Rekrutieren à la Big Data

verfasst von zvoove, 11.10.2017
keyboard_arrow_left Zurück zur Übersicht

Mensch oder Maschine?

Im Zeitalter der Industrie 4.0 gewinnt die Mensch-Maschinen/Computer-Interaktion an Bedeutung. Auch vor dem HR-Bereich macht die Digitalisierung nicht Halt: Computergestützte Personalgewinnung mithilfe von Algorithmen, HR-Analytics und Big Data spielen im Recruiting eine immer größere Rolle. Ersetzen kann der Algorithmus die Entscheidung des Personalers nicht. Die zwischenmenschliche Ebene trägt noch immer zum Großteil zur Personalentscheidung bei. Nach der von Psychologieprofessor Albert Mehrabian aufgestellten 7-38-55 Regel macht die Körpersprache des Gegenübers 55 % des Gesamteindrucks von einer Person aus, 38 % entfallen auf die Stimme und nur 7 % auf den Inhalt des Gesagten. Das Bewerbungsgespräch ist demnach eines der Schlüsselelemente in der Personalentscheidung. Die nonverbale Ebene, Intuition und persönliche Chemie sind dabei nicht unwesentlich. Trotz allem kann ein datengestütztes Recruiting dazu beitragen, die Vorauswahl für geeignete Kandidaten zu erleichtern und die Auswahl anhand messbarer Kriterien zu fundieren. Mit einem ausgereiften Big-Data-Konzept inklusive Erfolgsmessung kann der Bewerbungsprozess mit Blick auf die Passgenauigkeit der Kandidaten, die Erfolgs- und Verbleibswahrscheinlichkeit im Unternehmen, das Bewerberaufkommen, die Time-to-Hire und Cost-per-Hire optimiert werden. Beispiel Xerox: Das Technologie- und Dienstleistungsunternehmen für mobile Print-Lösungen hat seine Fluktuationsrate um 20 % gesenkt, nachdem es festgestellt hatte, dass kreative Mitarbeiter länger im Unternehmen verbleiben und diese vermehrt eingestellt hatte. Auch dem US-amerikanische Finanzdienstleistungsunternehmen Wells Fargo ist es gelungen, die Mitarbeiterbindung zu erhöhen (+ 15 %) als es anhand von Datenanalysen erkannt hatte, dass Bankkaufleute mit einem Abschluss in Finanzdienstleistungen am längsten im Unternehmen blieben und diese in der Personalgewinnung stärker berücksichtigte. Suchmaschinen-Marktführer Google setzte nach einer Performanceanalyse vermehrt auf Mitarbeiter mit hoher Eigeninitiative und Innovationsfreude, da diese bessere Leistungen erzielten als solche mit einem hohen Notendurchschnitt.

 

5 Vorteile eines Big-Data-Konzepts

Setzen Recruiter neben ihrer Menschenkenntnis und Erfahrung mit Personal und Bewerbern auch auf Big Data, können sie davon auf verschiedene Weise profitieren: 

