Es gibt heute eine gute Nachricht für unsere bestehenden und zukünftigen Jobspreader-Kunden. Seit gestern ist das überarbeitete Jobspreader-Dashboard online.
Die Transparenz der Ergebnisse lag uns bereits seit den ganz frühen Anfängen unserer Personalmarketing-Software (um 2010) am Herzen. Unsere Kunden hatten schon immer Zugriff auf ihre Zahlen. In der jüngeren Vergangenheit genügte der Auswertungsbereich unseren eigenen Ansprüchen allerdings nicht mehr so ganz und so haben wir uns im Frühling an die Arbeit gemacht.
Folgende Ziele hatten wir dabei im Blick:
ansprechendes Design
wesentlich einfachere Bedienung
ausschließlich relevante Daten
bequeme mobile Nutzung (Smartphone & Tablet)
Einfach gesagt, wir wollten ein Dashboard kreieren, mit dem Personaler gerne arbeiten. Wir hoffen sehr, dass es uns gelungen ist. Zahlen sollen Spaß machen!
Falls Ihr noch nicht zu unseren Kunden zählt und keinen Zugang zum Dashboard habt, könnt Ihr schnell und unkompliziert einen Test-Zugang erhalten. Schreibt dazu bitte Johanna Hartz unter demo[ät]wollmilchsau.de an. Wir freuen uns auf Fragen und Feedback.
Und wem unsere Lösung noch gänzlich unbekannt ist, empfehle ich die aktuelle Jobspreader-Produktseite oder eine persönliche Unterhaltung mit unserem Team. Es wird Zeit, neue Wege im Personalmarketing zu gehen.
In seiner Employer Branding Studie 2015 hat CareerArc kürzlich US-weit Personaler und Bewerber rund um Employer Branding und Candidate Experience befragt. Die Ergebnisse lesen sich wie ein Pflichtenheft für alles was Personalmarketer 2015 noch erledigen oder zumindest für 2016 vorbereiten sollen. Und Eurem schlechten Gewissen helfen wir ja immer gerne auf die Sprünge 😉
To Do Nr. 1: Arbeitgeberpositionierung & Kommunikationsstrategie entwickeln
Zuerst einmal hat die Studie ergeben, dass 75% der Stellensuchenden sich vor der Bewerbung mit der Arbeitgebermarke beschäftigen. Unser aller Bemühen um das Thema Arbeitgebermarke ist also berechtigt. Die Befragung der Personaler zeigt leider auch, dass viele Unternehmen bis zu einem professionellen Recruiting noch einen weiten Weg vor sich haben. Denn nur 57 Prozent der Befragten verfügen nach eigenen Angaben über eine Employer Branding Strategie.
To Do Nr. 2: HR-Analytics einführen
Das überdies nur ein Drittel überhaupt versucht, die Auswirkungen seines Employer Brandings/Personalmarketings zu messen, schockiert in der Folge schon nicht mehr ganz so wie es sollte.
To Do Nr. 3: Employer Branding Strategie systematisch auf Social Media verlängern
Als nächstes untermauert die Studie die große Bedeutung, die der digitalen Arbeitgeberpräsenz im Recruiting zukommt. Die Mehrheit der Bewerber besucht nämlich bei der Stellensuche zuerst Karriere-Webseite und Social Media Kanäle eines Unternehmens.
Social Media ist dabei inzwischen nicht mehr Kür sondern Pflicht für die Unternehmen, da fast alle Bewerber mindestens ein Social Media Profil neben der Karriereseite erwarten.
To Do Nr. 4: Candidate Experience analysieren und verbessern
Neben der Arbeitgebermarke sollte auch dringend mehr Augenmerk auf die Candidate Experience gelegt werden. Ein Drittel der befragten Unternehmen enttäuscht hier die Erwartungen der Stellensuchenden. Die größte Enttäuschung ist dabei die verzögerte oder ganz fehlende Rückmeldung zum Status der Bewerbung. Am schockierendsten fand ich hier, dass dies teilweise in vollem Bewusstsein geschieht.
