Het verzuim stijgt al een jaar. De meeste organisaties zagen het niet aankomen

Op 4 juni 2026 meldde het CBS iets dat weinig aandacht kreeg buiten de vakpers. Het ziekteverzuim onder werknemers lag in het eerste kwartaal van 2026 op 5,8 procent, hoger dan het langjarig gemiddelde van 5,0 procent sinds 1996 (CBS, 2026). Geen uitschieter, maar het vervolg op een trend die in 2025 al begon: na twee jaar van daling nam het verzuim toen voor het eerst weer toe, in bijna alle bedrijfstakken tegelijk (CBS, 2026). De vraag die binnen HR zelden hardop gesteld wordt, is simpel. Had u dat eerder kunnen weten dan het CBS?

Voor de meeste organisaties is het antwoord nee. Niet omdat de data ontbreekt, maar omdat de data die er is zelden samenkomt in een beeld dat vroeg genoeg waarschuwt.

Een stijging die zich breed aandiende

Het beeld dat het CBS schetst is geen incident in één sector. Het verzuim steeg in het eerste kwartaal van 2026 bij kleine bedrijven tot tien werknemers naar 2,8 procent, tegen 2,6 procent een jaar eerder (CBS, 2026). Bij middelgrote en grote bedrijven bleef het stabiel, maar op een niveau dat al hoog lag: 5,0 procent bij bedrijven met tien tot honderd werknemers en 6,8 procent bij bedrijven vanaf honderd werknemers (CBS, 2026). De gezondheids- en welzijnszorg bleef koploper met 8,2 procent (CBS, 2026), en binnen die sector liep het verzuim in verpleging, verzorging en thuiszorg op tot 9,9 procent (CBS, 2026).

Belangrijker dan de hoogte van deze cijfers is de herkomst. Van de werknemers die in 2025 verzuimden, gaf 23 procent aan dat hun afwezigheid geheel of gedeeltelijk het gevolg was van het werk (CBS en TNO, 2025). Werkdruk was daarbinnen de meest genoemde oorzaak, met 28 procent (CBS en TNO, 2025). Dat zijn geen griepgolven. Dat zijn signalen die binnen een organisatie al veel eerder zichtbaar hadden kunnen zijn dan in een landelijke kwartaalrapportage.

Veel data, weinig inzicht

Het gekke is dat de meeste organisaties niet met een gebrek aan data worstelen. Een verzuimregistratie bij de arbodienst, een RI&E die ergens de psychosociale risico's in kaart brengt, een medewerkersonderzoek dat eens in de zoveel tijd wordt uitgezet, een PMO dat op individueel niveau iets zegt over belastbaarheid. Al die bronnen bestaan vaak al. Het probleem is dat ze apart van elkaar bestaan.

Dat probleem is niet uniek voor verzuimdata. Uit onderzoek van Snowflake blijkt dat slechte datakwaliteit het Nederlandse bedrijfsleven jaarlijks 20,03 miljard euro kost, onder meer omdat werknemers wekelijks ruim 54 minuten besteden aan het zoeken naar de juiste informatie (Snowflake, via Techzine, 2025). Slechts 30 procent van de Nederlandse werknemers heeft veel vertrouwen in de kwaliteit van de data waarmee ze werken (Snowflake, via Techzine, 2025). Wanneer dat al geldt voor operationele bedrijfsdata, is het niet verrassend dat het ook geldt voor de combinatie van verzuim, werkdruk en belastbaarheid: data die verspreid over verschillende systemen en eigenaren wordt bijgehouden, zonder dat iemand de opdracht heeft om ze samen te lezen.

Wat ontbreekt is geen dashboard, maar een vraag

HR-analytics wordt vaak voorgesteld als een technologievraagstuk: welk platform, welk dashboard, welke AI-toepassing. Dat is niet waar het probleem meestal zit. Het begint bij een vraag die binnen de meeste organisaties nooit gesteld wordt: welke afdelingen laten tegelijk hoge werkdruk, lage autonomie en stijgend verzuim zien, en is dat toeval of patroon?

