Human Resources

Perlensuche.

Bei der Besetzung von Stellen fallen die dringend benötigten leistungsstarken, aber querdenkenden Bewerber oft durch das Netz? Mittels Predictive Analytics können Unternehmen sie gezielt «heraussieben».  

* Von Stefan Scholten

Fachkräfte und High Potentials sind knapper denn je. Der Kampf um die besten Köpfe ist hart. Deshalb stehen Themen wie Mitarbeitergewinnung und -entwicklung zunehmend ganz oben auf der Prioritätenliste des Managements. Die richtigen Kandidaten zu finden und qualifizierte Mitarbeiter langfristig an das Unternehmen zu binden, sind zwei erfolgsentscheidende Aufgaben, mit denen sich Organisationen und vor allem HR-Abteilungen auseinandersetzen müssen.
Moderne Analysemethoden und -systeme können Unternehmen dabei unterstützen, diese Herausforderungen noch besser zu bewältigen.  

Ziel bei der Gewinnung neuer Mitarbeiter ist es, möglichst schnell und mit geringem Aufwand die passenden Bewerber von den unpassenden zu unterscheiden. Letztlich müssen genau die Kandidaten gefunden werden, deren Profil am besten zu einer freien Position passt.

Das verbreitete Mittel bei der Auswahl potentieller Mitarbeiter ist die Nutzung von Interviewleitfäden und Checklisten, um die Bewerber zu klassifizieren, zu vergleichen und zu selektieren. Dieser Prozess ist oftmals sehr zeitaufwendig und bedarf einer Vielzahl von Auswahlrunden, an denen meist mehrere Mitarbeiter aus HR- und Fachabteilung beteiligt sind. Und nicht selten werden bei diesen Verfahren bereits früh Kandidaten aus dem Prozess ausgeschlossen, deren Bewerbungsunterlagen oder Profile nicht den gängigen Standards entsprechen.

So fallen häufig gerade die Kandidaten durch das Raster, die bei Ihrer Bewerbung besonders innovativ und kreativ vorgegangen sind. Das ist schade, denn gerade diese wenig stromlinienförmigen Kandidaten sind rar. Gerade in Zeiten von Digitalisierung und einem grundlegenden Strukturwandel der Wirtschaft, da ein Umdenken und «Anderssein»  für viele Unternehmen erfolgsentscheidend ist, können Querdenker der Organisation neuen Schwung und Inspiration geben.
Doch wie gelingt es, derartige Juwele aus der Flut der Bewerber herauszufiltern und nicht voreilig auszusortieren? Oder weitergedacht: Wie schafft man es, dass sich gerade diese klugen Köpfe beim eigenen Unternehmen bewerben?   



Predictive Analytics unterstützt.
Moderne Analysesysteme, die mit Methoden des maschinellen Lernens arbeiten, können Unternehmen enorm dabei helfen, den Bewerbungsprozess zu erleichtern und zu optimieren. Sie behandeln jede Bewerbung gleich – objektiv und  unabhängig von ihrer äußeren Form. Dabei werten sie die verfügbaren Informationen wertfrei und detailliert aus und haben damit einen gewaltigen Vorteil gegenüber der menschlichen Bewertung, die unterbewusst stets weniger relevante Dinge wie etwa das Design mit einfließen lässt.

Die angewendeten Algorithmen analysieren genau, ob und in wieweit das Stellenprofil und die verfügbaren Bewerberinformationen jeweils zueinander passen. Sie können sogar prognostizieren, ob es bei einem von der Qualifikation her geeigneten Kandidaten zu einem Vertragsabschluss kommen wird oder nicht.

Diese maschinelle Form der Datenauswertung hat den großen Vorteil, dass sie im Gegensatz zu einer handverlesenen Auswahl schneller, genauer und absolut objektiv geschieht. Die Grundlage dieses automatischen Prozesses bilden klassische Methoden der prädiktiven Analyse wie vor allem Text Mining, Assoziationsanalyse, Klassifikation und Segmentierung.

Zur Unterstützung der Mitarbeiter-Rekrutierung verwenden die Experten  in erster Linie Text-Mining-Methoden. Hierbei werden Schlagworte wie etwa «Vertriebsdirektor», «Siemens»,  «von 1987 bis 1995» oder «Diplom-Volkswirt» aus den digitalen oder nachträglich digitalisierten Bewerbungsunterlagen ausgelesen und verschiedenen Kategorien zugeordnet.
Diese Kategorien, wie zum Beispiel «vorheriger Arbeitgeber», «Dauer der Beschäftigung», «Fachkenntnisse im Vertrieb», «akademischer Abschluss», «Personalverantwortung» oder auch persönliche Angaben zum Bewerber können für jede Ausschreibung vor der Analyse individuell ausgewählt werden.

