Digitalisierung im HR

1.450 Aufrufe

Veröffentlicht am

Wie HR Predictive Analytics und Social Media Analysen Ihrem Unternehmen helfen

Von klassischem HR Reporting zu Predictive Analytics: Erhalten Sie einen Einblick in die aktuellen Möglichkeiten, wie Sie aus internen Unternehmensdaten und externen Social Media Daten Antworten auf wichtige Unternehmensfragestellungen finden können. Dadurch lässt sich das Bauchgefühl durch faktenbasierte Entscheidungen ablösen und wichtige Trends für HR Themen ableiten.

Veröffentlicht in: Technologie
0 Kommentare
2 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.450
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
48
Aktionen
Geteilt
0
Downloads
0
Kommentare
0
Gefällt mir
2
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Digitalisierung im HR

  1. 1. © 2015 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH Wie HR Predictive Analytics und Social Media Analysen Ihrem Unternehmen helfen. Digitalisierung im HR Christian Frahm, Claudio Weck und Fabian Kehle | MHPBoxenstopp: 19.04.2016
  2. 2. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 2 26.04.2016 Text Mining im analytischen CRM Generierung von Wissen aus unstrukturierten Texten 26.04.2016 Das E-Auto in der Future City Ein Ausblick für das vernetzte Elektrofahrzeug im urbanen Raum 03.05.2016 Data Mining mit SAS SAS Portfolio für Data Mining Anwendungsszenarien 03.05.2016 Enterprise Architect Solution Requirement Engineering mit dem Enterprise Architect 10.05.2016 Zeitalter HANA - SAP Planungstools Wie ist die Lage und wohin geht die Reise? 10.05.2016 Lieferantenbeurteilung 10.0 Neuerungen der Lieferantenbeurteilung 10.0 und die Lieferantendatenbank Einleitung MHPBoxenstopp: Digitalisierung im HR Agenda Weitere MHPBoxenstopps www.mhp.com/events Zu Anfang sind alle Teilnehmer auf stumm geschalten. Wo Sie uns in 2016 auch finden können… www.mhp.com/events 13.00 – 13.10 Uhr Begrüßung Fabian Kehle 13.10 – 13.45 Uhr Vortrag Christian Frahm und Claudio Weck 13.45 – 14.00 Uhr Offene Fragerunde Sie können bereits während der Web Session über Chat- funktion im rechten Fenster Fragen einreichen. www.youtube.de/MHPProzesslieferantwww.slideshare.net/MHPInsights
  3. 3. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 3 MHPBoxenstopp: Digitalisierung im HR Ihre Gesprächspartner Fabian Kehle Senior Professional Produkt- und Innovationsmanagement Claudio Weck Senior Consultant BI & BIG DATA Christian Frahm Senior Manager HR
  4. 4. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 4 Prozesse verbessern kann nur, wer sich im Detail auskennt. Genauso wie im Großen und Ganzen. MHPBoxenstopp: Digitalisierung im HR Wir wissen aus Erfahrung, wie man Ziele erreicht und dabei vorneweg fährt.
