Datagedreven recruitment in de zorg: zo begin je slim

Veel zorgorganisaties willen starten met datagedreven recruitment. Weinig weten waar te beginnen.

Na een masterclass met vijftien zorgorganisaties uit Noord-Brabant kwam steeds hetzelfde patroon terug. Recruiters trekken handmatig cijfers uit Excel. ATS-data is vervuild door slordige invulling. Iedereen wil een dashboard, zonder vooraf te weten welke vraag dat dashboard moet beantwoorden.

Dit artikel geeft je de startpunten voor zorgrecruiters in ziekenhuizen, GGZ, gehandicaptenzorg, ouderenzorg en revalidatie. Geen theoretisch kader, wel de drieslag om van vraag naar actie te komen, realistische benchmarks per zorgfunctie en drie cases waarin data het verschil maakte.

Je leest hoe je binnen een maand richting geeft aan je aanpak, zonder BI-afdeling.

Wat is datagedreven recruitment in de zorg?

In de zorg heeft datagedreven werken een extra lading. De krapte op de arbeidsmarkt is structureel: volgens de AZW-trendrapportage 2025 groeit het arbeidsmarkttekort in zorg en welzijn door van 72.600 personen in 2025 naar een prognose van 261.800 in 2035. In het vierde kwartaal van 2025 ontstonden er 59.000 nieuwe vacatures in de sector. Voor specialistische functies zoals verpleegkundig specialisten, laboranten en oncologieverpleegkundigen is vier openstaande vacatures per actieve werkzoekende geen uitzondering.

Elke verloren kandidaat telt zwaar. En juist in die context is onderbuik-werving achterhaald. Dit raakt direct aan recruitment in de zorg als geheel: wie zonder cijfers stuurt, stuurt blind op de krapste arbeidsmarkt van Nederland. Datagedreven recruitment maakt die blinde vlek zichtbaar.

Waarom onderbuik niet volstaat in zorgwerving

“We hebben het gevoel dat onze werken-bij-pagina beter converteert.” Die zin hoor je bijna wekelijks in recruitment-overleggen. Maar gevoel is geen argument in een MT-gesprek over budget. Gevoel lost geen knelpunten op. Datagedreven recruitment vervangt aannames door cijfers die je wel kunt delen en waar een directie mee uit de voeten kan.

Neem een voorbeeld. Een grote werkgever zocht dertig specialistische medewerkers in zes maanden. Na vier maanden waren er drie aangenomen, op 522 sollicitaties. Iedereen dacht: te weinig reactie. Na analyse bleek het tegendeel. De sollicitanten waren er wel, maar haakten af op het selectieproces. Eén vacature voor alle ervaringsniveaus schrikte junioren af. Een verplicht assessment voor iedereen haalde kwalitatieve kandidaten eruit. Na splitsing naar vier niveaus: vier aanbiedingen, vier aannames in de eerste maand.

Dit patroon komt ook in de zorg terug. Zorgorganisaties zoeken de oorzaak van slechte werving vaak aan de voorkant (te weinig kandidaten), terwijl het probleem in de selectie of opvolging zit. Denk aan een vacature voor verpleegkundigen waar zowel starters als senioren op reageren, met een assessment dat niet past bij de starterdoelgroep. Data maakt dat zichtbaar, gevoel niet.

De drieslag: van vraag naar actie in drie stappen

De grootste valkuil bij datagedreven recruitment in de zorg is beginnen bij je systeem. Je kijkt wat eruit komt en probeert er iets zinnigs mee te zeggen. Dat levert losse cijfers op, geen richting. Draai het om. Begin bij je vraag.

Stap 1: benoem de uitdaging scherp

Wat loopt er niet? Waar zit de frustratie? Wat zou je volgende maand anders willen zien? Schrijf het op in een zin. Voorbeelden uit de zorgpraktijk: onze time-to-hire voor persoonlijke begeleiders loopt uiteen van 27 tot 238 dagen, dat snappen we niet. Of: we krijgen honderden AI-sollicitaties uit het buitenland die onze rapportages vervuilen. Of: bij oncologie krijgen we geen kwalitatieve sollicitaties en we weten niet waarom. Hoe concreter de vraag, hoe makkelijker je de data erbij vindt.

Stap 2: kies een databron die iets over die vraag zegt

Je hebt meer in huis dan je denkt. Intern: je ATS, Excel-exports, exit-gesprekken, tevredenheidsonderzoeken, NPS-metingen en Google Analytics op je werken-bij-site. Extern: Indeed Hiring Insights, regionale arbeidsmarktrapportages, CBS, UWV werk.nl, LinkedIn Talent Insights en Glassdoor.

De kunst zit niet in alles gebruiken. Kies een bron die direct antwoord geeft op jouw vraag. Vraag je je af waarom time-to-hire zo uiteenloopt? Begin met een ATS-export per functiegroep, niets meer. Wil je weten welk kanaal echt werkt? Bekijk source-of-hire in je ATS en leg dat naast de kosten per kanaal.

