De volgende stap in benchmarking

Door Mischa Masthoff, gepubliceerd op 25-01-2021

'Wie de vijand kent en zichzelf, zal in honderd veldslagen niet in gevaar zijn.'

Benchmarking; zelfs de legendarische Chinese generaal Sun Tzu was er dol op. Maar wees eerlijk, wie niet? Eén van de meest voorkomende menselijke eigenschappen is onze neiging om onszelf altijd te vergelijken met anderen. 'Heb je de nieuwe auto van de buurman gezien? Veel groter dan die van ons. Waar doet ie het van?'

Hoewel benchmarking in de praktijk nog steeds een van de meest populaire management instrumenten is, wordt het tijd om de lat te gaan verleggen. In dit artikel ga ik in op de oorsprong, tekortkomingen en toekomst van benchmarking.

Hoe is benchmarking ontstaan?

De term 'benchmarking' (in zijn huidige betekenis) vindt zijn oorsprong in de jaren '80. Charles Christ, op dat moment CEO van Xerox, zag een advertentie van de concurrent voor een goedkopere kopieermachine.

Charles wilde dit onderzoeken een vroeg om 'een benchmark, iets waar we onszelf mee kunnen vergelijken om te begrijpen wat we moeten doen'. Het daaropvolgende benchmarkproject resulteerde in het eerste boek op het gebied van benchmarking: 'Benchmarking: The Search for Industrial Best Practices that Lead to Superior Performance'.

In dit boek wordt benchmarking gedefinieerd als 'the approach of establishing operating targets and productivity programs based on industry best practices that leads to superior performance'.

Grofweg worden in het boek vier stappen van benchmarking onderscheiden: je eigen organisatie kennen; je concurrentie en marktleiders kennen; 'best practices' verwerken in je eigen organisatie; superieur worden. Was het maar zo makkelijk. Dan zouden we allemaal zo'n dikke auto op de oprit hebben staan als mijn buurman.

Wat is het nadeel van benchmarking?

Om de tekortkomingen van de huidige manier van benchmarking te begrijpen, is het goed om eerst stil te staan bij de vraag waarom het huidige concept zo populair is.

Voor een consultant is er niks makkelijker dan geld verdienen met benchmarking. Kies een onderwerp, verzin een 'hoog over' vragenlijst en generieke definities, ontwerp een rapport, automatiseer de analyse, verstuur je vragenlijsten en laat – met een muisklik - je rapporten uit je systeem ratelen.

Omdat benchmarking zich zo goed leent voor gestandaardiseerde producten, zetten adviesbureaus hun benchmark-producten op een agressieve manier in de markt. En met succes. Deelnemen aan een benchmark is een ideale manier om de druk van een manager af te halen.

Als je beter scoort dan de benchmark, kun je aantonen dat je het goed doet. Als je lager scoort dan de benchmark, maar je kunt vooruitgang laten zien ten opzichte van de vorige keer dat je mee deed, ben je op de goede weg. In alle andere gevallen, kun je de benchmark de schuld geven.

Of er is iets mis met de gestelde vragen of je organisatie is gewoonweg 'onvergelijkbaar met andere organisaties, omdat...'.

Het probleem is dat omdat benchmarks zo gestandaardiseerd zijn, hun effect wordt uitgehold. Hoe meer 'hoog over' en generiek vragen en definities zijn, hoe meer potentiële klanten 'in de mal passen'.

Een voorbeeld. Als je wilt vergelijken hoe succesvol de mensen in je straat zijn, kun je rekening houden met heel veel verschillende variabelen. Hebben ze plezier in het leven, besteden ze voldoende tijd met hun kinderen, volgen ze hun passie, hoeveel verdienen ze, et cetera.

Rekening houden met veel variabelen is arbeidsintensief en heeft als risico dat je potentiële deelnemers uitsluit. Wat er in de praktijk gebeurt is dat dingen simpeler gemaakt worden dan ze zijn. 'Al mijn buren hebben auto's. Laten we succes definiëren aan de hand van de prijs van hun auto.'

Het probleem is dat versimpelen kan leiden tot verkeerde conclusies. Kijk naar de oprichter van IKEA. Zelfs toen hij een vermogen had van $58.7 miljard, reed hij twintig jaar lang in een Volvo 240 GL van $22.000.

Een andere tekortkoming vindt zijn oorsprong in de perverse effecten van het mikken op een zo groot mogelijke benchmark.

Omdat benchmarking zo wijdverbreid en gestandaardiseerd is, is de meest voorkomende manier om op te vallen in de markt de grootte van je benchmark. Ik sprak laatst een bedrijf die een app aanbiedt waarmee continu de vitaliteit van medewerkers gemeten kan worden. Ze hebben een benchmark van ongeveer 2.000 medewerkers, verdeeld over verschillende organisaties.

De feedback van één van hun potentiële klanten was dat ze het concept geweldig vonden, maar alleen geïnteresseerd waren als de benchmark meer dan 10.000 medewerkers zou bevatten. Het resultaat hiervan is dat adviesbureaus iedere respondent koesteren, omdat het (onterecht) bijdraagt aan de betrouwbaarheid van hun benchmark in de ogen van hun klanten.

