Société Generale is een van Europa’s grootste bankgroepen en heeft meer dan 100.000 medewerkers in verschillende regio’s, bedrijfseenheden en functies. Met zo’n schaal is consistentie in HR-data zowel cruciaal als uitdagend. Florent Maire leidt het centrale People Analytics rapportageteam in Parijs, ondersteund door een functioneel team van ongeveer tien specialisten in Boekarest. Samen creëren en onderhouden zij kerndashboards voor HR die in de hele organisatie worden gebruikt. Dat leidt tot sterkere inzichten in mensen, betere datafundamenten en een voorspellende aanpak van HR-besluitvorming.
Bouwen van een solide basis
Vanaf het allereerste begin lag de focus op het opbouwen van een solide basis. Veel organisaties proberen snel te werken met analytics, om er vervolgens achter te komen dat slechte datakwaliteit het vertrouwen ondermijnt. Société Generale koos bewust voor een andere route. ‘We hebben meerdere jaren besteed aan het opbouwen van het HR-datameer en het bestuur eromheen. Dit is wat alles mogelijk maakt om verder te gebeuren.’
In plaats van één uniforme HRIS exploiteert de organisatie meerdere Workday-instanties, die verschillend zijn geconfigureerd per land. Het integreren van deze systemen in een groepsbrede HR-datalake was een aanzienlijke onderneming, maar het creëerde één betrouwbare bron voor rapportage. Tegenwoordig voeden alle centrale dashboards rechtstreeks vanuit dit datameer.
Dit fundamentele werk maakte een andere grote verandering mogelijk: HR-leiding gebruikt nu een enkele, geconsolideerde visie. Zoals Florent deelt, vertrouwt de CHRO op het groepsdashboard in gesprekken met het Uitvoerend Comité. Dit zorgt voor duidelijkheid en afstemming tussen de bedrijfseenheden en geeft een sterk signaal dat de organisatie zich inzet voor feiten en consistentie.
Het creëren van een People Analytics Community binnen de organisatie
Het bouwen van sterke rapportagetools is slechts één deel van het verhaal. Adoptie vereist betrokkenheid, communicatie en het vermogen om mensen samen te brengen. Omdat Florent niet hiërarchisch verantwoordelijk is voor lokale HR-analytics praktijkmensen, had hij een andere manier nodig om afstemming te creëren.
De oplossing was de People Analytics Community, die dit jaar werd gelanceerd. Florent bracht alle analytics-profielen in kaart over business units en supportunits, identificeerde wie lokaal aan analytics werkte en bracht deze samen in een gestructureerd forum. ‘Het is een platform waar iedereen van elkaar kan leren,’ legt hij uit. ‘Lokale teams brengen hun eigen uitdagingen en best practices mee. We delen in ruil daarvoor updates op groepsniveau.’
Deze aanpak stimuleert gedeeld eigendom van datakwaliteit, definities en rapportagestandaarden. Het biedt ook een ruimte waar lokale verbeteringsideeën naar groepsniveau kunnen worden gebracht. In de loop van de tijd zal de community waarschijnlijk ook een thuis worden voor analytics-vertalers, wat helpt de kloof tussen HR-professionals en technische teams te overbruggen.
De impact is zichtbaar. Naarmate het groepsdashboard aan autoriteit won, vertrouwen lokale teams steeds meer op centrale inzichten. In plaats van parallelle rapportagestructuren te behouden, werken ze nu gezamenlijk aan een gedeeld begrip van de beroepsbevolking.
Overgang van beschrijvende naar voorspellende inzichten
Na het versterken van haar capaciteiten voor beschrijvende rapportage zet Société Générale de volgende stap: voorspellende analyse. Een van de eerste grote projecten op dit gebied richt zich op het risico van opzegging. ‘We wisten dat onze dashboards sterk waren, maar ze waren beschrijvend. We wilden anticiperen op wat er daarna zou kunnen gebeuren,’ zegt Florent.
Het centrale rapportageteam werkte nauw samen met het HR data science-team voor dit initiatief. Hoewel het data science-team modelleringsexpertise meebracht, zorgde het team van Florent ervoor dat de output geïndustrialiseerd kon worden en ingebed kon worden in het bestaande dashboardlandschap. Deze samenwerking was essentieel. Voorspellende modellen falen vaak niet omdat de wiskunde niet klopt, maar omdat ze de eindgebruiker nooit in bruikbare vorm bereiken. Door modellering en BI-expertise te combineren, creëerden de twee teams een geïntegreerd dashboard voor voorspellende ontslag, waarmee HRBP’s en HRD’s risiconiveaus en de meest invloedrijke factoren kunnen verkennen.
Het ontwikkelingsproces duurde ongeveer negen maanden. Het vereiste gedetailleerde datavalidatie, zorgvuldige UX-tests en meerdere rondes feedback met HRBP’s. ‘We wilden ervoor zorgen dat mensen de juiste informatie konden vinden, deze correct konden interpreteren en zich comfortabel konden voelen om deze te gebruiken in gesprekken met het bedrijf,’ legt Florent uit. De eerste uitrol vond plaats in Frankrijk, waar de datakwaliteit het sterkst is. Plannen voor internationale uitbreiding zullen versnellen naarmate de organisatie in 2026 richting een meer verenigd HRIS-landschap richt.
