HR-Analytics Zusammenfassung Prüfungsvorbereitung PFH

HR-Analytics – Thematische Einführung Kapitel 1


Definition und Zielsetzung von HR-Analytics
HR-Analytics (syn. Talent Analytics o. People Analytics)

- umfasst das Sammeln, Analysieren und Melden von HR-Daten
- bezieht sich auf die UN-Kultur und die HR
- ermöglicht UN, die Auswirkungen verschiedener HR-Metriken auf die Gesamtleistung zu
untersuchen, um fundierte Entscheidungen zu tre en

Ziel:

- Datenbasierte Erkenntnisse gewinnen, um HR-Entscheidungen fundierter zu tre en und
deren Auswirkungen auf die UN-Leistung zu messen
- Verbesserung wichtiger Geschäftsprozesse und -ergebnisse




Abgrenzung von HR-Controlling
HR-Controlling

- Überwacht die Zielerreichung der Personalstrategie und leitet Steuerungsmaßnahmen bei
Abweichungen ein
o Verwendung von Kennzahlen, die regelmäßig überprüft und verfolgt werden
- Verwendet vergangenheitsbasierte Daten u. Trendanalysen zur Vorhersage

HR-Analytics

- Identifiziert Muster, Korrelationen und Wahrscheinlichkeiten, um genauere Prognosen zu
erstellen und fundierte Entscheidungen zu ermöglichen
- Nutzt verschiedene Methoden (z.B. Algorithmen und statistische Berechnungen mit Big
Data), um fundierte Entscheidungsgrundlagen zu scha en, Geschäftsbereiche zu
verknüpfen und Prognosen zu erstellen

Herausforderungen

- Identifikation nützlicher und ausgereifter Daten (mature Data)
- Notwendigkeit von Fachwissen und Software-Kompetenz in HR-Abteilungen
- Die besten Daten und Software bringen keinen Mehrwert, wenn die MA nicht im Umgang
mit den Analysetools geschult sind

,2.1 Grundlagen von HR-Analytics Kapitel 2
2.1.1 Funktionsweisen HR-Analytics
HR-Analytics
- Methode zur Sammlung, Auswertung u. Systematisierung von Personaldaten
- Fokus auf operative HR-Prozesse – auf die Analyse von Personalprozessen wie Recruiting, MA-
Bindung und Leistungsmanagement
- Analyse von MA-Leistung + Identifikation PE-Maßnahmen
- Analyse von Gründen für Kündigungen + Strategien zur Reduktion

Ziel: E izienz verbessern; evidenzbasierte Entscheidungen in allen HR-Bereichen unterstützen sowie
auch die UN-Ziele

- HR-A. wird in vielen HR-Abt. noch kaum eingesetzt – mangelndes Know-How und fehlende IT- u.
Datena inität
- Digitalisierung (Bewerbungsprozesse, dig. Lernplattformen) führt zu einer Datenzunahme, die
e izient genutzt werden muss

People Analytics (strategisch u. umfassender als HR-A.)
- Integration von Personaldaten mit anderen UN-Daten zur Analyse von Mngmt-Praktiken
- Einsatz von Datenanalyse u. -techniken, um Einblicke in das Verhalten, die Leistung + Bedürfnisse
der MA zu gewinnen -> Fokus auf die Verbesserung der UN-Kultur u. -strategie

Ziel: Trends identifizieren, Vorhersagen über MA-Verhalten tre en, MA-Engagement verbessern, MA-
Bindung fördern, E izient der Pers.abt. zu erhöhen

Gemeinsamkeiten: Befassen sich mit der Kategorisierung von Datenauswertungsebenen (d,p,n)



Aufbau von HR-Analytics/ Analysearten in HR-Analytics
Deskriptive Daten: Beschreibung von Mustern und Trends
- Frage: „Was ist passiert?“
- Ziel: Beschreiben, was in der Vergangenheit passiert ist
- sind Daten der Vergangenheit und geben Aufschluss über aktuelle Schwankungen
- Bsp.: Umsatzberichte, MA-Fluktuationsdaten

Prädiktive Daten: Prognosen zur zukünftigen Entwicklung
- Frage: „Was wird passieren und warum?“
- Ziel: Vorhersagen über zukünftige Ereignisse o. Trends basierend auf historischen Daten
- verknüpft vergangene und aktuelle Daten und sucht nach Ursache-Wirkungs-Zshänge (Einfluss
von Führungsstil auf Fluktuation)
- Nutzung interner (MA-Befragungen, Gehaltsabrechnungen) und externer Daten (soz. Medien)

Präskriptive/ Normative Daten: Handlungsempfehlungen für bessere Entscheidungen
- Frage: „Welche Maßnahmen sollten ergri en werden, um ein bestimmtes Ziel zu erreichen?“
- Ziel: Handlungsempfehlungen basierend auf Datenanalyse
- Bsp.: Empfehlungen zur PE; Optimierung von Geschäftsprozessen

, Drei wesentliche Veränderungen durch HR-Analytics:
Quantifizierung -> Messung u. Darstellung in Zahlen
- Ziel: Implizites Wissen messbar machen und in HR-Funktionen überführen
- Messmodelle reduzieren Komplexität auf wesentliche Einflussfaktoren
- Vorteil: Objektive, vergleichbare und transparente Entscheidungsfindung
- Bsp.: Google nutzt Einstellungsalgorithmen zur Vorhersage von Bewerbererfolg; Messen von MA-
Leistung; Messen von Umsätzen

Evidenzbasierte Entscheidungsfindung
- Ziel: Entscheidungen auf fundierten, nachweisbaren Daten u. Erkenntnissen

- sozialwissenschaftlicher Ansatz:
- basiert auf wissenschaftlichen Erkenntnissen aus der Sozialforschung
- Bsp.: Forschung, welche Faktoren die Kündigungsabsichten von MA beeinflussen
- datengestützter Ansatz:
- nutzt vorhandene Daten aus z.B. Personaldatenbank o. Controlling-Software
- Bsp.: Berechnung der W.keit, dass ein MA gekündigt wird basierend auf Faktoren wie
Entfernung zum Arbeitsplatz, etc.

- Risiko: Gefahr der falschen Schlussfolgerung -> falsche Zusammenhänge erkannt

Systematisierung -> Strukturierte u. standardisierte Vorgehensweise
- Ziel: Strukturiertes Vorgehen, um Prozesse o. Erkenntnisse zu ordnen u. zu standardisieren
- Bsp.: Einführung von standardisierten Prozessen für: Rekrutierung; Bewertung von MA-Leistung
- Fokus: Entwicklung und Anwendung von strukturierten Methoden u. Prozessen zur e izienten und
konsistenten Durchführung von Aufgaben



Voraussetzungen, Veränderungen u. Ergebnisse von HR-Analytics