5. • Bestaat meer dan 100 jaar
• Actief in chemische industrie:
chemicaliën, geavanceerde
materialen en kunststoffen
• 58 miljard USD omzet
• Actief in meer dan 150 landen
• Ca. 53.000 medewerkers
• Werkend vanuit 201 locaties
verdeeld over 35 landen
Wat je moet
weten over
Bron: IBM Corporation
6. DOW’s Stress Theorie
Werk
gerelateerde
stress risico’s
Stress reacties
Stress lange
termijn gevolgen
Individuele eigenschappen
• Hoge werkdruk
• Laag inkomen
• Onzekerheid ten aan
zien van baan
• Etc.
• Emotionele reacties
• Gedragsreacties:
ziekmelden,
foutmelden, etc.
• Etc.
• Medewerkers: hoge
bloeddruk, alcohol
afhankelijkheid, etc.
• Organisatie: hoog
verzuim, hoog
verloop, hoge
kosten, etc.
• Leeftijd, geslacht, opleiding
• Zelfvertrouwen, overmatig betrokken,
etc.
Bron: IBM Corporation
7. DOW’s Stress
Preventie Programma
Well-being vragenlijst
Individueel proces
• Algemene
werkeigenschappen
(stressoren)
• Organisatie en relatie
eigenschappen
(stressoren)
• Psychische factoren en
vermoeidheid
(spanningen)
Organisatie analyse
• Risico reducerende
activiteiten/beleid
• Case management,
begeleiding
70% respons
Bron: IBM Corporation
9. • Fysieke inspanning
• Betrokkenheid
– Synergie met collega’s
– Communicatie binnen en over de organisatie
– Inspraak in de organisatie
2% verbetering leidt tot 0,3% daling van verzuim
Verzuim analyse
Factoren met de meeste invloed
Bron: IBM Corporation
18. HR analytics als onderdeel
van een continu organisatieproces
I. Identificeer
business kansen
en vragen
II. Analytics:
transformeer data in
actiegerichte
informatie
III. Inzichten vertalen naar
gewenst HR-beleid en dit
implementeren
IV. De bereikte
resultaten meten en
monitoren
WIE DOET WAT?
HR-metrics
19. "An approximate answer to the
right problem is worth a good
deal more than an exact answer
to an approximate problem.“
John Tukey - statisticus (1915 – 2000)
20. "A good hockey player plays
where the puck is. A great
hockey player plays where
the puck is going to be.“
Wayne Gretzky
Vragen?
Irma Doze
+31 20 705 87 83 | +31 6 43 09 32 18
irma.doze@analitiqs.com
Editor's Notes
Bij het Amerikaanse St. Louis zijn extreem veel bewoners ziek geworden door lekkende vaten met radio-actief afval. In dorpen en wijken langs een 25 kilometer lange beek, die ook langs de opslagplaats loopt, hebben in meer dan 40 jaar zo'n 2700 mensen een ernstige ziekte gekregen.
Het was al bekend dat de beek radio-actief vervuild is, maar niet dat er zo veel bewoners ziek van zijn geworden.
De concentratie van kankergevallen werd ontdekt toen voormalige buurtgenoten elkaar ontmoetten op Facebook. "We kwamen erachter dat opvallend veel mensen ziek zijn geworden", zegt Janelle Wright tegen CBS. "Als we geen sociale media hadden gehad, zouden we dit nooit hebben geweten."
Wright en anderen gingen verder zoeken en ze kwamen nog meer zieke bewoners tegen. In zes huizen telden ze vier bewoners met een hersentumor. Ook lijden bewoners en ex-bewoners aan auto-immuunziekte en zijn er Siamese tweelingen geboren.
Het radio-actief afval ligt sinds 1973 bij St. Louis. Het is er naartoe gebracht door een bedrijf dat in opdracht van de overheid uranium verrijkt voor kernwapens.
