Im Zeitalter der Industrie 4.0 werden permanent Daten gesammelt. Maschinen kommunizieren untereinander, Wearables prägen den Alltag und die gewonnenen Daten werden mittels diverser Analyseverfahren teils automatisiert ausgewertet. Im Rahmen von Datenanalysenmethoden gilt es zwischen deskriptiven, prädiktiven und präskriptiven Analyseverfahren zu unterscheiden.
Der Fokus dieser Arbeit liegt dabei auf Predictive Analytics. Predictive Analytics wird als Data-Mining-Verfahren zur systematischen Erkennung bestimmter Muster auf Basis von historischen und gegenwärtigen Daten definiert, welche prognostische Ergebnisse zur Ableitung zukünftiger Handlungsempfehlungen bereitstellt.
Durch die ubiquitäre Vernetzung von Informations- und Kommunikationstechnologie soll bis zum Jahr 2025 die Wirtschaft maßgeblich durch Predictive Analytics beeinflusst und sämtliche Aktivitäten innerhalb der Wertschöpfungskette nachhaltig verbessert werden.
Inhalt der Arbeit:
- Untersuchung von Predictive Analytics und der theoretischen Rahmenbedingungen;
- Deskriptive Betrachtung des derzeitigen Einsatzes von Predictive Analytics in Unternehmen;
- Tangieren gesetzlicher Restriktionen im Rahmen der Datensammlung;
- Präskriptive Analyse über die Entwicklung, Akzeptanz sowie den künftigen Einsatz von Predictive Analytics in der Arbeitswelt 2025
Inhaltsverzeichnis
1. Was steckt hinter Industrie 4.0?
2. HR Intelligence and Analytics
2.1 Predictive Analytics? HR bedeutet People Analytics!
2.2 Vegas, Casinos und das Silicon Valley
2.3 Datenschutz: Doris Day oder Don Alphonso?
2.4 Quo vadis People Analytics?
3. Wie sieht die Arbeitswelt 4.0 in 2025 aus?
3.1 Daten Daten und noch mehr Daten
3.2 Wearables am Arbeitsplatz
3.3 Arbeitnehmer vs. Arbeitgeber
3.4 Konklusion: Was du nicht willst was man dir tu...
4. Personalabteilung 4.0
5. Resümee und Forschungsausblick
Zielsetzung & Themen
Diese Arbeit untersucht die Rolle von Predictive Analytics als Bestandteil des modernen Personalmanagements und analysiert deren Auswirkungen auf die Personalabteilung 4.0 unter Berücksichtigung zukünftiger technischer Entwicklungen und rechtlicher Rahmenbedingungen.
- Grundlagen und Potenziale von Predictive Analytics im Personalwesen.
- Analyse von Praxisbeispielen (z.B. Google, IBM, Xerox).
- Rechtliche Differenzierung des Datenschutzes zwischen Deutschland und den USA.
- Akzeptanz von Datenerhebung und Wearables bei der Erwerbsbevölkerung 2025.
- Anforderungen an die zukünftige Personalabteilung 4.0.
Auszug aus dem Buch
2.2 Vegas, Casinos und das Silicon Valley
Um die theoretische Grundlage hinter People Analytics (Kapitel 2.1) an konkreten Praxisbeispielen zu veranschaulichen, wird in diesem Kapitel näher auf einige Unternehmen eingegangen, die das zuvor erläuterte Instrumentarium bereits einsetzen.
Eines hiervon ist Caesar’s Entertainment (Namensänderung in 2010 von Harrah’s zu Caesar’s), welches mit zahlreichen Hotels und Casinos zu den größten Unternehmen der USA zählt. Caesars setzt zur Optimierung seiner betrieblichen Abläufe auf analytische Verfahren und sammelt daher diverse Daten von seinen Kunden. Unter anderem werden durch eine Kundenkarte die Casinoaktivitäten der Gäste, wie das bei Glücksspielen eingesetzte Vermögen, die aufgewendete Zeit sowie individuelle Spielaktivitäten der Gäste in Echtzeit registriert und automatisch an das angeschlossene Informationssystem übertragen. Diese Informationen werden anschließend, zusammen mit historischen Kundendaten, durch einen Algorithmus dahingehend ausgewertet, dass Kundencluster gebildet werden und z.B. eine Prognose über die zukünftige Nachfrage an Hotelzimmern entsteht. Diese Prognosen werden für den Personaleinsatz verwendet, um die entsprechende Quantität und die richtige Allokation der Mitarbeiter zu gewährleisten.
