People Analytics

People Analytics kommt in Schwung

Das Jahr 2019 wird für People Analytics in deutschen Unternehmen zum Wendepunkt. Immer mehr Unternehmen gelingt es, ihre Daten so weit in den Griff zu bekommen, dass ein übergreifendes und aussagekräftiges Reporting möglich wird. Zudem werden immer mehr prototypische Anwendungen für Advanced People Analytics Fälle (sog. Minimum Viable Products) entwickelt. Das erhöht die Chancen, die Analysen und Auswertungen auf einer breiteren Ebene durchführen zu können. Mit der richtigen Anbindung an die Systeme können die Anwendungen auch im Rahmen der HR Digitalisierung zum Einsatz kommen.
 

Barrieren für den erfolgreichen Einsatz von People Analytics

Die Deloitte Human Capital Trendstudien der zurückliegenden Jahre zeigen, dass People Analytics eines der Top-Themen im HR-Bereich ist. Jedoch stehen den enormen Potentialen, die bei etlichen Firmen bereits erfolgreich realisiert worden sind, in der Praxis auch ein paar handfeste Herausforderungen gegenüber.

• Erst nach und nach baut HR die Kompetenzen auf, die nötig sind, um aussagekräftige Analysen zu erstellen und zu interpretieren. In dem kürzlich veröffentlichen Bersin Artikel „People Analytics Solutions: Market Primer“ (2019) wird dieser Punkt als eines der zentralen Hindernisse für eine erfolgreiche People Analytics Implementierung ausgemacht.
• Die HR Abteilungen müssen darüber hinaus die Voraussetzungen schaffen, die Erkenntnisse aus den Analysen auch in der Praxis umzusetzen, was manchmal schwieriger ist als gedacht.
• Zudem sind immer noch viele Unternehmen stärker davon getrieben, Kosten zu senken statt Werte zu steigern. Zwar können People Analytics Methoden dabei helfen, direkte Kosten zu senken, aber die besondere Stärke besteht darin, indirekte Kosten zu senken und Werte zu steigern. Allerdings ermöglichen oft erst People Analytics Anwendungen, jene Zahlen zu generieren, auf deren Basis dann belastbare People Analytics Business Cases entwickelt werden können – ohne Vertrauensvorschuss wird es schwer.
   

People Analytics Anwendungsbeispiele

People Analytics bietet eine Vielzahl an Vorteilen für HR Organisationen. Diese lassen sich am einfachsten anhand erfolgreicher Anwendungsbeispiele beschreiben.

