HR-Analytics – Seite 4

[HTTP410] Befördert vom Algorithmus?

Veröffentlicht am November 26, 2014 | von Asif Shaikh | Schreibe einen Kommentar

Die neue Technologiewelle im HR-Bereich führt in vielen Bereichen zur Automatisierung von HR-Prozessen. Als Grundlage dienen dabei oft die mittels Big Data und HR-Analytics gewonnenen Erkenntnisse darüber, welche Entscheidung bzw. welches Vorgehen im jeweiligen Fall am erfolgversprechendsten ist.Einer der großen Vorreiter dieser Bewegung ist Google, die bereits vor sieben Jahren ein People Analytics Team ins Leben gerufen haben, um HR-Fragestellungen mit wissenschaftlichen Methoden auf den Grund zu gehen. Die Maxime der HR-Arbeit bei Google beschreibt der Google VP People Analytics Prasad Setty: “All people decisions at Google are based on data & analytics”. Das gilt auch für Beförderungen. Einmal im Jahr hat die HR-Abteilung von Google die Aufgabe, Tausende von Beförderungsanträgen zu sichten und zu entscheiden, welche Antragsteller eine Beförderung bekommen. Dazu ziehen sich die Beförderungskommittees aufgrund eines Mangels an Meetingräumen für mehrere Tage in ein Hotel in Santa Clara zurück. Google wäre nicht Google, wenn nicht jemand die Idee gehabt hätte, die Entscheidungsfaktoren zu analysieren und in eine Formel zu übersetzen. Gedacht, gemacht. Hier ist sie: Einige von Euch werden bei dem Gedanken, das ein Algorithmus über die eigene Beförderung entscheidet, sicher erschrecken. Die Genauigkeit ist allerdings ziemlich hoch, denn für 30 Prozent der Fälle trifft der Algorithmus mit eine Genauigkeit von 90 Prozent die richtige Entscheidung. Eine Quote, die mit der menschlichen Entscheidungsqulität durchaus mithalten kann. Aber jetzt wird es interessant. Denn Während sich die Initiatoren darüber freuten, dass sie das Arbeitsaufkommen der Beförderungskommittees um 30 Prozent verringern konnten, stellte sich heraus, dass die das gar nicht wollten. Sie wollten die Entscheidungen selbst verantworten und sich nicht hinter eine Black Box verstecken. Wer hätte das gedacht?! Auch für diese Entscheidung gibt es allerdings einen datenbasierten Grund.Und das sind die 8 Talente eines guten Google-Managers, die die People Analytics Abteilung durch die Auswertung tausender Dokumente und Feedbackgespräche ermittelt hat. Aber die hört Ihr Euch am besten von Prasad Setty selbst an:

HR Analytics: Was kann man messen?!

Veröffentlicht am Oktober 23, 2014 | von Asif Shaikh | Schreibe einen Kommentar

Jan Kirchner hat auf der #SMRC14 und der #ZP14 über Roboter Recruiting referiert. Josh Bersin, der HR-Vordenker aus Übersee, spricht in seinem aktuellen Artikel zu den 10 wichtigsten technologischen Trends in HR von “‘The Datafication of HR’ – the beginning of a decade long transition toward data-driven people decisions“. Und es gibt wohl keine Fachzeitschrift in unserer Branche, die sich in den letzten Monaten mit dem Thema HR + Big Data nicht auseinandergesetzt hat.

###promotional-banner###

Die theoretische Richtung scheint klar zu sein. In der Praxis herrscht offenbar noch große Verwirrung. Was sind HR Metrics und wie nutzt man sie zur Optimierung des eigenen Recruitings? Viele wollen durchaus diese “Datafication of HR”, Big Data, Business Intelligence und HR Analytics. Nur wenige lassen sich nicht von den groß klingenden Begriffen einschüchtern und finden Schritt für Schritt ihren individuellen pragmatischen Zugang zu dem Thema. Das Thema heißt, egal mit welchen modischen Begriffen belegt, schlicht: Daten sammeln, Daten strukturieren, Daten auswerten (im HR-Kontext). Wir sehen unsere Aufgabe darin, für Euch und für uns selbst die Brücke in die Praxis zu schlagen.

Wir haben uns hier bereits mehrfach mit Fragen beschäftigt, wie Daten-Analyse den Recruiting-Prozess unterstützen kann. Ob über die Verbesserung der Performance der Karriere-Webseite, des Personalmarketing-Mixes oder der Direktansprachen. Heute habe ich mich auf die Suche nach Daten gemacht, die man innerhalb des Unternehmens messen kann. Also im Grunde, nachdem eine Einstellung stattgefunden hat. Vielleicht findet Ihr in der folgenden Aufstellung die eine andere Idee für Euren Fall.

Die folgende Übersicht der “HR Metrics and Indicators” kommt aus dem Jahr 2012. Zu alt? Glaube ich nicht.

