Big Data im Personalmanagement – Übernehmen Algorithmen die Führung?

3. Dialog Personalmanagement

09. Mai 2014

Univ.-Prof. Dr. Stephan Kaiser

2

3

George Hinton, Vater der Deep-Learning Forschung:

„Es ist wie damals, als die Menschen ein Wett-Tauziehen mit den ersten Dampfmaschinen veranstalteten. Als das erste Mal eine

Dampfmaschine gewann, war es vorbei. Der Mensch hatte nie wieder eine Chance“.

4

Quelle: Gartner Hype Cycle (2013).

5

Variety: Strukturierte und

unstrukturierte Daten

Velocity: Verarbeitungsge-

schwindigkeit in Echtzeit

Volume: Entstehung von Datenbergen durch Digitalisierung aller

Lebens- und Arbeitsbereiche

Datenanalytik und intelligente Algorithmen

Nutzung von Big Data-Anwendungen werden realistisch

Entwicklung intelligenter Algorithmen für Vorhersage- und Optimierungsmodelle

Alle unternehmerischen Funktionen betroffen: Fertigung, Logistik, Marketing, Personal, ….

Big Data

Quelle: z.B. Markl (2012).

6

Arbeitsplatzdaten •Unternehmenszugehörigkeit • Stellenbeschreibung • Laufbahn • Zeiterfassung • . . .

Leistungsdaten • Leistungsbeurteilung •Verkaufszahlen •Beschwerden •Auszeichnungen • . . .

Entgeltdaten •Gehaltsentwicklung •Präferenzen • Leistungsentgelt • . . .

Befragungsdaten •Mitarbeiterzufriedenheit • Stärkenanalyse •Engagement • . . .

Bewegungs- und Kommunikationsdaten •Häufigkeit der

Kommunikation • Sprach- und Stimmlage • Lachen •Händeschütteln • . . .

Aktivitätsdaten in • Sozialen Netzwerken,

Wikis •Dokumenten •Emails • . . .

Sonstige Daten •Wetter • Straßenverkehr •Umsätze • Jahreszeit • . . .

Beispiele für Daten im Personalmanagement

Quelle: in Anlehnung an Cornerstone (2014)

7

Indirekte Konsequenzen

Veränderung des Führungs- und Entscheidungsverhaltens Automatisierung des Geistes und Diktatur der Daten Wegfall von Berufsbildern

Direkte Konsequenzen

People Analytics mit Relevanz für alle

Personalfunktionen Neue Berufsbilder im Personalmanagement

Perspektive Personalmanagement: Das Personalmanagement ist indirekt und direkt durch Big Data betroffen

Quelle: Krauss, Kaiser, Richter (2014).

8

Migel Rayner von Gartner zum Thema White Collar Robots: „Das meiste, was Manager, Finanzchefs oder Vorstände heute tun, werden in Zukunft Maschinen erledigen – und zwar besser“ Constanze Kurz und Frank Rieger in ihrem Buch „Arbeitsfrei“

„Erfahrung, Wissen und Intuition werden durch Software nachgebildet, Statistiken, Optimierungs- und Wahrscheinlichkeitsrechnungen ersetzen die oft eher unscharf begründeten, einfach zu beeinflussenden Entscheidungen des Menschen“ . . . „Die Automatisierung des Geistes, die Ablösung menschlicher Hirntätigkeit durch Software und Algorithmen, hat das Potential, die Arbeits- und Lebenswelt noch stärker zu verändern, als es durch die Robotorisierung und Automatisierung der Produktion bereits eingeleitet worden ist“

9

Erik Brynjolfsson, Professor an der MIT’s Sloane School of Management „People analytics will ultimately have a vastly larger impact on the economy than the algorithms that now trade on Wall Street”.

10

11

Moneyball Approach im Personalmanagement – Beispiele 1

Royal Dutch Identifikation von Mitarbeitern mit Potential zu Durchbruchinnovationen über historische Daten aus Computerspielen (Knack.it)

Xerox Online-Evaluation durch Evolv

Harrah‘s Casino Las Vegas Analyse des Lächelns der Mitarbeiter als Prädiktor für Kundenzufriedenheit

Gild Identifikation von Entwicklern über alle im Netz verfügbare Informationen und Leistungsvorhersage

12

Alex (Sandy) Pentland Bewegungs- und Kommunikationsverhalten durch elektronische Armbänder erhoben (2500

Mitarbeiter in 21 Organisationen) Drittel der Teamperformance vorhersagbar über die Anzahl der Face-to-Face Kontakte Vorhersage, welches Team einen Business-Plan gewinnt Vorhersage, wer richtigerweise sagt, dass er einen produktiven Tag hatte. Bestimmung des „natural leader“ über „data signature“

2010 Gründung von Sociometric Solutions: Kunden nutzen Badges auf Projektbasis, permanenter

Einsatz möglich. Z.B. App zum Benchmark mit erfolgreichen Mitarbeitern im Hinblick auf Bewegung, Zuhören,

Kontakte außerhalb des eigenen Teams

Moneyball Approach im Personalmanagement – Beispiele 2

13

Quelle: Gartner Hype Cycle (2013).

14

Gerard George, Martine Haas & Alex Pentland im Academy of Management Journal, April 2014: “Such granular, high-volume data can tell us more about workplace practices and behaviors than our current data-collection methods allow—and have the potential to transform management theory and practice.“

Big Data in der Forschung zum Personalmanagement (1)

15

Big Data in der Forschung zum Personalmanagement (2)

(ungeprüfte) Theorie Hypothesen Spezifische

Datenerhebung (geprüfte)

Theorie

verfügbare Daten

Erkennen von Mustern und

Zusammenhänge in den Daten

Nutzung der Zusammenhänge als

Entscheidungs-grundlage

Evidenzbasiertes Personalmanagement (ex-post)

Analytisches Personalmanagement (in Echtzeit)

16

Big Data in der Praxis des Personalmanagements: Mode oder Fortschritt?

Quelle: e.Ü.; * http://www.tlnt.com/2013/02/26/how-google-is-using-people-analytics-to-completely-reinvent-hr/

Bekannte Nutzung bisher im Wesentlichen im US-amerikanischen Raum Vergleichsweise wenig Kommunikation über Anwendung

Fehlende Expertise im Personalbereich – Data Scientist als neues Berufsbild auch im Personalmanagement

Lücke zwischen intelligenter Analytik und konkreter Aktion lässt sich prognostizieren

Fragen des Datenschutzes, Mitbestimmung etc. liegen auf der Hand

Ausnahme Google: „data driven HR-function“ „all people decisions at Google are based on data and analytics“ „bring the same level of rigor to people-decisions that we do to engineering decisions“*

Kontaktdaten

Contact me via:

Xing

LinkedIn

Prof. Dr. Stephan Kaiser

Universität der Bundeswehr München Institut für Entwicklung zukunftsfähiger Organisationen Lehrstuhl für Personalmanagement und Organisation E Stephan.Kaiser@unibw.de T +49 (0)89 6004 4405 M +49 (0)172 84 86 822 W www.pers-orga.de; www.professional-service-firm.net

17