HR Analytics: Modernes Personalcontrolling im Fokus / 2 Entwicklung der evidenzbasierten Entscheidungsfindung im Personalwesen

2.1 Die Anfänge der Kennzahlensysteme im Personalwesen

Das Personalcontrolling ist noch eine vergleichsweise junge Disziplin. Die ersten Human Resources (HR)-Kennzahlen und HR-Benchmarks veröffentlichte Fitzenz in den USA Ende der 1970er Jahre^[1]. Im Personalcontrolling wird anhand von Soll-Ist-Vergleichen von HR-Kennzahlen wie der Fluktuationsrate oder den Krankentagen die Zielerreichung regelmäßig überprüft. Da i. d. R. einzelne Kennzahlen nicht zur Abbildung von strategischen Zielsetzungen ausreichen, werden auch im Personalcontrolling Kennzahlensysteme eingeführt und die Key-Performance-Indikatoren (KPI) in Beziehung zueinander gesetzt.

Mit der Entwicklung der Balance Scorecard von Kaplan und Norton^[2] wurden finanz-, prozess-, mitarbeiter- und kundenbezogene Kennzahlen stärker miteinander verknüpft, um Ursache-Wirkungsbeziehungen aufzuzeigen. Während Finanzkennzahlen oftmals erst (zu) spät auf Handlungsbedarfe hindeuten, bieten sich Kennzahlen, die bereits Störungen im Arbeitsablauf aufzeigen, als Frühindikatoren an. Aufbauend auf der Arbeit von Kaplan und Norton entwickelten Becker et al. im Jahr 2001 die HR-Scorecard^[3], ein weiterer Meilenstein für den Weg hin zu einem kennzahlenbasierten Personalwesen.

Unter dem Begriff HR Analytics oder auch People Analytics werden seit einiger Zeit die Potenziale einer datenbasierten Ausrichtung im Personalwesen noch einmal neu diskutiert. Anders als im klassischen Personalcontrolling, in dem der aktuelle Stand und die Entwicklungen von deskriptiven Kennzahlen in Reports, Dashboards oder Scorecards im Vordergrund der Analyse stehen, geht es bei HR Analytics um eine prädiktive oder präskriptive Analyse, indem Zusammenhänge aufgedeckt und Entwicklungen vorhergesagt werden sollen.^[4]

Die drei genannten Analyseformen unterscheiden sich in ihrer Zielsetzung:^[5]

• Deskriptive Analyse: Beschreibung von Fakten und Daten zu einem bestimmten Zeitpunkt oder im Zeitablauf.
• Prädiktive Analyse: Vorhersage was, wann und vor allem auch warum passiert.
• Präskriptive Analyse: Empfehlungen, wie ein bestimmtes Ziel unter den gegebenen Bedingungen erreicht werden kann.

[1] Vgl. Reindl/Krügl, 2017, S. 32.

[2] Vgl. Kaplan/Norton, 1996

[3] Vgl. Becker et al., 2001.

[4] Vgl. Reindl, 2016, S. 193f.; Hammermann/Thiele, 2019, S. 4f.

[5] Vgl. Kornwachs, 2018, S. 124.

2.2 Entwicklungsstufen der datenbasierten Personalarbeit

Ganz trennscharf ist die Unterscheidung zwischen Personalcontrolling und HR Analytics jedoch nicht.^[1] Abb. 1 gibt schematisch die Entwicklung der Datenorientierung im Personalwesen hin zu einer stärkeren strategischeren Datenanalyse wieder. Als Entwicklungsstufe mit dem geringsten Wertschöpfungsbeitrag werden Entscheidungen definiert, die rein auf dem Erfahrungswissen beruhen. Darauf folgen Entscheidungen, die auch Daten aus dem Berichtswesen und Kennzahlen des Personalcontrollings einbeziehen. Als fortschrittlichste Stufe mit dem höchsten Wertschöpfungsbeitrag wird der Einsatz von Verfahren im Rahmen von HR Analytics zur strategische Datenanalyse dargestellt.

Ein höherer Wertschöpfungsbeitrag kann jedoch nur dann eintreten, wenn der Analyse auch ein guter Business Case zugrunde liegt (wie im Abschnitt 4 erläutert). In der Praxis existieren die hier dargestellten Entwicklungsstufen nebeneinander und finden jeweils Anwendung, je nachdem welche Ziele verfolgt werden. Neben dem Ziel der Ursache-Wirkungsanalyse oder der Trendvorhersage und fortgeschritteneren statistischen Methoden zeichnet sich HR Analytics häufig auch dadurch aus, dass nicht nur strukturierte Daten aus dem Berichtswesen verwendet werden, sondern weitere Datenquellen wie Mitarbeiterbefragungen oder unstrukturierte Daten, die als Text- Audio oder Videodateien, vorliegen.

Abb. 1: Entwicklung der Datenorientierung im Personalwesen^[2]

[1] Vgl. Hammermann et al., 2022, S. 5ff.

[2] Reindl, 2016, S. 194.