Data Science in der Personalabteilung: Recruiting, Beförderung und Personalbindung

Das Recruiting von Data Scientists ist oftmals eine zähe Angelegenheit. Personalabteilungen verwenden einen Großteil ihrer Zeit, die Kandidaten adäquat vorzufiltern. Denn der Hintergrund ist stark heterogen und es gibt keine „Ivy League“ für Data Science. Interessanterweise könnten HR-Abteilungen selbst einen klaren Anreiz haben, kluge und fähige Data Scientists anzustellen. Denn sie könnten signifikant dazu beitragen, eine überfälligen Transformation der internen HR-Funktion zu beschleunigen – hin zu einer stärker durch datengetriebenen, rigorosen Verbesserung der Prozesse. Da Human Resources ein „people business“ bleibt, wird Data Science die Funktion nicht revolutionieren, aber zu verfeinerten Unterstützungsmechanismen beitragen, die den Leitern der HR-Abteilungen helfen können, bessere, stärker informierte Recruiting-, Beförderungs- und Personalbindungsentscheidungen zu treffen.

Bessere Recruitingentscheidungen

In großen Unternehmen sind 300-400 Bewerbungen auf eine Einstiegsstelle nicht ungewöhnlich. Die Vorauswahl geeigneter Kandidaten ist daher eine Schlüsselaktivität in Personalabteilungen. HR-Spezialisten wenden oft statisch definierte Kriterien an, um die eingereichten Bewerbungen effizient zu scannen: Universität, Noten, relevante Praxiserfahrung. Die meisten Managementberatungen, die für ihre rigorosen Assessment Center bekannt sind, filtern primär anhand der Universität. Wer einen Abschluss von einer nicht reputablen Universität hat, hat lediglich geringe Chancen, zu einem Jobinterview eingeladen zu werden, es sei denn er hat außergewöhnliche Praxiserfahrungen. Ist das eine gute Methode? Wahrscheinlich nicht, aber es ist ein leicht umzusetzender Leitfaden und gibt einfache Heuristiken an die HR-Spezialisten, die das anfängliche Screening durchführen.

Es gibt jedoch großes Potenzial, diese Prozesse mit Data Science zu verbessern. Da Dokumente archiviert werden und erfolgreiche Kandidaten, die nun im Unternehmen arbeiten, zurückverfolgt werden können, können die Charakteristika dieser Kandidaten herauskristallisiert werden. Das allein würde schon helfen, den Vorauswahlprozess signifikant zu verbessern. Gleichzeitig ist es möglich, die eingehenden Bewerbungen sofort entlang zweier Dimensionen zu bewerten, wenn große Datenbanken von früheren Bewerbern vorhanden sind: (1) im Bezug auf ihre Eignung für das Unternehmen anhand der Profile früherer erfolgreicher Kandidaten und (2) im Bezug auf ihre relative Position in der Kohorte von Bewerbern. Solch ein System würde einen großen Teil des Auswahlverfahrens automatisieren und geeignete Kandidaten außerhalb von statischen, erfahrungsbasierten Heuristiken identifizieren.

Bessere Beförderungsentscheidungen

Innerhalb der Organisation liegt der Fokus der Personalabteilung vorwiegend auf dem Talent- und Leistungsmanagement. Auch wenn sich diese Tätigkeit stark vom initialen Bewerberscreening unterscheidet, so sind weiterhin die entscheidenden Fragen: Was sind die fundamentalen Charakteristika von leistungsstarken Mitarbeitern? Wie kann die Leistung der Arbeitskräfte vorausgesagt werden, wie können also leistungsstarke Mitarbeiter früh identifiziert und schnell gefördert werden?

Bis vor wenigen Jahren wurden diese Fragen bis zu einem bestimmten Grad von qualitativen Beurteilungen, Interviews mit Managern und 360°-Feedback beantwortet. Inzwischen, mit technologischen Fortschritten und Data Science, könnte all das unstrukturierte Feedback, das über die Jahre gesammelt und archiviert wurde, zu einer wahren Goldmine werden. Wenn man sie mit aktuellen Beförderungsentscheidungen in einen Kontext setzt, können verschiedene neue analytische Ansätze eingeführt werden.