HR metrics survey results

Die Grundlage dafür entstammt der wissenschaftlichen Arbeit “Human Capital Measurement and Reporting”, die im Jahr 2003 von Foong and Yortson veröffentlicht wurde. Die beiden haben vor 11 Jahren herausgefunden, dass:

There is a growing body of evidence that the quality of Human Capital Management (HCM) is an important factor in a business’s competitive advantage, and correlated with competitive performance. This is especially so as we move to a services based economy, where knowledge is a key differentiator (e.g. in consulting, investment banking and IT services), and where employee costs can exceed 40% of corporate expense. Knowledge is also increasingly important in high-value-added manufacturing-based businesses (pharmaceuticals, consumer electronics and electrical machinery). However, very few companies are believed to offer significant HCM data to shareholders in their annual reports. Many organisations say that ‘people are our greatest assets’, but we don’t know how well they fare in investing in people.

Die ursprüngliche Auflistung der messbaren Indikatoren findet Ihr auf der Seite 23 dieser lesenswerten Arbeit. Die Autoren liefern weiterhin nicht nur die Argumentationen für das WIE sondern auch für das WARUM Daten im Bereich HR erfasst werden sollten. Wer hätte das gedacht, aber das sogenannte “Human Capital” (bzw. Human Capital Index als Aggregation unterschiedlicher Indikatoren), das wir heute ganz gerne BigData- technisch messen und analysieren wollen, beeinflusst die Performance von Unternehmen. Das wusste man schon im Jahr 2002, bevor es BigData und den ganzen Rest offiziell gab. Na sowas 🙂

Was ich damit sagen will? Die Theorien und Konzepte, die heute als neu gehandelt werden, sind nicht neu. Es ist schon längst alles da, vielfach durchdacht und vereinzelt in der Praxis ausprobiert worden. Neu sind die technologischen Anforderungen bzw. die Möglichkeiten, die wir begreifen und einsetzen müssen. Das ist alles.

Wie seht Ihr das? Wo sind in Eurem Unternehmen die größten Herausforderungen im Bezug auf die Daten-Analyse? Was würdet Ihr gerne analysieren, aber wisst nicht, wie das anzugehen ist?

[HTTP301] HR Analytics am Beispiel von 8.000 Direktansprachen

Veröffentlicht am September 2, 2014 | von Asif Shaikh | Schreibe einen Kommentar

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.

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!

[HTTP301] Google Analytics Radar-Ereignisse: Handlungsbedarf erkennen!

Veröffentlicht am August 22, 2014 | von Asif Shaikh | Schreibe einen Kommentar

Und wieder Analytics. Ich kann es diese Woche einfach nicht lassen, Euch mit dieser trockenen, langweiligen und dennoch nützlichen Materie zu nerven. Ich habe aktuell irgendwie Spaß an diesem Thema. Wie schon im letzten Post über Dashboards stelle ich heute eine weitere kleine Arbeitshilfe vor, die Euch das Leben einfacher machen soll.

Eine (Karriere-)Webseite ist wie ein lebendiger Organismus. Jeden Tag passiert da etwas, jeden Tag gibt es kleinere und manchmal größere Veränderungen, zum Teil positive zum Teil negative. Eine Web-Analytics-Software wie Google Analytics sammelt sämtliche Daten zu allen erfassbaren Vorgängen. Diese Daten lassen sich in Form von standardisierten oder aber in Form von individuellen Indikatoren darstellen.

Diese Indikatoren (z.B. Anzahl der Besucher, Verweildauer usw.) zeigen Euch Momentaufnahmen oder Entwicklungen im Zeitverlauf. Ihr schaut also, wenn überhaupt, ab und an in die Analyse, sagt dann “aha, aha, hm, ok, scheint alles in Ordnung” und seit wieder raus.

Doch wie entscheidet Ihr, ob und wo gerade Handlungsbedarf besteht? Um so etwas aus den Standard-Daten herauszulesen, braucht es normalerweise vordefinierte KPIs, standardisierte Prozesse und Routine. Nach dem Motto:

Gehe jede Woche rein.
Erhebe die Zahl X.
Falls Sie die Zahl X gegenüber Y um Z verändert hat, haben wir ein Problem/ganz viel Glück.
Alarm. Wir müssen etwas tun.

Im Profi-Bereich – im Online-Marketing – sitzen Menschen, deren Kernaufgabe es ist, sich mit diesem Zeug permanent zu beschäftigen. Die haben Spaß dran. Im Bereich HR ist das weitestgehend (noch) nicht der Fall. Wie kriegen wir also als Amateure unsere Daten schnell interpretiert und erkennen zu lösende Probleme oder aber erfolgreiche Maßnahmen, die es zu reproduzieren gilt? Ohne viel Zeit zu investieren, wieder mal etwas Langweiliges lernen zu müssen und sonstiges Pipapo.

