Kein Verlass aufs Bauchgefühl

Datengestütztes Talentmanagement

Der Erfolg von Unternehmen steht und fällt mit der Qualität ihrer Mitarbeiter. Entsprechend wichtig ist es, Leistungsträger langfristig zu binden und das Kündigungsrisiko frühzeitig zu erkennen. An dieser Stelle helfen Lösungen zum datengestützten Talentmanagement.

Personalauswahl

Die passende Big-Data-Infrastruktur kann eine Hürde auf dem Weg zum datengestützten HR-Management darstellen.

Die Herausforderungen für das Personalmanagement in Unternehmen wachsen, der „Kampf“ um qualifizierte und talentierte Mitarbeiter nimmt zu. Die Human-Resource-Abteilung (HR) muss die besten Mitarbeiter finden, einstellen und vor allem im Unternehmen halten. Denn exzellente Fach- und Führungskräften bilden letztlich die Basis für Innovationen, Wachstum und Erfolg.

Unternehmen mit Weitblick erkennen die Bedeutung des Personals als zentralen Wettbewerbsfaktor. Daher versuchen sie, Risiken wie eine mögliche Kündigung von leistungsfähigen Mitarbeitern frühzeitig zu erkennen und gegenzusteuern. Denn der Ersatz eines Mitarbeiters kann zehntausende von Euro kosten. Bei einem vorausschauenden Talentmanagement helfen datengestützte HR-Lösungen. Mit ihnen lassen sich tiefgehende Analysen erstellen, welche eine optimale Grundlage für bessere Entscheidungen bieten.

Frühzeitig Wechselabsichten erkennen

HR-Verantwortliche verlassen sich noch immer zu oft auf ihr Bauchgefühl – obwohl ihnen große Datenmengen zur Verfügung stehen, auf die sie ihre Entscheidungen stützen könnten. Dazu gehören nicht nur interne Stammdaten wie das Gehalt, Urlaubstage, Weiterbildungen oder Beurteilungen. Auch externe, öffentlich einsehbare Daten wie Informationen auf Jobportalen oder in sozialen Netzwerken bieten sich zur Analyse an.

Die Analyse historischer Daten und Informationen unter dem Begriff „Business Intelligence“ (BI) ist nicht neu. BI liefert eine Beschreibung des Ist-Zustands („Descriptive Analytics“), aus dem Verantwortliche dann Gründe oder Auswirkungen von Ereignissen abzuleiten versuchen. Der nächste Schritt sind vorausschauende Analysen. Diese „Predictive Analytics“ liefern auf Basis von Data Mining, maschinellem Lernen und anderen statistischen Methoden Vorhersagen über die Wahrscheinlichkeit von zukünftigen Ereignissen.

Noch einen Schritt weiter gehen „Prescriptive Analytics“. Dieser Ansatz liefert zusätzlich Handlungsempfehlungen, wie Verantwortliche einen bestimmten Trend in eine gewünschte Richtung beeinflussen können. Wie müssen wir handeln, damit ein zukünftiges Ereignis (nicht) eintritt? Ein HR-Verantwortlicher erhält hier beispielsweise datengestützte Vorschläge, wie er frühzeitig auf Wechselabsichten eines Mitarbeiters reagieren kann.

Leistungsstarke Datenplattform

Grundlegende Voraussetzung für die effiziente Datenanalyse ist eine leistungsfähige Datenplattform, die auch große Datenmengen mit Hilfe von In-Memory-Computing schnell auswertet. Das System muss Daten aus unterschiedlichsten Quellen verknüpfen, mit verschiedenen Formen von Daten zurechtkommen und diese verbinden. Die passende Big-Data-Infrastruktur kann eine Hürde auf dem Weg zum datengestützten HR-Management darstellen.

Eine weitere Hürde ist der Studie „Big Data in deutschen HR-Abteilungen“ von Bitkom und Linkedin zufolge mangelndes Big-Data-Know-how im Unternehmen. Einige HR-Verantwortliche wissen noch nicht, welche Anwendungsfälle man aus der Datenanalyse generieren kann und welche Ersparnisse möglich sind. Die Studie zeigt aber auch, dass die allermeisten das Potential von diesen Analysen verstanden haben und motiviert sind, sich selbst Wissen anzueignen: Über 80 Prozent derer, die sich schon fit im Thema „Big Data im HR-Management“ fühlen, haben sich mangels entsprechender Trainings selbst eingearbeitet.

Parameter für Wechselwahrscheinlichkeit

Unternehmen, die Human-Capital-Management-Lösungen (HCM) wie etwa von Workday nutzen, können damit über einen selbstlernenden Algorithmus historische Daten zur Mitarbeiterfluktuation analysieren, um das Kündigungsrisiko von Mitarbeitern frühzeitig zu erkennen. Als Parameter für die Wechselwahrscheinlichkeit dienen Fragen wie: Wie lange arbeitet der Kollege schon im Unternehmen? Wie oft erhielt er eine Gehaltserhöhung? Wie viele Projekte hat er abgewickelt? Wie wurde er beurteilt?

Die ermittelten Muster werden dann mit ähnlichen Mustern von Mitarbeitern verglichen, die das Unternehmen verlassen haben. Auch Daten zu gesuchten Qualifikationen in Jobportalen fließen in die Bewertung mit ein. Das Dashboard der Lösung zeigt die wichtigsten Ursachen für einen Jobwechsel und nennt Mitarbeiter, bei denen das höchste Kündigungsrisiko besteht. Der HR-Verantwortliche kann reagieren und ein Gespräch mit dem potentiell wechselwilligen Mitarbeiter führen.

Zugleich bietet die HCM-Software dem HR-Manager konkrete Empfehlungen, wie der möglicherweise abwanderungswillige Mitarbeiter im Unternehmen gehalten werden kann. Zeigen Vergleiche mit früheren Fällen im Unternehmen, dass Gehaltserhöhungen keinen Erfolg gebracht hatten, empfiehlt das System etwa eine Position als Teamleiter oder die Versetzung in ein internationales Projekt. Die Lösung beantwortet auch Fragen wie: Um wie viel Prozent reduziert sich die Wahrscheinlichkeit einer Kündigung, wenn wir das Gehalt um fünf Prozent erhöhen?

Predictive und Prescriptive Analytics unterstützen Personaler letztlich dabei, die Wechselabsichten von Mitarbeitern frühzeitig zu erkennen und diese mit entsprechenden Maßnahmen an das Unternehmen zu binden. HR-Verantwortliche tragen damit sicht- und messbar zum Unternehmenserfolg bei. Damit steigern sie auch ihre Reputation im Unternehmen und gewinnen als strategischer Partner an Bedeutung.

Bildquelle: Fotolia/Jakob Jirsak

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok