Snel cijfers kunnen leveren. Eenvoudig door de gegevens kunnen grasduinen. Dat zijn de prettige bijkomstigheden van het gebruik van geautomatiseerde systemen.
Dat geldt ook voor de verzuimmanagementsystemen. Toch wordt ‘grasduinen’ in de praktijk nog maar weinig gedaan. Waarom?
Elk bedrijf met enige omvang stelt periodiek verzuimcijfers op. Sinds jaar en dag gebruikt men de definities van het CBS voor het verzuimpercentage, de meldingsfrequentie en de verzuimduur. Vaak splitst men deze cijfers ook naar standaardcategorieën. Deze standaardisatie maakt het mogelijk de cijfers over een breed terrein onderling te vergelijken.
Dode cijfers tot leven wekken
Helaas gebruikt men de standaardverzuimcijfers op dit moment vaak alleen voor het afleggen van verantwoording. Dat is jammer. Met een beetje extra aandacht en een beetje extra werk zijn de dode cijfers tot leven te wekken.
Wat zijn opvallende verschillen met vorige rapportage(s)? Hoe doet uw organisatie het ten opzichte van andere branchegenoten? Wat van uw aanpak werkt wel en wat niet? Wat is bij u de grootste verzuimveroorzaker? Vragen waarvan de antwoorden kunnen inspireren tot nieuwe initiatieven.
Actief met verzuimcijfers omgaan gebeurt eigenlijk veel te weinig. Dat komt ook omdat de cijfers vaak moeilijk te interpreteren zijn. Vooral de verzuimduur leidt nogal eens tot verwarring.
Conform de CBS-definitie wordt de gemiddelde verzuimduur alleen berekend voor de trajecten die in de rapportageperiode zijn beëindigd. Een oplopende verzuimduur wijst dus op de beëindiging van een meer dan gemiddeld aantal langdurige verzuimtrajecten.
Stel, dat in de rapportageperiode 5 medewerkers gemiddeld 2 dagen aaneengesloten ziek zijn geweest en dat 1 langdurig (38 dagen) zieke medewerker in die periode weer aan het werk is gegaan. Dan is de gemiddelde verzuimduur voor die periode (5 x 2 + 38) / 6 – 8 dagen. Zou deze langdurig zieke medewerker ziek zijn gebleven, dan was de gemiddelde verzuimduur slechts 2 dagen geweest. De verzuimduur wordt dus hoger als in de rapportageperiode relatief veel langdurige trajecten beëindigd worden.
Ter illustratie: een afdeling met een sterk verziekte sfeer krijgt met de nieuwe leidinggevende ook een nieuwe aanpak. Medewerkers worden voortaan nadrukkelijker betrokken bij de organisatie van het eigen werk en dat van de afdeling. De sfeer verbetert daardoor aanzienlijk. Ook de langdurige verzuimers proberen weer voorzichtig aan het werk te gaan, wat af en toe nog wel met kortdurende uitval gepaard gaat.
In de cijfers is dit succes terug te zien in een teruglopend verzuimpercentage, een gestegen meldingsfrequentie en een sterk opgelopen gemiddelde verzuimduur. En dát moet de leidinggevende nog wel even komen uitleggen bij het geschrokken hogere management!
Actief zoeken naar signalen
Verzuimsystemen kennen vaak de mogelijkheid “triggers” in te stellen. Deze waarschuwen je voor het optreden van vooraf gedefinieerde situaties, een medewerker die zich binnen een halfjaar voor de derde keer ziek meldt bijvoorbeeld.
Aanvullend daarop kun je zelf ook actief op zoek gaan naar veelzeggende patronen in de verzuimgegevens. Bijvoorbeeld door te zoeken naar grote afwijkingen van het gemiddelde. Zowel uitschieters naar boven als naar beneden zijn dan interessant. Deze uitschieters kom je op het spoor door de cijfers uit te zetten in de tijd en op te splitsen naar allerlei verschillende categorieën: afdelingen, functiecategorieën, leeftijden, leidinggevenden, bedrijfsartsen, woongebieden of weekdagen.
Opvallende uitschieters ga je nader onderzoeken. Van positieve uitschieters kun je leren. Op negatieve kun je reageren door gericht inzetten van interventies, zoals het verbeteren van de teamsamenstelling, het verbeteren van de onderlinge communicatie, het individueel begeleiden van een werknemer of leidinggevende, etc.
Ook in dit geval is interpretatie van de cijfers echter niet altijd voor de hand liggend. Een voorbeeld: bij vrijwel alle scholen is het verzuimpercentage in de zomervakantie lager dan het jaargemiddelde. Dit zogenaamde ‘vakantie-effect’ ontstaat doordat veel langverzuimers zich beter melden aan het begin van de vakantie. Na de vakantie meldt een aantal zich dan toch weer ziek. Als school ben je een uitschieter als het vakantie-effect bij jou juist niet optreedt.
Grasduinen: antwoord op beleidsvraagstukken
Door verzuimcijfers te relateren aan gegevens in de HR-administratie kunnen nóg meer verbanden worden onderzocht. Wat is de relatie tussen verzuim en overwerk, tussen verzuim en beloning, of tussen verzuim, gezinssamenstelling en schoolvakanties?
Sommige organisaties richten voor de beantwoording van dit soort vragen dure datawarehouses in, maar dat is niet per se noodzakelijk. Door samen een paar dagen in de gegevens te ‘grasduinen’ kunnen een arbodeskundige en een gegevensspecialist zonder datawarehouse ook heel nuttige inzichten krijgen. De daarbij gemaakte interessante ‘queries’ kunnen dan worden opgenomen in de periodieke rapportages.
Nog interessanter wordt het als vraagstellingen worden toegespitst op de kernpunten van het beleid: zijn de beleidseffecten ook in de cijfers terug te vinden? Welke leidinggevenden zijn succesvol bij het zoeken naar tijdelijk ander werk voor de ‘zieke’ werknemer? Wat is daarvan zichtbaar in het verzuim? Wat kost het kort frequent verzuim ons eigenlijk? Maakt het verschil of een medewerker wel of niet rechtstreeks bij de leidinggevende ziekteverlof vraagt? Wat is het effect van de ingezette tiltraining?
Vragen die per organisatie verschillen. Maar ook nu geldt dat een paar dagen ‘spelen’ met de gegevens voor de organisatie interessante en relevante inzichten kan opleveren. Door het gebruik van een verzuimmanagementsysteem komen de gegevens elektronisch beschikbaar. Daardoor kunt u ze relatief eenvoudig gebruiken voor het beantwoorden van allerlei beleidsgerelateerde vragen.
De meeste organisaties volstaan echter met het passief genereren van de standaardcijfers zoals de meeste pakketten die leveren. Wij stellen, dat er zonder al te grote kosten en inspanningen aanzienlijk meer te halen is uit uw verzuimcijfers.
