Big Data im HR: Eine Geschichte voller Missverständnisse

Eine kleine Wette zum Anfang. Wer mir den ersten realen und Use Case von HR Big Data Analytics im deutschsprachigen Raum inkl. Quellennachweis in die Kommentare schreibt, dem schicke ich das #HRDatenliebe Stickerset zu (#fomofact: diese Sticker kann man nicht kaufen).

Warum ich glaube, dass ich diese Wette gewinne? Mein persönlicher Eindruck ist, dass Big Data aktuell vor allem das hippe Label für eine sehr vielversprechende Zukunftsidee ist. Meine These ist, dass manche Tools oder Use Cases in Unternehmen möglicherweise recht große Datensätze nutzen, diese Datensätze aber keineswegs als Big Data bezeichnet werden sollten. In allen mir bekannten Fällen ist das Big Data Label ein Etikettenschwindel, wenn man genau hinsieht. Aktuell empfinde ich es sogar als unglaubwürdig, wenn mir jemand sagt:

„Wir nutzen Big Data Analytics im HR, um [füge Buzzword Deiner Wahl ein].“

Wie gesagt: Ich lerne unendlich gerne. Also schreibt mir eure realen Use Cases in die Kommentare oder auf LinkedIn. Wenn ihr mich überzeugt, sende ich euch das #HRDatenliebe Stickerset!

HR in der technologischen Glaubwürdigkeitsfalle

Warum ist das ein Problem? Klappern gehört zum Handwerk und gutes Marketing erzählt ja immer auch eine inspirierende Story. Mit der zunehmenden Technologisierung der Arbeit und deren Gestaltung in Unternehmen geht die Notwendigkeit einher, sich zielsicher und selbstbewusst im technologischen Raum zu bewegen. Kurz gesagt: Wenn HR Professionals technologische Fachbegriffe (z.B., Big Data) aber zu ungenau oder ausschließlich in Sales Pitches verwenden, leidet die Glaubwürdigkeit. Denn, gerade für die Zuzsammenarbeit mit technischen Expert:innen, ist es sehr wichtig, dass wir den realen Use Case hinter dem Hype glaubwürdig mitentwicklen.

Was ist Big Data?

Eine sehr eingängige Definition beschreibt Big Data mit Hilfe von vier, manchmal fünf grundlegenden Dimensionen. Meine Wette bezieht sich genau darauf, dass diese Dimensionen in datenbasierte HR Use Cases häufig nicht sauber betrachtet (und verstanden) werden. Oder wie seht ihr das?

Volume

Daten werden als Big Data bezeichnet werden, wenn sie ein gewisses Volumen haben. Die Größenschwelle ist allerdings relativ und liegt nicht bei einem fixen Wert. Das macht auch Sinn, weil sich die Rechen- und Speicherkapazitäten unserer Technologien stetig verändern. Eine gute Richtschnur ist für mich: Wenn ich die Daten nicht mehr ohne die Hilfe anderer Rechner (e.g, Rechnerverbund, Computercluster) auf meinem Notebook verarbeiten kann, dann habe ich es wahrscheinlich mit großen Datenmengen zu tun.

Velocity

Big Data wächst typischerweise mit einer hohen Geschwindigkeit. Neue Datenpunkte strömen zumeist in Echtzeit aus ihren Quellen. Big Data beeinflusst unser Leben heute bereits stärker als uns bewusst ist. So erzeugt unser Nutzerverhalten auf Sozialen Medien, im Internet und auf Musik- oder Video-Streaming-Plattformen einen sehr schnell wachsenden Datenstrom.

Variety

Big Data besteht häufig aus unterschiedlichen Datentypen. Wichtig: Auch eine Vielzahl an Datenquellen, kann nur einen Datentyp (z.B., numerische Daten) liefern. Die für Big Data charakteristische Vielfalt der Datentypen umfasst normalerweise Bild-, Audio-, Video-, Mobilitäts-, Nutzungs- und Textdaten. Stellt euch das am Beispiel eines modernen Elektorautos vor, dass konstant Daten aller Typen an die Server des Autoherstellers oder des Anbieters der Car-Software-Plattform liefert.

Variability (auch Veracity genannt)

Big Data kommt aus verschiedenen Quellen und das zumeist in Form von Rohdaten. D.h., ohne weitere Verarbeitung der Daten, sendet z.B. eine Kamera einen stetigen Flow an Videodaten. Solche Rohdaten sind durchaus fehleranfällig und werden ggfs. nicht in konstanter Qualität geliefert. Was bei kleinen Datenmengen relativ gut entdeckt werden kann, ist bei der Masse an Daten im Big Data Fall oft ein echtes Problem. Wenn ein Video-Recruiting-Tool für wenige Sekunden schlechte Bildqualität liefert oder der Ton auf Grund schwankender Internetverbindung schlechter wird, dann beeinflusst dies auch die Qualität aller Folgeprozesse der Datenverarbeitung.

