Vor 5 Jahren habe ich ein praxisorientiertes Umsetzungsmodell für People Analytics veröffentlicht. Es umfasst alle grundlegenden Gedanken, die ihr für den Einstieg in dieses komplexe Thema braucht. Falls ihr also gerade erst mit People Analytics anfangt, dann empfehle ich euch den kostenlosen Artikel vorher zu lesen.
Was ist People Analytics?
Leider ist People Analytics mittlerweile heute vor allem ein Buzzword. Wann immer "irgendwas mit HR Daten" gemacht wird, spricht man schnell von HR-, Talent- Workforce- oder People Analytics. Ein super Artikel von meinen Freund:innen bei function(HR) erklärt euch die Unterschiede zwischen diesen Begriffen genauer. Das hilft euch sicher die verschiedenen Angebote da draußen differenzierter zu betrachten. Denn es heißt deutlich zu häufig: "Und natürlich umfasst unser Tool auch People Analytics!" Gemeint ist dann meistens das schöne, bunte Dashboard, dass mit der jeweiligen HR-Lösung ausgeliefert wird. Doch ein Dashboard macht noch keinen Sommer, oder wie hieß das noch gleich.
Ihr könnt auch in meinem kurzen Youtube-Video lernen, was People Analytics von anderen Formen der Datenverarbeitung im HR unterscheidet.
Eigetlich ist es ganz einfach. People Analytics ist die "Anwendung wissenschaftlicher Methoden auf HR- und Businessdaten für Erkenntnisse über die Employee Experience und daraus folgendem Verhalten." (eigene Definition)
Diese Definition verbindet vier wichtige Bausteine der ernsthaften Auseinandersetzung mit People Analytics:
Wissenschaftliche Methoden: People Analytics bedarf validierter Methoden der empirischen Sozialforschung. Je nach Fragestellung kommen dabei Verfahren der deskriptiven, diagnostischen, oder prediktiven Statistik zum Einsatz. Für Letzteres kann auch maschinelles Lernen eingesetzt werden.
HR- und Businessdaten: People Analytics beschränkt sich nicht nur aus die Auswertung von Personaldaten. Insbesondere bei Kosten-, Nutzen- oder Erfolgsanalysen sind auch Daten aus eurem Wertschöpfungsprozess gefragt.
Erkenntnisse: People Analytics strebt nach der Lieferung gesicherter Erkenntnisse. Es liefert Evidenz, die eur bei konkreten Entscheidungen weiterhelfen. Das bedeutet auch, dass die oben angesprochenen Methoden und Daten so ausgewählt werden müssen, dass alternative Erklärungen der erlangten Ergebnisse mit einer möglichst hohen Wahrscheinlichkeit ausgeschlossen werden können. People Analytics beantwortet also die Frage nach dem "Warum". Soviel sei gesagt: Ein deskriptives Dashboard kann das nicht.
Experience und Verhalten: Mit People Analytics möchte man menschliches Verhalten in und im Umfeld von Unternehmen verstehen. Die Erfahrungen von Mitarbeiter:innen und deren Verbindung zu Verhaltensweisen stehen im Mittelpunkt von People Analytics. Zu diesen Verhaltensweisen zählen, sich bewerben, rekrutiert werden, sich einfinden, sich weiterbilden, befördert werden, häufiger fehlen, sich engagieren, sich überarbeiten, sich gestresst zeigen, andere führen, kündigen oder zurückkehren. Um Verständnis aufzubauen, braucht ihr die jeweils passenden Daten, Methoden und gesicherte Erkenntnisse.
Alle vier Bausteine sind nötig, keiner darf fehlen. Ohne gesicherte Erkenntnisse könnt ihr euch das Geld für den Aufbau der Datenbestände und gut ausgebildete Analyst:innen gleich sparen. Ohne die passenden Methoden sind eure Erkenntnisse nicht gesichert. Ohne passende Daten sind eure Analysen unvollständig. Ohne Aurichtung auf Experience und Verhalten, hilft euch People Analytics nicht bei der Verbesserung eurer Arbeitswelt.
Die Mehrzahl der als Analytics angebotenen Lösungen, umfassen keine fundierten Analysemethoden und sind daher auch keine Lösungen für eure HR Probleme. Spart euch das Geld oder wählt die richtige Lösung aus.
7 Tipps für euer People Analytics
Okay, okay, genug der Vorrede. Ich haben meine über 12 Jahren Erfahrung mit der Analyse von Personaldaten und Umsetzung von People Analytics Projekten mal reflektiert. Ich habe mich gefragt: Was sind die wichtigsten Lehren aus meinen Fehlern und Erfolgen? Daraus sind sieben Tipps entstanden, die euch vielleicht dabei weiterhelfen, bestimmte Klippen zu umschiffen.