Mein Vorschlag, ganz klar, “Radar-Ereignisse”. Schaut mal, was Google selbst dazu sagt:

Analytics überwacht den Traffic auf Ihrer Website, um erhebliche statistische Abweichungen zu erkennen, und erstellt automatisch Benachrichtigungen oder Radar-Ereignisse, wenn diese Abweichungen auftreten. Eine detaillierte Betrachtung dieser Anomalien kann wertvolle Erkenntnisse liefern, die Ihnen andernfalls möglicherweise entgangen wären, wie beispielsweise Traffic-Spitzen von einer bestimmten Stadt oder verweisenden Website.

Also, Google überwacht für Euch eine ganze Reihe von wichtigen Indikatoren. Ihr könnt auch noch Eure eigenen definieren. Z.B. Traffic-Anteil von der Jobbörse XY fällt unter Z%. Oder Anteil von Bewerbungen bei Anzeigen mit experimentellen Formulierungen geht plötzlich über X% usw. Google hat das alles im Blick und zeigt Euch sobald etwas passiert, das Ihr wissen solltet. Ihr müsst die Daten nicht mehr selbst mühsam auswerten, um Signale zu erkennen. Das spart Zeit.

In der Maske “Benutzerdefinierte Benachrichtigungen” können, wie gesagt, auch eigene Signale erstellt werden. Das ist sehr sinnvoll, wenn Ihr an spezifischen Informationen interessiert seid.

Natürlich liegt es an Euch bzw. Eurem Team zu entscheiden, ob und was zu tun ist, wenn ein Signal ausgelöst wird. Ganz ohne Arbeit geht’s nicht. Aber zumindest habt Ihr so wesentlich mehr Durchblick und Kontrolle darüber, was auf Eurer Seite passiert. Es ist keine Blackbox mehr.

Mit dem letzten und dem heutigen Artikel habt Ihr also mit sehr wenig Aufwand ein übersichtliches Reporting und einen automatisierten Kontroll-Mechanismus an der Hand, die Euch viel Zeit sparen und quasi automatisch wichtige Erkenntnisse über Eure (Karriere-)Webseite liefern.

Viel Spaß damit. Und lasst mich wissen, falls Ihr Fragen, Ideen oder Erfahrungen teilen möchtet.

Alle Zahlen im Blick mit Google Analytics Dashboards

Veröffentlicht am August 19, 2014 | von Asif Shaikh | Schreibe einen Kommentar

Vor ein paar Monaten habe ich in einem Grundlagen Artikel zum Thema Google Analytics für Personaler aufgezeigt, was für interessante Erkenntnisse Personaler für ihre tägliche Arbeit mit wenigen Klicks gewinnen könnten. Natürlich nur, wenn sie sich für die Zahlen interessieren. Der Artikel ist damals ganz gut angekommen, und so denke ich, dass tatsächlich Interesse an diesem Thema besteht.

Für diejenigen von Euch, die sich auf der Suche nach der passenden Daten bereits fleißig durch Ihre Analytics klicken, möchte ich gerne eine Arbeitserleichterung vorstellen, die Ihr vielleicht noch nicht kennt: die Google Analytics Dashboards.

Ein Dashboard dient dazu, alle Berichte und Werte, die für Eure Arbeit regelmäßig relevant sind, in einer einzigen Übersicht zu vereinen. Einmal erstellt, spart Euch ein Dashboard sehr viel Zeit. Außerdem lässt sich eine standardisierte Übersicht mit allen wichtigen Kennzahlen auf einen Blick eleganter und einfacher Euren Kollegen und Vorgesetzten vorführen und erklären. Hier nur eins der möglichen Beispiele (Ausschnitt).

Die Erstellung der Dashboards erfordert natürlich eine gewisse Zeit. Der Aufwand hängt von Euren Analytics-Kenntnissen ab. Es stehen anpassbare Widgets zur Verfügung. Aber man muss schon wissen, welche Werte wichtig sind, wie man sie am besten kombiniert und in einem Widget abbildet. Das ist natürlich der springende Punkt, an dem vermutlich einige von Euch keine Lust mehr haben werden. Verstehe ich, geht mir ehrlich gesagt auch so.

Doch es gibt einen eleganten Ausweg. Und zwar die Google Marketing Platform – eine große Datenbank mit vorgefertigten Dashboards, die von anderen Nutzern erstellt und zur freien Verfügung gestellt wurden. Es gibt allgemeine Vorlagen für die wichtigsten Kennzahlen einer Seite sowie ganz spezielle, die Themen wie SEO, Responsiveness, bestimmte Online-Marketing Maßnahmen, Social Media, Conversions, Performance etc. bedienen. Einfach aussuchen und importieren. Fertig!

Nach dem Import erscheint das importierte Dashboard in der Übersicht Eurer Dashboards und kann sofort eingesetzt werden. (Wichtig zu merken: Zuordnungen, die mit Conversions zu tun haben, müssen unter Umständen an Eure Ziel-IDs angepasst werden.)