  5. 5. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 5 Mieschke Hofmann und Partner (MHP) A Porsche Company MHPBoxenstopp: Digitalisierung im HR Der Unterschied Symbiose aus Management- + IT-Beratung l Prozesslieferant l Excellence l Automotive l Kunden Die Kompetenz Ganzheitliches Beratungsportfolio über die gesamte Wertschöpfungskette Technology Services Application Mgmt. Services Product Lifecycle Mgmt. Supply Chain Mgmt. Production & Opera- tions Mgmt. Customer Relations Mgmt. Finance & Controlling Business Intelligence After Sales Retail Mgmt. Human Resources Die Leistung Management Consulting System Integration Managed Services Business Solutions
  6. 6. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 6 Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette. Unsere Kompetenzbereiche mit Themenfeldern. MHPBoxenstopp: Digitalisierung im HR Technology Services Application Mgmt. Services Product Lifecycle Mgmt. Supply Chain Mgmt. Production & Opera- tions Mgmt. Customer Relations Mgmt. Finance & Controlling Business Intelligence After Sales Retail Mgmt. Human Resources Production Planning Strategic Production Consulting Lean Production Manufacturing Execution Maintenance Retail Service Management Retail Consulting Fleet Management Sourcing Planning Affiliation Performance Development & Talent Management Governance, Risk and Compliance Template Development and Rollouts Business Process Development & Optimization Legal and Fiscal Requirements Accounts, Reporting and Consolidation System Harmonization CIO Management Consulting Enterprise Content Management Standard Software Individual Software Application & Process Services Application Management Consulting Product Structure Management Product Development Process (PDP) Management SAP PLM Consulting & Solution Implementation PTC Windchill Solution Integration DS Enovia V6 Solution Integration PLM Strategy & Management Consulting Production Logistics Procurement & Quality Sales Logistics Service Management Spare Parts Management Supply Chain & Demand Planning Service Management Spare Parts Management Warranty Processes (Pro-active) Complaint Management Digital incl. Connected CRM & Social CRM CRM Strategy & Management Consulting Sales Force Automation incl. Mobile CRM Analytics incl. Segmentation & Campaign Management Vertical Retail Integration (Pro-active) Complaint Management BI Technology BI Strategy Integrated Corporate Planning Analytical Business Processes Next Generation BI & BIG DATA Mobile BI Scenarios CRM IT Consulting & Solution Implementation Transition & Change Management Administrative Core Processes MHP Dealer Performance Management Finance and Controlling for Automotive Retailers Dealer Management Systems MHP Carbon Innovations Connected Vehicle Future City Sustainable Mobility Digitalisierung
  7. 7. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 7 Ganzheitliches Beratungsportfolio über die komplette Wertschöpfungskette. Unsere Kompetenzbereiche mit Themenfeldern. MHPBoxenstopp: Digitalisierung im HR Technology Services Application Mgmt. Services Product Lifecycle Mgmt. Supply Chain Mgmt. Production & Opera- tions Mgmt. Customer Relations Mgmt. Finance & Controlling Business Intelligence After Sales Retail Mgmt. Human Resources Production Planning Strategic Production Consulting Lean Production Manufacturing Execution Maintenance Retail Service Management Retail Consulting Fleet Management Sourcing Planning Affiliation Performance Development & Talent Management Governance, Risk and Compliance Template Development and Rollouts Business Process Development & Optimization Legal and Fiscal Requirements Accounts, Reporting and Consolidation System Harmonization CIO Management Consulting Enterprise Content Management Standard Software Individual Software Application & Process Services Application Management Consulting Product Structure Management Product Development Process (PDP) Management SAP PLM Consulting & Solution Implementation PTC Windchill Solution Integration DS Enovia V6 Solution Integration PLM Strategy & Management Consulting Production Logistics Procurement & Quality Sales Logistics Service Management Spare Parts Management Supply Chain & Demand Planning Service Management Spare Parts Management Warranty Processes (Pro-active) Complaint Management Digital incl. Connected CRM & Social CRM CRM Strategy & Management Consulting Sales Force Automation incl. Mobile CRM Analytics incl. Segmentation & Campaign Management Vertical Retail Integration (Pro-active) Complaint Management BI Technology BI Strategy Integrated Corporate Planning Analytical Business Processes Next Generation BI & BIG DATA Mobile BI Scenarios CRM IT Consulting & Solution Implementation Transition & Change Management Administrative Core Processes MHP Dealer Performance Management Finance and Controlling for Automotive Retailers Dealer Management Systems MHP Carbon Innovations Connected Vehicle Future City Sustainable Mobility Digitalisierung Digitalisierung im HR