Fokus auf People Challenges mit klarem Businessbezug: Die meisten von euch befinden sich in einem Unternehmen mit klarem Profitziel. Es ist die Pflicht der Geschäftsführung effizient und verantwortungsvoll mit den vorhandenen finanziellen Mitteln umzugehen. Zugleich steht auf eurer Homepage ja sicher irgendwo, dass die Menschen euer wichtigstes Asset sind. Und zugleich sind wir als Personaler:innen ja auch noch People Champions. Es ist schlichtweg unprofessionell, wenn euer People Analytics sich nicht mit genau den Herausforderungen eurer Mitarbeiter*innen befasst, die zugleich auch eure Wertschöpfung stören. Und glaubt mir: Nicht alles, was ihr für ein Businessproblem haltet, ist auch tatsächlich ein Businessproblem. Zum Beispiel ist eine Fluktuationrate in bestimmter Höhe nicht zwingend ein Businessproblem. In einem Beratungsunternehmen wechseln Mitarbeiter:innen häufig in die Industrie und bringen neue Aufträge. Dauernder Zufluss neuer Mitarbeiter:innen liefert auch konstant neue und innovative Denkweisen, Wissensbausteine und Fähigkeiten. Also, sprecht mit eurem Business über dessen Herausforderungen und schaut, welche davon u.a. auf HR-Probleme zurückführbar sind.
Datenflows automatisieren: Mit jedem Tag schreitet die Digitalisierung eurer Personalprozesse voran. Jedes eingesetzte Tool kann als Quellsystem wichtige Daten für eure Analysen liefern. Je größer das Unternehmen, umso mehr Daten kommen zusammen und aktualisieren sich täglich. Zugleich braucht ihr für bestimmte Fragestellungen Daten aus unterschiedlichsten Quellen. Und wenn ihr erstmal erste People Analytics Projekte umgesetzt habt, dann wollen eure Kunden ständig neue Informationen haben...in Echtzeit. Ihr solltet also gleich anfangen eure Datenflows aus allen Quellsystemen in eine integrierte Datenbank automatisieren. In dieser Datenbank sollten die entsprechend benötigten ETL-Prozesse ebenfalls automatisch erfolgen, damit eure Daten direkt im benötigten Format vorliegen. Es macht durchaus Sinn die vorbereiteten Daten in verschiedenen Data Marts für eure verschiedenen People Analytics Module auszuliefern. Also, sprecht mit eurer IT und verliert keine Zeit bei der Auswahl der besten Infrastruktur für eure Datenflows.
Inklusion eurer Tech-Tools priorisieren: Eure Erkenntnisse sind nur so gut, wie eure Daten. Und die Daten entstehen häufig zu einem nicht unerheblichen Teil im Self-Service durch eure Mitarbeiter:innen oder im Managed-Service durch eure HR-Kolleg:innen. Und diese Daten haben nur dann eine hohe Qualität, wenn alle Menschen die gleiche Chance haben mit diesen Systemen problemlos zu interagieren. Das Thema der Inklusion wird viel zu selten im Kontext von HR-Tech diskutiert. Wie problemlos ein blinder Mensch in einem HR-System seine private Wohnadresse ändern kann, wird sich auf eure Daten auswirken. Wenn die Daten von Menschen mit Behinderungen fehlen oder inkorrekt sind, dann wird euer People Analytics auch nicht fair und inklusiv sein. Also, sprecht mit eurer Schwerbehindertenvertretung und optimiert die Inklusion eurer HR Software.
Datenkompetenz im HR erhöhen: Wie eben erwähnt, entstehen eure Daten in den verschiedenen Quellsystemen und werden auch dort gepflegt. Viele Datenpunkte, die ihr zur Beantwortung eurer People Analytics Fragestellungen benötigt, stammen nicht aus Pflichtfeldern in euren HR Tools. Und was kein Pflichtfeld ist, wird auch nicht zwingend ausgefüllt. Das ist ein operatives Problem, dass viel zu selten besprochen wird. Anbieter von HR Tools und People Analytics Lösungen vermitteln den Eindruck, als sei das quasi ein Selbstläufer. Aber wer jemals selbst in den Prozess der Pflege von Stammdaten wie den zugeordneten Kostenstellen involviert war, kennt die Wahrheit. Und die Wahrheit ist nicht rosig...sie ist gefüllt von Missing Data. Der Grund ist häufig Unwissenheit. Es ist nicht die Kernaufgabe eurer Kolleg:innen bei jedem Personalprozess an eure Datenbank und eurer Analyticsprojekt zu denken. Also, sprecht mit euren Kolleg:innen und sensibilisiert sie für die Wichtigkeit korrekter Daten.