Um diese Zahlen Schritt für Schritt zusammenzusuchen würdet man sonst schon einige Zeit benötigen, gerade wenn das Instrument Google Analytics noch nicht 100% vertraut ist. Ein weiterer Vorteil der fertigen Dashboards ist, dass Ihr damit “spielen” könnt. Editiert die Widgets und versucht zu verstehen, wie sie aufgebaut sind. Ziemlich schnell werdet Ihr eigene Anpassungen und Erweiterungen vornehmen können. Und falls was kaputtgeht, Dashboard-Vorlage löschen und neu importieren.

Ich hoffe, ich konnte ein wenig Interesse wecken. Es würde mich freuen, wenn diese Arbeitserleichterung ein paar erfahreneren Nutzer und auch Analytics-Neueinsteiger zu neuen/besseren Erkenntnissen und mehr Zeit für andere wichtige Dinge verhelfen würde. Lasst mich bitte wissen, ob bei Euch Dashboards bereits im Einsatz sind bzw. ob Ihr Euch vorstellen könntet, mit so einer Hilfe grundsätzlich mehr mit Analytics zu arbeiten.

Hat vielleicht jemand Vorschläge, welche Werte unbedingt in einem HR-Dashboard auftauchen sollten? Wir könnten ja so eine Vorlage kollektiv erarbeiten. Möchte jemand vorhandene Entwürfe teilen?

Conversion-Tracking im Personalmarketing

Veröffentlicht am Juni 10, 2014 | von Asif Shaikh | Schreibe einen Kommentar

Ich habe mir gestern die Frage gestellt, wie möglichst viele Unternehmen möglichst schnell und unkompliziert das Bewerber-Tracking auf ihren Karriere-Websites entscheidend verbessern könnten.

Eine alltägliche Situation: Ein potentieller Bewerber klickt irgendwo im Netz auf ein Stellenangebot und landet auf Eurer Karriere-Website. Er schaut sich um, es gefällt ihm, er überlegt, sich bald zu bewerben. Dann muss er zum See und verlässt Eure Seite wieder. Die Adresse des Stellenangebots hat er sich aufgeschrieben oder per Mail geschickt oder als Bookmark gespeichert. Einige Tage oder Wochen später klickt er auf sein Bookmark oder gibt die Adresse direkt in die URL-Leiste des Browsers ein, landet wieder auf Eurem Stellenangebot und füllt nun das Bewerbungsformular aus.

Wie findet man heraus, wie Bewerber ursprünglich auf Euch aufmerksam geworden ist?

Vor Kurzem habe ich erläutert, wie man eine einfache Analyse der Besucher seiner Seite mit Google Analytics durchführt. Die heutige Aufgabe ist etwas komplizierter, da wir eine Person untersuchen, die Eure Seite mehrfach aufgesucht hat, um sich erst beim letzten Besuch zu bewerben. Die Lösung kommt natürlich aus dem Online-Marketing, wo solche Analysen für den Verkaufserfolg von Produkten und Dienstleistungen sowie für den ROI entscheidend sind.

Für die Beantwortung der Frage, müsst Ihr auf sogenannte Ziel-Conversions (Google Analytics) bzw. Conversion-Tracking (Google Adwords) zurückgreifen. Mit Hilfe von Conversion-Tracking könnt Ihr ein bestimmtes Ereignis auf Eurer Seite, wie z.B. das Ausfüllen eines Bewerbungsformulars, festhalten und anschließend auswerten, was genau zu diesem Ereignis geführt hat. Was hat ein Besucher vorher gemacht und wie lange hat es gedauert, bis er sich bei Euch beworben hat.

Beispielhafte Ergebnisse des Conversion-Tracking im Personalmarketing

Die Ergebnisse Eurer Auswertungen könnten dann z.B. so aussehen (zur Veranschaulichung ein paar Pfade unserer Jobspreader-Interessenten).

Das Beispiel Nr. 7 zeigt recht eindrucksvoll, wie lang so ein Weg (Quellpfad) vom ersten Kontakt zu der entscheidenden Aktion (Conversion) sein kann. Interessant für uns ist in dieser Übersicht z.B. die Feststellung, dass unser Blog-Post vom 25.03. in mehren Fällen die entscheidende Rolle gespielt hat. Wie z.B. im Fall Nr. 4, wo uns jemand zunächst über die Google Suche gefunden hat, dann auf dem Post vom 25.03. landete, um anschließend auf die Unterseite zu wechseln, wo es dann zu der abschließenden gewünschten Handlung kam. Die Aktion hatte sich für uns gelohnt.

Interessant ist auch die Aufteilung der Zeitfenster vom ersten Kontakt bis zur abschließenden Handlung.