• Transparenz zur freiwilligen Fluktuation:
  Mit Hilfe von Regressionsanalysen können die Treiber für die freiwillige Fluktuation von Mitarbeitern erkannt werden. Diese Treiber sind vielfältig – das kann das Geschlecht sein, die Vergütung, der Ausbildungshintergrund oder auch die Altersklasse. Die Treiber werden anhand historischer Personaldaten identifiziert. Konkret werden die Daten von Mitarbeitern, bevorzugt jene von „Top Performern“, die das Unternehmen freiwillig verlassen haben, in ein statistisches Modell überführt. Nach Auswertung der statistischen Ergebnisse wird eine prädiktive Modellierung vorgenommen, um Voraussagen zu treffen, für welche Zielgruppen eine hohe Wahrscheinlichkeit der freiwilligen Fluktuation besteht. Daraus können letztendlich präventive Maßnahmen erstellt und umgesetzt werden. Insbesondere im Zeitalter des War for Talent kann People Analytics hier einen Wettbewerbsvorteil bieten.
• Skill-Transparenz:
  Die neuen Methoden aus dem Big Data und KI (Künstliche Intelligenz) Umfeld eröffnen ganz neue Möglichkeiten, die Skills und Kompetenzen der Mitarbeiter zu erfassen und für Planungen sowie operatives Talentmanagement zu nutzen. So können mithilfe von KI die individuellen Skills von Mitarbeitern erfasst und in Skill Clustern abgebildet werden. Mit Hilfe von Simulationen lässt sich zeigen, welche Skills heute und in Zukunft fehlen – und ob es möglich ist, intern Mitarbeiter mit passenden oder ähnlichen Qualifikationen zu finden (Up- und Reskilling) oder ob stattdessen Mitarbeiter von außen gesucht werden müssen.
• Reduktion von Krankheitstagen:
  Eine weitere Einsatzmöglichkeit ist die Simulation von Krankheitstagen. Auf Basis der Verteilung der Krankheitstage auf unterschiedliche Mitarbeitergruppen (z.B. Altersklassen) und einfachen Simulationen der zukünftigen Mitarbeiterkapazitäten kann die Entwicklung der Krankheitstage prognostiziert werden. Das reicht in der Regel aus, zusätzliche Mittel für deren präventive Gesundheitsaktivitäten zu erhalten. Sofern die Analysen genutzt werden, um die Situation der Mitarbeiter zu verbessern, sind auch die Sozialpartner sehr daran interessiert, derartige Projekte durchzuführen.
• Entscheidungsgrundlagen / Kosteneinsparungen:
  Ziel der oben genannten Analysen bezüglich freiwilliger Fluktuation, Skill-Transparenz und präventiver Gesundheitsmaßnamen sowie weiterer prädiktiver Analysen ist es, konkrete Maßnahmen abzuleiten. So können gezielte Talentmanagement-Strategien anhand von Chancen/Risiko-Profilen sowie Kosteneinschätzungen abgeleitet und Maßnahmen umgesetzt werden. Gerade in Transformationssituationen lässt sich so bestimmen, ob die Transformation eher mit internen oder eher mit externen Ressourcen gestemmt werden soll.
  Insgesamt werden genauere Informationen schneller verfügbar und können für Entscheidungen des Managements in Personalfragen genutzt werden.
• Einbindung in neue Organisationsmodelle:
  Gerade in Zeiten des Agile-Hypes kann People Analytics die organisatorische Agilität von Unternehmen verbessern, ohne dass sofort auf neue, agile beziehungsweise „ungewohnte“ Organisationsmodelle zurückgegriffen werden muss. So sorgt die Skill-Transparenz grundsätzlich dafür, dass die richtigen Mitarbeiter für bestimmte Aufgaben gefunden werden können.
• Laut Bersin (2019) „People Analytics Solutions: Market finding“, gehören die folgenden Themen zu den gefragtesten People Analytics Anwendungen: Engagement, Inklusion, Learning, High Potentials, Produktivität, Zusammenarbeit und die Zukunft der Arbeit
  
  

Durch moderne Anwendungen erhöhen sich in besonderem Maße Effizienz und Effektivität im HR Reporting und im HR Analytics Bereich. So wird weniger manueller Aufwand für das Management Reporting nötig, da Standardanalysen wie FTE Reports, Ausfallzeiten, Recruiting-Pipeline oder Diversitätskennzahlen auf "Knopfdruck" generiert werden können. Intuitiv zu nutzende Dashboards, mit denen Kennzahlen in Verbindung zueinander gesetzt werden, erlauben es HR Mitarbeitern und Führungskräften, ohne großen Aufwand eigene vorkonfigurierte Analysen zu ihren Bereichen durchzuführen. Das führt allgemein zu einer erhöhten Akzeptanz von People Analytics.

Idealerweise wird ein KPI oder Metrics-System aufgesetzt, das ein echtes Business Performance Management ermöglicht. Mit den richtigen Kennzahlen wird Transparenz für die Steuerung der Geschäfte entlang der Verantwortlichkeiten der Funktionsmitarbeiter erzeugt. Dabei werden über Visual oder Advanced Analytics Businesskennzahlen wie Qualität, Umsatzerreichung oder Kundenzufriedenheit mit HR Kennzahlen wie Betriebszugehörigkeit, Diversität oder Ausfallzeiten verknüpft.