Das die Employer Branding Studie 2015 auch zu Arbeitgeberbewertungen noch ein paar interessante Zahlen hat, verwundert da nicht. Die lest Ihr am Besten selbst nach. Runterladen könnt Ihr die Studie hier.
Seit geraumer Zeit nehme ich mir vor, einen ausführlichen Artikel über die Jobsuchmaschinen zu schreiben.
Man kann sie wohl am besten als die „Zauberwesen“ der Online-Recruiting-Welt bezeichnen. Lange Zeit befanden sie sich, trotz eines erheblichen Beitrags zur Besetzung vieler Stellen, als fleißiger Zulieferer für klassische Jobbörsen wie Stepstone, Monster & Co. unter dem Radar der Öffentlichkeit.
Inzwischen bekommen immer mehr Personaler Wind davon, dass es diese „Zauberwesen“ gibt, doch wenige wissen, was sich wirklich dahinter verbirgt und wie diese Jobsuchmaschinen (wie z.B. Jobrapido, Trovit, Indeed, Adzuna, Jobisjob usw.) genau funktionieren. Dies möchte ich nun möglichst einfach erläutern.
1. Das Geschäftsmodell
In Anlehnung an den Groß- und Einzelhandel kann man die Jobsuchmaschinen als die Großhändler des Online-Recruitings bezeichnen. Großhändler haben Zugriff auf große Mengen einer bestimmten Ware und verkaufen diese wiederum in großen Mengen an Einzelhändler weiter. So gesehen haben die Jobsuchmaschinen zwei Kernaufgaben:
Möglichst viele Bewerber-Zugriffe, möglichst günstig zu generieren
Bewerber-Zugriffe in großen Mengen weiterzuverkaufen
Die Differenz zwischen a) und b) ergibt den Gewinn.
1.1 Wie kann die Jobsuchmaschine Bewerber-Zugriffe „generieren“?
Da Bewerber keine Orangen sind und nicht an den Bäumen wachsen, müssen wir hier ganz kurz unser Abstraktionsvermögen bemühen und ein sehr einfaches Model des Online-Arbeitsmarktes verinnerlichen.
Stellt Euch vor, dass es in Deutschland jeden Tag 3 Menschen gibt, die ins Internet gehen und dann bei Google nach dem gleichen Job suchen. Stellt Euch weiterhin vor, dass es 3 Spieler gibt, die nun um die Aufmerksamkeit dieser 3 Menschen buhlen: Eure Karriere-Webseite, eine klassische Jobbörse, wo Ihr die Anzeige platziert habt, und eine Jobsuchmaschine, die exakt die gleiche Anzeige von der Jobbörse weitergeleitet bekommen hat.
Derjenige der drei Spieler, der am „lautesten schreit“, fängt die Mehrheit dieser 3 suchenden Menschen ein (generiert die meisten Bewerber-Aufrufe oder schlicht Klicks).
Die Jobsuchmaschinen sind besonders gut darin. Es sind überwiegend kleine, sehr effizient aufgebaute Unternehmen mit sehr starkem Fokus auf die (SEO-)Technologie. Sie machen den ganzen Tag nichts anderes, als ihre „Fangnetze“ zu verbessern. Da kommt eine schwergewichtige, klassische Jobbörse nicht so schnell mit – und eine kleine, langsame Karriere-Webseite schon gar nicht.
###promotional-banner###
1.2 Wie verkauft die Jobsuchmaschine die Bewerber-Zugriffe weiter?
Im vorhergehenden Abschnitt habe ich bereits angedeutet, dass die Jobsuchmaschine „Eure Stellenanzeige“ von der klassischen Jobbörse weitergeleitet bekommen hat. Die Jobbörse hat die Anzeige dank einer üblichen Schaltung (30 Tage für X EUR) ja bereits von Euch bekommen.
Die klassische Jobbörse hat mit der Jobsuchmaschine einen Deal. Für jeden Bewerber-Zugriff, den die geschickte Jobsuchmaschine einfangen kann und der anschließend auf „Eure Anzeige“ bei der klassischen Jobbörse weitergeleitet wird, bekommt die Jobsuchmaschinen einen festen Geldbetrag. Den sogenannten Cost-per-Click (CPC).
