consultant Workforce Transformation, Capgemini Invent

Indy Wijngaards is een analytische consultant met jarenlange ervaring op het gebied van data-gedreven werken. Als HR-analist met een specialisatie in medewerkerswelzijn heeft hij verschillende effectstudies ontworpen en geëvalueerd. Hij heeft een passie voor het vertalen van data in concrete resultaten. Hij heeft dit onderzoek uitgevoerd vanuit zijn vorige rol als promovendus bij de Erasmus Universiteit Rotterdam.

Gerelateerde posts

Capgemini Invent

Wat is operationeel risicomanagement en hoe kan dit organisaties helpen?

Date icon 26 april 2022

Iedere organisatie heeft zijn kelderluiken. Operationeel risicomanagement (hierna: ORM) is...

Capgemini Invent

Data-gedreven HR-beleid in tijden van crisis: een casestudie over e-mail batching

Date icon 28 februari 2022

De coronapandemie heeft onze manier van werken drastisch veranderd. Denk aan verplicht...

Capgemini Invent

Zo zorgt u dat IT uw business optimaal ondersteunt

Date icon 14 januari 2022

Een goed samenspel tussen IT en de business is essentieel voor uw innovatie- en slagkracht,...