Natürlich sollen die HR-Kernprozesse funktionieren und die Hausaufgaben erledigt sein – der Zusatzaufwand, sich auch noch mit weiteren Aufgaben zu beschäftigen, kommt dabei oft zu kurz. Doch die Tücke liegt in der Natur von HR-Analytics-Projekten – denn wer später ernten will, muss hier frühzeitig sähen.
Konkret: Um morgen von den Erkenntnissen aus seinen HR-Daten profitieren zu können, muss sich schon heute Gedanken dazu machen, welche Daten er mit welchen Standards und Richtlinien sammeln will. Ansonsten geht man das Risiko ein, den Anschluss zu verpassen. Dazu gehören stringente Definitionen, eine HR Data Policy und klare Verantwortlichkeiten zur Data Ownership. Zudem benötigen viele zukunftsweisende Auswertungsmethoden (z.B. Machine Learning, Big Data Analysemethoden, AI) relative grosse Mengen an Daten – auch solche aus der Historie des Unternehmens (z.B. Mitarbeiter-Befragungsdaten für Zeitreihen-Analysen). Und nicht zuletzt braucht es von Beginn weg eine enge Zusammenarbeit mit der Informatik-Abteilung, um rechtzeitig die nötige Auswertungs-Infrastruktur zu Verfügung zu haben.
Den Einstieg ins Thema findet man entweder über geeignete Studien- und Weiterbildungsangebote. Oder man wagt den Sprung ins kalte Wasser und tauscht sich mit Fachexpert*innen oder anderen Unternehmen aus, die bereits erste Schritte gemacht haben und erste Erfolgsgeschichten ausweisen können.
Original-Artikel