Kennzahlen für das Personalmanagement / 5 Personalkennzahlen als Basis für People Analytics

Ausgehend von der Steuerung durch quantitative Personalkennzahlen kam historisch zunehmend die Abbildung qualitativer Sachverhalte dazu. Es folgten die Einbindung von Benchmarks und verschiedenen Perspektiven, via Balanced Scorecard. Derzeit geht die weitere Entwicklung hin zu People Analytics. Hiermit werden nicht nur (deskriptiv) Sachverhalte der Vergangenheit dargestellt. Vielmehr wird mittels statistischer Betrachtungen versucht, Beziehungen zu validieren und darüber hinaus Vorhersagen zu treffen (predictive Analytics) und Wirkungen von Entscheidungen zu simulieren (prescriptive Analytics).

All dies basiert jedoch auf Personalkennzahlen. Um hilfreiche Ergebnisse zu bekommen, sind eine solide Basis und ein umfangreiches Wissen zu den Berechnungen, Zwecken, Zielen sowie Hintergründen zu den Kennzahlen erforderlich.

Praxis-Beispiel

Flight Risk Score

Vorhersagen für die Zukunft treffen, anstatt hinterher die Tatsachen abbilden und zu hinterfragen. Der Flight Risk Score bietet hier ein gutes Beispiel, wie nicht nur die Fluktuation in der Rückwirkung betrachtet wird, sondern dafür verwendet werden kann besonders fluktuationsgefährdete Mitarbeiter zu identifizieren, bevor sie kündigen. Dazu müssen zunächst zahlreiche Daten von noch im Unternehmen verbliebenen Mitarbeitern und denjenigen, die das Unternehmen verlassen haben, auf statistisch bedeutsame Unterschiede hin untersucht werden. Von verschiedenen Firmen wird berichtet, dass insbesondere mangelnde Aufstiegsmöglichkeiten in Verbindung mit geringer Gehaltssteigerung sowie Entfernungen von Wohn- und Arbeitsort häufig eine besondere Rolle spielen. Diese Erkenntnisse werden dann wiederum auf die Mitarbeitenden übertragen, um eben daraus eine – statistisch wahrscheinliche - Gefahr der drohenden Kündigung zu ermitteln. Firmen berichten, dass dann nicht direkt mit den Betroffenen gesprochen wird. Vielmehr ist es sinnvoll Angebote zu machen, um wahrscheinlich Gründe zu beheben oder zumindest zu mildern. Das kann das Angebot zwei Tage remote zu arbeiten, ein nächster Karriereschritt und/oder eine Gehaltserhöhung sein.

Entscheidend ist dabei die Verknüpfung unterschiedlicher Personaldaten, z.B. aus der Rekrutierung, Personalbeurteilungen, Entgeltabrechnung oder Mitarbeiterbefragungen, sowie Definition und Etablierung von Datenstandards. Unterschieden werden können hierbei die verschiedenen Stufen einer reinen Analyse von Zusammenhängen, die Ermittlung von Effekten sowie darauf aufbauend die Vorhersage bis hin zu Simulationen.

Bei der Korrelationsanalyse wird bspw. der Zusammenhang zwischen Führung und Fehltagen untersucht, indem Daten aus der Mitarbeiterbefragung zur Führung in einem Jahr mit den Fehltagen derselben Organisationseinheiten im Jahr darauf analysiert werden. Besteht zwischen diesen Kennzahlen ein statistisch bedeutsamer Zusammenhang, könnte die Mitarbeiterbefragung ein Frühindikator für Fehltage sein. Allerdings können Korrelationen auch auftreten, weil ganz andere Einflussfaktoren auf beide betrachteten Variab-len wirken. Eine unmittelbare Wirkung der Führung auf Fehltage ist damit noch nicht belegt.

Um die zweite Stufe zu erreichen, d.h. die Ermittlung des Effekts, müsste ein Unternehmen gezielt Maßnahmen für Teilgruppen des Unternehmens verändern. Z.B. könnte in ähnlichen Filialgeschäften mit ähnlicher Mitarbeiterstruktur einem Teil der Führungskräfte durch Coaching Verbesserung in der Führung gelingen. Im Nachgang könnte man dies ggf. feststellen und noch einmal weitergedacht unterschiedliche Fluktuationsraten in den Filialen ohne gecoachter Führungskraft gegenüber denen mit gecoachter Führungskraft feststellen. Erst mittels eines solchen Vorgehen kann die kausale Wirkung von Maßnahmen analysiert werden.

Bei den Prognosen für die Zukunft werden- basierend auf verschiedenen Variablen - Wahrscheinlichkeiten berechnet, dass bestimmte Folgen eintreten, wie im obigen Beispiel gezeigt.

Ein professioneller Umgang mit Kennzahlen ist hier wichtiger denn je.