Die Zuordnung von Schlagworten aus den Bewerbungsunterlagen zu diesen Kategorien erfolgt auf der Basis vorhandener oder selbst erstellter Wörterbücher und Regelsets, die mit der Zeit immer umfangreicher und präziser werden. Selbst Rechtschreibfehler können bei der Analyse erkannt, eliminiert oder bewertet werden.

Um diesen Wissenskorpus zu erstellen und das System zu trainieren, ist neben den Bewerbungsunterlagen vor allem das Fachwissen der HR-Spezialisten gefragt.

Das Ergebnis solcher Analysen sind  Kerninformationen wie Wohnort, Alter, Geschlecht, Werdegang mit der jeweiligen Verweildauer des Kandidaten, fachliche Kenntnisse, Interessen, Gehaltswünsche sowie der Ausbildungsgrad. Sie werden aus den unstrukturierten Texten extrahiert und in einer normierten Form in Bezug gebracht. Anhand der gewonnenen Informationen, die in digitaler Form vorliegen, kann die inhaltliche Bewertung jedes Bewerbers – im Vergleich zu seinen Mitstreitern – automatisiert erfolgen.

Um eine überschaubare Anzahl geeigneter Kandidaten zu ermitteln, erfolgt nun ein Abgleich der Charakteristika aller Bewerber  mit dem zugehörigen Stellenprofil. Hierzu werden diverse Verfahren der Segmentierung verwendet, die für jeden Kandidaten einen Wert  errechnen, der angibt, wie hoch seine Übereinstimmung mit dem gewünschten Profil ist. Die Voraussetzung für diesen Schritt ist, dass zuvor auch das Stellenprofil entsprechend analysiert und kategorisiert wurde.
Alternativ können eingehende Bewerbungen auch mit dem gesamten offenen Stellenbestand abgeglichen werden, um dem Kandidaten alternative Angebote zu  unterbreiten, auch wenn er für die Stelle, auf die er sich beworben hat, nicht (ausreichend) qualifiziert ist.  


Objektive Erkenntnisse als Basis.
Natürlich ersetzen die maschinellen Analysen und Auswahlverfahren kein Bewerbungsgespräch – aber sie erleichtern und objektivieren die Selektion und garantieren ein hohes Maß an Passgenauigkeit bei den ausgewählten Kandidaten.
Auf diese Weise kann mehr Zeit für den wichtigen Teil des Einstellungsprozesses verwendet werden: das persönliche Kennenlernen des Bewerbers. Und unterstützt durch den bekannten «Nasenfaktor» steigt die Wahrscheinlichkeit enorm, nicht nur die formal besten Kandidaten zu finden, sondern auch die, die den Vertrag tatsächlich unterschreiben und darüber hinaus für längere Zeit bei dem Unternehmen bleiben werden.

Solche Verfahren sind bereits seit vielen Jahren gängige Praxis an einigen Universitäten, wie zum Beispiel der Sydney Western University, die auf der Basis dieser beiden Schätzgrößen ihre Bewerber bewerten, ihre Auslastung planen und Studienabbrüche reduzieren.

Zusätzlich kann auch die Unternehmenskultur als Faktor hinzugezogen werden. Dazu werden die Informationen über Ausbildung, Alter, Hobbys und Interessen der Bewerber mit unternehmensinternen Daten der Mitarbeiter abgeglichen. Dies ist ein überaus nützliches Vorgehen, um herauszufinden, ob ein potentieller neuer Mitarbeiter zum Unternehmen passt, sich integrieren oder eher herausstechen wird.

Wie auch in anderen Disziplinen der prädiktiven Analyse ist es unabdingbar, im Voraus möglichst viele Informationen über die Vergangenheit zu sammeln, damit die Algorithmen auf dieser Basis Mus-ter erkennen  und Empfehlungen aussprechen können.

Hilfreich sind prädiktive Analysen nicht nur bei der Bewerberauswahl. Auch bei der Erstellung eines Angebots sind zuvor gewonnene Informationen nützlich, um etwa ein angemessenes Gehalt(skonstrukt) vorzuschlagen – sowohl in den Vertragsverhandlungen als auch bereits bei der Ausarbeitung des Stellenprofils.  