Er is nu 8000 ton radio-actief materiaal opgeslagen in tienduizenden vaten. Een deel daarvan staat gewoon buiten. "De boel wordt niet afgedekt en het wordt niet afgeschermd", zegt Karen Nickel, die zelf ook ziek is. "Het is een tikkende tijdbom.“
Mary Osckso, die terminale longkanker heeft, woonde vroeger in een wijk die nu is afgesloten omdat het er gevaarlijk is. "We speelden allemaal buiten. 's Avonds met zaklampen op speurtocht of een beetje rondhangen." Bedrijven zijn bezig met het opruimen van vervuilde grond. Veel kinderen met wie Osckso vroeger speelde zijn ook ziek of hebben familieleden verloren door kanker.
Bewoners en oud-bewoners wachten op de uitkomst van een bodemonderzoek langs de beek. De uitkomst kan nog jaren op zich laten wachten. Osckso zal dat niet meer meemaken. "Ik wil niet in North-County begraven worden. Niet in die vervuilde grond."
UMCG (Groningen)
Insuline-afhankelijke suikerziekte (type I) ontstaat door een subtiele verstoring van het afweersysteem, blijkt uit een kolossale ‘big data’ studie.
De afgelopen jaren hebben wetenschappers wereldwijd grote hoeveelheden genetische gegevens verzameld, maar het analyseren van deze ‘big data’ vormt een grote uitdaging. Een internationale groep onderzoekers, onder leiding van wetenschappers van het Universitair Medisch Centrum Groningen (UMCG), is dit nu gelukt. Door met nieuwe technieken grote hoeveelheden gegevens over genen en genexpressie te analyseren, konden zij voor zo’n honderd ziekten precies achterhalen wat er in het lichaam ontregeld raakt, zelfs nog voordat mensen überhaupt ziek worden.
The following data was gathered (source in brackets):
process control data (quality department)
production volume data (production planning department)
machine telemetry data (manufacturing)
weather and/or geospatial information (national weather institute)
production site variation data (manufacturing)
socio-demographic data (national statistics)
general working environment data (safety department) (e.g. temperature & noise levels)
workforce data such as shift information, scheduling data, characteristics of employees, performance data, training data, accident history, absence, experience, education, etc. (human resources)
Accident Risk Predictor #1: Outdoor Temperature
The accident risk was higher due to a combination of facility temperature (machinery with burners) and outdoor temperature. Outdoor temperature was a significant predictor. Facility temperature in itself was not a major factor. Accidents had occurred as a result of a combination of solar and outdoor temperatures. In wintertime, there had clearly been fewer accidents. This risk prediction could only be carried out by combining the abovementioned data sources.
Accident Risk Predictor #2: Poor Product Quality
Poor product quality throughout more than 50% of shift times (automated warning signals from quality control system) predicted a 30% increase in the likelihood of accidents. This had previously not been recognized at all as an accident predictor. Serious quality problems proved to result in increased pressure from the quality department, extra unconventional remedial actions by machinery operators, and an increased number of accidents due to greater stress levels.
Accident Risk Predictor #3: Excessive Overtime
There were 2 seasonal production peaks during which workers often worked overtime. We were able to predict that workers, working more than 1h 40min overtime per day and with production volumes of >24% (threshold), were 40% more likely to be involved in accidents. Hence, overtime during these seasonal peaks proved to be a strong predictor of work accidents and will be monitored more closely in the future within the context of accident prevention.
Accident Risk Predictor #4: Completion of New Worker Onboarding
New workers with experience of between 4 and 6 months (after completion of onboarding training) were at greater risk during the latter part of their shifts, especially during peak production (over a certain production volume). HR will now work with production towards better monitoring new workers once they have completed the initial training/onboarding program and start working independently.
Michael J Fox Foundation + Intel
Gezien het enorme datavolume – bij iedere patiënt ruim 300 metingen per seconde – heeft Intel een big data analytics-platform gebouwd met verschillende softwarecomponenten. Dat platform is in staat om patronen te herkennen in data rond de symptonen. Deze data zal worden verzameld via diverse wearables, waar patiënten wereldwijd mee worden uitgerust.