Natural Language Processing erlaubt es, Meinungen und Trends in den Beurteilungen wahrzunehmen. Das könnte helfen, automatisierte „Frühwarnsysteme“ einzuführen, die als quantitative Perspektive bei Beförderungsentscheidungen dienen könnte. Die Leistung von Mitarbeitern verlässlich und nicht nur aufgrund eines Bauchgefühls vorherzusagen, wird eine der Kernaktivitäten der HR-Abteilungen der kommenden Jahren sein. Daher sollte es ein strategisches Ziel der Unternehmen sein, möglichst viele Daten auf den Tisch zu legen, um detaillierte Vorhersagen zu erlauben.

Bessere Entscheidungen bei der Personalbindung

So wie die Identifizierung leistungsstarker Mitarbeiter eine Schlüsselaktivität ist, ist auch die langfristige Bindung wichtiger Mitarbeiter eine Kernaufgabe der HR. Manche Angestellte haben, egal auf welcher Stufe sie stehen, eine kritische Kompetenz und einen adäquaten Ersatz zu finden könnte ein schwieriges Unterfangen sein. Um das Unternehmen stabil aufzustellen gilt es, unabdingbare Mitarbeiter zu identifizieren und vor allem Gründe für Veränderungen in ihrer Zufriedenheit zu beobachten.

Wie kann so eine Veränderung in der Jobzufriedenheit beobachtet werden? Im Allgemeinen könnten Vorhersagemodelle über Personalbewegungen die Basis für ein solches Bestreben bilden. Wie lange bleiben Menschen in einer bestimmten Position wahrscheinlich im Unternehmen? Wie sehr hängt das von ihrem sozioökonomischen Hintergrund, ihrem Alter und ihrer Ausbildung ab? Sobald so ein Verständnis verinnerlicht wurde, können Unternehmen sich einen Überblick über Mitarbeiter verschaffen, die das Unternehmen wahrscheinlich bald verlassen wollen. Sobald solche Angestellte, die gleichzeitig als essentiell für das Unternehmen gekennzeichnet wurden, auf dem Radar auftauchen, werden ihre Vorgesetzten informiert. Diese können dann Gegenmaßnahmen ergreifen, um den jeweiligen Mitarbeiter nachhaltig zu motivieren und zu binden.

Voreingenommenheit beseitigen

Stärker datengetriebene Ansätze erlauben es Unternehmen und den HR-Entscheidern, einen quantitativen Spiegel für ihr Handeln zu erstellen. Das Mischen von qualitativen und quantitativen Beurteilungen zur Unterstützung von menschlicher Entscheidungsfindung wird der Weg in die Zukunft im Bereich der HR sein. Es ist immer noch ein langer Weg, bis KI-Systeme vorstellbar sind, die automatisch die Bewerber, die zu einem Interview eingeladen werden sollten, entdecken. Bis dahin wird es immer eine menschliche Komponente im Prozess geben.

Data Science kann nicht nur das Potenzial für eine erhöhte Effizienz in HR-Prozessen liefern, sondern auch dazu beitragen, ‘biases’ im Recruitingprozess zu beseitigen. Es ist hinlänglich bekannt, dass menschliche Entscheidungen immer von Vorurteilen geprägt sind, selbst wenn wir uns dessen nicht bewusst sind. Wenn Algorithmen anhand historischer Datensätze trainiert werden, werden diese Vorurteile sehr wahrscheinlich in den ‘Code’ mit aufgenommen. Sobald die Vorurteile jedoch „formalisiert“ sind, sind sie recht einfach aufzuspüren. Durch datengetriebene Ansätze in der Personalabteilung könnte also das Bewusstsein über ‘biases’ erhöht werden, könnte der Grundstein für Verbesserungen gelegt werden. Data Science könnte daher wirklich dazu beitragen, Ethik in der Personalbteilung zu stärken und gleichzeitig diverse Ineffizienzen im Prozess zu beseitigen.

Contact the author
Paul von Bünau
+49 (30) 814 513-14
Subscribe
Share

Leave a Comment

Your email address will not be published. Required fields are marked *