Value

Big Data ist im Unternehmenskontext kein Selbstzweck. Große und sinnvoll verknüpfte Datenströme werden mit Hilfe von People Analytics ein Game Changer für die technologisch unterstützte Entscheidungsfindung. Das liegt vor allem an den daraus resultierenden Wettbewerbsvorteilen. Ein Beispiel: Mit Hilfe von Big Data Analytics zu wissen, auf welchen Plattformen sich eine bisher unentdeckte Nische an hochtalentierten Programmierer:innen aufhält, ist bares Geld wert.

Diese Gesamtdefinition von Big Data wird eindrucksvoll anhand der so genannten Internetminute deutlich. Zieht euch einfach mal die reine Menge, Verschiedenheit und eben auch Unsicherheit dieser Datenströme rein...heftig! In einem Artikel auf Visual Capitalist findet ihr noch mehr Informationen zur einfach unglaublichen Datenmenge des Internets.

Big Data im HR – ein ewiger Mythos?

Puhh! Wie wahrscheinlich ist es dann, dass HR Bereiche und HR Tech Anbieter jemals wirklich mit Big Data arbeiten werden? Meine Antwort: Sehr wahrscheinlich...aber eben nicht morgen! Sobald Unternehmen in zunehmend digitalisierten und automatisierten People Workflows vernetze Datenstrukturen auf Basis aller verfügbaren Datenquellen etablieren, nutzen sie auch eher Big Data im HR. Dazu müssen aber ein paar der folgenden Meilensteine erreicht werden.

Silodenken

Verknüpfte Daten erfordern vernetztes Denken und Handeln. Auf Basis der häufig anzutreffenden Silos aus nebeneinander existierenden „Abteilungen“ wird eine Vernetzung verschiedener Datenströme zur Unterstützung unternehmerischer Entscheidungsfindung nicht möglich sein. Ein erster Schritt kann die Verwendung agiler Methoden sein, da diese per Definition sehr häufig cross-funktionale Teams erfordern.

Datenschutz und Mitbestimmung

Vernetzte Datenströme stellen durchaus eine Gefahr für die Privatheitsrechte einzelner Personen dar. Deshalb muss eine Big Data Initiative in jedem Unternehmen auch mit Weitblick für die notwendigen Leitplanken des Datenschutzes aufgesetzt werden. Es ist daher sinnvoll sich frühzeitig mit den Gremien der betrieblichen Mitbestimmung und des Datenschutzes auszutauschen. Nur so kann ein vertrauensvoller Grundstein für die Nutzung von Big Data im HR gelingen.

Datenkompetenz

Big Data wird wenig Nutzen stiften, wenn die Entscheidungsträger:innen, Berater:innen, Business Partner:innen und Führungskräfte nicht über die ausreichende Datenkompetenz verfügen. Insbesondere, wenn Verfahren des maschinellen Lernens oder prädiktive Analysen verwendet werden, muss gewährleistet sein, dass die Datenmodelle sinnvoll aufgesetzt, die Algorithmen mit qualitativ hochwertigen Daten trainiert und die erlangten Ergebnisse korrekt interpretiert werden. Hier kann mit so genannten Data Stories gearbeitet werden.

Technische Infrastruktur

Big Data kann nicht von „small Tech“ verwaltet werden. Es braucht dazu leistungsstarke Datenplattformen. So können große Datenmengen aus verschiedenen Quellen mit unterschiedlichen Geschwindigkeiten und wechselnder Qualität sauber zu verknüpft werden. Zugleich ist es möglich die Daten und Analyseergebnisse verschiedenen Nutzergruppen in Echtzeit zur Verfügung zu stellen. Ein frühzeitiger Austausch mit eurer IT macht hier sehr viel Sinn.

Data Governance

Während die vernetzten Datenströme friedlich fließen, darf die Qualität der Daten nicht leiden. Denn wir benötigen für die bestmögliche Entscheidungsunterstützung eine zuverlässige Datenqualität. Die Daten strömen auch nicht immer direkt in den Formaten, in denen Data Scientists mit ihnen arbeiten können. Die saubere Definition und Umsetzung so genannter ETL-Prozesse (Extract-Transform-Load) wird leider häufig unterschätzt. Die notwendige Überwindung des Silodenkens und der Austausch mit IT- und Datenschutzexpert:innen wird hier sehr deutlich.

Anwendungsfälle

Insbesondere mit Blick auf die fünfte Dimension von Big Data (i.e., Value), ist die frühzeitige Definition klarer Anwendungsfälle unumgänglich. Anfangs reichen hier gut gesteuerte Portfolio-Workshops aus, um potenziell wertschaffende Use Cases zu erarbeiten. Diese sollten dann auf ihren Business Case hin geprüft und mit Blick auf die anderen Meilensteine priorisiert werden.

Und...was ist mit meiner Wette? Fallen euch bereits reale Use Cases ein, die Big Data im HR nutzen? Wenn ja, schreibt sie inklusive Quellennachweis in die Kommentare. Ich kühre den "Gewinner" uns sende euch mein Stickerset zu!

---

Verpasse keinen Blogbeitrag mehr!

---

Additional information: This article reflects my personal views only and is not necessarily the view of the companies, I am associated with.