Je größer die Menge der Bewerber-Zugriffe ist, zu deren Abnahme sich die klassische Jobbörse im Vorfeld verpflichten kann oder will, desto ist niedriger der Preis pro Zugriff. Übliches Groß- / Einzelhandel-Model also. Ist eine solche Zusammenarbeit abgeschlossen, leitet die Jobsuchmaschine automatisch alle generierten Bewerber-Zugriffe auf die Seiten des Einkäufers weiter.
1.3. Die Realität
Die Realität funktioniert tatsächlich nicht viel anders als das beschriebene vereinfachte Modell. Der Unterscheid ist lediglich durch die folgenden Umstände bedingt:
Es gibt einfach viel mehr als nur 3 Menschen, die täglich online nach Jobs suchen.
Es gibt viel mehr als 3 konkurrierende Spieler.
Die klassischen Jobbörsen sind nicht die einzigen Großabnehmer. Es gibt inzwischen auch andere Markt-Teilnehmer, die direkt mit den Jobsuchmaschinen arbeiten.
Die Jobsuchmaschinen handeln auch untereinander bzw. generieren die Zugriffe über andere kleinere Quelle, auf die ich hier nicht im Detail eingehen möchte.
Um Euch aber ein Gefühl für die Komplexität der „Handelsrouten“ der Jobsuchmaschinen selbst zu geben, zeige ich hier mal einen Auszug unserer eigenen Analyse, wer wo wie viel kauft.
2. Die Praxis
Der praktische Umgang mit den Jobsuchmaschinen scheint heute noch viele Endkunden (also Unternehmen) zu irritieren. Zum einen ist dafür der Umstand verantwortlich, dass manche Unternehmen sehr überrascht sind, wenn sie erfahren, dass ihre Stellenanzeigen bei einer mehr oder weniger unbekannten Jobsuchmaschine bereits auftauchen. „Ich kenne sie nicht. Ich war das nicht. Was soll das?!“.
Die zweite verbreitete Irritation ist im Grunde eine Folge der ersten. Wenn Unternehmen mit der Tatsache konfrontiert werden, dass vernünftige Ergebnisse bei Jobsuchmaschinen ebenfalls Geld kosten, sind sie abermals verwirrt. „Aber ich bin doch eh schon drin. Warum soll ich jetzt dafür extra bezahlen?! Ich will lieber einfach in noch mehr kostenlose Jobsuchmaschinen.“
(Hier wird ganz nebenbei der in der HR-Welt aktuell noch sehr weit verbreitete logische Fehler sichtbar: Irgendwo „drin sein“ und „ein Ergebnis erhalten“ sind nicht ein und dasselbe.)
Ich versuche nun, diese Rätsel aufzulösen.
2.1 Wie gelangen die Anzeigen genau zu den Jobsuchmaschinen?
Um genügend Beachtung von Google zu bekommen, benötigen Jobsuchmaschinen eine große Menge aktueller Inhalte – also Jobs. Es geht noch weiter, da sie eben besonders gut beim „Einfangen“ von Bewerber-Zugriffen sein müssen, brauchen sie so viele Jobs für Ihre Datenbank, wie kein anderer Spieler da draußen. Mehr als eine Konzern-Karriere-Webseite, mehr als die größte klassische Jobbörse. Hat z.B. eine klassische Jobbörse in der Regel um die 50.000 Jobangebote, sind es bei einer kleinen Jobsuchmaschine schon um die 500.000.
Ich vereinfache wieder ein wenig. Sagen wir mal, eine Jobbörse hat im Rahmen eines Großdeals alle ihre 50.000 Jobangebote bei einer Jobsuchmaschine platziert. Damit die Jobsuchmaschine darauf genügend Rücklauf liefern kann, muss sie bei Google ein deutlich höheres Gewicht darstellen als die klassische Jobbörse selbst. Sie konkurrieren nämlich trotz Ihrer Zusammenarbeit um die gleichen Bewerber–Zugriffe.
