TalentKeeperMethode
The TalentKeeper Method
Van meten naar begrijpen, gericht interveniëren en systematisch leren
Door Gaby Schram · TalentKeeper
Veel medewerkeronderzoek stopt ongeveer waar het managementwerk begint.
De vragenlijst is ingevuld. De scores zijn berekend. Sterke en zwakke punten staan in een dashboard.
En dan komt de moeilijkste vraag:
Wat moeten we hiermee doen?
De TalentKeeper Method is ontwikkeld om juist die stap systematisch te maken.
De methode gaat daarom verder dan meten. Ze verbindt evidence met interpretatie, diagnose, prioritering, interventie, evaluatie en leren.
Niet om automatisch één antwoord te produceren, maar om betere managementbeslissingen mogelijk te maken.
Een medewerkeronderzoek is onderdeel van de methode. Niet de methode zelf.
Meten is noodzakelijk.
Maar een score verklaart zichzelf niet.
Een lage score vertelt niet automatisch waardoor een patroon ontstaat, waar management moet ingrijpen of welke interventie passend is.
Daarom bestaat de TalentKeeper Method uit zeven afzonderlijke stappen.
Meten levert evidence. De volgende zes stappen bepalen wat we verantwoord met die evidence kunnen doen.
De TalentKeeper Method in zeven stappen
Stap 1 van 7
Meten
Wat zien we?
Iedere stap heeft een eigen functie.
Dat onderscheid is belangrijk, omdat een latere stap nooit automatisch uit de vorige mag volgen.
- Een score is geen diagnose.
- Een diagnose bepaalt niet automatisch de interventie.
- En verandering na een interventie is nog geen bewijs dat de interventie die verandering heeft veroorzaakt.
1. Meten — Wat zien we?
De eerste stap is het gecontroleerd verzamelen van relevante evidence.
Niet simpelweg zoveel mogelijk vragen stellen, maar bepalen:
Welke informatie hebben we nodig en welke bron kan die informatie verantwoord leveren?
Daarom kijkt TalentKeeper vanuit meerdere rollen naar dezelfde organisatie.
Ook relevante organisatieregistraties kunnen evidence leveren.
Deze informatiebronnen hebben verschillende functies en worden niet zomaar samengevoegd tot één algemene score.
De bron moet passen bij de vraag.
2. Interpreteren — Wat betekent het patroon dat we zien?
Na het meten volgt nog geen verklaring.
Eerst moet zorgvuldig worden vastgesteld wat de evidence laat zien.
Waar zijn sterke condities zichtbaar?
Waar ontstaan kwetsbaarheden?
Hoe breed wordt een patroon gedeeld?
Zijn er verschillen tussen teams of organisatieonderdelen?
Hoe goed is de kwaliteit van de beschikbare evidence?
Welke context is relevant?
En wat kunnen we op basis van deze gegevens juist nog níét zeggen?
Interpreteren beschrijft de betekenis van het patroon zonder er voortijdig een oorzaak aan toe te kennen.
Dat is het verschil tussen:
“de score is laag”
en:
“dit is een breed gedragen, voldoende robuust patroon dat managementaandacht verdient.”
Pas daarna begint diagnose.
3. Diagnosticeren — Wat kan het patroon plausibel verklaren?
Een diagnose probeert verschillende bevindingen met elkaar te verbinden.
Niet:
“Deze score is laag, dus dit is de oorzaak.”
Maar:
“Welke condities en mechanismen vormen, gegeven de beschikbare evidence, een aannemelijke verklaring voor wat we zien?”
TalentKeeper gebruikt daarvoor de geïntegreerde theoretische architectuur onder de methode.
De diagnose blijft evidence-begrensd.
Een samenhang kan een verklaring ondersteunen zonder causaliteit te bewijzen.
Daarom moet iedere diagnose duidelijk maken:
- wat we waarnemen,
- welk mechanisme we aannemelijk achten,
- en hoe sterk de evidence daarvoor is.
Een diagnose is geen absolute waarheid. Het is de meest verdedigbare verklaring die de beschikbare evidence op dat moment toelaat.
4. Prioriteren — Waar moet management als eerste aandacht aan geven?
Een diagnose kan meerdere relevante kwetsbaarheden opleveren.
Niet alles kan en hoeft tegelijk te worden aangepakt.
Daarom vraagt TalentKeeper vervolgens:
Welke beïnvloedbare condities verdienen als eerste managementaandacht?
Een lage score is daarbij niet automatisch de hoogste prioriteit.
Ook omvang, relevantie, beïnvloedbaarheid, context en evidencekwaliteit spelen mee.
Het resultaat is geen lijst met “de tien slechtste scores”, maar een onderbouwde managementagenda.
Niet iedere afwijking is een prioriteit. En niet iedere prioriteit is simpelweg de laagste score.
Tussen prioriteren en interveniëren ligt de aanbeveling
Wanneer duidelijk is waar management moet handelen, volgt de vraag:
Welke interventieroutes zijn hier het meest passend?
Hier komt de Intervention Knowledge Base in beeld.
TalentKeeper kan relevante interventieopties zoeken en vergelijken op basis van:
Daaruit kan een contextueel gerangschikte shortlist ontstaan.
Maar:
een aanbeveling is nog geen managementbeslissing.
De organisatie blijft verantwoordelijk voor het accepteren, aanpassen, testen, uitstellen of afwijzen van een interventie.
En dit recommendation-proces vormt geen afzonderlijke achtste stap.
Het is de gecontroleerde overgang van Prioriteren naar Interveniëren.
5. Interveniëren — Wat gaan we bewust veranderen?
Nu wordt daadwerkelijk gehandeld.
