10
PERSONALquarterly 03/17
SCHWERPUNKT
_HR-ANALYTICS
analysieren. Für Ziel 2 reicht das nicht. Eine große Gefahr liegt
darin, die beiden Ziele nicht sauber zu trennen.
Um wirklich überzeugend People Analytics zu betreiben,
sollte man sich hier eine strenge Sprachdisziplin angewöhnen
und sauber zwischen Vorhersage und Wirkungsnachweis tren-
nen. Ein Beispiel für mögliche Fallen bei Kausalaussagen sind
etwa bei den in der politischen Debatte sehr häufig zitierten
Studien zum Zusammenhang zwischen dem Anteil von Frauen
in Führungspositionen und wirtschaftlichem Erfolg zu finden.
So erhebt bspw. die McKinsey-Studie „Vielfalt siegt!“ (2011)
den Anteil von Frauen in Vorständen von Unternehmen und
vergleicht dann finanzielle Erfolgskennzahlen wie etwa den Re-
turn on Equity in Unternehmen mit einem geringen und einem
hohen Anteil von Frauen in Vorständen. Es zeigt sich eine sehr
interessante Korrelation: Unternehmen mit hoher Diversität
im Vorstand haben einen deutlich höheren finanziellen Erfolg.
Die Studie ist aufschlussreich für Ziel 1 (Vorhersagekraft): Die
Diversität von Vorständen ist – wie die Studie überzeugend
zeigt – ein nützlicher Indikator für die Prognose von finanzi-
ellem Erfolg (Ziel 1). So könnte ein Investor, der Erträge vor-
hersagen will, durchaus aus der Korrelation schließen, dass
es ertragreicher ist, in Unternehmen mit hoher Diversität zu
investieren.
Man kann jedoch aus dieser Studie keine Aussage über
die Wirkung ableiten (Ziel 2). Die der Korrelation zugrun-
de liegende Ursache kann eben auch sein, dass sich Unter-
nehmen mit hoher und niedriger Diversität auch in anderen
Merkmalen unterscheiden, die den Erfolg beeinflussen (z.B.
Alter, Branche, Internationalität, Kultur, Führungsstil etc).
Im Grunde ist dies nur ein weiteres Beispiel für die alte Ge-
schichte von der Korrelation zwischen Storchenpopulation
und Geburtenrate, die nicht zu Kausalaussagen verleiten
sollte. Die Autoren der Studie sind zu Beginn noch diszipli-
niert in ihrer Sprache („ROE und EBIT-Marge sind deutlich
höher bei Unternehmen mit Vielfalt im Vorstand“), am Ende
verlieren sie diese Disziplin und machen Kausalaussagen wie
„Der positive Ergebniseffekt vielfältiger Vorstände zeigt sich
in allen Ländern“ und „Diversität, die personelle Vielfalt in
Organisationen, führt zu eindeutigen ökonomischen Vortei-
len“. Gerade diesen Kausaleffekt weist die McKinsey-Studie
jedoch nicht nach und damit ergibt sich aus dem Befund kein
unmittelbarer sauberer Business Case.
Bauen Sie eine Infrastruktur auf, in der Sie leicht Personaldaten aus ver
schiedenen Quellen verknüpfen und Zusammenhänge auswerten können.
Quelle: Eigene Darstellung
Abb. 1:
Aufbau von People-Analytics-Projekten
Dateninfrastruktur aufbauen
Analysieren Sie Korrelationen und nutzen Sie die Ergebnisse um Warnsignale
und Frühindikatoren zu identifizieren.
Vermeiden Sie aber voreilige kausale Interpretationen von Korrelationen.
Korrelationen zur Identifikation
von Frühindikatoren
Führen Sie HR-Maßnahmen wenn möglich erst in zufällig gewählten Teilgrup
pen ein.
Durch die Durchführung eines solchen RCTs (Randomized Controlled Trials) kön
nen Sie die kausale Wirkung von Maßnahmen präzise evaluieren.
RCTs als „Goldstandard“
Starten Sie das Design Ihrer People-Analytics-Projekte basierend auf schon
bestehender wissenschaftlicher Evidenz.
Diese können Sie mit eigenen Analysen oder auch eigenen RCTs für Ihr Unter
nehmen spezifizieren.
Bestehende Evidenz nutzen
