Big Data im Personalwesen – Und warum wir nicht an Ihnen interessiert sind
Big Data bekommt viel Aufmerksamkeit, und viele Menschen scheinen sich darüber Sorgen zu machen. Es gibt zahlreiche Anwendungsgebiete für Big Data, eines, das besonders viel Beachtung findet, ist das Marketing. Aber es taucht auch – oder beginnt zumindest, eine Rolle im Personalwesen zu spielen – ja, Ihr Arbeitgeber trifft möglicherweise Entscheidungen auf Grundlage der Daten, die über seine Mitarbeitenden gesammelt werden.
Das ist also meine Sicht auf Big Data aus HR-Perspektive: Uns interessiert nicht die einzelne Person, wir analysieren Gruppen. Wir ermitteln Wahrscheinlichkeiten und nutzen diese Wahrscheinlichkeiten, um Geschäftsentscheidungen zu unterstützen. Was bedeutet das nun konkret, welche Wahrscheinlichkeiten, welche Geschäftsentscheidungen?
Ein Beispiel für die Nutzung von Unternehmensdaten ist die Prognose von Personalfluktuation; wenn wir Fluktuationstrends in einem Unternehmen vorhersagen können, ist das tatsächlich sehr nützlich. Ich habe das selbst schon einmal durchgeführt und in einer Organisation eingeführt. Die Organisation meines Kunden wollte den Anteil einer bestimmten Gruppe im Rahmen der Chancengleichheit erhöhen – tatsächlich hatte sie mehrere Programme, um dies zu erreichen.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
Eines der Programme richtete sich an Einstiegspositionen, mit dem Ziel, dass Mitglieder der EEO-Gruppe am Programm teilnehmen und anschließend eine Stelle im Unternehmen erhalten. Ein Problem war aber, dass der Arbeitgeber die Einstiegsposition mehrere Monate vakant halten musste, während der potenzielle Mitarbeitende das Training absolvierte – drei bis vier Monate.
Viele Abteilungen im Unternehmen waren jedoch nicht bereit, dies zu tun, wodurch das Programm nicht das Potenzial ausschöpfen konnte, das es tatsächlich hatte. Dann habe ich das Problem aus einer anderen Perspektive betrachtet. Das Problem war nicht die Dauer des Trainings und auch nicht, dass die Abteilungen nicht bereit waren, Stellen monatelang unbesetzt zu lassen – dies sind keine Probleme, sondern schlicht unternehmerische Realitäten.
Das eigentliche Problem war, dass wir nicht vorhersagen konnten, wann offene Stellen entstehen würden.
Durch die Analyse der monatlichen Fluktuationszahlen über einige Jahre hinweg und das Isolieren auf eine bestimmte Gehaltsgruppe konnten wir relativ zuverlässig vorhersagen, wann offene Stellen entstehen würden. Es stellte sich heraus, dass üblicherweise eine sehr ähnliche Anzahl an Mitarbeitenden die Organisation monatlich verlässt – und das über die Jahre hinweg.
Zum Beispiel: Im Juni 2013 verließen 25 Mitarbeitende das Unternehmen, während es im Juni 2014 22 waren – je länger der Zeitraum, über den Daten gesammelt wurden, und je größer die Stichprobe, desto besser werden diese Wahrscheinlichkeiten. So können wir mit einer gewissen Sicherheit schätzen, dass im Juni mindestens 15 Personen das Unternehmen verlassen werden – die meisten von uns Datenleuten sind von Natur aus vorsichtig.
Das bedeutet, wir können potenzielle Mitarbeitende vorab über das EEO-Programm anwerben und ausbilden.
Sie denken vielleicht: Na und, 15 Mitarbeitende wirken nicht beeindruckend. Aber darauf können wir aufbauen, indem wir zum Beispiel die Zeit bis zur Besetzung einer Stelle einbeziehen und den Ausbildungsgang auf mehr als 15 Personen erhöhen. Die Zeit bis zur Besetzung ist eine gängige Kennzahl und wird vom Zeitpunkt der Ausschreibung bis zum Angebot gemessen – sie kann je nach Bereich (IT, HR, Rechtsabteilung, Vertrieb usw.) variieren. Nehmen wir in diesem Beispiel an, dass diese Zeit 12 Wochen beträgt.
Jetzt können wir unsere Fluktuationszahlen über 12 Wochen betrachten, oder – da das Trainingsprogramm Mitte Juni endet – schauen wir uns Mai, Juni und Juli an. Wir wissen, dass im Mai mit hoher Wahrscheinlichkeit mindestens 12 Leute kündigen werden, im Juli mindestens 20. Plötzlich können wir die Trainingsgruppe auf eine Anzahl von 47 erhöhen, und die Führungskräfte müssen ihre Stelle maximal sechs Wochen unbesetzt lassen – also nur die Hälfte der sonst üblichen Rekrutierungszeit.
Wenn ausreichend Budget vorhanden ist, könnten Sie dieses Trainingsprogramm drei- bis viermal pro Jahr wiederholen und – je nach Größe Ihrer Organisation – über hundert Teilnehmende pro Jahr einstellen. Das ist es, was Big Data am einfachen Beispiel ermöglicht: Wir können Probleme oder Initiativen neu betrachten und skalierbare Lösungen durch das Stellen recht einfacher Fragen schaffen.
Beachten Sie, dass es in dieser Analyse nicht um Sie ging, da gibt es kein „Ich glaube, Jerry wird gehen, weil die Daten darauf hindeuten“. Bei Big Data geht es nicht um den Einzelnen, sondern wir sind Teile einer größeren Gruppe, die Trends erzeugt. Und durch die Identifikation dieser Trends können wir die Entscheidungen, die Organisationen treffen, beeinflussen.
Mit Hilfe von HR-Datenbank-Software können Unternehmen Big Data unkompliziert nutzen, um die Personalbeschaffung, Mitarbeiterbindung und Leistungsverfolgung zu verbessern.
Ich hoffe, dieses Beispiel verändert Ihre Sicht auf Big Data im Personalwesen – es ist wirklich ein spannendes und aufstrebendes Feld im HR-Bereich.