Diese Aufgabe löst die Jobsuchmaschine dadurch, dass sie sich um 450.000 weitere Jobs aufbläht. Diese werden auf den maschinell auslesbaren Karriere-Webseiten mit Hilfe von „Crawlern“ eingesammelt und als eigene ausgegeben. Google schätzt nun die Seite der Jobsuchmaschine bzw. ihre Inhalte als sehr relevant ein und platziert sie in den Suchergebnissen besonders hoch.
So gelangen Eure Stellen ohne Euer Zutun in die Indizes der Jobsuchmaschinen. (WENN Eure Karriere-Webseite auslesbar ist!)
2.2 Wie funktioniert die Priorisierung der Anzeigen innerhalb der Jobsuchmaschine?
Aus dem obigen Bild ergibt sich entsprechend eine Zwei-Klassen-Gesellschaft innerhalb einer Jobsuchmaschine. Erste Klasse fahren die Jobs, die über einen Cost-per-Click Deal eingespeist werden. Diese befinden sich in dem Premium-Index. Zweite Klasse fahren die Jobs, die kostenlos eingesammelt wurden. Diese befinden sich in dem organischen Index.
Systematisch sieht das so aus: Die Jobs aus dem Premium-Index werden immer vor den Jobs aus dem organischen Index eingeblendet, denn damit wird Geld verdient. Die Priorisierung innerhalb des Premium-Index erfolgt nach dem Auktionsverfahren. Wer mehr zahlt, steht weiter oben. Der organische Index wird nach Relevanz und Aktualität sortiert. Seid Ihr mit einer schlecht formulierten Anzeige aus einem stark umkämpften Bereich im organischen Index einer Jobsuchmaschine vertreten, werdet Ihr merken, dass „vertreten sein“ und „Ergebnis“ zwei Paar Schuhe sind. Ihr werdet nichts abbekommen.
(An dieser Stelle warne ich explizit vor naiven Erwartungen, wenn Euch jemand mit „kostenloser Reichweite via Jobsuchmaschinen“ lockt und das mit irgendeiner anderen kostenpflichtigen Leistung koppelt.)
2.3 Zusammenarbeit mit Jobsuchmaschinen
In der bunten Praxis gibt es heute fünf Szenarien, wie die Ausschreibung eines Unternehmens zu einer Jobsuchmaschine gelangen und wie Einfluss auf den Rücklauf genommen werden kann.
Eure Karriere-Webseite wird von einer Jobsuchmaschine ausgelesen, die (wie die meisten) nicht mit Endkunden direkt arbeitet. Freut Euch über „vertreten sein“, erwartet aber keine guten, relevanten Ergebnisse. Einfluss habt Ihr hier nicht.
Eure Karriere-Webseite wird von einer Jobsuchmaschine ausgelesen, die doch mit Endkunden arbeitet. Ihr werdet vermutlich vom (aggressiven) Vertrieb mit dem Angebot kontaktiert, die Anzeigen aus dem organischen Index in den Premium-Index zu übernehmen. Ihr könnt hier Einfluss auf das Ergebnis nehmen. Bedenkt bitte dabei, dass es nicht DIE Jobsuchmaschine gibt. Und dass Ansagen der Vertriebler wie „unsere Besucher sind 15% besser als bei der Konkurrenz“ nicht zu ernst genommen werden sollten.
Eure Anzeige landet bei einer Jobsuchmaschine, weil Ihr bei einer klassischen Jobbörse eine Anzeige gebucht habt. Hier habt Ihr wieder keinen Einfluss. Um auf die Orangen vom Anfang zurückzukommen: Die klassische Jobbörse hat Euch einen Korb Orangen versprochen, hat selber aber nicht genug vorrätig, läuft nun also los und kauft bei X Händlern Orangen. Große, kleine, junge, schrumplige und saftige. Wie groß, voll und frisch der Korb mit den Orangen für Euch sein soll, hat die Jobbörse nie erwähnt. Ihr bekommt das, was sie einsammeln kann bzw. an Euch weitergeben möchte.