Zukunftsweisende Ansätze im HR Management basieren entweder schon ganz auf People Analytics oder nutzen dessen Ergebnisse in hohem Maße. Beispielsweise:

• Geschäftsstrategien der Wettbewerber lassen sich aus deren Suche nach bestimmten Jobprofilen ableiten: So konnte man etwa 2010 an den Profilen, die Amazon damals suchte, ableiten, dass sie sich intensiv mit Spracherkennung auseinandersetzten. 5 Jahre später kam Alexa auf den Markt. 
• Analytics, Planning und die Future Job Profiles bilden wichtige Säulen der Ansätze zur Zukunft der Arbeit, denn sie beantworten die Fragen, wie sich Jobs und Skills ändern müssen, damit Unternehmen den neuen Anforderungen gerecht werden können. Aber auch die zukünftigen Grade an Automatisierung, der Anteil externer Mitarbeiter (über Kooperationspartner, Gig- und Crowdworker) bzw. die Nähe zum Arbeitsplatz können abgeschätzt werden.
• Durch die Analysen und Szenarien hinsichtlich Angebot und Nachfrage am externen Arbeitsmarkt können Unternehmen bessere Standortentscheidungen treffen.

Zusammengefasst lässt sich feststellen, dass folgende Hebel durch People Analytics generiert werden können: Sofern die Anwendungen konsequent entwickelt und eingesetzt werden, sowie die Erkenntnisse umgesetzt werden, lassen sich deutliche Produktivitätssteigerungen erzielen. Oft bildet People Analytics die Grundlage für die frühzeitige Erkennung erheblicher Risiken (Diversität, Altersstrukturen, Krankentage, fehlende Skills, …) und dementsprechend auch für die Ableitung geeigneter Maßnahmen. Die bessere Datengrundlage erlaubt eine zielgerichtete Steuerung im Personaleinsatz und Talentmanagement. Nicht zuletzt wird People Analytics ein wichtiger Bestandteil für Employee / Workforce Experience (Einfluss von Diversitätskennzahlen oder vorherige Arbeitgeber auf die Workforce Experience) und der Konzepte für die Zukunft der Arbeit (Future Skills, Substituierbarkeit von Jobs, Steuerung der nötigen und möglichen Transformation der Belegschaft).
 

Kritische Erfolgsfaktoren für People Analytics

Die Erfolgskriterien lassen sich in fünf übergeordnete Faktoren unterteilen:

• Team / Skills
  Bezüglich Team/Skills gelten als Erfolgskriterien die klare Rollenverteilung sowie das Vorhandensein der Kernkompetenzen im Team. Für ein ausgeglichenes Team benötigt es einen Team Leader, Systemarchitekten und -planer, Datenwissenschaftler bzw. Datenanalysten, sowie Berater, die jeweils unterschiedliche Kompetenzen mitbringen und verschiedene Aufgaben übernehmen.
• Daten
  Bezüglich der Daten gilt es, als Grundlage für Analysen relevante und verlässliche Daten zu sammeln beziehungsweise Zugriff auf diese zu haben. Zudem sind die Ergebnisse der Analysen aussagekräftiger, wenn man auf historische Daten zurückgreifen kann, um langfristige Trends und Entwicklungen zu verfolgen. Außerdem liefern Echtzeit-Daten einen wertvollen Vorteil, um möglichst zeitnah reagieren zu können und sich im Markt zu positionieren. 
• Technik
  Hinsichtlich der Technik ist der direkte Zugriff von HR auf die IT-Systeme ein essentielles Erfolgskriterium. Hier ergibt sich eine Schnittstelle zu den Daten, denn die Zukunft geht dahin, dass alle relevanten Daten in einer zentralen Datenbank gespeichert werden. Viele Unternehmen sind hier noch in der Umsetzungsphase, um entkoppelte Datenquellen in einem zentralen System zusammenzuführen. HR sollte zudem entweder über die nötigen Fachexperten verfügen, um auf die IT-Systeme zuzugreifen und die relevanten Daten zu extrahieren, oder das HR-Personal muss gezielt geschult werden, um die nötigen IT-Kenntnisse aufzubauen. Erfolgt kein direkter Zugriff auf die Systeme, dauert es häufig sehr lange, bis HR Anforderungen systemtechnisch umgesetzt werden können.
  Anwenderfreundliche Systeme, die entweder einfach zu nutzen sind und/oder bereits einen Teil der statistischen Arbeit im Hintergrund vornehmen, werden den Weg für eine breitere Nutzung ebnen. Besondere Bedeutung wird hier die Verknüpfung der On-Premise bzw. Cloud Systeme mit den übergreifenden „Data Lakes“ und den verknüpften Analysetools sein. Erste Erfahrungen aus 2019 zeigen ein großes Potenzial auf.
• Dashboards/Reports
  Nicht zuletzt spielt die Qualität der Dashboards/Reports eine entscheidende Rolle als Erfolgsfaktor. Das Dashboard sollte möglichst benutzerfreundlich entworfen werden. Hierbei gelten folgende Richtlinien: Leichte Navigation durch übersichtliche Inhaltsplatzierung, Verwendung verschiedener Seiten für unterschiedliche Detaillierungsstufen, sowie Abruf gewünschter Informationen und Funktionen über intuitive Menu-Optionen bzw. Button-Befehle. Zudem sollten die Dashboard-/Reportseiten nicht mit Inhalt überladen werden. Farben sollten harmonisieren und gezielt eingesetzt werden, um die Aufmerksamkeit des Benutzers auf Kernbereiche bzw. Kerninformationen zu lenken. Generell empfiehlt es sich, gedeckte Farben für alle anderen Bereiche zu verwenden. Zudem ist die Auswahl von Grafiken und Diagrammtypen entscheidend für ein gutes Verständnis der Kernaussagen. Hier sollte ausreichend Zeit investiert werden, um zu ermitteln, welche Grafiken und Diagramme geeignet sind, die relevanten Informationen klar zu vermitteln.
• Prozessimplementierung
  Generell sollte People Analytics auf der Grundlage von konkreten Kennzahlen und KPIs entwickelt werden, die für die heutigen und zukünftigen Bedürfnisse des Unternehmens zur Erreichung seiner Ziele von Bedeutung sind. Entscheidend für den langfristigen Nutzwert ist die Abstimmung auf die Unternehmensstruktur, um der zukünftigen Entwicklung weiterer Metriken und KPIs Rechnung zu tragen. Bezüglich Qualität und Aussagekraft muss im Hinblick auf die Berichtsebenen und die jeweiligen Berichts- und Analysevorschriften überprüft werden, ob sie Zielgruppe aussagekräftige Informationen erhält. Zuletzt sollte People Analytics ganzheitlich betrieben werden. In der Hinsicht wird sie idealerweise als Geschäftsprozess organisiert und betrieben.
   

Hebel zur erfolgreichen Einführung von People Analytics

Die Einführung von People Analytics kann durch Benchmark-Ergebnisse bestärkt werden. Beispielsweise für die Entwicklung zielgerichteter Metriken und KPIs können sogenannte Best-Practice-Metriken vorgestellt werden. Auf dieser Grundlage kann man gemeinsam mit dem Management besprechen, wie solche Metriken angepasst werden können, um zur Lösung des konkreten Business-Problems relevante Aussagen treffen zu können. Benchmark Ergebnisse bieten also erste Anhaltspunkte für zielgerichtete Anpassungen und Neuentwicklungen.

Entscheidend für die Einführung von People Analytics ist die Entwicklung vom operativen Reporting zum Advanced Reporting / Visual Analytics. Laut der Deloitte Umfrage von 2018 befinden sich die meisten der befragten Unternehmen (57%) bereits auf der zweiten Ebene des von Bersin entwickelten Maturity Modells und wollen derzeit hauptsächlich „Advanced Reporting" durchführen. Ein Drittel der befragten Unternehmen (33%) steht jedoch noch auf der ersten Ebene und führt bisher nur operatives Reporting durch. 