Warum braucht mehr als 1/5 der Interessenten über 12 Tage Zeit für die Entscheidung, während die Mehrheit am gleichen Tag entschieden hat (61 Personen)? Jetzt würde ich die erste Ansicht mit den Pfaden nach dem Zeitbedarf filtern und versuchen, herauszufinden, ob es Muster gibt, auf die Einfluss genommen werden kann. (Dazu im kommenden Post mehr.)

Mit der Verwendung von Conversions-Tracking könnt Ihr der Auswertung Eurer Personalmarketing-Aktivitäten ohne viel Aufwand eine qualitative Ebene hinzufügen. Ich konnte Euch in diesem Post keine ausführliche Anleitung zur Einrichtung geben. Es würde der Rahmen sprengen und es wurde schon sehr viel und sehr gut an anderen Stellen drüber geschrieben. Ich hoffe allerdings, Euer Interesse geweckt zu haben. Solltet Ihr in Erwägung ziehen, das Thema weiter zu verfolgen, empfehle ich explizit, das Google Analytics Conversions-Tracking in Kombination mit einem AdWords Konto und einer Remarketing-Liste zu verwenden. (Dazu später mehr).

Habt Ihr Fragen? Verwendet schon jemand diese Möglichkeiten? Sind die Ergebnisse für Euch wertvoll?

[HTTP410] Business Intelligence in HR

Veröffentlicht am Juni 4, 2014 | von Asif Shaikh | Schreibe einen Kommentar

Der Zappos Post von letzter Woche hat für einigen Diskussionsstoff, Kommentare und Zukunftsvisionen gesorgt. Stellenanzeigen abschaffen, Netzwerke schaffen. Einfach falsch, verrückt oder langfristig vielleicht doch der einzig richtige Weg?

Auf der Seite der eher skeptischeren Stimmen fand ich gerade Meinungen mit quantitativen Argumenten besonders interessant. So z.B. die Einschätzungen des Bewerbungs- bzw. des Auswahlprozesses. Der Netzwerk- /Beziehungsaufbau mit potentiellen Kandidaten würde im Vergleich zur Bewerbung per Stellenanzeige wesentlich mehr Zeitaufwand auf beiden Seiten erfordern. Weiterhin kam des Öfteren das Argument, dass die verhältnismäßige (kleinere) Größe eines Unternehmens in den allermeisten Fällen den Verzicht auf Stellenanzeigen zugunsten von aktiven Netzwerk-/Beziehungspflege unmöglich bzw. unsinnig machen würde.

Gefühlt haben beide Argumentationen ihre Daseinsberechtigung. Ohne diese per se anzuzweifeln, stelle ich mir jedoch automatisch die Frage, woher wir/sie das alles so genau wissen. Wie viele Unternehmen (nicht nur Konzerne) da draußen können heute ad-hoc grundlegende Werte nachvollziehen:

Wie ist die demographische Zusammensetzung des Personals?
Lässt sich Fluktuation anhand der Quelle der Einstellung bzw. dem beruflichen Hintergrund prognostizieren?
Wie lange dauern Ausschreibungs- und Auswahlprozesse im Durchschnitt?
Wie viele Kontakte gibt es im Durchschnitt zwischen Recruiter und Bewerber?
Wie erfolgen diese (Telefon, Mail, Soziale Netzwerke, usw.) und welche sind effektiver?
Wie viele Bewerbungen gab es in diesem im Vergleich zum letzten Jahr?
Wie viele Anzeigen wurden wo für wie viel Geld geschaltet und wie war die Reichweite (Bewerber-Traffic)?
Woher kamen die (guten) Bewerber?
Welche Maßnahmen haben funktioniert?
Wer besucht die Karriereseite?
Welche Infos werden dort am meisten nachgefragt?
…

Ich denke, dass die Beantwortung dieser und einiger weiterer Fragen notwendig ist, um die Entscheidung von Zappos (auch im Vergleich zur eigenen Situation) realistisch einschätzen zu können bzw. diese zu befürworten oder gänzlich abzulehnen. Ich bin mir nicht sicher, wie strategische Entscheidungen bei Zappos genau getroffen werden. Ich vermute jedoch stark, dass Zappos über mehr als nur einen Business-Intelligence-Analysten verfügt. Die obigen Fragen wurden mit Sicherheit beantwortet.

Ich denke weiterhin, dass in vielen (auch weniger innovativen) Unternehmen zumindest in Ansätzen Daten zur Beantwortung von relevanten Fragen im Bereich HR vorhanden sind. Wenn auch in Form von schlecht formatierten Excel-Tabellen. Sie zusammenzutragen und auswertbar zu machen, würde die Arbeit, Entscheidungen und Einschätzung von eben solchen visionären (?) Methoden um einiges vereinfachen.

