Je voorspelt de potentie van een mens: waarom data niet alles vangt

26 september 2025 · Roy Mulder

Bij SciSports rekenden we met data over duizenden profvoetballers. We konden laten zien wie per negentig minuten de meeste kansen creëerde en wie het hardst groeide. En toch zaten we er geregeld naast. Potentie inschatten blijft de lastigste vraag in selectie, in het voetbal en daarbuiten. Je voorspelt de potentie van een mens, en dat gaat vaak mis.

Waar we ernaast zaten

In een interview met 7DTV heb ik eens opgesomd waar onze voorspellingen het vaakst mislukten (video). Het waren drie soorten spelers.

De eerste groep: spelers met een lastig karakter. Op papier klopte alles. De cijfers waren uitstekend, de leeftijd goed, de prijs redelijk. Maar in een nieuwe kleedkamer, met een nieuwe trainer en een andere rol, ging het mis. Dat stond nergens in onze data.

De tweede groep: spelers die vaak geblesseerd raakten. Een model ziet de minuten die iemand speelde. Het ziet niet goed hoe kwetsbaar een lichaam is, of wat drie maanden revalidatie doet met het vertrouwen van een speler.

De derde groep: vroege pieken. Jonge spelers die op hun negentiende alles leken te kunnen, en die de druk van een grote transfer niet aankonden. De curve die wij doortrokken, bleek een top te zijn.

Bij alle drie lag het probleem niet in de cijfers over het spel. Die klopten. We voorspelden alleen de verkeerde dingen. We maten wat iemand deed, en we gingen ervan uit dat iemand dat in een andere omgeving gewoon zou blijven doen.

Hetzelfde gebeurt in recruitment

Vervang “speler” door “kandidaat” en je herkent het. Een sales manager die bij zijn vorige werkgever elk kwartaal zijn target haalde, komt bij jou binnen en loopt vast. Een developer met een indrukwekkend GitHub-profiel past niet in een team waar je veel samen moet beslissen. Een jonge talentvolle consultant groeit hard in een groot bedrijf en zakt weg in een scale-up waar niemand hem vertelt wat hij moet doen.

Het cv en de data beschrijven prestaties in een bepaalde context. Wat je wilt weten, is hoe iemand zich gedraagt in jouw context: met jouw hiring manager, jouw team, jouw druk. Dat is een voorspelling over een mens, en mensen veranderen als hun omgeving verandert.

Wat data wel en niet afdekt

Data is goed in het verleden. Aantal plaatsingen, omzet, opgeleverde projecten, behaalde certificaten, doorlooptijden. Dat zijn nuttige signalen. Ze vertellen je of iemand iets kan.

Data is slecht in drie dingen die voor potentie zwaar wegen: karakter, veerkracht en context. Hoe gaat iemand om met tegenslag? Wat doet hij als de baas hem niet ziet? Wat had hij nodig om bij zijn vorige werkgever zo goed te presteren, en heb jij dat te bieden?

Dat geldt ook voor AI. Een model dat cv’s rangschikt, leert van wie er eerder werd aangenomen en wie daarna goed presteerde. Het neemt dezelfde blinde vlekken mee. Daarom eindigt elke tool bij een mens, zoals ik uitleg in AI in recruitment.

Wat het onderzoek zegt over voorspellen

Ook buiten het voetbal is voorspellen lastig. De bekendste meta-analyse over selectiemethoden, van Schmidt en Hunter uit 1998, zette negentien methoden op een rij en vond dat werkproeven en tests van cognitieve capaciteiten het best voorspelden (Psychological Bulletin). Sackett en collega’s herberekenden die cijfers in 2022 en kwamen voor de meeste methoden lager uit, met het gestructureerde interview in de top (Journal of Applied Psychology).

Belangrijker dan de vraag welke methode wint: zelfs de beste methoden maar een deel van de verschillen in prestaties verklaren. De rest zit in dingen die je bij de selectie niet ziet: de baas, het team, de omstandigheden, toeval. Wie dat accepteert, stopt met zoeken naar de perfecte voorspeller en gaat combineren: meerdere bronnen, vooraf vastgelegde criteria en een eerlijk advies over wat je niet weet.