Multivariate Analysemethoden verwenden: Dieser Punkt ist an Wichtigkeit kaum zu überhöhen. Ich schätze, dass 90-95% der heutigen People Analytics Dashboards uni- und bivariate Methoden der deskriptiven Statistik verwenden. Wenn ihr eine KPI berechnet, verwendet ihr univariate Methoden. Wenn ihr einen Zusammenhang zwischen zwei Kennzahlen herstellt (z.B., eine Korrelation), dann verwendet ihr bivariate Verfahren. Für bestimmte Fragestellungen sind diese Verfahren bestens geeignet. Aber die wirkliche Power von People Analytics entfaltet sich dann, wenn ihr bei der Beantwortung einer Fragestellung die möglichen Querschüsse durch andere Variablen kontrollieren könnt. Wenn ihr z.B. beantworten wollt, welche Rolle die Höhe der Vergütung bei der Verringerung der Kündigungswahrscheinlichkeit spielt, dann müsst ihr die Wirkung aller anderen Variablen rausrechnen, die sich ebenfalls auf Kündigungen auswirken. Dieser Methodenkasten ist nur in ganz wenigen People Analytics Tools am Markt eingebaut. ALLE anderen Lösungen geben zwar vor sowas zu können. Aber die tatsächlich verwendeten Methoden schließen das aus. Nur wenn ihr solche Methoden verwendet, werdet ihr Erkenntnisse erlangen, die euch bei wichtigen Entscheidungen wirklich helfen. Also, sprecht mit erfahrenen Datenwissenschaftler:innen oder Expert:innen für People Analytics und lasst euch keine Pseudolösungen verkaufen.
HR Controlling & HR Data Science trennen: Ich verstehe euch. In vielen Fällen versuchen Unternehmen die bisherigen Expert:innen für die Auswertung von HR Daten für den Aufbau eines People Analytics Teams zu nutzen. Aber HR Controlling und People Analytics sind zwei sehr verschiedene Tätigkeitsfelder. Die Skillsets, die Analysemethoden, die Softwarekenntnisse, die Prozesskenntnisse, die rechtlichen Aspekte und die Schnittstellen zu anderen Fachbereichen unterscheiden sich deutlich. Das bedeutet nicht, dass Personen der beiden Bereiche sich nicht auch in den jeweils anderen Bereich entwickeln können. Ich spreche mich nur klar dafür aus, dass die beiden Bereiche im operativen Betrieb klar getrennt sein müssen. Die beruflichen Kalender, das Demand-Management und die Reportinganforderungen unterscheiden sich so deutlich, dass die Teams bestenfalls als eigene Teams geführt werden. Also, sprecht mit eurer Geschäftsführung und klärt über die absolute Notwendigkeit auf.
Authentisches Storytelling: Die modernsten Analysen auf Basis der leistungsstärksten Datenbanken durchgeführt von den hellsten Köpfen werden versanden, wenn die Ergebnisse nicht zielgruppenspezifisch und verständlich kommuniziert werden. Manche Ergebnisse sind nicht automatisch gut kommunizierbar. Wann immer man sich z.B. mit Wahrscheinlichkeiten befasst, wird es nicht nur sprachlich kompliziert. Zugleich kann die Reduktion von Komplexität den Wahrheitsgehalt der einfachen Kommunikation deutlich verringern. Ein gutes Beispiel sind Kausalaussagen. Klare Aussagen der Form "Variable X ist der Grund für unsere hohen Fluktuationszahlen!" sind einfach zu verstehen und entsprechende Maßnahmen sind leichter auszuwählen. Die Wahrheit ist aber eher: "Im Vergleich zu den ebenfalls wichtigen Variablen Y und Z, ist die Variable X der stärkste Treiber unserer Fluktuation. Aber auch dieser Treiber erklärt nur ca. 8 Prozent unserer Fluktuationsquote. Und wir sind uns nur zu 95% sicher.". Also, sprecht mir euren Expert:innen für People Analytics und Kommunikation, um eine authentische Ergebniskommunikation sicherzustellen.
Mit diesen 7 Tipps werdet ihr euren Anstrengungen beim Thema People Analytics richtig firschen Wind einhauchen. Ich habe euch bewusst Faktoren zusammengestellt, die in den optimierten Salespräsentationen nicht vorkommen. Die wirklich erfolgreichen People Analytics Projekte verstehen, dass es sich um angewandte Verhaltenswissenschaft mit meist multivariaten Methoden handelt. Sie schaffen Erkenntnisse, die es den Entscheider:innen ermöglichen klare Handlungsalternativen zu erstellen. Nach vielen Jahren in verschiedenen Kontexten habe ich gelernt, dass People Analytics ohne diese Faktoren nur selten einen positiven "Return on Investment" einfährt.
Additional information: This article reflects my personal views only and is not necessarily the view of the companies, I am associated with.