Ihr arbeitet mit einem Dienstleister zusammen, der sich auf den Anschluss von Endkunden an die Jobsuchmaschinen sowie das Management der Anzeigen innerhalb der Premium-Indizes spezialisiert hat. Ihr bekommt so den Zugang zu allen relevanten Jobsuchmaschinen, profitiert von der Vielfalt, habt keinen Stress und bezahlt ausschließlich pro Orange, die tatsächlich im Korb landet. So funktioniert zumindest unser Service – Jobspreader.
3. Fazit
Ich hoffe, wie immer, dass meine Ausführungen Euch ein wenig weiter helfen. Jobsuchmaschinen sind cool. Wenn man weiß, wie es geht. Wer sich auf eigene Faust mit dieser Welt beschäftigen möchte, findet eine Liste mit vielen Jobsuchmaschinen hier.
Kommunikation ohne Konzept ist wie eine Erdbeertorte ohne Boden. Die Erdbeeren rollen über den Tisch, ohne Richtung, ohne Ziel. Manche sind zufällig in die gleiche Richtung unterwegs. Andere fallen vom Tisch, liegen faul in der Ecke oder machen ganz allein ihr Ding. Bei Erdbeeren eventuell nicht ganz so dramatisch. In der Kommunikation ein gefährliches Experiment.
Mir ist manchmal nicht ganz klar, warum das Wort “HR-Kommunikationskonzept” eher Panik auslöst als Freude.
Konzepte sind grundsätzlich etwas, das als nicht greifbar gesehen wird. Das verstehe ich nicht. Nach der Erstellung eines Konzepts habt Ihr nicht mehr als ein “paar Seiten Papier” – denken viele von Euch, gebt es zu 😉 – und die landen dann auch noch in der Schublade. Kann so sein, sollte es aber nicht. Ein fertiges, für Euch erarbeitetes (Kommunikations-)Konzept sollte bei Euch ein riesiges Grinsen und Glück auslösen.
Euer HR-Kommunikationskonzept ist die Basis für gelungene Kommunikation.
Das Herz Eures Außenauftritts. Eure Arbeitgebermarke ist das Grundgerüst, das alles umschließt und Euch zusammenhält. Das Kommunikationskonzept (ab sofort liebevoll KK abgekürzt) baut auf Eure Arbeitgebermarke, die für Euch entwickelt wurde und damit all Euren Aktivitäten einen glaubhaften Ursprung gibt, auf. Ihr braucht das HR-KK um Eure Arbeitgebermarke stark, ehrlich, loyal und individuell aber trotzdem einheitlich zu vertreten.
Euer Kommunikationskonzept schafft eine klare Linie, den rote Faden, an dem sich jeder Kollege orientieren kann.
Es erleichtert die Arbeit. Es wird nicht vorgegeben welche Messen Ihr zu besuchen habt, es beinhaltet aber die Ausstattung, die Ihr mitnehmt, Broschüren,Tablet, Roll-up, etc. Keine langwierigen, zeitraubenden, ergebnislosen Strategiemeetings mehr zu dem Thema. Messe buchen, Bedarf einstellen, Kontakte informieren, Haken dran.
Natürlich geht es im Kommunikationskonzept um mehr, es geht um die gesamte Kommunikation. Das Bild, das nach außen getragen wird, aber auch das, dass Ihr nach innen lebt.Wird der Bewerber in der Stellenausschreibung geduzt, muss sich das im Vorstellungsgespräch widerspiegeln. Wenn sich die Kollegen untereinander siezen, der Bewerber aber geduzt wird, klafft zwischen dem Bild nach außen und dem nach innen ein Abgrund in Größe des Marianengrabens. Nur weil es vielleicht gerade modern ist Bewerber zu duzen, heißt das nicht, dass das der richtige Weg für Euch ist. Geht keinen Weg, der sich nicht in Euren täglich gelebten Werten widerspiegelt. Jedes Team ist ein kompliziertes, wirres, liebevoll gepflegtes und aufregendes Konstrukt aus Menschen, Strukturen und Prozessen. Ein gutes HR-Kommunikationskonzept muss erarbeitet werden, aus dem Kern der Werte und der Kultur entspringen und diese ehrlich wiedergeben.
