Big Data in Human Resources (HR) wird immer häufiger für die Rekrutierung, Einstellung und Bindung der besten Mitarbeiter eingesetzt. Hier sind drei Gründe, warum immer mehr Unternehmen Predictive Analytics einsetzen, um das Endergebnis zu verbessern.

Effektiveres Recruiting

Mithilfe von Big Data können Sie herausfinden, welche Kandidaten sich am besten für offene Positionen eignen. Ein Teil des Data-Mining-Prozesses kann das Sammeln von Informationen aus Lebensläufen und Social-Media-Profilen umfassen, um klarer zu identifizieren, welche potenziellen Neueinstellungen produktiver sein können, und um Diversity zu einem Arbeitsplatz hinzuzufügen. Personalverantwortliche können dann ihren Kandidatenpool einschränken und entscheiden, auf welche Bereiche der Evaluierung sie sich während der Interviews konzentrieren sollten. Durch die Umsetzung dieser Strategie bewegt sich der Einstellungsprozess schneller und die richtigen Leute werden öfter eingestellt.

Zum Beispiel rekrutierte eine Bank in Asien zuvor die Top-Absolventen hoch angesehener Universitäten für die Besetzung ihrer 8 000 Rollen in 30 Zweigstellen. Nachdem die Bank eine organisatorische Umstrukturierung durchlaufen hatte, begann die Institution mit Data Mining-Informationen, die 30 Punkte in den Kategorien Mitarbeiterleistung, Berufsgeschichte, Demografie, Amtszeit und Brancheninformationen aus ihren aktuellen Ressourcen abdeckten. Die Bank begann Datenanalysen zu verwenden, um aktuelle Mitarbeiter zu identifizieren, die am ehesten ihre Positionen übertreffen, neue Rollen innerhalb der Organisation schaffen und zusätzliche Einblicke in die Motivation von Arbeitnehmern gewinnen.

Durch die Verwendung von Vorhersageanalysen entdeckte die Bank Gemeinsamkeiten zwischen Hoch- und Niedrigleistenden und erstellte Profile für Arbeitnehmer mit einer stärkeren Möglichkeit, sich in einer bestimmten Rolle zu übertreffen. Die Informationen zeigten auch, dass die Struktur der Filialen und Teams sich auf das finanzielle Wachstum der Institution auswirkt. Zudem zeigten Big Data, dass bestimmte Rollen den größten Einfluss auf den Erfolg der Bank hatten.

Infolgedessen wurden neue Organisationsstrukturen um bestimmte Teams und Gruppen von Arbeitnehmern geschaffen. Da die Bank anfing, Datenanalysen für die Rekrutierung und Messung der Leistung zu nutzen, stieg die Branchenproduktivität um 26%, die Conversion-Rate der neuen Rekruten um 80% und der Reingewinn um 14%.

Weniger einseitige Einstellungen

Die vorausschauende Analyse reduziert die Verzerrung, die bei Entscheidungen anfällt, die sich auf die Leistung eines Unternehmens auswirken. Zum Beispiel bringen viele Personalverantwortliche Kandidaten mit, die ähnliche Eigenschaften wie ihre Top-Mitarbeiter haben. Da jedoch bestehende Mitarbeiter nach denselben voreingenommenen Methoden eingestellt wurden, fehlt es den Organisationen in der Regel an einer kulturellen und intellektuellen Vielfalt, was den Gesamterfolg eines Unternehmens beeinträchtigen kann. Durch die Erstellung von Modellen und Benchmarks für die Bewertung von Arbeitern und Geschäftsbereichen können Unternehmen besser erkennen, welche Mitarbeiter und welche Beiträge für das Unternehmen am wertvollsten sind, und prädiktive Analysen verwenden, um klarer zu bestimmen, welche Mitarbeiter in ihren Positionen hervorragende Leistungen erbringen können.

Zum Beispiel wollte ein professionelles Dienstleistungsunternehmen, das jährlich 250.000 Bewerbungen erhielt, die Zeit und das Geld für die Überprüfung von Lebensläufen reduzieren, die Effektivität des Screening-Prozesses verbessern und mehr Frauen für seine Belegschaft einstellen. Durch die Verwendung von Vorhersageanalysen berücksichtigte der Algorithmus die Lebensläufe der früheren Bewerber, die Befragten, denen Positionen angeboten wurden, und diejenigen, die diese akzeptierten. Das Modell verknüpfte die Daten mit den Einstellungszielen des Unternehmens, schränkte die Liste der Kandidaten ein, die am ehesten in den offenen Positionen glänzen würden, und verlegte diese Lebensläufe auf den nächsten Schritt im Einstellungsprozess. Etwa 45% der Lebensläufe wurden überarbeitet, 15% mehr Frauen im Screening-Prozess im Vergleich zu manuellem Screening und das Unternehmen erzielte einen Return on Investment (ROI) von 500%.

Höhere Retentionsraten

Big Data hilft dabei, die Verbleibquote zu verbessern, indem gezeigt wird, welche Arbeitnehmer mit größerer Wahrscheinlichkeit ausscheiden und welche in eine andere Position in der Organisation versetzt werden müssen, gefördert werden oder einen Mentor als Ermutigung erhalten, bei das Unternehmen. Solche Veränderungen erhöhen oft das Arbeitsengagement, die Arbeitszufriedenheit und die Produktivität, sodass die Mitarbeiter bei der Organisation bleiben.

Zum Beispiel tragen Mitarbeiter der Bank of America Corp. (NYSE: BAC BACBank of America Corp27. 67-0. 54% erstellt mit Highstock 4. 2. 6 ) Personalausweise mit eingebetteten Sensoren zur Überwachung zwischenmenschlicher Interaktionen zwischen ihren Call-Center-Mitarbeitern. Wells Fargo & Co. (NYSE: WFC WFCWells Fargo & Co56. 14-0. 37% Erstellt mit Highstock 4. 2. 6 ) verwendet Predictive Analytics zur Bestimmung, welche Kandidaten für Positionen am besten geeignet sind als Kassierer und persönliche Banker, je nachdem, ob die Kandidaten die Eigenschaften von engagierten und leistungsfähigen Arbeitern besitzen. Nach einem Jahr der Umsetzung des Programms erhöhte sich die Beibehaltung von Bankangestellten und persönlichen Bankern um 15 bzw. 12%.

The Bottom Line

Big Data im Personalwesen hilft Unternehmen, Zeit und Geld zu sparen, wenn sie ihre besten Mitarbeiter rekrutieren, einstellen und halten. Mehr Unternehmen werden vorausschauende Analysen in ihren Geschäftspraktiken implementieren, da Unternehmen zunehmend den Wert des Prozesses erkennen und das Endergebnis verbessern möchten.