Dieser Post soll daher ein weiterer Aufruf sein, sich mit dem leidigen Thema der Zahlenerhebung im HR zu beschäftigen. Ja, es ist nervig. Aber das, was sich heute hinter dem Begriff Business Intelligence versteckt, ist vielleicht zugänglicher als viele von Euch glauben. Tools wie Tableu, QlikView, Microstrategy, Palo usw. lassen Euch heute ohne IT-Kenntnisse (und teilweise kostenlos) Datenbruchstücke (z.B. Excel-Tabellen, Google-Analytics) zusammentragen und mit wenigen Klicks einfache und verständliche Visualisierungen und Auswertungen vornehmen. Euer eigenes, flexibles HR-Dashboard. Das wär doch was.

Ich behaupte nicht, dass das kein Aufwand ist. Allerdings bin ich mir sicher, dass es für viele da draußen möglich ist, bessere Entscheidungen mit Hilfe der bereits vorhandenen Daten zu treffen. Wenn man sich nur trauen würde, diese anzuschauen. Es würde mich wirklich interessieren, wer von Euch tatsächlich alle obigen Fragen beantworten kann und vor allem, wie Ihr das bei Euch macht. Ist da draußen jemand? Wir können gerne über einen Best-Practice-Gastpost sprechen.

Grundlagen: Google Analytics für Personaler

Veröffentlicht am April 30, 2014 | von Asif Shaikh | Schreibe einen Kommentar

Personaler kennen ihre (Web-)Zahlen nicht. Es ist eine Verallgemeinerung. Aber sie stimmt. Wie viele Besucher kommen auf die Karriereseite, wie viele auf eine bestimmte Stellenanzeige, wo kommen sie her, wie viele Besucher kommen von einer bestimmten Jobbörse? Das sind Fragen, auf die, unserer Erfahrung nach, die Mehrheit der für die Rekrutierung neuer Mitarbeiter verantwortlichen Personaler keine Antwort haben.

Das ist schlecht. Denn die Kenntnis dieser Zahlen kann sehr hilfreich sein, wenn man z.B. begründete Entscheidungen bzgl. der Effektivität bestimmter Recruiting-Kanäle treffen möchte. Wir glauben, dass die Unkenntnis drei Ursachen haben kann: 1) Desinteresse 2) kein Zugang zu Web-Statistiken 3) keine Routine in der Auswertung. Gegen 1) und 2) können wir auf die Schnelle nichts tun. Aber bei 3) können wir schnelle Hilfe liefern.

Ich beschäftige mich in diesem Post mit Google Analytics. Dieses kostenlose Tool zur Erfassung von Web-Statistiken ist aufgrund des Funktionsumfangs und der Einfachheit der Implementierung eine zweckmäßige Empfehlung für Unternehmen, die recht oft in Anspruch genommen wird. Ich gehe also davon aus, dass Google Analytics auf Eurer Seite bereits installiert ist. Ihr seid nicht sicher?! Dann testet es doch zunächst HIER. Installiert? Jetzt müsst Ihr Euch “nur” noch den Zugang vom Webmaster oder der IT besorgen. 😉

[promotional-banner id=”43316″]

Nun zeige ich Euch, wie man die in der Einführung gestellten Fragen mit Google Analytics (GA) schnell beantwortet und zwar am Beispiel der Wollmilchsau HR-Jobbörse.

1. Wie viele Besucher kommen auf die Karriereseite?

Wir wählen aus: Berichte -> Zielgruppe -> Übersicht -> Zeitraum und erhalten die Übersicht der Besucher für die gesamte Seite für den ausgewählten Zeitraum. Sitzungen beschreiben die Anzahl der Besuche auf der Seite. Besucht die gleiche Person, also Nutzer, Eure Seite zwei Mal, sind es zwei Sitzungen. Seiten pro Sitzung zeigen an, wie viele Seiten sich ein Besucher im Schnitt anschaut. Sitzungsdauer ist der durchschnittliche Verbleib eines Besuchers auf Eurer Seite. Absprungrate zeigt an, wie viele Besucher Eurer Seite nach der Betrachtung einer einzigen Seite wieder verschwinden. Neue Sitzungen zeigen an, wie hoch der Anteil der Besucher ist, die noch nie bei Euch waren. Also, unsere Beispiel-Seite wurde im laufenden Monat 5302 Mal besucht.

2. Wie viele Besucher landen auf einer bestimmten Stellenanzeige?

Wir klicken auf: Berichte -> Verhalten -> Alle Seiten -> und die Unterseite/Anzeige, die uns interessiert. Als Ergebnis erhalten wir den Besucher-Verlauf und weitere bereits bekannte Kennzahlen für die konkrete Anzeige.

Nun, unsere Beispiel-Anzeige konnte offenbar vom 13.04-29.04. 255 Seitenaufrufe generieren. Die durchschnittliche Besucherzeit von 2:38 min. zeigt mir, dass die Anzeige offenbar von den meisten zumindest ausführlich gelesen wurde.