Damit sind wir schon beim großen Knackpunkt: Euer HR-Kommunikationskonzept muss tatsächlich erarbeitet werden. In langer, kleinteiliger, aufwändiger Arbeit. Es kann nicht irgendein Konzept aus der Schublade geholt werden, kurz der Staub runtergepustet, mit einem neuen Firmennamen versehen und dann ohne Rücksicht auf Verluste auf Unternehmen A, J, und S angewendet werden. Egal wie groß oder klein diese Unternehmen sind, ob nur 1 Kollege oder 10.000 Kollegen.
Holt Euch bitte Hilfe bei der Erarbeitung eines HR-Kommunikationskonzepts. Ihr werdet Profis brauchen.Weil wir alle in der täglichen Routine einen Tunnelblick bekommen und der unerschrockene, unbefangene, neutrale Blick von außen unerlässlich ist. Eine spezialisierte Agentur – wie wir – wird Euch bei der Erarbeitung unterstützen, Euch lenken und leiten und dabei in keinem Moment Eure Arbeitgebermarke, Eure Persönlichkeit und Eure Werte aus den Augen verlieren. Bitte bedenkt aber: Auch – eigentlich muss ich hier sagen vor allem – erfahrene Agenturen haben keine Konzepte in der Schublade liegen. Dieser Prozess, der speziell auf Euch abgestimmt wird, benötigt einfach Zeit.
Es verstärkt Eure Arbeitgebermarke. Es wird Euch die Arbeit erleichtern. Es wird Prozesse vereinfachen. Es wird Euch – schneller als Ihr glaubt – ein glückliches Funkeln in die Augen zaubern, da es die Lösung eines Problems bereithält, mit dem Ihr heute noch nicht rechnet. Liebt es und lebt es. Leidenschaftlich. Das hat es sich verdient. Es spiegelt in strategischer Art Eure Werte, Ideen, Kultur und harte Arbeit wieder. Es ist Eure Erdbeertorte mit Boden, mit Erdbeeren, mit Sahne und dazu noch mit Feuerwerk und Konfetti.
Im Rahmen des HR-Battles auf persoblogger.de verteidigte Jan Kirchner vor kurzem die These, dass Algorithmen zukünftig menschliche Recruiter ersetzen können. Seine offenbar polarisierenden Statements zogen einige Aufmerksamkeit auf sich und ernteten nicht allzu viel Beifall. Es folgten einige Debatten. Geht das? Geht das nicht, dass Maschinen den (Vor-)Auswahlprozess übernehmen usw.?
Die skeptischen, teils gar ängstlich anmutenden Reaktionen sind womöglich auf fehlendes Wissen Bereich künstliche Intelligenz und maschinelles Lernen zurückzuführen. Ich möchte mit dieser Aussage niemandem zu nahe treten. Ich finde einfach, dass es uns allen helfen kann, etwas tiefer in das Thema einzutauchen – damit wir etwas besser verstehen, worüber wir da debattieren. (Das Thema wird uns noch eine Weile begleiten). Wenn wir wissen, wie Maschinen lernen, können wir besser einschätzen, wo die Möglichkeiten und wo die Grenzen liegen.
Wie gerufen kommt das wunderbare experimentelle Projekt R2D3, das uns “normalen Menschen” die Funktionsweise des Maschinellen Lernens auf eine einfache, visuelle Weise erklären möchte. Das Ergebnis gefällt mir so gut, dass ich es hier gerne ein wenig angepasst ins Deutsche übertragen möchte. Die wunderschöne Animation in englischer Sprache kann hier abgerufen werden.
* * *
“Maschinelles Lernen” beschreibt den Vorgang, bei dem Computer, unterstützt von statistischen Methoden und Modellen, die Erkennung von Mustern (Gesetzmäßigkeiten) “erlernen”. Das so erlangte künstliche Wissen, kann zur Generierung von Vorhersagen eingesetzt werden.
Im Folgenden wird am Beispiel eines Wohnraum-Datensatzes ein maschinelles Lernmodell aufgebaut, das selbständig entscheiden soll, ob sich ein Mietobjekt in New York oder in San Francisco befindet.
