Skip to main content
Beliebte Einblicke
Employee Scheduling Software HRMS For Small Business Employee Management Systems
Community beitreten
Add as a preferred source on Google Opens new window Community beitreten Community beitreten
Karriere

Lügen im Lebenslauf

Brendan Lys
By
Brendan Lys
Brendan Lys

An der Schnittstelle von Personalwesen und Data Science nutze ich umfangreiche Fachkenntnisse im Personalwesen zusammen mit den Methoden und Ansätzen der Data Science. Dieser Fokus auf die Gewinnung umsetzbarer Erkenntnisse aus Daten wurde bereits in Bereichen wie Vergütung & Benefits, Personalplanung, Rekrutierung, Arbeitsschutz, Diversität und Weiterbildung angewendet. Doch wie sieht die Anwendung von Data Science auf HR-Herausforderungen und -Chancen tatsächlich aus? Im HR-Kontext stammen unsere verwendeten Daten typischerweise direkt aus unserem HRMIS. Ein Vorteil von Data-Science-Methoden ist, dass wir zusätzliche Daten aus der Organisation oder externen Quellen einbeziehen können – Daten, die mit rein HR-analytischen Ansätzen nicht zugänglich wären. Beispielsweise beinhalten Stellenbeschreibungen eine Fülle von Daten, die wir normalerweise ignorieren, da sie nicht analysierbar vorliegen. Ein Nebenprojekt, an dem ich derzeit (April 2019) arbeite, nutzt Textmining auf Stellenbeschreibungen, um Erkenntnisse darüber zu gewinnen, zu welcher Berufsgruppe eine Position gehören könnte. Die Ergebnisse meiner Arbeit wurden von Organisationen aus verschiedensten Sektoren genutzt, darunter: Regierungen (Australien und Neuseeland), börsennotierte Unternehmen an ASX und NZX, Versorgungsbetriebe, Non-Profit-Organisationen sowie Hochschulen.

More about Brendan

Viele von uns haben schon die Geschichten über Menschen gelesen oder gehört, die in ihren Lebensläufen lügen: über Jobs, die sie angeblich hatten, aber nie ausgeübt haben, oder über Abschlüsse von Schulen, die sie nie besucht haben. Die Wahrheit ist jedoch, dass diese Lügen oft funktionieren, sie bekommen den Job und wenn es dann schließlich […]

Viele von uns haben schon die Geschichten über Menschen gelesen oder gehört, die in ihren Lebensläufen lügen: über Jobs, die sie angeblich hatten, aber nie ausgeübt haben, oder über Abschlüsse von Schulen, die sie nie besucht haben. Die Wahrheit ist jedoch, dass diese Lügen oft funktionieren, sie bekommen den Job und wenn es dann schließlich herauskommt, haben wir als ehrliche Bewerber diese Stelle trotzdem nicht bekommen.

Und es gibt Dutzende weitere solcher Fälle auch auf sehr hohen Ebenen, bei denen das passiert ist und die irgendwann aufgeflogen sind. Besonders interessant ist, wie groß manche dieser Lügen ausfallen. In einem Fall, den ich kenne, hat die betreffende Person behauptet, einen Doktortitel von der London School of Economics zu besitzen – für diejenigen, die es nicht wissen: Das ist eine sehr angesehene Hochschule. So effektiv das Lügen im Lebenslauf auch ist, ich mache das einfach nicht. Stattdessen liefere ich Nachweise für meine Erfolge. Vielleicht wenig überraschend gehören Abschlüsse und Qualifikationen zu den Punkten, über die am häufigsten gelogen wird. In einer Studie wurde tatsächlich festgestellt, dass 21 % der Lebensläufe Qualifikationen angeben, die die jeweilige Person gar nicht besitzt.

Da ich über meine Qualifikationen verfüge, fällt es mir sehr leicht, Belege dafür vorzulegen. Zum Beispiel habe ich auf dieser Website einen Link zu meiner Masterarbeit veröffentlicht und tue dies auch häufig in meinem Lebenslauf. Und wenn Sie wirklich neugierig sind, können Sie meinen Namen auf Seite 12 des Abschlussprogramms sehen. Das ist kein Angeben – viele Menschen haben Abschlüsse und/oder beeindruckende Erfahrungen –, sondern es geht mir darum, klar zu zeigen, dass ich tatsächlich das habe, was ich behaupte. Ich bin auch auf meinem LinkedIn-Profil offen (übrigens, wenn Sie bei LinkedIn sind, verbinden Sie sich gerne mit mir) bezüglich meiner Tätigkeiten und Arbeitgeber, und ich habe das alles öffentlich gemacht – jeder kann mein volles Profil einsehen, ohne sich bei LinkedIn einloggen zu müssen.

Lesen Sie weiter – und führen Sie weiterhin intelligenter

Erstellen Sie ein kostenloses Konto, um diesen Beitrag fertigzulesen und Teil einer Community zukunftsorientierter Führungskräfte zu werden, die Werkzeuge, Leitfäden und Einblicke für den Erfolg im Zeitalter der KI erschließen.

Have an account? Log In

Name*
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
By submitting this form, you agree to receive our newsletter, and occasional emails related to People Managing People. You can unsubscribe at any time. For more details, please review our Privacy Policy

Dass Menschen mit Lügen im Lebenslauf einen Job bekommen, ist etwas, womit wir Ehrlichen einfach leben müssen. Meine Methode, diesem Umstand zu begegnen, ist, eindeutige Nachweise für meine Angaben zu liefern.

Ich hoffe, das ist hilfreich für alle anderen ehrlichen Bewerber. An diejenigen, die lügen: Strengen Sie sich an und erwerben Sie die Qualifikationen oder Erfahrungen, über die Sie lügen – es lohnt sich wirklich.

Brendan Lys
By Brendan Lys

An der Schnittstelle von Personalwesen und Data Science nutze ich umfangreiche Fachkenntnisse im Personalwesen zusammen mit den Methoden und Ansätzen der Data Science. Dieser Fokus auf die Gewinnung umsetzbarer Erkenntnisse aus Daten wurde bereits in Bereichen wie Vergütung & Benefits, Personalplanung, Rekrutierung, Arbeitsschutz, Diversität und Weiterbildung angewendet. Doch wie sieht die Anwendung von Data Science auf HR-Herausforderungen und -Chancen tatsächlich aus? Im HR-Kontext stammen unsere verwendeten Daten typischerweise direkt aus unserem HRMIS. Ein Vorteil von Data-Science-Methoden ist, dass wir zusätzliche Daten aus der Organisation oder externen Quellen einbeziehen können – Daten, die mit rein HR-analytischen Ansätzen nicht zugänglich wären. Beispielsweise beinhalten Stellenbeschreibungen eine Fülle von Daten, die wir normalerweise ignorieren, da sie nicht analysierbar vorliegen. Ein Nebenprojekt, an dem ich derzeit (April 2019) arbeite, nutzt Textmining auf Stellenbeschreibungen, um Erkenntnisse darüber zu gewinnen, zu welcher Berufsgruppe eine Position gehören könnte. Die Ergebnisse meiner Arbeit wurden von Organisationen aus verschiedensten Sektoren genutzt, darunter: Regierungen (Australien und Neuseeland), börsennotierte Unternehmen an ASX und NZX, Versorgungsbetriebe, Non-Profit-Organisationen sowie Hochschulen.

Follow the author: Opens new window Opens new window
You may also like