Hoe bouw je je eigen normgroep voor hiring?
Generieke normgroepen zeggen weinig over jouw specifieke context. Leer hoe je een eigen normgroep bouwt die je hiring data echt waardevol maakt.
Door Ingmar van Maurik · Founder & CEO, Making Moves
Waarom generieke normgroepen tekortschieten
Wanneer je assessments gebruikt in je wervingsproces, worden de resultaten altijd vergeleken met een normgroep: een referentiepopulatie die bepaalt wat een hoge, gemiddelde of lage score is. De meeste assessment leveranciers bieden generieke normgroepen aan, gebaseerd op duizenden mensen die de test hebben gemaakt.
Dat klinkt solide, maar er zit een fundamenteel probleem in. Die generieke normgroep bevat mensen uit allerlei sectoren, functies, niveaus en landen. Een score van 70 op een cognitieve test kan uitstekend zijn voor de ene rol maar ondermaats voor de andere. Het is alsof je de prestaties van een marathonloper vergelijkt met het gemiddelde van alle sporters, inclusief zwemmers, gewichtheffers en schakers.
Voor bedrijven die serieus zijn over data-gedreven hiring, is een eigen normgroep geen luxe maar een noodzaak. In dit artikel leggen we uit hoe je er een bouwt, stap voor stap.
Wat is een normgroep precies
Een normgroep is een verzameling scores van een specifieke populatie die als referentiepunt dient voor het interpreteren van nieuwe scores. Wanneer een kandidaat een assessment maakt en een score krijgt, zegt die score op zichzelf weinig. Pas wanneer je die score vergelijkt met een relevante normgroep, weet je of het een goede of slechte score is.
De elementen van een normgroep
|---------|-------------|-----------|
Generiek vs. specifiek
Een generieke normgroep is breed en gemakkelijk beschikbaar. Een specifieke normgroep is smal en moet je zelf opbouwen. Het verschil in waarde is enorm:
Generieke normgroep: vertelt je dat een kandidaat beter scoort dan 70 procent van alle mensen die deze test ooit hebben gemaakt. Nuttig als basislijn, maar niet informatief genoeg voor goede beslissingen.
Eigen normgroep: vertelt je dat een kandidaat beter scoort dan 70 procent van succesvolle senior developers bij vergelijkbare bedrijven. Nu weet je echt iets.
Hoe bouw je een eigen normgroep
Stap 1: definieer je doelpopulatie
Begin met het helder definiëren van voor wie je de normgroep bouwt. Wees zo specifiek als nuttig:
Hoe specifieker, hoe waardevoller de normgroep, maar ook hoe langer het duurt om voldoende data te verzamelen. Begin breed en verfijn naarmate je meer data hebt.
Stap 2: verzamel assessment data
De kern van je normgroep is assessment data van kandidaten die je proces hebben doorlopen. Idealiter verzamel je:
Het is essentieel dat je data verzamelt van alle kandidaten, niet alleen de aangenomen kandidaten. Als je normgroep alleen uit hires bestaat, is hij vertekend en niet representatief voor de werkelijke spreiding.
Stap 3: bepaal de minimale omvang
Een normgroep moet groot genoeg zijn om statistisch betrouwbaar te zijn. De vuistregels:
Bij 50 hires per jaar voor een specifieke functiecategorie heb je na 2 tot 4 jaar een goede normgroep. Te lang? Begin dan breder, bijvoorbeeld alle technische functies, en verfijn later.
Stap 4: bereken normstatistieken
Met voldoende data bereken je de statistieken die je normgroep definiëren:
Gemiddelde en standaarddeviatie vormen de basis. Ze vertellen je wat de typische score is en hoe groot de spreiding is.
Percentielscores vertalen ruwe scores naar een positie ten opzichte van de groep. Een percentielscore van 75 betekent dat de kandidaat beter scoort dan 75 procent van de normgroep.
Score bandbreedtes definiëren wat laag, gemiddeld en hoog is voor jouw context:
|-----------|-----------------|---------------|
Stap 5: valideer tegen prestatie-uitkomsten
Een normgroep wordt pas echt waardevol wanneer je hem valideert tegen daadwerkelijke prestatie. Dit betekent dat je de relatie onderzoekt tussen assessmentscores en:
Als je ontdekt dat een score van 65 op een specifieke assessment sterk correleert met succes in de rol, dan weet je dat 65 een betekenisvolle drempelwaarde is voor jouw normgroep. Dit is de basis van predictive hiring.
Stap 6: onderhoud en herijk
Een normgroep is geen statisch product. Je moet hem regelmatig updaten:
De rol van technologie
Het bouwen en onderhouden van een eigen normgroep is handmatig een enorme klus. Je hebt data uit meerdere bronnen nodig, statistisch correcte berekeningen en continue monitoring. Dit is waar een eigen hiring systeem zijn waarde bewijst.
Een goed systeem:
Zonder zo een systeem ben je afhankelijk van spreadsheets, handmatige berekeningen en de goodwill van iemand die statistiek begrijpt. Dat is niet schaalbaar en niet betrouwbaar.
Veelgemaakte fouten
Alleen hires opnemen in de normgroep: dit leidt tot range restriction, je ziet alleen de bovenkant van de spreiding en mist het totaalbeeld.
Te kleine normgroep gebruiken: met minder dan 50 scores zijn je conclusies statistisch onbetrouwbaar. Wacht tot je genoeg data hebt of begin breder.
Nooit herijken: je normgroep veroudert als de arbeidsmarkt verandert, je bedrijf groeit of de rol evolueert. Plan minimaal jaarlijks een review.
Een normgroep voor alles gebruiken: verschillende rollen vereisen verschillende normgroepen. Een normgroep voor developers is niet bruikbaar voor product managers.
Samenvatting
Wil je beginnen met het bouwen van je eigen normgroep? Neem contact op of lees hoe generieke assessments tekortschieten en waarom maatwerk de toekomst is.