Übertragung in den HR-Kontext: Wir bringen der Maschine bei, auf Basis von alten Bewerbungen zu unterscheiden, welcher Bewerber passt und welcher nicht.
Schauen wir uns diese beiden “Stapel” an. Links haben wir die Höhenlage der Häuser in SF und rechts der Häuser in NY.
Müssten wir jetzt intuitiv eine eindeutige Regel für zukünftige Unterscheidungen anhand eines einzigen Kriteriums (Höhenlage) definieren, würden wir vermutlich festlegen, dass alles, was höher als 73 Fuß liegt, sich in SF befindet.
HR-Kontext: Stellt Euch vor, dass es sich um zwei Bewerber-Stapel handelt. Links – passend, rechts – unpassend. Ersetzen wir mal gedanklich das Kriterium Höhenlage durch Berufserfahrung (Jahre). Alle die über z.B. 5 Jahren Berufserfahrung liegen, müssten mit Sicherheit passen.
Nun fügen wir ein weiteres Kriterium hinzu: den Preis pro Fläche. Es lässt sich eine weitere Gesetzmäßigkeit erkennen. Wohnraum ab einem Preis von $1776/sqft aufwärts liegt eindeutig nur in New York.
Je mehr Kriterien hinzugefügt werden, desto komplexer werden die erkennbaren Gesetzmäßigkeiten.
Ein gewisser Teil unserer Daten ließe sich also gemäß unseren bisherigen Erkenntnissen anhand der Höhenlage und des Preises der einen oder anderen Stadt zuordnen.
HR: Ersetzen wir gedanklich den Preis durch die Länge der Studiendauer. Es würde sich bei unserem hypothetischen Beispiel die folgende Gesetzmäßigkeit ergeben: Alle Bewerber, die mehr als 5 Jahren Berufserfahrung vorweisen, passen auf jeden Fall, und alle, die länger als 10 Jahre studiert haben, passen nicht.
So weit, so gut. Problematisch wird es bei der Unterscheidung des “gemischten” Teils des Datensatzes im weißen Rechteck – also Wohnraum in einer Höhenlage unter 73ft und in der Preiskategorie unter $1776/sqft, der sowohl in SF als auch in NY vorkommen kann.
HR: Bei unseren Bewerbern wäre es die Teil-Gruppe, in der die Bewerber mit unter 5 Jahren Erfahrung dennoch angenommen wurden und Bewerber mit unter 10 Jahren Studienzeit dennoch abgelehnt.
Wir benötigen offensichtlich weitere Kriterien. Insgesamt enthält der Wohnraum-Datensatz 7 Kriterien. Setzen wir sie alle jeweils ins Verhältnis zueinander, wie im oberen Chart, ergibt sich das folgende Bild, in dem eindeutig weitere Zusammenhänge vorherrschen, die jedoch mit bloßem Auge, Logik oder Intuition nicht mehr zu erkennen sind.
Der Scatterplot zeigt Zusammenhänge, die mit dem bloßen Auge oder mit Intuition längst nicht mehr identifizierbar wären.
Spätestens jetzt kommt maschinelles Lernen zum Einsatz. Als Methode wird hier ein Entscheidungsbaum eingesetzt. Der Datensatz wird anhand eines Kriteriums nach dem anderen und anhand des dazugehörigen Entscheidungswertes (split point) immer wieder in zwei Gruppen gesplittet.
“Wenn die Höhenlage höher als X ist, dann ist das Haus vermutlich in SF, der Rest liegt in NY”. Dann geht’s weiter, “wenn der Preis über Y liegt, befindet sich das Haus in NY, der Rest liegt in SF”. Beim Lernprozess wird dabei bei jeder Spaltung ein optimaler Entscheidungswert gesucht, der den Datensatz möglichst sauber in zwei homogene Gruppen aufteilt.
HR: Stellt Euch vor, dass wir unsere Kriterien Berufserfahrung und Studienzeit nun um SAP HR Kenntnisse (1-10), die englische Sprache (1-10) und die Abschlussnote (4-1) ergänzen. Dann nehmen wir uns jedes Kriterium vor, das wir jeweils anhand eines Entscheidungswerts in passend und unpassend aufteilen.