  1. Die Datenanalyse hilft dabei, Kriterien für die Passgenauigkeit von Bewerbern zu definieren und die Kandidaten anhand erfolgskritischer Faktoren zu selektieren. Mit einer internen HR-Analyse lassen sich Merkmale von Top-Performern im Unternehmen oder von Mitarbeitern mit einer besonders hohen Unternehmensbindung herausstellen. In einem zweiten Schritt kann überprüft werden, ob Bewerber diese Kriterien erfüllen. Durch den Einbezug von Daten haben Recruiter eine zusätzliche Rechtfertigungsgrundlage für ihre Entscheidungen und können ggf. das Risiko für Fehlentscheidungen minimieren. 
  2. Auch für ein proaktives Recruiting spielen Datenanalysen eine Rolle: Die Daten lassen sich gezielt für eine vorausschauende Personalplanung einsetzen, um Schwankungen im Personalbedarf möglichst präzise zu prognostizieren und einen künftigen Personalmangel zu vermeiden. Der Vorteil eines proaktiven Recruitings ist, dass Personal nicht erst dann gesucht wird, wenn bereits ein Mangel besteht. Ohne den Zeitdruck einer dringend zu besetzenden Vakanz bleibt mehr Zeit für eine fundierte Personalentscheidung. 
  3. Datenanalysen lassen sich auch in den Entwurf strategischer Recruiting-Pläne einbeziehen, zum Beispiel um bestimmte Quoten zu erfüllen und eine höhere Diversity im Recruiting zu gewährleisten. 
  4. Mit einer datengestützten Analyse des Bewerbungsprozesses unter Einbezug von KPIs zur Erfolgsmessung, kann das Recruiting deutlich effizienter gestaltet werden. Die Identifizierung der erfolgversprechendsten Recruiting-Kanäle ermöglicht beispielsweise eine effizientere Budgetverleitung. 
  5. Der Einbezug von Benchmarks erleichtert eine gezielte Positionierung mit Blick auf Wettbewerber. Beispielsweise kann das Gehalt von Mitarbeitern mittels Gehaltsbenchmarks angepasst werden, insbesondere wenn es deutlich abweicht und ein Grund für Fluktuation oder schlechte Arbeitgeberbewertungen sein sollte.

 

Big Data sinnvoll nutzen

Big Data bezeichnet die Analyse großer Datenmengen aus unterschiedlichen Quellen. Richtig „big“ wird die Datenansammlung bei Unternehmen mit hohem Bewerberaufkommen: Bei 250 Bewerbungen weist jeder einzelne Bewerber eine enorme Anzahl an Datenverknüpfungen auf, die im Idealfall darüber Auskunft geben, ob er in das Unternehmen passt, wie wahrscheinlich es ist, dass er den Job annimmt, Erfolg hat und im Unternehmen bleibt… Um solche Aussagen treffen zu können, müssen die Daten nicht nur gesammelt, sondern auch aggregiert, strategisch verknüpft und interpretiert werden – eine Aufgabe, die sich bei hohen Datenmengen oft nur software- bzw. algorithmengestützt bewältigen lässt. Die Software erkennt dann bestimmte Muster und verknüpft diese so, dass Aussagen abgeleitet werden können. Für eine angemessene Aussagekraft muss eine bestimmte Grundmasse an Daten verfügbar sein. In Kombination mit prädiktiven Analysen können mittels strategischer Methoden und Vergangenheitsdaten Korrelationen erkannt und Wahrscheinlichkeitsaussagen getroffen werden, zum Beispiel über die hypothetische Performance des Bewerbers oder dessen Verbleib im Unternehmen. Die Daten lassen sich zum Beispiel über HR-/Bewerberdatenbanken gewinnen und dank zunehmender Onlinepräsenz der Bewerber auch über das Internet. CV-Datenbanken, Karriereseiten oder Business-Networks (XING, LinkedIn...) und Social-Media (Facebook...) sind viel verwendete Quellen für das Data-Mining/Talent-Mining. Mittels Online-Assessments können Persönlichkeitstests oder Skill-Tests eingesetzt werden, um die Qualifikationen, Soft Skill, Eigenschaften oder Verhaltensdispositionen von potentiellen Mitarbeitern einzuschätzen. Ein Vergleich mit internen Daten kann Aussagen über die Passgenauigkeit der Kandidaten liefern, beispielsweise mit Blick auf Erfolgskriterien performancestarker oder besonders loyaler Mitarbeiter. Eine Möglichkeit, künftigen Personalbedarf frühzeitig vorauszusehen oder die Notwendigkeit der Stellenneubesetzung zu vermeiden, ist eine Analyse der Wechselabsichten von Mitarbeitern. Welche Mitarbeiter arbeiten z. B. unter ähnlichen Bedingungen wie jene, die bereits gekündigt haben? Wie lang ist der durchschnittliche Verbleib im Unternehmen für bestimmte (Schlüssel-)Positionen? Wie lange bleibt ein Arbeitnehmer durchschnittlich im Unternehmen? Relevante interne Faktoren sind zum Beispiel der Zeitpunkt der letzten Gehaltserhöhung, die Anzahl kürzlicher Erfolge, die Besuchsfrequenz von Jobportalen durch den Mitarbeiter oder die Häufigkeit der Profilaktualisierungen bei XING/LinkedIn. Externe Daten wie Gehaltsbenchmarks oder die Anzahl der ausgeschriebenen Stellenanzeigen anderer Unternehmen für die Position/Branche können ebenfalls relevant sein. Sie geben Auskunft darüber, ob eine dem Mitarbeiter entsprechende Jobposition in der Branche und Region derzeit verstärkt zu besetzen ist. Sind die Prognosen zur Wechselwahrscheinlichkeit der Mitarbeiter getroffen und die spezifischen Faktoren, die für einen Wechsel sprechen, identifiziert, können konkrete Maßnahmen abgeleitet werden. Je nach Analyseergebnis zum Beispiel eine Gehaltserhöhung oder Beförderung, Weiterbildungsangebote, eine Übertragung von Verantwortung z. B. im Rahmen eines Job-Enrichments etc.

