Joep is ziek.

We laten Joep even ziek in zijn eigen bed. Naast ellendig voelt Joep zich ook schuldig richting zijn overige collega’s die hij nu met extra werk opzadelt. Ten eerste moet zijn werk overgenomen worden door andere medewerkers. Maar ook van belang is dat zijn verzuim geregistreerd moet worden.

Het begin van het verzuim wordt geregistreerd, het eind van het verzuim, wanneer Joep misschien weer aan het werk gaat en nog veel meer. Het wordt allemaal netjes bijgehouden door zijn collega’s.

Ijverig als we zijn, wordt er van alles geregistreerd en gecontroleerd bij elke werkgever. Dat is maar goed ook, want zonder registratie is er geen gemiddelde te berekenen, geen afwijking te detecteren en is er niet te sturen.

Om deze data, deze belangrijke registratie, inzichtelijk te maken is er nog veel meer werk nodig.

Het is leuk om te weten wanneer Joep ziek werd en wanneer dit stopte, maar eigenlijk zegt het niet zo veel. Pas wanneer je berekent hoeveel dagen Joep ziek was en hoe vaak zijn collega’s dat waren in dezelfde periode, weet je of dat veel of weinig was.

Voor analyse doelstellingen, moeten we data gaan verbouwen. Geen begin- en einddatum meer, maar een verdeling van de verzuimdata over een jaar heen. Hierna kun je gaan tellen hoeveel dagen het in april waren, hoelang het gemiddeld verzuim was en dat natuurlijk over alle medewerkers. Als je dit goed indeelt, kun je het verzuim bijvoorbeeld weergeven naar bedrijfsonderdelen, zodat je per maand, per bedrijfsonderdeel kan zien hoeveel en hoelang het gemiddelde verzuim was.

Verzuim score card

Om dit technisch mogelijk te maken, is er een inhoudelijke vertaalslag nodig. Van 2 handelingen (namelijk de registraties van begin- en einddatum), maken we in dit geval van Joep 3 handelingen (namelijk de van-dag-tot-dag-registratie van Joeps afwezigheid). Joep is 3 dagen ziek geweest, dus 4, 5 en 6 april wordt ingevuld.

Immers, 3 x 1 dag optellen is veel sneller dan het verschil tussen 4 en 6 april te berekenen. Zeker als de periodes langer worden (17 februari t/m 23 mei) en je alleen de dagen wil tellen die in april lagen.

Bij 2 regels registratie moet je eerst gaan berekenen hoeveel dagen er in april liggen, terwijl er bij een analyse database alleen het aantal dagen vanaf 1 april t/m 31 april behoeft te worden opgeteld.

Een slimme truc die vervolgens weer toegepast kan worden, is dat er vaak per maand, per bedrijfsonderdeel gezocht wordt. Er worden vaak cijfers c.q. overzichten per maand gevraagd, dus worden er van te voren alvast tussentotalen opgeteld, zoals bijvoorbeeld per maand, per bedrijfsonderdeel, zodat het antwoord gelijk klaar staat. Hierdoor is het mogelijk om heel snel meetgegevens uit analyse databases te halen, zonder dat er veel gerekend behoeft te worden op het moment zelf.

Om het verzuim eenvoudig in beeld te krijgen zonder zelf deze berekeningen en indelingen te maken heeft BI Right! een standaard Business Intelligence oplossing gemaakt: “Verzuim in Beeld”.

Verzuim in Beeld biedt u als gebruiker de mogelijkheid om de verschillende verzuim meetwaarden, zoals verzuimpercentage, gemiddelde verzuimduur en meldingsfrequentie te bekijken via verschillende invalshoeken. Een aantal van deze invalshoeken zijn: Organisatie, Tijd, Geslacht, Leeftijdsgroepen, Verzuimduurklassen, Contractsoort, etc.. Deze cijfers kunnen bekeken worden voor bijvoorbeeld 1 specifieke maand, maar ook trendcijfers van bijvoorbeeld de laatste 12 maanden worden zichtbaar.

Benieuwd naar de mogelijkheden voor uw organisatie? Vraag gratis een demo aan!

 

Meer informatie?
Wij bellen u terug!

Relevante cases

BI Right! kijkt goed naar wat het probleem is en zoekt daar vervolgens een geschikte consultant bij. Bovendien hebben ze niet alleen kennis van hun eigen vakgebied, maar weten ze ook hoe het er in onze markt aan toe gaat.  >

De Hartekamp Groep

Claudia de Jongh
Functioneel Analist

Ga naar boven