Er zijn twee problemen met het streven naar een zo groot mogelijk benchmark. Op de eerste plaats versterkt het de hierboven beschreven drang naar 'hoog over', generieke benchmarking. Aanbieders van benchmarks hebben meer potentiële klanten en ogen geloofwaardiger als ze ervoor zorgen dat zo veel mogelijk organisaties in hun mal passen.

Op de tweede plaats voorkomt het dat de benchmark actueel blijft. Tijden veranderen en omstandigheden ook, maar de benchmark aanpassen of oude gegevens verwijderen zal de positie van de aanbieder van de benchmark onder druk zetten. Het resultaat is dat als je vandaag besluit om je organisatie te benchmarken op, bijvoorbeeld, loonkosten, de kans reëel is dat je jouw organisatie aan het vergelijken bent met loonkosten tijdens de financiële crisis van een aantal jaar geleden.

Hoe kun je meer doen met benchmarking?

Begrijp me niet verkeerd. Natuurlijk kan zorgvuldig benchmarken je helpen in het bouwen van een succesvolle organisatie. Nog voordat Xerox de term bedacht, waren Japanse bedrijven al extreem succesvol in het gebruik van benchmarking-methodes.

Maar met de technologische vooruitgang van de afgelopen jaren, komen we op een punt waarop we de lat hoger kunnen leggen als het gaat om benchmarking. Daar zijn twee manieren voor, die idealiter kunnen worden gecombineerd.

De eerste is de frequentie van de meting. Als je dat nog niet gedaan hebt, zou ik je willen aanraden Patrick Coolen's goede artikel over continuous analytics te lezen. In de huidige tijd zijn er mooie voorbeelden van het meten van medewerkerstevredenheid, waarbij de focus niet gericht is op externe benchmarking (vergelijking met anderen), maar op interne benchmarking (vergelijking niet met anderen, maar met je eigen organisatie over een bepaalde periode in de tijd).

De tweede manier om de lat hoger te leggen, is door te vergelijken op een meer gedetailleerd en meer geavanceerd niveau. Laat ik dit toelichten met een voorbeeld.

Nedederland kent een fiscale regeling die de WKR heet. Op basis van de WKR mag je als organisatie voor specifieke doeleinden fiscaal vriendelijke vergoedingen uitkeren aan je personeel (denk aan bijvoorbeeld aan werkkleding). Laten we zeggen dat je je organisatie wil benchmarken op dit onderwerp. De standaard aanpak zou zijn om de bedragen per WKR-categorie te tellen en te vergelijken, waarbij je misschien de uitkomsten per categorie zou delen door het aantal medewerkers. De resultaten zou je hoog over vergelijken met andere organisaties.

Vergeet die standaard aanpak. Er is een betere manier. In dit voorbeeld hebben we WKR-data van drie grote organisaties verzameld. Niet geaggregeerd, but op het niveau van individuele boekingsregels. Deze data hebben we gebruikt om een zelflerend model te ontwikkelen. Op dit moment (het model wordt nog verder ontwikkeld), kan het model al met 94% betrouwbaarheid, aangeven in welke categorie iedere boeking zou moeten vallen en in hoeverre een boeking fiscaal correct is.

Het feit dat we hiervoor de gegevens gebruiken van meerdere organisaties heeft als belangrijk voordeel dat structurele, consistente fouten in de administratie van één organisatie door het zelflerende model makkelijker opgemerkt kunnen worden.

Dat betekent dat met de gegevens van maar drie organisaties, we niet alleen kunnen vergelijken op een hoog aggregatieniveau, maar daarnaast een lijst kunnen genereren met iedere potentiële fout op boekingsniveau.

Door met een hogere frequentie te meten en te analyseren op een meer gedetailleerd niveau kun je de impact van benchmarking op je organisatie veel groter maken. Dat klinkt misschien vergezocht, maar is in de praktijk veel dichterbij dan je denkt.

Nu meer en meer organisaties hun gegevens in de cloud opslaan, beginnen bestaande (fysieke) grenzen tussen administraties steeds meer te vervagen. Naarmate administraties meer onderling verbonden worden, kan er meer continu en meer gedetailleerd worden vergeleken met anderen.

Ter afsluiting

In een tijd waarin een bedrijf als Xerox, dat vier decennia geleden het begrip benchmarking definieerde, transformeert van een printerfabrikant naar een softwarebedrijf, is benchmarking zelf nauwelijks ontwikkeld. Technologie is niet het probleem. Wat we nodig hebben is een andere mindset.

Eén van onze klanten vertelde me onlangs dat ze een benchmark wilde starten met betrekking het presteren van hun Financial Shared Services Center. De klant had een Excel format ontwikkeld met een aantal vragen en definities, die ze had doorgestuurd naar een aantal vergelijkbare organisaties.

Toen ik haar eraan herinnerde dat wij met onze software hun financiële administratie continu scannen op fouten en risico's op boekingsniveau en dat we hetzelfde doen bij een aantal vergelijkbare organisaties, zette ik haar aan het denken.

Ik hoop dat dit artikel jou op dezelfde manier aan het denken zal zetten.