  8. 8. Agenda © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 8 1. Einführung HR Predictive Analytics 2. Mögliche Business Fragestellungen aus der Praxis 3. Methoden und Technologien 4. Use Cases 5. Zusammenfassung und Ausblick
  9. 9. Agenda © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 9 1. Einführung HR Predictive Analytics 2. Mögliche Business Fragestellungen aus der Praxis 3. Methoden und Technologien 4. Use Cases 5. Zusammenfassung und Ausblick
  10. 10. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 10 Cloud Wie HR Services bereitgestellt werden Collaboration Wie Dinge entdeckt & verbunden werden Mobile Wie Prozesse konsumiert werden Global Wo Service Delivery stattfindet …… Zentrale HR Digitalisierungstreiber Analytics Wie Erkenntnisse gewonnen werden
  11. 11. 11© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 160 teilnehmende Unternehmen 20% davon aus der Automobilbranche 54% > 10.000 Mitarbeiter “Aufbau des Verständnisses für die Veränderung durch die Digitalisierung. Geeignete Prozesse und Tools anbieten, auch innerhalb der HR Organisation“ “Nutzen aller heute verfügbaren Daten, um zu besseren, schnelleren und faktenbasierten Entscheidungen zu kommen.“ “Digitalisierung der Ablaufprozesse, Big Data für People Analytics, Definition, Entwicklung und Implementierung digitaler Kompetenzen.“ “Nutzen technischer Möglichkeiten, um bestehende HR- Services zu vereinfachen und neue HR-Services möglich zu machen. HR muss außerdem Digitalisierung gut verstehen, um es von der Personalseite her optimal unterstützen zu können.“ Mehr als 50%der Unternehmen sagen, dass HR von der Digitalisierung sehr stark betroffen ist. Ausgewählte Teilnehmer-Definitionen Zentrale Erkenntnisse Top 5 Ziele der HR Digitalisierungsinitiativen: 1. Simplifizierung 2. Automatisierung 3. Kostensenkung 4. Gewinnung und Bindung von digitalen Jobgruppen 5. Forcierung eines digitalen Mindsets im Unternehmen 9 von 10 Unternehmen sind der Meinung, dass die Bedeutung von HR Analytics in den nächsten Jahren zunehmen wird 3 von 5 Unternehmen sehen HR als Treiber zur Befähigung der Veränderung des Gesamtunternehmens. 7 von 10 Unternehmen sind der Meinung, dass sie heute interne oder externe Daten aus sozialen Netzwerken in NICHT ausreichendem Maß nutzen MHP Studie zur HR Digitalisierung Digitalisierung – HR Treiber oder Getriebener?
  12. 12. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 12  Fast alle Unter- nehmen planen, Ihre HR Analytics-Fähig- keit in den nächsten Jahren zu erhöhen.  Die meisten Unternehmen wollen zukünftig Reifegradlevel 4 erreichen. S O ME HO W - S TANDAR D BE R IC HTE O PPO R TUNIS TIC - AD HO C BE R IC HTE UND ABF R AG E N INTE G R ATE D - WAR NS Y S TE ME BUS INE S S DR IV E N - S TATIS TIS C HE AUS WE R TUNG E N, PR O G NO S E MO DE LLE G AME C HANG ING - PR ÄDIKTIV E V O R HE R S AGE N Heute In 3 Jahren HR Analytics Reifegrad HochNiedrig 1 2 3 4 5 Heute In 3 Jahren Durchschnittlicher Reifegrad +100 % 36 % 0 % 32 % 11 % 15 % 15 % 12 % 54 % 20 % 5 % Heute In 3 Jahren Die Unternehmen wollen den Reifegrad von HR Analytics steigern 1. Einführung HR Predictive Analytics
  13. 13. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 13  Wandlungsfähigkeit sowie Analysefähigkeit sind die Kompetenzen, die gemäß den befragten Unter- nehmen zukünftig von HR gefordert werden.  Vor allem treten aber auch Kompetenzen wie Business Acumen in den Vordergrund, da durch den Einsatz smarter Technologie mehr Zeit für strategische und wertschöpfende Tätigkeit bleibt. Welche Kompetenzen werden zukünftig von HR gefordert? Einfluss der Digitalisierung auf die HR Funktion 1. Einführung HR Predictive Analytics