Dat is precies wat scouts bij goede clubs doen. Ze gebruiken data om te filteren, gaan kijken om te beoordelen en praten met mensen die de speler kennen om te begrijpen.

Twee boeken die je blik verbreden

Adam Grant pleit in Hidden Potential ervoor om te selecteren op groeitraject en karakter in plaats van op huidige prestaties en een vlekkeloos cv. Grant kijkt dan naar de afstand die iemand aflegde vanaf zijn startpunt en naar hoe hij met tegenslag omging. Een kandidaat die vanuit een mbo-opleiding doorgroeide naar een seniorrol, heeft iets laten zien wat een kandidaat met een rechte lijn niet hoefde te laten zien.

David Epstein laat in Range zien dat mensen met een brede, kronkelende loopbaan vaak beter presteren dan vroege specialisten. Voor recruiters is dat een waarschuwing: wie selecteert op een rechte cv-lijn, sluit juist de mensen uit die in een nieuwe situatie het snelst leren.

Beide boeken wijzen dezelfde kant op als onze missers. De vroege piek is geen garantie. De omweg is geen probleem.

Hoe je potentie wel inschat

Je kunt potentie niet meten zoals je een doelpunt meet. Je kunt de kans op een misser wel verkleinen. Dat doe je door data aan te vullen met informatie die alleen mensen je kunnen geven.

Vraag naar gedrag onder druk

Gebruik in het interview gedragsvragen over tegenslag, kritiek en verandering. “Vertel over een project dat mislukte. Wat was jouw rol, wat deed je daarna, wat leerde je?” Met de STAR-methode en de reflectievraag uit STARR haal je concrete voorbeelden op in plaats van mooie verhalen.

Vraag wat iemand nodig heeft

Bij spelers leerden we vragen wat iemand nodig had om beter te worden. Dezelfde vraag werkt bij kandidaten. Welke baas haalde het beste in je naar boven? In welk team presteerde je het minst, en waarom? Als iemand alleen bloeit met veel structuur en jij biedt chaos, weet je genoeg. Zie ook een match heeft twee kanten.

Bel referenties, en stel de goede vragen

De beste bron over karakter en veerkracht zijn mensen die iemand hebben zien werken. Een gestructureerde referentiecheck met vaste vragen, met toestemming van de kandidaat, levert informatie op die geen cv bevat. “Was hij goed?” levert weinig op. Vraag liever “hoe reageerde hij toen het project uitliep?” en “wat zou hij moeten ontwikkelen om een tien te scoren?”

Kijk naar het traject, niet alleen het eindpunt

Zet het cv op een tijdlijn. Waar begon iemand, hoe snel groeide hij, en wat gebeurde er na een tegenslag? Een stap terug gevolgd door twee stappen vooruit zegt meer over veerkracht dan vijf jaar dezelfde titel.

Wees eerlijk over onzekerheid

Schrijf in je advies aan de hiring manager wat je weet en wat je niet weet. “Sterk op prestaties, onduidelijk hoe hij reageert op een manager die veel controleert” is een eerlijker advies dan een cijfer. Het helpt de hiring manager om in de proeftijd op de goede dingen te letten.

Checklist: potentie inschatten

  1. Splits je beoordeling in twee delen: prestaties (data, cv, werkproef) en gedrag in context (interview, referenties).
  2. Stel minimaal twee gedragsvragen over tegenslag en kritiek, met doorvragen tot het concreet is.
  3. Vraag de kandidaat welke omgeving het beste in hem naar boven haalt.
  4. Bel minimaal twee referenten met vaste vragen over gedrag onder druk.
  5. Teken het loopbaantraject en markeer groei na tegenslag.
  6. Noteer per kandidaat één onzekerheid en geef die door aan de hiring manager.
  7. Kijk na zes maanden terug: welke inschatting klopte, welke niet?

Meer selectiemethoden en wat het onderzoek erover zegt, vind je in de selectiegids.

Wij hadden de beste data die er in die tijd was, en nog misten we spelers. Dat maakt me niet somber over data. Het maakt me bescheiden over wat een cijfer over een mens kan zeggen.