 

Risiken erkennen

Big Data im Recruiting kann für eine fundierte Entscheidung hilfreich sein, diese aber natürlich nicht ersetzen. Blindes Vertrauen ist deshalb fehl am Platz. Voraussagen treffen nicht immer zu und können inakkurat sein. Bestimmte Merkmale und Eigenschaften performancestarker Mitarbeiter sind noch kein Garant für eine hohe Performance bei Bewerbern bzw. künftigen Mitarbeitern, da es sich lediglich um Korrelationen, nicht um kausale Aussagen handelt. Ein Mitarbeiter, der zwar nur durchschnittlich leistungsstark ist, kann einen hohen Beitrag zum Teamzusammenhalt leisten und die Motivation im Team beflügeln – ein Faktor, den der Algorithmus eher vernachlässigt. Werden Personalentscheidungen primär aufgrund von internen Daten und Ähnlichkeitsfaktoren getroffen, besteht das Risiko einer zu homogenen Mitarbeiterschaft, was die Vorteile eines Diversity Managements, z. B. ein höheres Innovationspotenzial, unterminiert. Mitarbeiter empfinden die Datenerhebung vielleicht auch als Eingriff in ihre Privatsphäre, was sich negativ auf die Produktivität auswirken kann. Außerdem benötigt die Ausarbeitung und Umsetzung eines strategischen Big-Data-Konzepts Zeit und Ressourcen wie z. B. statistisches Know-how, ein datenaffines Management, Kenntnisse zum Datenschutz, eine cloud-basierte Software…

 

 

Fazit

Big Data im Recruiting kann für Personaler eine ausgezeichnete Entscheidungsgrundlage bieten, sofern ein sinnvolles Big-Data-Konzept zu Grunde liegt und sie sich nicht blind auf Algorithmen verlassen. Der Einsatz von Daten im Recruiting erfordert Interpretations- und Analyse-Know-how, um relevante Daten zu verknüpfen, Muster zu erkennen und konkrete Maßnahmen abzuleiten. Dadurch eröffnen sich Recruiter viele neue Möglichkeiten, um etwa den Bewerbungsprozess effizienter zu gestalten und die Passgenauigkeit, Mitarbeiterperformance oder -bindung zu erhöhen. Auch bei einem solchen datengestützten Recruiting sollte die persönliche Ebene und das Schlüsselelement des Bewerbungsgesprächs weiterhin eine zentrale Rolle spielen. Eine gute Entscheidung ist meist eine Mischung aus Informiertheit, Erfahrungswissen und Menschenkenntnis. 

Quelle Foto: Fotolia © Melpomene

 

Du besuchst zvoove.com mit dem Internet Explorer

Dieser Browser wird seit 2020 nicht mehr unterstützt. Das bedeutet, dass Dir einige Funktionen von zvoove.com nicht zur Verfügung stehen.

Damit du alle Funtionen von zvoove.com nutzen kannst, empfehlen wir, unsere Webseite mit einem aktuellen Browser wie Microsoft Edge, Mozilla Firefox oder Google Chrome zu besuchen.