  14. 14. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 14 Heutiges Problem 1. Einführung HR Predictive Analytics  95% der Senior HR Manager planen, Investitionen in Personaldaten zu erhöhen  82% der Geschäftsführer vertrauen talent- bezogenen Daten nicht  83% denken, die Analyse von talentbezogenen Daten konzentriert sich auf die falschen Kernpunkte 0 10 20 30 40 50 60 70 80 90 100 HR kann die gewünschten Informationen nicht bereitstellen Bedürfnis nach aussagekräftigen Informationen Erhalt aussagekräftiger Informationen Mitarbeiter- Produktivität Meinungen & Bedürfnisse der Mitarbeiter Arbeits- kosten Nachfolge- planung Kapazitäts- bedarf Fluktuations- kosten
  15. 15. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 15 „Was ist geschehen?” „Wie viele, wie oft, wo?” „Was ist eigentlich genau das Problem?” „Welcher Handlungsbedarf besteht?” „Warum geschieht das?” „Was ist, wenn es mit diesen Trends weitergeht?” „Was wird als nächstes geschehen?” Optimierung Prognose- Modelle Vorhersage/ Extrapolierung Statistische Auswertung Warnsystem Abfragen / Drill Down Ad hoc Berichte Standard Berichte „Was kann im besten Fall geschehen?” Weiterentwicklung der Erkenntnisfähigkeit Wettbewerbsvorteil Predictive Analytics Reporting Level 5: Game changing Level 4: Business driven Level 3: Integrated Level 2: Opportunistic Level 1: Somehow 1 2 3 4 5 Business Fragestellungen Der Weg vom HR Reporting zu HR Predictive Analytics 1. Einführung HR Predictive Analytics
  16. 16. Agenda © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 16 1. Einführung HR Predictive Analytics 2. Mögliche Business Fragestellungen aus der Praxis 3. Methoden und Technologien 4. Use Cases 5. Zusammenfassung und Ausblick
  17. 17. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 17 Komplexe Business Fragestellungen lassen sich erst mit Methoden von Predictive Analytics ausreichend beantworten 2. Mögliche Business Fragestellungen aus der Praxis Wie beeinflussen Arbeits- bedingungen die Performance? Wie hoch ist die Wahrschein- lichkeit, dass Mitarbeiter abwandern? Wie lässt sich die Motivation der Mitarbeiter erhöhen? Welche Faktoren sind bei der Bindung von Talenten entscheidend? Gibt es einen Zusammen- hang zwischen Recruiting Kanälen und Performance der MA? Welche Faktoren spielen bei Ausfällen eine wichtige Rolle? Wer sind die erfolgreichsten Führungs- kräfte? Warum? In welchen Bereichen wird es einen Fachkräfte- mangel geben? Wie kann der Bewerbungs- prozess bewertet und verbessert werden? Wie erkennen wir spätere Toptalente frühzeitig? Glauben oder wissen Sie, dass Sie Ihre Mitarbeiter zu Bestleistungen befähigen? Wer möchte das Unternehmen verlassen? Welche Kompetenzen werden im Zuge der Digitalisierung zukünftig benötigt?
  18. 18. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 18 Komplexe Business Fragestellungen lassen sich erst mit Methoden von Predictive Analytics ausreichend beantworten 2. Mögliche Business Fragestellungen aus der Praxis Wie beeinflussen Arbeits- bedingungen die Performance? Wie hoch ist die Wahrschein- lichkeit, dass Mitarbeiter abwandern? Wie lässt sich die Motivation der Mitarbeiter erhöhen? Welche Faktoren sind bei der Bindung von Talenten entscheidend? Gibt es einen Zusammen- hang zwischen Recruiting Kanälen und Performance der MA? Welche Faktoren spielen bei Ausfällen eine wichtige Rolle? Wer sind die erfolgreichsten Führungs- kräfte? Warum? In welchen Bereichen wird es einen Fachkräfte- mangel geben? Wie kann der Bewerbungs- prozess bewertet und verbessert werden? Wie erkennen wir spätere Toptalente frühzeitig? Glauben oder wissen Sie, dass Sie Ihre Mitarbeiter zu Bestleistungen befähigen? Wer möchte das Unternehmen verlassen? Welche Kompetenzen werden im Zuge der Digitalisierung zukünftig benötigt?
  19. 19. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 19 Interne Daten Externe Daten Durch die Verknüpfung von internen und externen Informationsquellen lassen sich komplexe Fragen beantworten 2. Mögliche Business Fragestellungen aus der Praxis Soziale Netzwerke / Medien Recruiting Daten Talent Manager Daten HR Bewegungsdaten (SAP) HR DataWarehouse Externe Markt- und Demographie Daten Job Angebote und Trends Kosten und Zeit- Wirtschaftsdaten Unternehmensdaten Unternehmens- bewertungen Wie erkennen wir spätere Toptalente frühzeitig? Welche Faktoren spielen bei Ausfällen eine wichtige Rolle? Wie hoch ist die Wahrscheinlich- keit, dass Mitarbeiter abwandern? Wer sind die erfolgreichs- ten Führungs- kräfte? Warum? In welchen Bereichen gibt es einen Fachkräfte- mangel?
