Potenzial der Datenanalyse im Personalwesen
Eine Weisheit des digitalen Zeitalters ist: Daten sind das neue Öl. Während das Vorkommen des schwarzen Rohstoffes endlich ist, scheint die Menge an verwertbaren Daten schier unbegrenzt. Vorreiter Amazon zeigt z.B. durch individualisierte Produktempfehlungen oder einer dynamischen Preispolitik in Echtzeit, welchen Nutzen und Einsatzmöglichkeiten Big Data verspricht. Doch welchen Nutzen hat Big Data für HR? Was bedeuten Daten zum Beispiel für das Personalmanagement?
Das Potenzial von Big Data
Big Data bietet auch für das Personalmanagement einen Mehrwert, denn die systematische Auswertung großer Datenmengen ermöglicht ein evidenzbasiertes Personalmanagement. Das heißt, Entscheidungen auf der Basis von Daten und Statistiken lösen dann die berühmten Bauchentscheidungen ab.
Der Wert von Big Data Analytics
Der wesentliche Nutzen von Big Data Analytics ist es, bessere Entscheidungen treffen zu können. Dank leistungsfähiger Systeme, die komplexe Datenmengen in kurzer Zeit auswerten können, sind Handlungsempfehlungen und deren Umsetzung oft schon in Echtzeit möglich.
Aber: Nur mit Maschinenpower allein geht das nicht. Das bloße Vorhandensein von Datensätzen genügt nicht, um die richtigen Schlüsse ziehen zu können. Es braucht immer auch einen Menschen mit relevantem Fachwissen, der am Schalthebel sitzt. Damit die Arbeit mit den Daten zielführend ist, müssen relevante Fragestellungen erarbeitet werden. Eine solche Fragestellung ist zum Beispiel: Wie unterscheiden sich Top-Verkäufer vom Rest des Sales-Teams?
Anschließend geht es darum, Muster und Unterschiede sowie Zusammenhänge zu erkennen. Kausalitäten können mittels Korrelations- und Regressionsrechnungen, Muster mit Cluster- und Faktoranalysen erkennbar werden. Wenn die Werte zu unterschiedlichen Zeitpunkten gemessen werden, können über den Umweg des Vergleichs zwischen Vergangenheit und Gegenwart, Prognosen getroffen werden.
Welche Daten sind für das Personalmanagement interessant?
Die Voraussetzung für das Arbeiten mit großen Datenmengen ist zunächst deren Verfügbarkeit. Für das Personalwesen lassen sich die potenziell relevanten Daten in unterschiedliche Kategorien aufteilen:
Stammdaten: Hierunter fallen Angaben zu Geschlecht, Alter, Lohn, Vertragstyp, Ebene, Krankheitstage, Weiterbildungen, Führungsspanne, Profile in sozialen Medien usw. Die strukturierte Erfassung dieser Daten ist grundlegend für die weitere Analysearbeit, da mit ihnen die Mitarbeiter sinnvoll kategorisiert werden können.
EDV-Nutzungsdaten: Zu diesen Daten zählen besuchte Internetseiten, Mail-Adressaten, Social-Media-Aktivitäten oder verwendete Dokumente. In aggregierter Form können mit solchen Datensätzen beispielsweise Veränderungen in der Stimmungslage eines Teams antizipiert werden.
HR-Instrumente: Wichtige Daten lassen sich auch aus den verschiedenen HR-Tools, wie bspw. Leistungsbeurteilungen, Zielvereinbarungen, Mitarbeiterbefragungen entnehmen. Durch die Kombination dieser Daten mit Stammdaten, EDV-Nutzungsdaten und ggf. Zahlen aus dem Controlling können beispielsweise die Erfolgsfaktoren von Top-Performern ausgemacht werden.
Externe Daten: Abgesehen von den Daten, die direkt aus dem Personalbereich stammen, können auch Daten aus anderen Abteilungen oder unternehmensfremde Daten, wie Arbeitsmarktdaten und Konjunkturzahlen zurate gezogen werden. Die Auswertung könnte dann zum Beispiel bei der Standortentscheidung helfen.
Die Anwendung von Big Data
Die konkreten Anwendungsmöglichkeiten von Big Data im Personalbereich sind dabei vielfältig: Nicht nur in den Bereichen der Personalauswahl und -entwicklung, sondern auch im betrieblichen Gesundheitsmanagement kann Big Data zur Anwendung kommen. Insbesondere aber im Performance Management wird mit der systematischen Datenauswertung in Zukunft ein großer Mehrwert erreicht. So können bspw. Besonderheiten im Verhaltensprofil von Leistungsträgern identifiziert werden und bei zukünftigen Recruiting- oder Entwicklungsentscheidungen berücksichtigt werden. Big Data wird also auch im HR-Bereich groß werden – und vieles optimieren.