Stap 3: bepaal de gap

Welke data mis je nog om antwoord te geven op je vraag? Dat is je verzamellijst. Ontbreekt de reden waarom kandidaten afhaken? Voeg een afwijsvraag toe aan je afwijsmail. Ontbreekt kanaalinformatie? Vraag bij elke intake: hoe heb je ons gevonden? Dat is het verschil tussen rapporteren en datagedreven werken. Rapporteren vertelt wat er gebeurd is. Datagedreven werken beantwoordt een vooraf gestelde vraag.

Vijf metrics die werken voor zorgorganisaties

Datagedreven recruitment start niet bij zestien metrics tegelijk. Uit de masterclass met vijftien Brabantse zorgorganisaties bleek: niemand houdt alle zestien mogelijke metrics bij. De meesten tracken er drie tot zes. Drie goede metrics zijn meer waard dan twintig halve.

Time-to-hire per functiegroep is de belangrijkste. Niet als organisatie-gemiddelde, maar uitgesplitst. Een gemiddelde zegt niets in een organisatie waar beveiliging binnen een week tekent en een verpleegkundig specialist vijf maanden duurt.

Source-of-hire inclusief kosten per kanaal toont welke kanalen daadwerkelijk aannames opleveren en wat dat per hire kost. Zonder dit cijfer blijf je investeren in kanalen zonder conversie. Meer context in Cost per hire berekenen.

Doorlooptijd tussen sollicitatie en reactie hiring manager is waar je de meeste kandidaten verliest. Als een hiring manager er een week over doet om een cv te beoordelen, is je kandidaat al in gesprek met de concurrent. Over de rol van hiring managers lees je meer in Hiring manager: het verschil maken bij werving.

Acceptatiegraad van aanbiedingen met afwijsredenen laat zien waar je aanbod niet aansluit. Salaris, rooster, reistijd, werksfeer: zonder reden geen verbetering. Betrouwbaarheid van de data zelf is geen klassieke KPI, maar wel een voorwaarde. Onbetrouwbare cijfers leveren onbetrouwbare beslissingen op.

Wil je verdieping op welke KPI’s bij jouw organisatie passen? Dan is Recruitment KPI’s: de 8 metrics die je wervingsresultaten zichtbaar maken een logische vervolgstap.

Benchmarks time-to-hire per zorgfunctie

In de masterclass met 15 zorgorganisaties uit Noord-Brabant deelden deelnemers uit verschillende zorgsectoren hun eigen cijfers. Hoewel deze getallen gebaseerd zijn op een specifieke groep in Brabant, bieden ze een eerste referentiekader voor zorgrecruiters in andere regio’s. Dus niet als absolute benchmark maar als oriëntatie:

Wil je deze metric verlagen in plaats van alleen meten? Dan helpt Time to hire verlagen je met zeven methoden die direct werken.

Drie praktijkvoorbeelden uit de zorg

De selectiebottleneck-case. Een zorgorganisatie met 522 sollicitaties in vier maanden en drie aannames, dat klinkt als een gebrek aan kandidaten. Bij analyse bleek de oorzaak aan de selectiekant te liggen. Eén vacature voor alle ervaringsniveaus schrikte starters af. Het verplichte assessment filterde kwalitatieve kandidaten weg. Na opdeling naar vier niveaus kwamen er vier aanbiedingen in de eerste maand. Hetzelfde patroon speelt bij verpleegkundige vacatures waar starters en senioren op dezelfde advertentie solliciteren.

De zorg-case Surplus. Zorgorganisatie Surplus bouwde een campagne rond een menselijk moment: een verzorgende die op verzoek van een bewoner een haring ging halen. Het resultaat: 22 aannames Verzorgenden IG tegen circa €250 kosten per hire. Algemene werkgeversteksten halen zulke cijfers zelden. Concrete verhalen uit de werkpraktijk werven beter dan corporate taal. Zie ook Recruitment marketing in de zorg.

De dashboard-zonder-BI-case. Een recruiter uit een middelgrote zorgorganisatie had geen toegang tot BI-capaciteit. Oplossing: elke week dertig minuten in Excel, aangevuld met een AI-tool zoals Claude of Copilot om een dashboard op te bouwen uit de export. Na drie maanden een bruikbare rapportage op directieniveau. Geen IT-traject, geen licenties, wel inzicht. Zo werkt datagedreven recruitment ook zonder budget.

Meer over dashboardbouw vind je in Recruitment dashboard opzetten.

Wat zorgorganisaties tegenhoudt (en hoe je ermee omgaat)

Vijf bezwaren kwamen breed terug in de masterclass met vijftien Brabantse zorgorganisaties. De eerste: “mijn ATS-data klopt niet.” Garbage in, garbage out. Train hiring managers kort, in een sessie van 45 minuten, op invulling en statussen. Twijfel je serieus aan de cijfers? Houd dan een maand lang handmatig bij wat er binnenkomt en wat er gebeurt. Dertig dagen zuivere registratie zegt meer dan een jaar half ingevulde velden.

