Die vorliegende Bachelor-Thesis befasst sich schwerpunktmäßig mit Predictive Analytics und dessen Einsatzmöglichkeiten in der Personalarbeit. Ziel ist es, ein klares Bild dieser noch recht jungen Disziplin zu vermitteln. Dabei sollen vor allem Chancen, Risiken und Hürden von Predictive Analytics für den Fachbereich Human Resources (HR) identifiziert werden. Es soll untersucht werden, wie sich Prozesse im HR durch diesen analytischen Ansatz effektiver und effizienter gestalten lassen. Auch soll die Frage behandelt werden, ob statistische Verfahren signifikant zu einer Verbesserung von Entscheidungen unter hoher Unsicherheit führen können. Die Arbeit richtet sich in erster Linie an Personalverantwortliche, die ein Interesse an prädiktiven statistischen Verfahren haben. Außerdem soll sie das Interesse von Unternehmen wecken, prädiktive Verfahren in ihrer Personalarbeit einzusetzen.
Anhand der folgenden Forschungsfragen soll ein klarer thematischer Rahmen abgesteckt werden: 1. Welche Chancen und Risiken birgt Predictive Analytics für die Personalarbeit? 2. Welche Hürden müssen Unternehmen überwinden, um Predictive Analytics im HR erfolgreich zu implementieren? 3. Welchen Reifegrad haben die Unternehmen hinsichtlich des Einsatzes von Predictive Analytics im HR? Es kann folgende Hypothese aufgestellt werden, die durch die empirische Untersuchung akzeptiert oder verworfen werden soll: Der Grund, warum HR bisher kaum Anwendungsfelder mit Predictive Analytics etablieren konnte, liegt möglicherweise in der Komplexität von PA und in einer grundsätzlichen analytischen Schwäche von HR.
Inhaltsverzeichnis
1 Einleitung
1.1 Blick in die Zukunft
1.2 Zielsetzung der Arbeit
1.3 Vorgehensweise und Aufbau der Arbeit
2 Theoretische und empirische Grundlagen
2.1 Relevanz von Predictive Analytics für die Personalarbeit
2.1.1 Entscheidungsfindung, Heuristik und Bias
2.1.2 Folgen von Fehlentscheidungen im HR
2.2 Human Resources: Point-of-View
2.2.1 Aufgaben und Ziele der Personalarbeit
2.2.2 Personalcontrolling
2.2.3 Vorteile einer analytischen Arbeitsweise im HR
2.3 Predictive Analytics: State-of-the-Art
2.3.1 Begriffsbestimmung von Predictive Analytics
2.3.2 Abgrenzung von anderen analytischen Verfahren
2.3.3 Exkurs: Big Data
2.3.4 Hype-Cycle für Advanced Analytics von Gartner Inc.
2.3.5 Das Ziel von Predictive Analytics
2.4 Die Methodik hinter Predictive Analytics
2.4.1 Fragen, die Predictive Analytics beantworten kann
2.4.2 Der Prozess einer Predictive Analytics-Lösung
2.4.3 Gesuchte Muster bei Predictive Analytics
2.4.4 Mustererkennende Analysemethoden
2.5 Predictive HR Analytics: Verzahnung von HR und PA
2.5.1 Praktizierende Branchen
2.5.2 Anwendungsbereiche von PA im HR
2.5.3 Hebel und Barrieren für Predictive Analytics im HR
3 Empirisch-qualitative Untersuchung
3.1 Beschreibung der qualitativen Forschungsmethode
3.1.1 Das halbstandardisierte, problemzentrierte Experteninterview
3.1.2 Funktion des Interviewleitfadens
3.1.3 Datenaufzeichnung
3.1.4 Auswertung
3.2 Methodische Vorgehensweise der Untersuchung
3.2.1 Operationalisierung
3.2.2 Befragungsort, -dauer und -aufzeichnung
3.2.3 Aufbau und Struktur des Interviewleitfadens
3.2.4 Auswahlkriterien und Beschreibung der Stichprobe
3.2.5 Vorbereitung und Durchführung der Interviews
3.2.6 Vorgehen bei der Auswertung
4 Ergebnisse