Denken wir nun an unsere erste intuitive Schätzung in der ersten Abbildung zurück. Wir haben angenommen, dass alle Objekte in einer Höhenlage ab 73Ft in SF liegen. Lässt man nun den gesamten Datensatz anhand des Kriteriums Höhenlage bei X=73Ft aufteilen, ergibt sich folgendes Bild.
Unzureichende differenzierte Segmentierung kann Fehlschlüsse zur Folge haben.
Der Wohnraum, der höher als 73Ft liegt (als faktisch ab 74Ft), befindet sich zwar zu 100% in SF, aber wir vermissen eben eine ganze Menge Häuser, die fälschlicherweise in der NY Gruppe gelandet sind, obwohl sie doch in SF liegen.
HR: Vergleichbar wäre hier die Vorstellung, dass wir z. B. im Fall des Kriteriums Berufserfahrung zunächst intuitiv angenommen haben, dass 5 Jahre eine gute Grenze ist, um Passende von Unpassenden zu trennen. Bei der Aufteilung im Entscheidungsbaum fällt jedoch auf, dass wir so zu viele passende verlieren. Der Entscheidungswert muss wohl nachjustiert werden.
Mithilfe zusätzlicher mathematischer Methoden kann ein optimaler Entscheidungswert gesucht werden. Die Maschine lernt und findet für das Kriterium Höhenlage einen besseren Entscheidungswert (ab 28 Ft), der eine höhere Homogenität der Ergebnisse verspricht. Dennoch ist die Genauigkeit mit 82% noch zu schlecht.
Mithilfe zusätzlicher mathematischer Methoden kann ein optimaler Entscheidungswert gesucht werden.
Führt man nun mehrere Aufteilungen unter Berücksichtigung der optimalen Entscheidungswerte nach einander durch, erhöht sich die Genauigkeit der Schätzung sukzessive. Wir teilen z.B. zunächst nach der Höhenlage, dann die beiden Ergebnis-Gruppen nach dem Preis, dann nach dem Baujahr usw.
Die sauberen Gruppen werden aufgesammelt und zu SF oder NY zusammengefasst. Die Maschine hat gelernt, den vorhandenen Datensatz exakt aufzuteilen.
HR: Wer bis hier meine Übertragungen einordnen konnte, wird das Prinzip auf die passenden und die unpassenden Bewerber sicher übertragen können. Wir teilen zunächst z. B. nach Berufserfahrung bei dem optimierten Wert von 4 Jahren auf und erhalten nicht ganz aber fast homogene Gruppen. Die Gruppe der Unpassenden, die ein paar Passende enthält und die Gruppe der Passenden, die wiederum ein paar Unpassende enthält unterteilen wir jeweils wieder anhand von einem anderen Kriterium. Am Ende hat die Maschine die Bewerber sauber aufgeteilt.
Im nächsten Schritt muss das Model anhand von noch nicht bekannten Daten (neuer Datensatz) getestet werden, um zu prüfen, wie gut es für die Praxis geeignet ist. Bei größeren Abweichungen, kann an verschieden Stellen nachjustiert werden. Und so weiter und so fort. Ich denke, hier sollten wir erstmal Pause machen.
So kann maschinelles Lernen jedenfalls funktionieren. Ich hoffe, dass Ihr diese Darstellung interessant fandet und meine HR-Übertragungen einigermaßen nachvollziehen konntet. So viel Zauberei ist hier wohl doch nicht dabei, oder? Werden die Maschinen nun alles übernehmen oder nicht?
Eins ist klar, ohne eine vernünftige Datenbasis läuft hier so oder so nix. Sammelt fleißig Daten, wenn Ihr von Maschinen übernommen werden wollt 🙂 Oder zumindest, um zu belegen, dass Ihr eben besser als die Maschinen seid.
(Liebe Mathematiker und Informatiker, sollten mir hier unverzeihliche sachliche Fehler unterlaufen sein, bitte ich um freundliche Hinweise.)