De tweede: “AI-sollicitaties uit het buitenland vervuilen onze data.” Herkenbaar voor bijna iedereen in de masterclass. Voeg een visumcheck toe aan je sollicitatieformulier en filter die groep eruit voordat ze in je hoofdrapportage belanden. De derde: “ik heb geen BI-afdeling.” Niet nodig om te starten. Eén Excel-export plus een AI-tool volstaat voor je eerste analyse. Begin klein.

De vierde: “hiring managers wijzen te snel af.” Gebruik juist data om dat gesprek te openen. Niet “de werving gaat slecht”, maar: “je hebt veertig sollicitanten gehad, nul zijn aangenomen, wat gebeurt er?” De vijfde: “dit kost tijd die ik niet heb.” Begin met een vraag per kwartaal. Niet twee, niet drie: een. Meet het twee maanden. Kijk dan wat je doet met het inzicht.

Datagedreven recruitment is geen wondermiddel. Het maakt je niet immuun voor krapte, het vervangt geen sterke employer brand en het laat je ook niet aan dertig verpleegkundigen per maand komen waar de markt ze niet heeft. Wat datagedreven recruitment wel doet: je verliest minder kandidaten aan losse eindjes in je eigen proces. Voor een krappe zorgarbeidsmarkt maakt dat verschil. Wie zijn proces eerst op orde wil brengen voordat er data op losgelaten wordt, kan starten met een recruitment audit.

Veelgestelde vragen over datagedreven recruitment in de zorg

Wat is datagedreven recruitment in de zorg?

Datagedreven recruitment in de zorg is een aanpak waarbij je keuzes in je recruitmentproces baseert op concrete data uit je ATS, arbeidsmarktbronnen en interne feedback, in plaats van op onderbuikgevoel. Het doel is betere beslissingen over kanalen, selectie en opvolging, niet meer rapporteren. Je start met een vraag over een knelpunt in je proces en zoekt de data die daar antwoord op geeft.

Hoe start ik met datagedreven recruitment zonder BI-afdeling?

Begin bij een scherpe vraag over een knelpunt in je proces. Kies een databron die daar iets over zegt, bijvoorbeeld een ATS-export of een rapportage uit Indeed Hiring Insights. Bepaal welke data je nog mist en verzamel die stap voor stap. AI-tools zoals Claude of Copilot helpen om uit een Excel-export een bruikbaar dashboard te bouwen, zonder IT-traject. Anonimiseer wel altijd je data (verwijder namen en e-mailadressen) voordat je die deelt met AI-tools, zodat je voldoet aan de AVG.

Welke recruitment-KPI’s zijn belangrijk voor zorgorganisaties?

De vijf metrics die het vaakst terugkomen in zorgorganisaties zijn: time-to-hire per functiegroep, source-of-hire inclusief kosten per kanaal, doorlooptijd tot reactie hiring manager, acceptatiegraad van aanbiedingen inclusief afwijsredenen, en betrouwbaarheid van de data zelf. Drie goede metrics zijn meer waard dan twintig halve.

Wat is een gemiddelde time-to-hire voor verpleegkundigen?

Voor reguliere zorgfuncties ligt de range tussen 17 en 40 dagen. Voor specialistische zorgfuncties zoals verpleegkundig specialisten, laboranten en oncologieverpleegkundigen varieert het tussen 35 en 154 dagen. Deze getallen zijn sterk afhankelijk van functie, regio en meetmethode. Wat vooral telt is dat je binnen je eigen organisatie een consistente definitie hanteert.

Hoe voorkom ik dat AI-sollicitaties uit het buitenland mijn data vervuilen?

Voeg een visumcheck toe aan je sollicitatieformulier. Filter niet-werkgerechtigde sollicitaties uit je hoofdrapportage voordat je cijfers gebruikt voor besluitvorming. Rapporteer die groep apart, zodat je inzicht houdt in het volume maar je kernmetrics zuiver blijven.

Welke databronnen gebruik ik voor datagedreven recruitment in de zorg?

Intern: je ATS, Excel-exports, exit-gesprekken, tevredenheidsonderzoek, NPS-meting en Google Analytics op je werken-bij-site. Extern: Indeed Hiring Insights, regionale arbeidsmarktrapportages, CBS, UWV werk.nl, LinkedIn Talent Insights en Glassdoor. Combineer een interne bron met een externe bron voor het meeste inzicht.

Wat is het verschil tussen rapporteren en datagedreven recruitment?

Rapporteren vertelt wat er in het verleden is gebeurd in losse cijfers: aantal sollicitaties, aantal aannames, gemiddelde doorlooptijd. Datagedreven recruitment beantwoordt een vooraf geformuleerde vraag over een knelpunt, met data die je gericht verzamelt. Het verschil zit in de volgorde: eerst vraag, dan data, niet andersom.