3. Woher genau kommen die Besucher, die Ihre Stellenanzeige/Seite angesehen haben?

In der gleichen Ansicht wählen wir aus: Sekundäre Dimension -> Quelle/Medium und erhalten die Zusammensetzung der Besucherquellen für die ausgewählte Anzeige.

Im Fall unserer Beispiel-Anzeige kamen also die meisten Besucher also über die Promotion mit unserem Tool Jobspreader, Direktbesuche der Jobbörse und zusätzliche Veröffentlichung auf einem Twitteraccount (t.co = Twitter). Jetzt wollen wir nur noch wissen, wie die Zusammensetzung der Quellen für die gesamte Seite aussieht. Dazu klicken wir auf: Bericht -> Akquisition -> Übersicht -> Primäre Dimension (->Top-Quellen).

Und so sieht das Ergebnis für unsere Test-Seite aus. Die meisten Besucher sind direkte Besucher, sprich sie geben den Link zur Jobbörse z.B. direkt in der Browser-Leiste ein, oder klick auf einen Link in einer PDF-Datei oder in einer Mail. Das überrascht mich nicht. Wir führen gerade mehrere Aktionen zur Promotion der HR-Jobbörse durch. Sie scheinen, Ergebnisse zu bringen. Weitere starke Quellen sind Jobspreader (4fb.in gehört auch dazu) und unsere Seite wollmilchsau.de

[promotional-banner id=”48922″]

Mit sehr wenig Aufwand haben wir somit ein erstes gutes Bild von den Vorgängen auf unserer Seite erhalten, mit dem man bereits gut argumentieren kann. Ich hoffe, einige von Euch finden dieses kleine Tutorial hilfreich. Ich würde mich über Euer Feedback freuen, ob die Erklärung nützlich und einfach genug ist und was für weitere Fragen und Probleme im Bereich Analytics bestehen.

Big Data in HR

Veröffentlicht am Februar 4, 2014 | von Asif Shaikh | Schreibe einen Kommentar

Heute erschien bei Haufe HR-Management ein Artikel zum Thema Big Data in HR unter dem Titel Datenschutzbeauftragter rät: “Finger weg von Big Data im Personalbereich”. Bei dem zitierten Datenschutzbeauftragten handelt es sich um den Herrn Dr. Thilo Weichert, den Chef des unabhängigen Landeszentrums für Datenschutz Schleswig Holstein.

Ich empfinde solche plakativen Ausrufe als verstörend und schädlich (es sei denn, sie kommen von mir :)) und möchte daher gerne ein paar Punkte kommentieren.

Weichert: “Ich halte – ehrlich gesagt – vom Big-Data-Einsatz im Personalbereich überhaupt nichts. Personalentscheidungen sind höchstpersönliche Dinge, wo es um individuelle Erwartungen und Fähigkeiten geht. Derartiges ist über Big Data im Personalmanagement nicht in den Griff zu bekommen. Es gibt viel zu viele weiche Faktoren im Personalbereich, die per digitale Daten nur oberflächlich gehandhabt werden können. […]”

Hier habe ich den Eindruck, dass in der Vorstellung von Herrn Dr. Weichert Big Data im Bereich HR, vielleicht auch im Allgemeinen, eine absolut klar umrissene einheitliche Form besitzt. Big Data ist ein Ding. Irgendwas in der Art: “Alle persönlichen Daten der Mitarbeiter in den Unternehmen und in den sozialen Netzwerken.” Und nun macht sich dieses böse “Big Data” auf den Weg und trampelt den Datenschutz kaputt.

Big Data ist auch im HR unvermeidlich und längst nicht so furchteinflößend, wie viele denken.

Ich möchte Euch dagegen gerne eine andere Betrachtungsweise ans Herz legen. “Big Data” ist in meinen Augen kein Ding. Es ist in erster Linie ein Konzept, das das Zusammenspiel von Datenmengen, Datenvielfalt und Datengeschwindigkeit beschreibt (auch als 3Vs – volume, variety and velocity bekannt). Ein Konzept muss nicht per se schlecht sein. Es existieren nämlich unterschiedlichste Einsatzszenarien. Und was Ihr damit macht, hängt von Euch ab und nicht von “Big Data” als solches.

Beispiel: Warum sollten langfristig angelegte Auswertung über Personal-Fluktuationen in einem Konzern schlecht sein bzw. wer und was würde durch solche Auswertungen verletzt? Warum sollte ein Mittelständler nicht auf Big Data Analysen zugreifen können, die auf Grundlage umfassender Datenerhebungen bei unterschiedlichsten Unternehmen Szenarien der Mitarbeitermotivation über verschiedenste Maßnahmen zulässt?

