Fluktuation und deren Ursachen verstehen

Die Besetzung von Schlüsselpositionen ist für viele Unternehmen so herausfordernd wie noch nie. In Zukunft ist mit einer weiteren Verschärfung des Fachkräftemangels zu rechnen. Ungewollte Fluktuation wirkt sich dabei zusätzlich negativ aus. Unternehmen stehen somit nicht nur vor der Herausforderung, qualifizierte Talente zu finden, sondern diese auch langfristig an das Unternehmen zu binden.

Einer unserer Kunden, ein großes österreichisches Unternehmen, hat sich in diesem Zusammenhang mit der Frage auseinandergesetzt, welche Maßnahmen gesetzt werden können, um ungewollte Fluktuation zu reduzieren? Wir durften bei der Beantwortung unterstützen und haben in einem ersten Schritt Ursachenforschung betrieben:

• Welche Mitarbeiter*innen verlassen das Unternehmen? Welche Mitarbeiter*innen bleiben im Unternehmen?
• Gibt es ähnliche Charakteristika (z.B. Alter, Geschlecht)?
  
• Gibt es weitere Gemeinsamkeiten (Betriebszugehörigkeit, Ausbildungshintergrund)?

All diese Fragen können mithilfe einer Analyse unternehmenseigener Daten beantwortet werden.  

Fluktuation mit Hilfe unternehmenseigener Daten verstehen

Eine hohe unbeabsichtigte Fluktuation ist oftmals mit nicht zu vernachlässigenden Kosten (z.B. Wissensverlust, Such- und Auswahlkosten, Kosten der Neueinarbeitung, Signalwirkung für verbleibende Mitarbeiter*innen) verbunden.

Um Fluktuation und in weiterer Folge Kosten zu reduzieren, ist es wegweisend, die Gründe für Fluktuation zu verstehen, um in weiterer Folge geeignete personalwirtschaftliche Maßnahmen ableiten zu können. Deloitte durfte den Kunden bei genau dieser Fragestellung unterstützen.

Die Organisation erlebte schon seit längerer Zeit eine unangenehm hohe Frühfluktuation – freiwillige Abgänge vor allem in den ersten drei Beschäftigungsjahren. Gemeinsam haben wir überlegt, wie wir dieses Thema datengestützt besser greifbar und in weiterer Folge lösbar machen können. Das Unternehmen konnte uns – dank strukturierter Datenbank in der HR-Software – quasi auf Knopfdruck einen umfassenden Datenreport zur Verfügung stellen. Die Daten reichten 7 Jahre zurück und waren selbstverständlich streng anonymisiert (Rückschlüsse auf Einzelpersonen waren somit nicht möglich). Davon umfasst waren u.a. Personalstammdaten, Daten zu Positionswechsel/Karriereentwicklung, Verweildauer in den jeweiligen Positionen, Weiter- und Fortbildungstage über die gesamte Erwerbsbiografie.

Das Unternehmen hat sich bereits in der Vergangenheit intensiv mit den Themen Datenanalyse und Reporting auseinandergesetzt, somit war der Schluss naheliegend, einen Schritt weiter in Richtung Advanced Analytics zu gehen. Generell lässt sich feststellen, dass es Unternehmen mit hohem Reifegrad in Bezug auf Datenqualität und Datenpflege leichter fällt, von beschreibender (Was passiert?) hin zu erklärender (Warum passiert etwas?) Datenanalyse zu gehen.

Unser Deloitte Ansatz: fluktuationsbeeinflussende Faktoren verstehen

Eine spannende Frage war, wie sich die Fluktuationszahlen zwischen verschiedenen Personengruppen unterscheiden würden. Aufgrund der guten und umfassenden Datenlage konnten wir einen Schritt weiter in Richtung Ursachenerhebung gehen und fluktuationsbeeinflussende Faktoren identifizieren. Dies gelang mittels einer logistischen Regressionsanalyse , im Zuge derer Faktoren wie Verweildauer im Unternehmen, Geschlecht, Fahrtstrecke und Lebensphase (Familienstand, Kinder) untersucht wurden.

Interessant war beispielsweise, dass die Anzahl an erbrachten Weiterbildungsstunden und in diesem Zusammenhang auch das Thema Karriereentwicklung ein Bindungsfaktor war.

Georg Jurceka, Director Consulting

Dabei hat sich die Vermutung bestätigt, dass die Fluktuationswahrscheinlichkeit einzelner Personengruppen anhand von bestimmten Charakteristika (z.B. Alter, Anzahl der Kinder) gut prognostiziert werden kann. Im Rahmen der Analyse wurden mehrere Faktoren identifiziert, die einen positiven Einfluss auf die Bindung der Mitarbeiter*innen an das Unternehmen haben und im gleichen Zug das Risiko für Fluktuation reduzieren. Interessant war beispielsweise, dass die Anzahl an erbrachten Weiterbildungsstunden und in diesem Zusammenhang auch das Thema Karriereentwicklung ein Bindungsfaktor war. Die Analyseergebnisse waren zentral für die Ableitung spezifischer personalwirtschaftlicher Maßnahmen wie beispielsweise die Forcierung eines strukturierten Karriere- und Weiterbildungsmanagements sowie die Sensibilisierung der Führungskräfte für die jeweilige Lebensphase der Mitarbeiter*innen.

Dank der flexiblen Modellierung sind der Analyse keine Grenzen gesetzt und es können je nach Bedarf weitere Daten ergänzt werden (z.B. Leistungsdaten wie Urlaubsstände, Verrechenbarkeit). So können Ursachen für Fluktuation noch besser verstanden und ungewollte Austritte verhindert werden.