HR Analytics am Beispiel von 8.000 Direktansprachen

Analytics, Business Intelligence, BigData, HR Analytics sind Bestandteile des Begriffsraums, der in diesem Jahr auch in dem DACH-HR-Universum zunehmende Aufmerksamkeit genießt. Es bestehen allerdings noch viele Unklarheiten. Was bedeuten die Verallgemeinerungen im Detail? Was kann man mit ihnen theoretisch machen? Und wie sieht es eigentlich mit den Beispielen aus der Praxis aus?

Passend zu diesen Fragestellungen verweise ich heute gerne auf den kurzen Artikel „How HR Analytics will transform the world of hiring“ (und im Grunde auf den ganzen Blog dahinter), der eine Übersicht über die Einsatzmöglichkeiten von HR-Analytics liefert. Da haben wir unterschiedliche Themen. Eines davon ist z.B. die Vorhersage der Rekrutierungserfolgs. Die Idee in Kurz ist, man beobachtet, was man bis jetzt macht, erkennt Gesetzmäßigkeiten und testet Annahmen zur Verbesserung, beobachtet, erkennt, testet.

Ein sehr interessantes und beeindruckendes praktisches Beispiel in diesem Kontext lieferte vor ein paar Wochen Aline Lerner im Blog von hiring.com unter dem Titel „What I learned from reading 8,000 recruiting messages“. Es wurde im großen Rahmen untersucht, was in einem Ansprache-Text an Ingenieure stehen muss, damit eine Interaktion wahrscheinlicher wird.

So wurde z.B. festgestellt, dass es durchaus ratsam sein kann, wettbewerbsfähige(re) Gehälter bei der Ansprache zu erwähnen (nicht vergessen, es geht hier um die USA), um eine positive Reaktion zu forcieren. Keine wirkliche Überraschung. Dennoch ist die Verteilung interessant. Bei einem Gehaltswunsch von 120.000$ führten Abweichungen von +/- 10.000$ zu +20%  /  -25%! Interaktion.

People Want to be Paid What They're Worth

Die bei Weitem meisten Ablehnungsgründe waren allerdings nicht der finanziellen Seite, sondern der Einschätzung des Unternehmens insgesamt geschuldet.

Most Rejections Aren't About Money

Und natürlich sind vernünftig und ernsthaft personalisierte Anschreiben wesentlich effektiver. Aber hättet Ihr schätzen können, wie deutlich der Unterscheid ausfällt bzw. dass Pseudo-Personalisierung der Ansprache sich nicht lohnt?

Highly Personalized Messages Are Way Better

„Hätte man sich denken können“, wird der eine oder andere sagen. In der Tat, die Erkenntnisse dieser Analyse scheinen auf den ersten Blick kaum revolutionär. Allerdings ist „Denken“ nun mal nicht „Wissen“ und der Teufel steckt bekanntlich im Detail. Ein paar Prozentpunkte hier und da auf der Seite des „Wissen“ können die Ergebnisse unserer Arbeit entscheidend verbessern oder uns zumindest vor dummen Fehlern bewahren. Schaut Euch gerne den ganzen Post von Aline an!

Es ist aus meiner Sicht nie zu spät und nie zu früh, mit der Erhebung und Auswertung von Daten zu beginnen. Es ist ein kontinuierlicher Prozess, der ständigen Verbesserungen und Erweiterungen, je nach Eurem Bedarf und Unternehmensgröße, unterliegt. Ob ihr diesen Prozess intern nun BigData, Business Intelligence, HR Analytics oder von mir aus Big HR Analytics Data for Business Intelligence nennt, ist doch völlig egal. Hauptsache Ihr erkennt den möglichen Mehrwert und arbeitet Euch in diese Richtung vor. Das hat schon vor dem Internet funktioniert.

Viel Erfolg!





Sicher Dir Deine persönliche Online-Demo (ca. 45 min) inklusive individuellem Reichweiten-Benchmark Deiner Karriereseite.

Mehr passende Bewerber? Informiere Dich jetzt über die Reichweiten-Lösung Jobspreader. Lade die Management Summary herunter oder fordere eine Online-Demo inklusive kostenlosen Reichweiten-Benchmark Deiner Karriereseite über das Formular an.

Mit * gekennzeichnete Felder müssen ausgefüllt werden.

api-loader-image

Die Anfrage wird verarbeitet

Misch Dich in die Diskussion ein!

4 KOMMENTARE

  1. Schöner Artikel, Alex. Bin ebenfalls sehr dafür, diese Form der Analytics inhouse zu professionalisieren. Persönlich plädiere ich allerdings auch für mehr qualitative Analysen, die sicher nicht repräsentativ oder reliabel sind, aber als „psychologische Repräsentativität“ durchaus aussagekräftig sind. Wir jedenfalls setzen stark auch auf qualitative Insightgenerierung, die wir dann noch mit den „harten“ Fakten matchen müssten. Aber wir sind dran ;)

    1. Hey Jürgen,

      danke für’s Feedback.
      Weiß gerade nicht 100%, was Du in diesem Kontext unter qualitativen Analysen verstehst. Ließen sich diese Erhebungen nicht auch systematisieren?

      1. Klar, man kann auch qualitative Ergebnisse systematisieren. Kommentar war auch nur als Ergänzung gemeint, da ich im Kontext von Big Data oft von „quantifizierbaren zahlenbasierten Ansätzen“ höre, aber qualitative Ergebnisse eben auch helfen, die eigene Arbeit zu testen und zu verbessern. Es sind dann aber eben nicht nur „Gesetzmäßigkeiten“, die man erkennt, sondern – sagen wir mal – tiefenpsychologische Wirksamkeiten – die allein schon aufgrund der Stichprobengröße im statistisch-numerischen Sinne nicht repräsentativ sein können. Also um am obigen Beispiel „Personalization“ zu bleiben: die Frage nach „emotionalen Ankern“, „Identifikationsprozessen“ etc. etc.
        Kann für mich eben auch zum Thema „Big Data“ gehören oder wie Du so schön sagst „Big HR Analytics Data for Business Intelligence“ ;)

        1. :) Jetzt hab ich’s. Ja, bin da bei Dir!

Schreibe einen Kommentar