De vraag is:
Welke organisatorische conditie of welk managementmechanisme willen we veranderen — en hoe?
Een interventie moet daarom concreet zijn.
Niet:
“We gaan de communicatie verbeteren.”
Maar bijvoorbeeld duidelijk maken:
- wat verandert;
- waarom;
- voor wie;
- door wie;
- op welke manier;
- gedurende welke periode;
- en welke indicatoren later relevant zijn voor de evaluatie.
Het doel van de interventie is een organisatorische conditie te beïnvloeden.
Het is nog geen vastgestelde verbetering.
Of de gewenste verandering daadwerkelijk optreedt, wordt pas in de volgende stap onderzocht.
6. Evalueren — Wat gebeurde er na de interventie?
Evaluatie stelt eerst vast wat er feitelijk is gebeurd.
- Is de interventie uitgevoerd zoals bedoeld?
- Is de beoogde organisatorische conditie veranderd?
- Zijn andere relevante ervaringen, psychologische staten of uitkomsten veranderd?
- Welke andere gebeurtenissen kunnen van invloed zijn geweest?
- Zijn metingen voldoende vergelijkbaar?
- En hoe sterk is de evidence?
Evalueren gaat over wat we na de interventie waarnemen. Leren gaat over wat we uit die evaluatie meenemen.
Dat onderscheid is fundamenteel.
Want wanneer een score na een interventie verbetert, weten we nog niet automatisch dat de interventie de oorzaak was.
Andere veranderingen in de organisatie, personeelswisselingen, externe gebeurtenissen, meetvariatie of andere initiatieven kunnen eveneens bijdragen.
Evaluatie moet daarom verandering zichtbaar maken zonder de verklaring alvast sterker te maken dan de evidence toelaat.
7. Leren — Wat nemen we mee naar de volgende beslissing?
Pas nadat de interventie is geëvalueerd, ontstaat de vraag:
Wat betekent deze evidence voor wat we hierna doen?
- Moet de organisatie doorgaan?
- Aanpassen?
- Stoppen?
- Verder onderzoeken?
- Een andere interventie proberen?
- Of juist een succesvolle conditie beschermen?
Dat is lokaal leren.
Maar TalentKeeper wil daarnaast een tweede vorm van leren mogelijk maken.
Wanneer de evidence daarvoor geschikt is en aan privacy-, kwaliteits- en governancevoorwaarden voldoet, kunnen lessen uit afzonderlijke toepassingen bijdragen aan de bredere Intervention Knowledge Base.
Daarmee wordt learning:
→ betere volgende beslissing binnen de organisatie
→ betere interventiekennis voor toekomstige vergelijkbare situaties
Een groeiende database is nog geen lerend systeem. Het leren zit in de kwaliteit waarmee evidence wordt geëvalueerd voordat zij opnieuw wordt gebruikt.
En daarna begint de cyclus opnieuw.
Met betere kennis dan de vorige keer.
Van één toepassing naar een Intervention Knowledge Base
De Intervention Knowledge Base verbindt uiteindelijk vijf soorten informatie:
Daaruit ontstaat vervolgens:
De database bevat niet alleen wat er is gedaan.
De relevante vraag is:
Wat hebben we verantwoord kunnen leren uit wat er is gedaan?
Dat is een veel sterkere basis voor toekomstige interventieaanbevelingen.
Waar AI waarde toevoegt
Naarmate de Intervention Knowledge Base groeit, wordt het moeilijker om alle relevante evidence handmatig te doorzoeken en vergelijken.
Daar kan AI ondersteunen.
De TalentKeeper-architectuur is ontworpen voor een:
AI-assisted Intervention Recommendation Engine
die bijvoorbeeld kan helpen:
relevante gecontroleerde interventies terug te vinden, evidence te vergelijken, organisatiecontext aan implementatievoorwaarden te koppelen en relevante alternatieven zichtbaar te maken.
Maar de volgorde blijft belangrijk:
Niet:
AI ondersteunt het zoeken en vergelijken van mogelijkheden. De methode bepaalt wanneer zo'n aanbeveling verantwoord is.
En de organisatie behoudt de uiteindelijke beslissingsbevoegdheid.
De zeven stappen in één overzicht
| Stap | Centrale vraag | Primaire output |
|---|---|---|
| 1. Meten | Wat zien we? | Gecontroleerde evidence |
| 2. Interpreteren | Wat betekent het patroon? | Begrensde interpretatie |
| 3. Diagnosticeren | Wat kan het plausibel verklaren? | Diagnostische propositie |
| 4. Prioriteren | Waar moet management aandacht aan geven? | Managementprioriteit |
| 5. Interveniëren | Wat gaan we doelgericht veranderen? | Gespecificeerde interventie |
| 6. Evalueren | Wat gebeurde er na de interventie? | Geëvalueerde follow-up evidence |
| 7. Leren | Wat nemen we hiervan mee? | Lokale en waar verantwoord cumulatieve learning |
Tussen stap 4 en 5:
Veelgestelde vragen over de TalentKeeper Method
De TalentKeeper Method bestaat uit zeven stappen:
Stap 1 van 7
Meten
Wat zien we?
Lees verder
Drie perspectieven op medewerkerbehoud
Lees hoe het medewerker-, management- en organisatieperspectief elkaar aanvullen en waarom ze niet in één score mogen samenvallen.
Evidence-governed besluitvorming
Lees hoe claim classes bepalen hoe stellig management op basis van beschikbaar bewijs mag zijn.
Intervention Knowledge Base
Lees hoe diagnose, context, interventie, implementatie, evaluatie en leren als gecontroleerde kennisarchitectuur worden vastgelegd.