Im Übrigen, was Einstellungsverfahren angeht, bestehen auch abseits der Big Data Diskussion durchaus berechtigte Zweifel daran, ob Entscheidungen aus dem Bauch heraus, tatsächlich stets für das Unternehmen als Ganzes das beste Ergebnis liefern. Und mal ganz ehrlich, was sind denn Assesments und Einstellungstests wenn nicht Vorläufer von Big Data gestützten Auswahlverfahren, die über Abgleiche von Qualifikationen mit einem riesigen Daten-Pool Performance-Szenarien erstellen lassen werden können.

Ach ja, schaut Euch in diesem Zusammenhang bitte die Firma Evolv an. Sie haben unter anderem für Xerox über 300.000 Einstellungstests von Call-Center Mitarbeitern ausgewertet und mit der Arbeits-Performance abgeglichen.

Haufe Online-Redaktion: “Was empfehlen Sie den mit den für die Mitarbeiterdaten Verantwortlichen, um die Risiken von Big Data insbesondere bei den Mitarbeiter- und Bewerberdaten in den Griff zu bekommen, ohne auf die Chancen verzichten zu müssen?”

Weichert: “Ich sehe in diesem Bereich keine vernünftigen Chancen. Deshalb ist mein Ratschlag: Finger weg.”

Nun, liebe “Mitarbeiterdaten Verantwortlichen”, wenn Ihr dem Rat von Dr. Weichert folgen wollt und bereits fleißig Steine für den Weg der Innovatoren in Euren Unternehmen sammelt, seit ihr schlecht beraten. Die Auswertung von Daten ist mit Sicherheit kein Allheilmittel, auch in HR nicht. Und natürlich muss man stets datenschutzrechtliche Aspekte berücksichtigen. Den Datenschutz als Totschlagargument gegen jeglichen sinnvollen Einsatz von Big Data Lösungen im Dienste unserer Unternehmen einzusetzen, halte ich für unverantwortlich, sowie perspektivisch auch wirtschaftlich und gesellschaftlich gefährlich. Wir sind hier ohnehin nicht sonderlich für Fortschrittlichkeit berühmt.

Wie immer, sind es längst die anderen, die experimentieren, ausprobieren und sich bewusst für oder auch gegen den Einsatz von bestimmten Methoden entscheiden. Also, statt “Finger weg!” empfehle ich dringend “Augen und Ohren auf!” Leute, lasst Euch keine Angst einjagen. Wenn Ihr Interesse am Thema habt, klickt Euch bitte durch die Links in diesem Post. Ich habe da ein paar wirklich gute einführende Materialien zusammengetragen. 30-60 Minuten und Ihr könnt bei dem Thema Big Data in HR mitreden.

Viel Erfolg!

[HTTP410] Trendforschung mit Google Books Ngrams

Veröffentlicht am November 12, 2013 | von Asif Shaikh | Schreibe einen Kommentar

Ich war letzte Woche auf der Developer Conference 2013 in Hamburg. Es war eine gute Konferenz. Der vielseitige Mix aus Themen und Vorträgen bot genug Denkfutter für Entwickler und Nicht-Entwickler gleichermaßen. Wer an ein paar guten Zusammenfassungen interessiert ist, wird hier, hier und hier fündig.

Einer der interessanteren Vorträge, die ich in Erinnerung behielt, wurde von Dr. Felix Marczinowski (Blue Yonder GmbH) zum Thema “Predictive Analytics in der Praxis” gehalten (hier eine etwas ältere Version des Vortrags). Nein, es folgen jetzt keine Details aus dem Vortrag. Es kommen auch keine Lobeshymnen auf BigData usw. Ich möchte Euch lediglich daran erinnern, nicht zu vergessen, dass DATEN auch in unserem Bereich eine wichtige Rolle spielen (und noch spielen werden). Also, liebe Recruiting-Statistik-Freunde da draußen, sammelt bitte bewusst Daten in Eurem Bereich: Klicks, Quellen, Verbleib auf den Stellenanzeige, Conversions usw. Eines Tages wird sich das garantiert auszahlen.

Warum Daten Spaß machen, wenn man erst einmal genug davon gesammelt hat, zeigt eine Entdeckung aus dem oben erwähnten Vortrag. Der Euch sicherlich bekannte Dienst Google Books erfasst und speichert ja seit einiger Zeit alle möglichen Bücher in digitaler Form. Was ich nicht wusste, ist, dass es ein Tool Namens “Ngrams” gibt, mit dem Wörter und Phrasen in dem Bestand von Google Books ausgezählt werden können. Ist das cool?! Man kann also z.B. analysieren, wann welche Themen auf besonderes Interesse gestoßen sind. Nach möglichen Korrelationen mit anderen Themen suchen. Und letztendlich sogar Prognosen erstellen.

Leider, leider gibt’s aktuell Daten nur bis 2008. Was soll’s, es ist trotzdem eine feine Sache. Hier ein paar schnelle Beispiele aus unserem Themenfeld:

Nicht übel. Was haltet Ihr davon?