Je kent het misschien wel vanuit je eigen omgeving; een collega valt voor een langere periode uit door een burn-out of door andere stress gerelateerde klachten. ‘Dat verbaast me nou helemaal niets’ roept de één of ‘dat kon je natuurlijk op je klompen aanvoelen’ zegt een ander. Maar ondanks het feit dat de omgeving het vaak ziet aankomen, lukt het ons maar niet om langdurig verzuim te voorkomen of zelfs te beperken. Sterker nog, volgens onderzoeksorganisatie TNO is het percentage werknemers met burn-outklachten over een periode van 10 jaar gestegen van 11,3 procent in 2007 naar 16,1 procent in 2017.
Die stijging is zorgwekkend! In de eerste plaats voor werkend Nederland natuurlijk en niet op de laatste plaats voor werkgevers. Zorgwekkend voor werkgevers omdat de kosten van ziekteverzuim als gevolg van werkstress van 4,7 miljard in 2015 zijn gestegen naar 5 miljard in 2017. Een deel van die stijging komt, doordat we ieder jaar iets meer gaan verdienen. Maar volgens TNO komt de stijging vooral doordat mensen steeds langere tijd verzuimen. Reden genoeg dus om dit steeds groter wordende probleem onder de loep te nemen.
Herken de signalen
Maar dat is makkelijker gezegd dan gedaan want hoe doe je dat dan precies? Dat de omgeving het aan ziet komen is mooi en die signalen zijn zeker belangrijk maar ze zijn natuurlijk ook heel subjectief. We interpreteren wat af allemaal en we weten achteraf ongelooflijk veel te voorspellen maar echt betrouwbaar is dat natuurlijk niet.
Toch zijn er veel signalen die gecombineerd de kans op langdurig verzuim kunnen voorspellen. Als gedrag in negatieve zin verandert dan heeft dit natuurlijk een oorzaak. Nu heeft iedereen, zelfs de meest stabiele persoon, wel eens te maken met een periode waarin het even wat minder lukt allemaal. Maar over het algemeen zijn we flexibel en kunnen we wel een stootje verdragen. Het wordt anders wanneer de rek eruit is en het van kwaad tot erger gaat. Dan zijn we niet meer in staat te relativeren en steeds sneller geraakt. Prikkelbaar zijn, problemen met concentreren hebben en regelmatig kortdurend verzuimen of steeds chaotischer worden. Allemaal signalen die aangeven dat er iets aan het veranderen is.
Wat zijn de oorzaken?
Die signalen hebben een oorzaak en dat kan te maken hebben met privéomstandigheden zoals een relatiebreuk, gezondheidsproblemen, financiële problemen of een sterfgeval. Maar het kan net zo goed werkgerelateerd zijn. Denk hierbij aan te hoge werkdruk, te weinig autonomie, weinig uitdaging, pesterijen of een verstoorde werkrelatie met je leidinggevende. Al die oorzaken kunnen, zonder de juiste aandacht, de aanleiding zijn voor langdurig verzuim. En dat terwijl er vaak zoveel signalen aan vooraf zijn gegaan.
Als team, collega en als leidinggevende moeten we die signalen opvangen, ze uiterst serieus nemen en ze bespreekbaar maken. Dat mag duidelijk zijn. Maar daarnaast is het van belang dat we die signalen zo objectief mogelijk meten, om ze vervolgens zo goed mogelijk te duiden.
Meten is weten
Om te kunnen meten hebben we data nodig, heel veel data en dat is nou precies wat we al jarenlang vastleggen. We registreren als werkgever de persoonsgegevens van onze werknemers, de ziek- en herstelmeldingen, functie, leeftijd, geslacht, het gezinsverband en vakanties en snipperdagen.
Een bron aan informatie is als je al deze gegevens over een langere periode consequent hebt vastgelegd, combineert en op de juiste manier weet te interpreteren. Zeker als je de bron verder uitbreidt met informatie over de mate waarin je werknemers gelukkig zijn. Dat kan relatief eenvoudig door bijvoorbeeld iedere dag bij het uitchecken aan te laten geven of ze een leuke en nuttige dag hadden of niet. Hoe meer signalen we op een makkelijke manier vast kunnen leggen hoe beter we kunnen meten en dus weten.
Zelflerend vermogen
Nog heel veel zuiverder is het als we dat meten en het analyseren overlaten aan het zelflerende vermogen van computers. De machine’s leren zelf door alle ervaringen en de de data die de machine in de loop van de tijd heeft verzameld en blijft verzamelen.
Het zelflerende vermogen van ‘machines’ omvat computeralgoritmes die geheel autonoom leren van input en data. Je hoeft computers niet zelf met ingewikkelde of soms bijna onmogelijke formules te programmeren want ze kunnen namelijk volledig zelfstandig algoritmes veranderen en verbeteren.
Dit zogeheten machine learning wordt al op grote schaal toegepast. Bij onder andere de ontwikkeling van zelfrijdende auto’s, bij communicatie tussen mensen en computers of bijvoorbeeld bij het analyseren van ziektes. En dat laatste biedt veelbelovende mogelijkheden voor de toekomst van onze gezondheidszorg. Veelbelovend ook voor het voorspellen van langdurig verzuim.
Bij Visma Verzuim zijn we volop bezig met de voorbereidingen om de verzuimsoftware zelf te laten leren en verzuim te voorspellen. Dit gebeurt op basis van de samenhang tussen verschillende factoren zoals functie, branche, dienstverband, opleidingsniveau, leeftijd, geslacht, verzuimhistorie en bedrijfsgrootte. Het registreren van alle informatie die we vastleggen wordt vaak ervaren als noodzakelijk kwaad (we moeten wel registreren om aan strenge eisen te voldoen). Maar nu kunnen werkgevers en werknemers resultaat boeken en de vruchten gaan plukken door het voorspellende vermogen van al die data. Goed nieuws voor werkend Nederland en voor het beperken van de steeds hoger oplopende schadekosten door (langdurig) verzuim.
Kort gezegd; de signalen zijn er genoeg. We leggen al heel veel informatie vast en met behulp van algoritmes kunnen we langdurig verzuim steeds beter voorspellen! Een enorme sprong vooruit en laten we daarnaast ook vooral veel op onze klompen blijven aanvoelen.
Over Visma Verzuim
Visma Verzuim wil werknemers veilig, gezond en duurzaam inzetbaar houden. Dat doen wij door samen met onze klanten de meest flexibele, complete en gebruiksvriendelijke software te ontwikkelen, voor verzuimbegeleiding en het inzetbaar houden van werknemers. Daarbij geloven wij in de kracht van eenvoud, connectiviteit en data.
Deze tekst beschrijft de visie van Visma Verzuim op het onderwerp en is puur informatief van aard. Het is niet bedoeld als zakelijk, juridisch of andersoortig advies. Er kunnen daarom geen rechten aan worden ontleend.