HR Analytics: Modernes Personalcontrolling im Fokus / 4 Projektschritte zur Umsetzung von HR Analytics im Betrieb

Das Vorgehen eines HR Analytics-Projektes lässt sich grob in fünf Stufen einteilen, die auch dem LAMP-Ansatz von Cascio und Boudreau als Rahmenmodell zur strategischen Analyse von Mitarbeiterdaten mit den Aspekten Logik, Analyse, Maße und Prozesse folgen.^[1]

1. Ausarbeitung eines Business Cases: Am Anfang jedes HR Analytics-Projektes steht die Formulierung einer Fragestellung, die bestimmt, welche Daten gebraucht werden und welche Methodik Anwendung findet. In der Praxis reicht das Erkenntnisinteresse allein nicht aus. Es braucht einen Business Case, um die zeitlichen und finanziellen Investitionen in die Analysekompetenzen und Datenbeschaffung zu rechtfertigen.
2. Aufbau einer Dateninfrastruktur: Für HR Analytics-Projekte braucht es i. d. R. Daten aus unterschiedlichen betriebsinternen und mitunter auch betriebsexternen Quellen, die zusammengeführt und aufbereitet werden müssen. Schnittstellen zwischen den Systemen und die Datenhaltung in einer Datenbank sind oftmals große Hürden auf dem Weg zur Datenanalyse. Zudem setzt die Datenschutz-Grundverordnung hohe Anforderungen an die Verwendung personenbezogener Daten. Daher ist es ratsam zu prüfen, inwieweit anonymisierte oder aggregierte Daten für die Analyse ausreichen.
3. Datenanalyse: Im Kern geht es um das Erkennen von Mustern und Zusammenhängen in den Daten durch den Einsatz statistischer Verfahren. Für die Analyse kommt eine Vielfalt an Methoden in Frage. Dazu zählt auch die deskriptive Statistik, die über Mittelwerte und Korrelationen bereits einfache Zusammenhänge identifizieren kann. Die Interpretation von Korrelationen ermöglicht allerdings keinen Rückschluss auf Ursache-Wirkungsbeziehungen, da vermeintliche Zusammenhänge durch unbeobachtete Einflussgrößen getrieben sein können. Um diese weitestgehend auszuschließen, braucht es Methoden der Kausalanalyse und im Bestfall Datensätze mit Messungen zu mehreren Zeitpunkten. Auch quasi-experimentelle Settings kommen in Betracht, wenn Maßnahmen an verschiedenen Standorten zu unterschiedlichen Zeitpunkten eingeführt wurden und sich damit Vergleichsmöglichkeiten zu Kontrollstandorten ergeben. Dort wo Zusammenhänge eine hohe Komplexität aufweisen und wenig über die Wirkungsmechanismen bekannt ist, können explorativ auch KI-Systeme angewendet werden.^[2]
4. Interpretation: Die Datenanalyse unter Anwendung statistischer Verfahren enthält noch keine verwertbaren Erkenntnisse. Hierfür braucht es das Wissen im betrieblichen Kontext und die Erfahrungen der Entscheider, um die Ergebnisse interpretieren zu können. Auch ein kritischer Blick auf mögliche strukturelle Verzerrungen der Schätzmethoden und den zugrundeliegenden Annahmen ist notwendig, um aus Daten Informationen abzuleiten.
5. Ableitung von Maßnahmen: Damit das HR Analytics-Projekt mehr als eine empirische Übung ist, müssen die Entscheidungsebenen im Unternehmen von dem praktischen Nutzen überzeugt werden und Maßnahmen ergriffen werden, die den Erkenntnisgewinn in praktische Verbesserungsmaßnahmen überführen.

[1] Vgl. Atabaki/Biemann, 2018, S. 128 ff.; Hammermann/Thiel, 2019, S. 10 f.

[2] Vgl. Hammermann et al., 2022, S. 18 ff.