9.
Voorspellen met data
verandert welzijn voorgoed
Welzijn voorspellen om uitval te voorkomen
Iets abstracts meten zoals ‘welzijn’ is een voltijdse bezigheid. Mathieu Verbrugghe, Research & Development Manager bij Mensura, doet die job met passie. Zijn taak is om data te doen leven binnen een breder netwerk van wetenschap en praktijk. Niet de cijfers, maar de inzichten daarachter vormen de rode draad van dit gesprek. En die vertrekken altijd vanuit mensen:
Mathieu studeerde psychologie aan de KU Leuven en behaalde niet veel later een doctoraat in de Gezondheidswetenschappen aan de Universiteit Gent. Die studies verraden niet meteen zijn interesse in data. Die ontstond pas op de werkvloer: “Data kent veel vormen, maar het zijn mensen die die cijfers inzichtelijk maken. Door werknemersdata slim in te zetten, slaagt Mensura erin om een verschil te maken in duizenden mensenlevens. Neem nu dat van vrachtwagenchauffeurs: samen met BioRICS, een spin-off van de KU Leuven, deden we onderzoek naar de stress waar zij mee geconfronteerd worden. Via Fitbits en boordcomputers werd het individuele stress- en energieniveau gemeten per vrachtwagenchauffeur. Dankzij die gegevens kunnen we voorspellen welke medewerkers een hoger risico ontwikkelen op uitval.” Een bron van informatie voor de werkgever, maar de werknemer wil ook wat: “Hoe belangrijk werkomstandigheden ook mogen zijn: ze tonen slechts één kant van de medaille. Ons doel is om werknemers duurzaam in te zetten. De mens daarbinnen verdient evenzeer onze aandacht. Met tips en adviezen op maat motiveren we medewerkers om hun welzijn in eigen handen te nemen. En dragen we bij aan meer werkbaar werk.”
Kennis moet leven
Samenwerken zit Mensura in het bloed. Dat begint intern, onder collega’s: “Er is een bib, waar internationale kennis verzameld wordt. Die behandelde in 2020 meer dan 2.000 vragen van klanten en Mensura-medewerkers. Daarnaast is er de afdeling Business & Intelligence , die structuur brengt in de data die we verzamelen. Zij creëren het kader, het speelterrein waarbinnen wij aan de slag kunnen.”
Mathieu’s speelveld is daar waar de wetenschap en de praktijk elkaar verrijken. Zijn job is om alle kennis die binnen Mensura verzameld wordt, te delen met de wetenschap en andersom. Dat kan door studieresultaten te presenteren op internationale congressen, te publiceren in wetenschappelijke vaktijdschriften, maar ook door er tastbare producten op te baseren: “Elk nieuw product dat Mensura introduceert bij klanten, werd wetenschappelijk onderbouwd en meermaals getest. Als die resultaten veelbelovend zijn, rollen we de dienst uit op grotere schaal. En zo zien we de impact van ons onderzoek ook terugvloeien naar de praktijk.”
Mathieu is van mening dat onderzoek pas nuttig is als anderen er uit kunnen leren. Om van welzijn een prioriteit te maken, wordt er actief samengewerkt in een (inter)nationaal netwerk van universiteiten, onderzoekscentra, overheden en klanten. een recent voorbeeld: “In een samenwerking met Sciensano zette Mensura tegen topsnelheid een vergelijkende studie op in woonzorgcentra. Inwoners die positief en negatief testten op Covid-19, werden op de voet gevolgd: hoe evolueerde de gezondheid van beide groepen? Welke symptomen ontwikkelden ze? Hoe reageerden zij op het vaccin? Die projecten vragen veel betrokkenheid van alle partijen, maar zijn enorm leuk om vanuit onze wetenschappelijke expertise aan mee te mogen werken.”
De toekomst voorspellen met big data
Mathieu bewijst dat de impact van welzijn even inzichtelijk gemaakt kan worden als elke andere investering die een ondernemer doet: “Wie investeert, wil zijn geld zien renderen. Dat is in welzijn niet anders. Door werknemersdata te capteren en hierover helder te rapporteren, maken we het effect van interventies tastbaar voor de werkgever.” En dat biedt opnieuw mogelijkheden. Door de inzichten uit wetenschappelijk onderzoek en praktijktesten te combineren, kan zo de winst van welzijn fijn in kaart gebracht worden.
Met big data als glazen bol kan de preventieve aanpak van welzijn op het werk naar een hoger niveau getild worden, omdat we voorspellend te werk kunnen gaan. Van ROI naar toekomstige return, dus: door gebruik te maken van die data, kunnen we ingrijpen op het moment voordat het probleem zich stelt: “Achter de schermen wordt er al aan dergelijke modellen gewerkt. We willen klanten op weg helpen in een persoonlijk groeitraject: welke acties zijn het meest zinvol om eerst uit te voeren? Wat zal het precieze effect hiervan zijn? Met data kunnen we de winst van welzijn meetbaar maken en voorspellingen doen om uitval te voorkomen.”