  20. 20. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 20 Interne Daten Externe Daten 2. Mögliche Business Fragestellungen aus der Praxis Soziale Netzwerke / Medien Recruiting Daten Talent Manager Daten HR Bewegungsdaten (SAP) HR DataWarehouse Externe Markt- und Demographie Daten Job Angebote und Trends Kosten und Zeit- Wirtschaftsdaten Unternehmensdaten Unternehmens- bewertungen Wie erkennen wir spätere Toptalente frühzeitig? Welche Faktoren spielen bei Ausfällen eine wichtige Rolle? Wie hoch ist die Wahrscheinlich- keit, dass Mitarbeiter abwandern? Wer sind die erfolgreichs- ten Führungs- kräfte? Warum? In welchen Bereichen gibt es einen Fachkräfte- mangel? Durch die Verknüpfung von internen und externen Informationsquellen lassen sich komplexe Fragen beantworten
  21. 21. Agenda © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 21 1. Einführung HR Predictive Analytics 2. Mögliche Business Fragestellungen aus der Praxis 3. Methoden und Technologien 4. Use Cases 5. Zusammenfassung und Ausblick
  22. 22. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 22 Einordnung und Definition 3. Methoden und Technologien Data Mining „Predictive analytics - Technology that learns from experience (data) to predict the future behavior of individuals in order to drive better decisions.“ (Eric Siegel) “Predictive analytics is a set of business intelligence (BI) technologies that uncovers relationships and patterns within large volumes of data that can be used to predict behavior and events. Unlike other BI technologies, predictive analytics is forward-looking, using past events to anticipate the future.“ (TDWI Best Practice Report, W. Eckerson) Muster- erkennung Machine Learning Predictive Analytics
  23. 23. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 23  Klassifikation  Clustering  Assoziationsanalyse  Numerische Vorhersage  Text Mining  Web Mining Anwendungsklassen 3. Methoden und Technologien
  24. 24. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 24 Warum ist es an der Zeit für HR Predictive Analytics 3. Methoden und Technologien BIGDATA Vorhandene Datenbasis Prädiktive Modelle HR Predictive AnalyticsInterne und externe HR Daten sind verfügbar und integriert BIGDATA ermöglicht das Sammeln und Auswerten Mittlerweile sehr gute prädiktive Algorithmen
  25. 25. 25© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH Unbekannte Zusammenhänge erkennen Zukünftiges prognostizieren Bereiche und Methoden in Predictive Analytics 3. Methoden und Technologien Assoziationsanalyse Anomalieerkennung Clustering Klassifikation Entscheidungsbäume Regressionsanalyse Zeitreihenanalysen Neuronale Netze
  26. 26. 26© 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH Bereiche und Methoden in Predictive Analytics 3. Methoden und Technologien Assoziationsanalyse Anomalieerkennung Clustering Klassifikation Entscheidungsbäume Regressionsanalyse Zeitreihenanalysen Neuronale Netze
  27. 27. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 27 1. Zusammenhänge und Verhaltensweisen aufdecken  Assoziationsanalysen: Identifikation typischer Fluktuationen, Darstellung als Wortwolke, Zusammenhang zwischen Recruiting & Potential / Performance 2. Unregelmäßigkeiten entdecken und Potentiale erkennen  Anomalieerkennung: Durchschnittliche Mitarbeiterbeurteilungen im Vergleich zu Ausreißern, Streuung und Konfidenzintervalle 3. Mitarbeiter-Segmentierung, gruppenspezifische Strategien  Clustering: Einflussgrößen der Fluktuation und Beförderungen durch Mitarbeitertypen 3. Methoden und Technologien HR Predictive Analytics am Beispiel (1/2) {Volkswagen,Audi of America}=>{Audi} {Universität,BMW}=>{Porsche} {Daimler,Daimler}=>{car2go} {Daimler,PWC}=>{Daimler} {Siemens,Siemens}=>{BMW} {Audi,MB Tech}=>{Porsche} {Universität,Porsche}=>{CLAAS} {Universität,BMW}=>{Intel}