Sogenannte Use Cases / Anwendungsfälle dienen der Konkretisierung der Anwendungsgebiete für People Analytics und machen abstrakte Themen greifbarer. Im Rahmen eines Use Case wird die sogenannte User Story dargestellt, also der Hintergrund der Business-Herausforderungen und die Kundenbedürfnisse bzw. -erwartungen. Zudem werden in dem Use Case Funktionalität, Technologie, Kanäle und Ergebnis aufgeführt. Den Abschluss des Use Case bildet das Pitch Statement, das kurz und bündig erläutert, was die Anwendung liefern wird und warum das Ergebnis so wichtig ist. 

Ein weiterer wichtiger Hebel für die Einführung von People Analytics ist die Entwicklung sogenannter Minimum Viable Products, funktionsfähige Prototypen, die mit möglichst wenig Entwicklungsaufwand dem anfänglichen Bedarf gerecht werden und Anhaltspunkte für handlungsfähiges Feedback liefern. Die Entwicklung erfolgt über eine agile Herangehensweise, dabei stellt das Minimum Viable Product die erste Produktiteration dar.  Minimum Viable Products sind gut für erste Dashboard-Anwendungen geeignet. Deren Entwicklung wird durch vorhergehende Definition eines Use Case vereinfacht

Zur erfolgreichen Implementierung und Einbindung von People Analytics als Geschäftsprozess empfiehlt es sich, darauf zu achten, dass der Ansatz auf einer Zukunftsperspektive basiert. Das heißt konkret, dass die Entwicklung nicht nur den derzeitigen Stand der Organisation mit aktuellen Prozessen und Mitarbeitern berücksichtigen sollte, sondern darüber hinaus anpassungsfähig für voraussichtliche Entwicklungen sein sollte. People Analytics sollte nicht über die Zuordnung von Daten zu technologischen Bereichen strukturiert sein, sondern bereichsübergreifend betrieben werden. Außerdem sollte sich People Analytics nicht nach der technischen Lösung orientieren, sondern die passende technische Lösung sollte in Zusammenarbeit mit der IT entwickelt bzw. ausgesucht werden. Eine gute Übersicht findet sich in dem Artikel „People Analytics Solutions: Vendor Profiles“ (Bersin, 2019).
 

Ausblick

Trotz bestehender Herausforderungen und teilweise noch verhaltenem Fortschritt sprechen viele Anzeichen dafür, dass People Analytics die Zukunft gehört:

Viele Tools und Instrumente sind komplex und bedürfen statistischer Kenntnisse in der Entwicklung und Ausführung sowie Grundkenntnisse in der Interpretation. Allerdings steigt die Zahl der Anwender, und sie finden auch den Weg in die HR Abteilungen, um so die aktuell bestehende Kompetenzlücke zu schließen.

Der neueste Trend ist der Einsatz von Tools und standardisierten Modellen auf einer technologischen Plattform, die Advanced Analytics und Planungsanwendungen ermöglichen (z.B. Deloitte Analytics Objects oder Visier). Somit können komplexere Anwendungen auch statistisch unerfahreneren Nutzern zugänglich gemacht werden.

Wie im Vorfeld schon kurz skizziert, erlangt gerade Visual Analytics zunehmend Beachtung. Mit diesem Ansatz können Muster erkannt werden, ohne dass grundlegende statistische Kenntnisse vorhanden sein müssen. Technisch gesehen sind es meist Scatterplots: Diagramme, mit denen 2-3 Variablen miteinander verglichen werden können (z.B. freiwillige Fluktuation, Höhe der variablen Vergütung und Business Units/oder Grades). Sind die Prinzipien der Mustererkennung verinnerlicht, so lassen sich auch fortschrittlichere statistische Verfahren einfacher erlernen – siehe auch die folgende Abbildung.