4.1 Auswertung der Ergebnisse aus der Perspektive der Datenanalytiker
4.1.1 Dimension: Arbeitserfahrung mit analytischen Verfahren
4.1.2 Dimension: Aktuelle Einschätzung der Situation
4.1.3 Dimension: Erfolgsfaktoren und Hürden
4.1.4 Dimension: Chancen & Risiken
4.1.5 Dimension: Sonstige Themen
4.2 Auswertung der Ergebnisse aus der Perspektive der Unternehmen
4.2.1 Dimension: Arbeitserfahrung im HR
4.2.2 Dimension: Aktuelle Einschätzung der Situation
4.2.3 Dimension: Barrieren und Hebel
4.2.4 Dimension: Reife der Unternehmen
4.2.5 Dimension: Erwartungen und Bedarf der Unternehmen
4.2.6 Dimension: Sonstige Themen
5 Diskussion der Ergebnisse
5.1 Zusammenfassung und Zusammenführung der Ergebnisse
5.2 Interpretation der Ergebnisse vor dem theoretischen Hintergrund
5.3 Praktische Implikationen
5.4 Kritische Reflexion der Vorgehensweise und Methodik
6 Fazit und Ausblick
6.1 Fazit
6.2 Ausblick
Zielsetzung & Themen der Arbeit
Die Arbeit untersucht das Potenzial und die Hürden beim Einsatz von Predictive Analytics im Bereich Human Resources, um die Lücke zwischen datengestützter Entscheidungsfindung in anderen Branchen und der intuitiv geprägten Praxis im HR zu schließen.
- Chancen und Risiken von Predictive Analytics im HR-Kontext
- Hürden bei der Implementierung von analytischen Verfahren
- Aktueller Reifegrad der Unternehmen bezüglich HR-Analytics
- Einfluss von Unternehmenskultur und Datenschutz auf die Akzeptanz
- Ableitung praktischer Implikationen für eine datengesteuerte Personalarbeit
Auszug aus dem Buch
2.4.2 Der Prozess einer Predictive Analytics-Lösung
Auf dem Markt wächst die Anzahl der Anbieter für prädiktive analytische Speziallösungen. Gefördert wird diese Entwicklung dadurch, dass die Leistungen, die Predictive Analytics für Unternehmen erbringt, allmählich Anerkennung erfahren und die Anzahl der erfolgreichen Business Cases steigt. Ungeachtet der verschiedenen Anbieter ist die konzeptionelle Architektur der Lösungen weitestgehend identisch.
SAP beschreibt den Prozess eines Prognosemodells relativ einfach in drei Prozessschritten. Der erste Schritt besteht darin, Daten aus verschiedenen Datenquellen zu akquirieren. Es folgt das Auffinden, Anreichern und Anzeigen der Ergebnisse. Im letzten Schritt werden Vorhersagemodelle erzeugt und publiziert. Eine etwas ausführlichere Architektur wurde von Maué entwickelt.
Die Architektur besteht aus einem Drei-Phasen-Modell und untergliedert sich in die Phasen „Erfassung“, „Vorhersage“ und „Aktion“. Jede einzelne Phase stellt im Prozess der Transformation der Rohdaten in Informationen und Wissen eine Entscheidungsunterstützung dar.
Grundlage jedes prädiktiven Modells sind die Daten, die jegliche Form eines alphanumerischen Codes annehmen können. Dabei kann es sich um einfache Zeichenfolgen wie „XYZ“ oder auch um Inhalte aus einem Lehrbuch handeln. Die Informationen in der mittleren Phase bestehen somit aus Daten. Sie sind nur in einem Kontext interpretierbar, wobei sich der Kontext als Interpretationsschema versteht. Erst durch dieses Schema wird es Personen möglich, die Daten in einen Sinnzusammenhang zu bringen. Durch diese Klassifizierung und Veredelung der Informationen durch den Menschen wird daraus Wissen generiert. Unter Klassifizierung und Veredelung wird die Vernetzung von Informationen durch Kontext und die Einbeziehung von Erfahrungen und Erwartungen verstanden.