Topkandidaten vor anderen finden.
Neben der Auswahl geeigneter Bewerber ist die proaktive Suche nach interessanten Kandidaten – beispielsweise in den einschlägigen Onlineplattformen wie etwa LinkedIn oder Xing – ein weiterer lohnender Anwendungsfall für Predictive-HR-Maßnahmen.

Insbesondere bei  Managementpositionen und Stellen für IT-Fachkräfte liegt in diesem Vorgehen großes Potential – aufgrund der vielen frei zugänglichen Daten im Netz. Vor allem die Informationen über Jobwechsel können dazu genutzt werden, ein HR-Recruiting-System zu speisen und zu trainieren. Auf diese Weise wird es leichter, wechselwillige Kandidaten früh zu erkennen und anzusprechen, ehe sie von anderen Firmen geworben werden.

Die meisten Personalberater und HR-Referenten verzichten bislang noch auf diese Methoden. Wer prädiktive Systeme verwendet, kann sich daher einen deutlichen Zeitvorsprung verschaffen und unmittelbar auf erhöhte Aktivitäten möglicher High Potentials reagieren, die auf ihren Profilen in Online-Portalen beispielsweise ihre Lebensläufe überarbeiten – und nicht erst, wenn sie Angaben machen wie «wechselwillig» oder «suche neue Herausforderung». So erhalten Unternehmen die Möglichkeit, eine Vielzahl von Charakteristika zu berücksichtigen und mehr Kandidaten zur richtigen Zeit anzusprechen, was letztendlich dazu führen kann, in  der Menge der Profile die «Nuggets» zu finden.  


Die Zukunft liegt in «Predictive HR».
Was aktuell noch ein wenig Zukunftsmusik zu sein scheint und besonders in Deutschland schwierig umzusetzen ist, ist die Unterstützung der Personalentwicklung mittels prädiktiver Methoden. Zwar ist durch Jahresgespräche und digitale Personalakten viel Wissen über erfolgreiche Karrierepfade, Know-how-Aufbau, Stimmungsbilder oder Leistung vorhanden. Jedoch dürfen diese Daten nicht ohne  das Einverständnis der Mitarbeiter genutzt werden.

Trotzdem sind diese Informationen ein wichtiger Baustein für die konkrete Karriereplanung, da genau hier die Maßnahmen und Wirkungen durchgängig dokumentiert sind. Anhand dieser Erkenntnisse ließen  sich abhängig von den Eigenschaften eines Mitarbeiters ziemlich genau die folgenden Karrierestufen und ein avisiertes Ziel ermitteln – und auf dieser Grundlage entscheiden, welche Maßnahmen den größten Erfolg für die Mitarbeiterentwicklung versprechen.

Diese Faktoren könnten dann in Personalgesprächen als Grundlage verwendet werden. Zudem wäre die Personalabteilung in der Lage, die Möglichkeiten einer Beförderung und der Leistungssteigerung der Mitarbeiter rein faktenbasiert vorherzusagen und zu thematisieren.

Kritisch zu bewerten ist jedoch die Gefahr für die Angestellten: Denn die analytischen Methoden ermöglichen nicht nur Empfehlungen im Hinblick auf weitere Karriereschritte, Weiterbildungen oder Fördermöglichkeiten. Mittels Predictive Analytics lassen sich beispielsweise auch die Kündigungswahrscheinlichkeiten bestimmter Mitarbeiter voraussagen.
Derartig problematische Punkte aber ändern nichts an der Tatsache, dass Predictive Analytics-Methoden die Prozesse im Personalbereich entscheidend weiterentwickeln und so zu einem Erfolgsfaktor für Unternehmen werden können. 

 

*) Stefan Scholten leitet das Competence Center Big Data Analytics bei der Düsseldorfer Unternehmensberatung avantum consult AG. Der Wirtschaftsinformatiker berät seit 1998 Unternehmen bei Methodik, Architektur und Strategie in Business Analytics- und Big Data-Projekten. Seit vielen Jahren beschäftigt er sich intensiv mit Anwendungen im Bereich des maschinellen Lernens sowie des Text- und Dataminings.

 

Quelle: BUSINESS INTELLIGENCE MAGAZINE, www.bi-magazine.net 
© ProfilePublishing Germany GmbH 2016. Alle Rechte vorbehalten. 
Vervielfältigung nur mit Genehmigung der ProfilePublishing Germany GmbH

Business Intelligence Magazine: Springe zum Start der Seite