Auch die Stellenbesetzung der Mitarbeiter selbst erfolgt nicht mehr nur basierend auf einem rein intuitiven Konsens, sondern auf der Grundlage von gesammelten Daten. Der Algorithmus kalkuliert dabei, welcher Bewerber den größten Fit mit einer bestimmten Stelle aufweist. Davenport formuliert dies mit den Worten „(...) using insights derived from data to put the right employees in the right jobs and creating models that calculate the optimal number of staff members (...)“.
Zusammenfassung der Kapitel
1. Was steckt hinter Industrie 4.0?: Einführung in die vierte industrielle Revolution und die zentrale Rolle von Daten sowie der Bedarf an modernen Analyseverfahren im Personalwesen.
2. HR Intelligence and Analytics: Detaillierte Betrachtung von Predictive Analytics, deren Einsatz in der Praxis sowie eine vergleichende Analyse des Datenschutzes zwischen Deutschland und den USA.
3. Wie sieht die Arbeitswelt 4.0 in 2025 aus?: Untersuchung der Akzeptanz von Datensammlung und Wearables durch die Erwerbsbevölkerung sowie die Diskrepanz zwischen Arbeitgeberinteressen und Arbeitnehmerbedürfnissen.
4. Personalabteilung 4.0: Beschreibung der notwendigen Transformation der Personalabteilung hin zu einem interdisziplinären, datengestützten strategischen Partner.
5. Resümee und Forschungsausblick: Zusammenfassung der Ergebnisse und Identifikation von weiterem Forschungsbedarf hinsichtlich der menschlichen Komponente in einer durch Algorithmen geprägten Arbeitswelt.
Schlüsselwörter
Industrie 4.0, Predictive Analytics, People Analytics, Personalmanagement, Datensicherheit, Datenschutz, Arbeitswelt 2025, Wearables, Personalerhaltung, Personalbeschaffung, Algorithmus, Big Data, Humankapital, Personalabteilung 4.0, Digitalisierung.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit?
Die Arbeit befasst sich mit der Anwendung von Predictive Analytics im Human Resource Management und deren Einfluss auf die Gestaltung zukünftiger Personalprozesse im Kontext der Industrie 4.0.
Welche zentralen Themenfelder werden behandelt?
Zentrale Themen sind die technische Datenanalyse (Predictive Analytics), die rechtliche Situation des Datenschutzes im internationalen Vergleich, die Akzeptanz neuer Technologien bei Mitarbeitern sowie die strategische Neuausrichtung des Personalwesens.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, die Potenziale und Herausforderungen datenbasierter Personalentscheidungen aufzuzeigen und Strategien für eine erfolgreiche Implementierung in die "Personalabteilung 4.0" zu formulieren.
Welche wissenschaftliche Methode wird verwendet?
Es handelt sich um eine theoretische Untersuchung, die auf einer Literaturanalyse sowie der Auswertung aktueller Studien zu Arbeitswelt-Trends und Datenschutzaspekten basiert.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in die theoretischen Grundlagen der People Analytics, Praxisbeispiele großer Unternehmen, eine vergleichende Analyse rechtlicher Normen, eine Auswertung zur Akzeptanz bei Arbeitnehmern und die organisatorischen Auswirkungen auf die HR-Abteilung.
Welche Schlüsselbegriffe charakterisieren die Arbeit?
Wichtige Begriffe sind Predictive Analytics, Personalmanagement 4.0, Datenschutz, Arbeitswelt 2025, Wearables und Big Data.
Warum spielt der Datenschutz eine so zentrale Rolle?
Der Datenschutz ist die rechtliche Barriere für die Implementierung datengestützter HR-Prozesse, wobei die Arbeit die Unterschiede zwischen Deutschland und den USA beleuchtet.
Wie unterscheidet sich die "Personalabteilung 4.0" von der traditionellen?
Die Personalabteilung 4.0 agiert durch interdisziplinäres Know-how (Psychologen, Informatiker, Mathematiker) und quantifizierte Fakten strategisch proaktiv, anstatt lediglich historische Berichte zu erstellen.
- Quote paper
- Dennis Bartz (Author), 2016, Predictive Analytics als Data-Mining-Verfahren in der Industrie 4.0. Gute Daten, schlechte Daten?, Munich, GRIN Verlag, https://www.grin.com/document/339868
