Nach den daten- und systemseitigen Grundlagen (Teil 1/3) – „single source of truth“ – und einer evidenzbasierten Entscheidungsfindung (Teil 2/3) gem. „diversity of thought“ schreibe ich heute im dritten und letzten Teil über notwendige Kompetenzen und deren strukturelle Einbettung.

Data Scientists (Datenanalysten) – in den USA bereits sehr beliebt – sind in Europa noch ein knappes Gut. Es ist daher eine Herausforderung, diese Spezialisten in das Personalwesen mit einzubinden. Unternehmen gehen daher zurzeit verschiedene Wege: manche borgen sich Analysten bzw. Data Scientists aus verschiedenen Teilen der Organisation aus, und/oder binden externe Spezialisten mit ein, und/oder forcieren entsprechende Trainingsmassnahmen. In der Zukunft wird der Personalbereich mehr Analysten mit mathematisch-statistischen Kenntnissen, Wissen über Netzwerktechniken und Programmierungen sowie fundierter Beratungskompetenz benötigen.
.

.

Über das Selbstverständnis und Eigenarten vieler Personaler möchte ich nun nicht mehr schreiben. Vielmehr über einige Positivbeispiele:

Talente für das Thema begeistern und klug organisieren

Hier drei mögliche Einstiegsszenarien:

  • Eine Ölgesellschaft hat zunächst eine Wissensplattform in SharePoint aufgebaut. Im nächsten Schritt wurde eine sog. CoP (community of practice) mit einer strukturierten Ausbildung, gemeinschaftlichen Lerneinheiten und aktivem Lernen in peer-unterstützten Gruppen aufgebaut.
  • In einer Grossbank hatte ich u.a. die Aufgabe, die regional und divisional Verantwortlichen für dieses Thema in HR, die bisher weitgehend isoliert voneinander tätig waren, zu einem weltweiten, virtuellen Team resp. CoE (center of excellence) mit einheitlichem Virtual-Team-Charter / Mission Statement zusammen zu führen und entlang harmonisierter Standards, Prozesse und Systeme neu auszurichten.
  • Ein namhaftes Technologieunternehmen hat sogar funktionsübergreifend Talente mit den oben skizzierten Kompetenzen in einer Organisationseinheit gebündelt (also Abteilungs-Silos aufgelöst) und beim CIO angesiedelt.

Das operative Personalberichtswesen von echter Workforce-Analytics-Arbeit trennen

Hier einige Handlungsempfehlungen aus meiner beruflichen Praxis:

  • Beginnen Sie damit, die Unternehmensstrategie zu verstehen. In der Folge können etliche Aufgaben standardisiert werden.
  • Kreieren Sie an internen Kunden ausgerichtete Standardberichte und erstellen Sie Dashboards.
  • Trennen Sie in Standard- bzw. an Standards ausgerichtete Berichte und in kundenspezifische Analysen.
  • Vermeiden Sie, durch zahlreiche Reportinganforderungen zeitlich gebunden zu werden, anstatt durch echte Analysen. Schulen Sie Führende über Workforce Analytics: was ist wirklich zukunftsgerichtet und erfordert die Aufmerksamkeit eines Data Scientists und was kann in einem Dashboard abgebildet werden.

Die Trennung des operativen Personalberichtswesens von echter Workforce-Analytics-Arbeit haben wir in einer Grossbank derart gelöst, dass das standardisierte Berichtswesen von HRIS mitverantwortet wurde. So konnten wir uns im Personalcontrolling auf Workforce Analytics konzentrieren und dafür notwendige Fähigkeiten ausbauen.

Treu zu wissenschaftlichen Methoden stehen

Häufig werden Entscheidungen bereits getroffen und der faktenbasierte „Nachweis“ wird im Anschluss daran erbracht. Das hat mit Wissenschaft nichts zu tun. Stattdessen sollten Führungskräfte datenbasierte Entscheidungsfindungen akzeptieren, wie sie es in anderen Disziplinen, wie Marketing oder Finanzen, bereits häufig auch tun.

Ich rate deshalb dazu, dass die Führungskraft bzw. die Geschäftsführung das zu analysierende Problem zwar benennt, jedoch nicht in die darauffolgende Analyse mit eingebunden ist. Ausserdem sollte es den Analysten frei stehen, abteilungs- bzw. funktionsübergreifend und gemeinsam an Handlungsempfehlungen zu arbeiten, weil dadurch bessere Lösungsvorschläge bzw. Schlussfolgerungen zustande kommen.

 

Fazit

Als notwendige Kompetenzen bezeichne ich also die Fähigkeit zur Datenanalyse, statistisch-mathematische Kenntnisse, Wissen über Netzwerktechniken und Programmierungen sowie strategische Consulting- und Change Management-Expertise.

Gebündelt werden diese Kompetenzen v.a. in der Rolle der Datenanalysten; daneben sind auch Business Analysten, Information Broker, Requirements Engineer, Security-Spezialisten und Service Level Manager notwendig.
Das CEB unterscheidet vier Rollen: Business Challenger, HR Domain Expert, Programmer, und Data Scientist.

Hierbei sind die vier Handlungsfelder einer evidenzbasierten Entscheidungfindung zu beachten, die ich im zweiten Teil dargelegt habe.

Was die strukturelle Einbettung betrifft plädiere ich für eine funktionsübergreifende, ggf. virtuelle Analyticsfunktion. Dies kann eine CoP oder ein CoE sein. Bitte gehen Sie davon aus, dass dies nicht über Nacht zu leisten ist, wie nachfolgendes, anonymisiertes Praxisbeispiel zeigt:

Einführung-Workforce-Analytics

Abschliessend halte ich es für wichtig darauf hinzuweisen, dass ein CoE unternehmensweit agieren und folglich an ein Mitglied der Geschäftsführung bzw. des Vorstandes berichten sollte.

Übrigens: Im Juni 2016 publiziere ich an dieser Stelle einige Praxisbeispiele; u.a. von Deutsche Post DHL und Siemens. Freuen Sie sich darauf!

Was meinen Sie?

  • Stimmen Sie den genannten Kernkompetenzen zu? Welche Ergänzungen sind Ihnen wichtig?
  • Was halten Sie von den Ausführungen zur strukturellen Einbettung? Kennen Sie weitere Alternativen, die zum Erfolg beigetragen haben?
  • Besonders interessiert mich Ihre Antwort auf die Frage: Hören Ihnen Führungskräfte bzw. die Geschäftsführung zu, wenn Sie über analysierte Lösungsvorschläge bzw. Schlussfolgerungen berichten? Erzwingen die Ergebnisse – im positiven Sinne – Aktionen?