Zonder die vraag blijft elke databron op zichzelf staan. Een stijging in het verzuim van drie procentpunt in een team wordt dan een HR-signaal zonder context. Een dalende score op werkdruk in het medewerkersonderzoek wordt een getal in een rapport dat na publicatie in een la verdwijnt. Pas wanneer die bronnen gekoppeld worden, ontstaat een beeld van oorzaak en gevolg in plaats van een stapel losse metingen.

Van registreren naar vroegsignaleren

Het verschil tussen een organisatie die vroeg signaleert en een organisatie die achteraf reageert, zit niet in de hoeveelheid data die ze verzamelt. Het zit in de vraag of iemand de verantwoordelijkheid heeft om die data regelmatig samen te lezen, op het niveau van team of afdeling, en niet alleen op organisatieniveau waar uitschieters wegvallen in het gemiddelde.

Dat vraagt om een andere manier van kijken naar wat een cijfer eigenlijk is. Een landelijk verzuimpercentage is een lagging indicator: het bevestigt een probleem dat al bestond. Werkdrukscores uit een medewerkersonderzoek, meldingen uit een RI&E en patronen in verzuimfrequentie zijn eerder beschikbaar en kunnen, wanneer ze gekoppeld worden, als leading indicator functioneren. Niet omdat ze de toekomst voorspellen, maar omdat ze een verandering zichtbaar maken voordat die verandering zich vertaalt in een stijgend verzuimpercentage.

In de praktijk betekent dit dat organisaties zich drie vragen regelmatig moeten stellen, en niet alleen rond de jaarlijkse evaluatie. Welke teams laten een combinatie zien van hoge werkdruk en lage autonomie, en is dat beeld stabiel of verandert het. Komt een stijging in kortdurend verzuim in een afdeling overeen met signalen uit eerdere metingen, of is het een geïsoleerd moment. En ten slotte: wordt een interventie die ergens is ingezet, ook gevolgd om te zien of ze werkt, of verdwijnt die net als het medewerkersonderzoek in een la zodra de actie is uitgevoerd.

Geen van deze vragen vraagt om geavanceerde technologie. Ze vragen om een vaste gewoonte: periodiek, op het juiste niveau, de beschikbare bronnen naast elkaar leggen. Veel organisaties hebben die gewoonte niet, niet omdat ze het niet willen, maar omdat niemand expliciet de taak heeft om het te doen. Verzuimdata ligt bij de arbodienst, HR-data bij de personeelsadministratie, perceptiedata bij degene die het medewerkersonderzoek heeft besteld. Zonder een vaste schakel die deze bronnen verbindt, blijft het verband tussen oorzaak en gevolg onzichtbaar tot het zich meldt als cijfer in een kwartaalrapportage.

Een landelijk verzuimcijfer vertelt wat er drie maanden geleden is gebeurd. Een eigen, gekoppelde dataset vertelt wat er nu gebeurt, en bij wie. Het verschil tussen die twee is het verschil tussen reageren op een trend die het CBS al heeft vastgesteld, en bijsturen voordat die trend zich in de eigen organisatie voordoet.

De stijging die het CBS in 2026 beschrijft, is geen anomalie die vanzelf weer wegtrekt. Het is een optelsom van signalen die, verspreid over systemen, al veel eerder zichtbaar waren. Organisaties die hun eigen data serieus nemen, lezen die signalen voordat de kwartaalcijfers ze bevestigen.

Bronnen

CBS (2026). Ziekteverzuim in eerste kwartaal hoger dan gemiddeld in afgelopen 30 jaar. https://www.cbs.nl/nl-nl/nieuws/2026/23/ziekteverzuim-in-eerste-kwartaal-hoger-dan-gemiddeld-in-afgelopen-30-jaar

CBS (2026). Ziekteverzuimpercentage; bedrijfstakken en bedrijfsgrootte. StatLine 80072ned. https://www.cbs.nl/nl-nl/cijfers/detail/80072ned

Snowflake, via Techzine (2025). Slechte datakwaliteit kost Nederlands bedrijfsleven 20 miljard. https://www.techzine.nl/nieuws/analytics/569362/slechte-datakwaliteit-kost-nederlands-bedrijfsleven-20-miljard/