Uitdagingen onderweg: data, vertaling en vertrouwen
Elk groot analytics-initiatief stuit op obstakels, en dit project was daarop geen uitzondering. Florent legt uit dat een van de eerste uitdagingen was om te bepalen welke data betrouwbaar gebruikt kon worden. Het team overwoog aanvankelijk de opgegeven reden voor ontslag te gebruiken, maar ontdekte al snel dat dit vakgebied te inconsistent was om voorspellende modellering te ondersteunen. Ze verschoven naar gedrags- en structurele datapunten die een sterkere kwaliteit boden.
Een tweede uitdaging was het vertalen van HR-behoeften naar bruikbare meetpunten. HRBP’s erkenden duidelijk het belang van begrip van ontslagrisico, maar het bleek lastig om precies uit te geven welke indicatoren ze nodig hadden. Het team besteedde veel tijd aan het omzetten van deze zakelijke vragen in analytische constructies die in een model zouden werken.
Tot slot voegden interne validatie en governance complexiteit toe. Voorspellende analyse vereist veel meer inspectie dan beschrijvende dashboards, en de validatiecycli waren lang maar essentieel om verantwoord gebruik te waarborgen en vertrouwen op te bouwen binnen de organisatie. Samen benadrukten deze uitdagingen dat het verantwoord opschalen van voorspellende analyses afhankelijk is van duidelijkheid, geduld en nauwe samenwerking.
HR-professionals betrekken en datagedreven gesprekken aanmoedigen
Technologie alleen creëert geen impact. Mensen moeten zich uitgerust en zelfverzekerd voelen om data te gebruiken in hun dagelijkse werk. Société Generale besteedt hier aandacht aan. De uitrol van het voorspellende dashboard omvatte onboardingsessies voor alle HRBP’s en HRD’s in Frankrijk. Ze kregen vroege toegang, training en ruimte om vragen te stellen. Dit hielp hen niet alleen het hulpmiddel te begrijpen, maar ook de gesprekken die het kon ontgrendelen.
Florent benadrukt dat adoptie een reis is. Het dashboard werd pas recent gelanceerd en het team zal het gebruik blijven bijhouden, feedback verzamelen en het product verfijnen. Naarmate meer HR-professionals voorspellende inzichten gebruiken in gesprekken met leiders, zal de organisatie nieuwe verbeteringsmogelijkheden ontdekken.
Leiderschapssponsoring als katalysator voor verandering
Een keerpunt in de people analytics-reis kwam toen de organisatie een nieuwe CEO en CHRO aanstelde. Beide leiders brachten een wereldwijd perspectief en een sterke toewijding aan datagedreven besluitvorming. ‘Als de CHRO één enkel antwoord van iedereen verwacht, stemmen mensen snel overeen,’ merkt Florent op.
De leiderschapswisseling moedigde ook een verschuiving weg van een historisch op Frankrijk gerichte benadering. Tegenwoordig streeft de organisatie naar wereldwijde consistentie zonder de lokale realiteit uit het oog te verliezen. Deze combinatie van top-down sponsoring en bottom-up community-building creëert de juiste omgeving voor analytics om te floreren.
Lessen geleerd uit de people analytics-reis van Societe Generale
Tijdens het gesprek deelt Florent verschillende inzichten voor organisaties die hun eigen people analytics-capaciteiten willen ontwikkelen. Gezamenlijk benadrukken deze lessen dat people analytics succesvol is wanneer organisaties solide datastructuren combineren met een menselijke aanpak van samenwerking en leren.
- Investeer vroeg in datafoundations. Als de datakwaliteit slecht is, zullen dashboards niet worden vertrouwd of gebruikt. Sterke fundamenten zijn niet onderhandelbaar.
- Bouw duidelijkheid op via bestuur. Definities, eigendoms- en toegangsregels voorkomen verwarring en zorgen voor consistentie binnen de organisatie.
- Werk samen over teams heen. Analytics vereist samenwerking tussen BI, data science, centrale HR en lokale teams.
- Betrek het bedrijf. Onboarding, training en open forums ondersteunen begrip en adoptie.
- Behandel voorspellende analyse als een langetermijncapaciteit. Modellen hebben governance, iteratie en vertrouwen nodig.
Wat het meest resoneert in dit gesprek, zoals Irma Doze opmerkte, is hoe consequent Societe Generale investeerde in duidelijkheid en afstemming voordat het zijn analysecapaciteiten verder ontwikkelde. Veel organisaties haasten zich met voorspellende modellering zonder de basis om het te ondersteunen, terwijl Société Générale de duurzamere weg koos: betrouwbare data bouwen, mensen betrekken via een gemeenschap en verantwoordelijk opschalen. Het laat zien dat betekenisvolle inzichten in mensen niet alleen voortkomen uit tools, maar uit de discipline om gedeeld begrip te creëren, de moed om datakwaliteit uit te dagen en de bereidheid om teamoverstijgend samen te werken.
Door: Irma Doze
Voor dit artikel sprak Irma Doze met Florent Maire, hoofd People Analytics Reporting bij Société Generale, over de reis van de bank naar sterkere inzichten in mensen, betere datafundamenten en een voorspellende aanpak van HR-besluitvorming. Hun gesprek biedt een duidelijk beeld van hoe een grote wereldwijde organisatie niet alleen haar rapportagemogelijkheden, maar ook de cultuur rondom data transformeert.