Zusammenfassung der Kapitel
1 Einleitung: Einführung in die Relevanz von Predictive Analytics als zukunftsorientiertes Werkzeug für die strategische Personalarbeit sowie Darstellung des Forschungsziels.
2 Theoretische und empirische Grundlagen: Erläuterung der Relevanz von HR-Analytics, der methodischen Grundlagen von Predictive Analytics und der Verzahnung beider Disziplinen.
3 Empirisch-qualitative Untersuchung: Beschreibung des Forschungsdesigns mittels Experteninterviews sowie der methodischen Vorgehensweise bei Datenerhebung und Auswertung.
4 Ergebnisse: Detaillierte Darstellung der empirischen Befunde getrennt nach den Perspektiven von Datenanalytikern und Unternehmen.
5 Diskussion der Ergebnisse: Zusammenführung der Erkenntnisse, Abgleich mit der Theorie, Ableitung praktischer Handlungsempfehlungen sowie kritische Reflexion der Methodik.
6 Fazit und Ausblick: Zusammenfassende Bewertung des aktuellen Standes der Integration von Predictive Analytics im HR und Ausblick auf zukünftigen Forschungsbedarf.
Schlüsselwörter
Predictive Analytics, Human Resources, Personalmanagement, Big Data, Personalarbeit, Datenanalytik, Experteninterviews, Entscheidungsunterstützung, Personalcontrolling, Algorithmen, Datenschutz, Mitarbeiterbindung, Recruiting, Digitale Transformation, Unternehmenskultur
Häufig gestellte Fragen
Worum geht es in dieser Bachelor-Thesis grundsätzlich?
Die Arbeit untersucht, warum Predictive Analytics in vielen Branchen Standard ist, im Bereich Human Resources jedoch noch kaum Anwendung findet, und welche Chancen sowie Barrieren dabei bestehen.
Welche zentralen Themenfelder behandelt die Untersuchung?
Neben den theoretischen Grundlagen von Predictive Analytics werden insbesondere der Reifegrad von Unternehmen, die Rolle der Unternehmenskultur, der Datenschutz und die Identifikation von Anwendungsfeldern im HR betrachtet.
Was ist das primäre Forschungsziel?
Ziel der Arbeit ist es, durch eine qualitative Erhebung explorative Einblicke in das Verständnis und die Akzeptanz von Predictive Analytics im Personalbereich zu gewinnen und konkrete Hürden zu identifizieren.
Welche wissenschaftliche Methode wurde für die empirische Arbeit verwendet?
Der Autor führt eine qualitative Forschung durch, basierend auf 14 halbstandardisierten, problemzentrierten Experteninterviews mit Datenanalytikern und Personalverantwortlichen.
Was steht im inhaltlichen Fokus des Hauptteils?
Der Hauptteil gliedert sich in einen theoretischen Abschnitt, der die Methodik hinter Predictive Analytics (z.B. Zeitreihenanalyse, Klassifikationsbäume) erklärt, und einen Ergebnisteil, der die Experteninterviews auswertet.
Welche Schlüsselwörter charakterisieren diese Arbeit?
Zu den wichtigsten Begriffen zählen Predictive Analytics, Human Resources, Personalarbeit, datengestützte Entscheidungsfindung, Unternehmenskultur und digitale Transformation.
Welche Bedeutung hat der "Mensch gegen Maschine"-Diskurs in dieser Arbeit?
Die Arbeit betont, dass HR-Experten Predictive Analytics als unterstützendes Werkzeug sehen, wobei die finale Entscheidungsbefugnis aufgrund der menschlichen Komplexität und Flexibilität beim Menschen verbleiben muss.
Warum gibt es laut Arbeit bisher nur wenige "Business Cases" für HR-Analytics?
Die Untersuchung zeigt, dass es oft an einer einheitlichen Datenbasis, zeitlichen Kapazitäten und einer Unternehmenskultur mangelt, die HR als strategischen Partner und nicht als reines Cost-Center betrachtet.
- Citation du texte
- Viktor Andrin (Auteur), 2015, Predictive Analytics im Bereich Human Resources. Chancen und Hürden für die Personalarbeit, Munich, GRIN Verlag, https://www.grin.com/document/307984
