PERSONAL quarterly 2/2020

38 PERSONALquarterly 02/20 NEUE FORSCHUNG _ANALYTICS D as Thema „Data Analytics“ im Sinne der Nutzung von stetig wachsenden Datenmengen zur Unter- mauerung und Optimierung von Management- Entscheidungen hat längst auch die HR-Funktion erreicht (Marler/Boudreau, 2017). Allerdings ist dabei noch recht unklar, welcher konkrete Nutzen wirklich aus der Analy- se dieser steigenden Datenmengen für zielgerichtete Personal- Entscheidungen generiert werden kann (Angrave et al., 2016). Schließlich gilt besonders im Personalwesen doch der „Faktor Mensch“ als besonders komplex und schwer in seinem Verhal- ten durch Datenanalytik zu analysieren. Daraus ergibt sich die Fragestellung, ob es sich bei dem Thema lediglich um einen (temporären) Hype handelt oder ob Personalverantwortliche datengetriebene Erkenntnisse nutzen können, um ihre Arbeit nachhaltig zu verbessern. Um dieser Frage nachzugehen, ha- ben wir uns einem sehr zentralen Thema in HR gewidmet: der Thematik der Mitarbeiterabwanderung (Hancock et al., 2013). Die Abwanderung von Mitarbeitern ist sehr relevant für jedes Unternehmen: Neben einem Grundrauschen an Fluktuation kennt jeder Personaler die Fälle von Top-Performern seines Bereichs, die überraschend und förmlich ohne vorherige An- zeichen plötzlich gekündigt haben. Gleichzeitig ist es für aktive Recruiter interessant, welche potenziellen Kandidaten für eine Stelle bereit wären, ihren aktuellen Arbeitgeber zu verlassen, um eine neue Herausforderung anzunehmen. Dadurch, dass Personalverantwortliche begrenzte Ressourcen haben, ist es ihnen unmöglich, auf die gesamte Mitarbeiterschaft oder alle potenziellen externen Kandidaten gleichermaßen einzugehen. Wäre es möglich, auf die gesamte jeweilige Zielgruppe zuzu- gehen, so könnten auch (zumindest theoretisch) alle Abwande- rungsfälle identifiziert und potenziell verhindert werden und alle interessierten externen Kandidaten zu Vorstellungsge- sprächen eingeladen werden. Da dies aber nicht effizient wäre und durch begrenzte Ressourcen faktisch auch nicht möglich, müssen sich Personalverantwortliche auf wenige Individuen in ihrer Arbeit fokussieren. Dazu könnten Personalverantwort- liche in ihrer täglichen Arbeit durch Verfahren zur Prognose in- dividueller Abwanderung unterstützt werden. Daher haben wir uns die Forschungsfrage gestellt, ob moderne Data-Analytics- Methoden behilflich sein können, Mitarbeiterabwanderung Kann Data Analytics zur Vorhersage von Mitarbeiterabwanderung beitragen? Von Marian Bodenstedt und Prof. Dr. Andreas Engelen (Heinrich-Heine-Universität Düsseldorf) vorherzusagen. Die Besonderheit ist, dass wir hierfür aus- schließlich externe und öffentlich verfügbare Daten betrachten und keinerlei interne. Damit verwenden wir Daten, die online für jedermann einsehbar sind und von Individuen veröffent- licht wurden. Infolge unserer Analysen lassen sich Maßnah- men ergreifen, um proaktiv die gewonnenen Informationen für die tägliche Personalarbeit zu nutzen. Es ist explizit nicht Teil unseres Artikels, eine juristische datenschutzrechtliche und betriebsrechtliche Bewertung der möglichen Anwendungen vorzunehmen. Dies hängt von einer Vielzahl von Faktoren ab, die es im Einzelfall für jedes Unternehmen in der Anwendung zu prüfen gilt (Blum/Kainer, 2019). Wegen der explorativen Natur der Fragestellung haben wir einen neuartigen Forschungsansatz gewählt, bei dem wir Ver- fahren des sog. „Machine Learning“ angewendet haben. Dazu haben wir auf einer breiten externen Datenbasis einen großen Datensatz mit Mitarbeiterinformationen und Unternehmens- informationen junger Unternehmen aus der Biotech-Branche generiert, um basierend darauf verschiedene Algorithmen an- zulernen. Damit untersuchen wir exemplarisch anhand des Modells für einen Branchenzweig die Anwendbarkeit von Data Analytics, wobei die Methodik gleichsam auch für andere Kon- texte gilt. Im Vergleich hat sich gezeigt, dass die Kombina- tion von Firmen- und Individualfaktoren in einem „Random Forest“ Model die beste Prognosegenauigkeit aufweist und tatsächlich eine robuste Vorhersage individueller Abwande- rungswahrscheinlichkeit ermöglicht. Im Folgenden gehen wir zunächst auf die zugrunde liegende Datenarbeit ein, bevor wir die Methodik aus praktischer Sicht beleuchten. Anschließend zeigen wir die konkreten Ergebnisse in unserem Fall der Bio- tech-Branche auf. Als Ausbaustufe basierend auf der erstellten Datenbasis und als weiteren konkreten Anwendungsfall stellen wir anschließend mögliche Pfadanalysen von Mitarbeiterab- wanderung dar. Abschließend diskutieren wir die praktischen Implikationen und Transfermöglichkeiten auf andere Kontexte. Eine breite Datengrundlage ermöglicht spezifische Modelle Data-Analytics-Projekte bestehen grundlegend aus den Pha- sen der Datengenerierung, der Datenauswertung und der Dateninterpretation mit der Ableitung von Erkenntnissen für