  28. 28. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 28 4. Ähnliche Beobachtungen einordnen  Klassifikationen: Zuordnung von Arbeitgeberbeurteilungen anhand der Bewertungen 5. Einstellungswahrscheinlichkeiten und Vorselektion  Entscheidungsstrukturen / -bäume: Auswertung und Visualisierung von Einstellungskriterien 6. Auswirkungen vorhersehen  Regressionsanalysen: Bewerber- und Einstellungs-Sensitivitäten determinieren 7. Wissen, was morgen geschieht  Zeitreihenanalyse: Mitarbeiter-Kapazitäten für die kommende Zeit prognostizieren 3. Methoden und Technologien Mitarbeiter XY Bewertungen T y p e n HR Predictive Analytics am Beispiel (2/2)
  29. 29. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 29 Abhängig von Fragestellungen und Daten die passenden Tools nutzen 3. Methoden und Technologien  Programmierung  Data Mining Tools  HR Tools  Enterprise Solutions OrgVue Appical iCube Workometry Clustree Workday Rapidminer KNIME R Python SAP Predictive Analytics Microsoft SAS Enterprise Miner IBM SPSS & Watson Dell Statistica Beispielhafte Tools:
  30. 30. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 30 Beispielprozess zu HR Predictive Analytics 3. Methoden und Technologien Analyse Business Questions Statistische Methoden und Algorithmen Programmierung Experten Interpretation Auswertung 4  Auswahl der Business Fragestellungen  Bestandsaufnahme der existierenden Datenbasis Quality Gate: Überprüfung ob Business Questions für Predictive Analytics geeignet sind  Auswahl existierender Templates  Herleitung passender KPIs  Evaluierung geeigneter Tools Quality Gate: Überprüfung ob die Business Question beantwortet werden kann  Programmierung und Anwendung Statistischer Methoden  Machine Learning für unstrukturierte Daten in BIG DATA Systemen Quality Gate: Beurteilung der Qualität der Analyseergebnisse MHP Resources Bewertung & Templates 3  Zielgerichtete Antwort auf die Business Question  Sichtbarer Mehrwert  Auswahl und Scoping weiterführender Analysen 21
  31. 31. Agenda © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 31 1. Einführung HR Predictive Analytics 2. Mögliche Business Fragestellungen aus der Praxis 3. Methoden und Technologien 4. Use Cases 5. Zusammenfassung und Ausblick
  32. 32. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 32 Absence und Expat Management bei einem Kunden der Automobilindustrie 4. Use Cases  Prognose der Kennzahlen Krankenfehlstand, Urlaubsquote sowohl auf der Bereichs- und Kostenstellebene  Untersuchung der Verläufe dieser Kennzahlen in mehreren Jahren und Prognose für das folgende Jahr  Am Ende wurden die Prognosewerte den Ist-Werten gegenübergestellt und evaluiert Absence Management: Expat-Profiler:  Was macht einen Expat aus?  Welche sind die wichtigsten Indikatoren für eine Expat- Entscheidung?  In welchen Bereichen findet man eher Mitarbeiter, die sich mit einer höheren Wahrscheinlichkeit für einen Auslandseinsatz entscheiden würden? 1 2
  33. 33. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 33 Analyse von Daten aus sozialen Netzwerken 4. Use Cases  Analyse von öffentlichen Business Netzwerk Daten gibt Aufschluss für verschiedenste HR Fachbereiche & Disziplinen wie z.B.  Recruiting  Talent Management  Employer Branding  Korrelation mit internen Daten oder weiteren externen Daten (z.B. Hochschulrankings, Demographie, etc.) ergibt tiefergehende Analysen  Weiterführende Analyse mit verschiedenen sozialen Netzwerken (z.B. Xing, Glassdoor, LinkedIn, etc. ) möglich Reale Daten, beispielhaftes Unternehmen: Automotive Stuttgart/Bayern Quelle: kununu
  34. 34. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 34 Zusammenhänge und Korrelationen 4. Use Cases Recruiting Pool Unternehmen XYZ Quelle <> Werdegang (Performance) Wie ist der Recruiting Prozess optimal fokussiert? ? Zusammenhänge / Korrelationen:  Potential + Werdegang  Qualifikation + Werdegang  Diversität + Performance von Bereichen  Altersmix + Performance von Bereichen  Fluktuationsrisiken  Was ist erfolgreicher, Potential oder Qualifikationen?  Was zahlt auf welches Risiko ein?  Verweildauer in Gehaltsband, Entgeltgruppe, Alter, Position, Job?  Zielwerte / Wissensmgmt.  Gewollte Fluktuation  FWP  Gibt es Zusammenhänge und wenn ja, welche?
  35. 35. Agenda © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 35 1. Einführung HR Predictive Analytics 2. Mögliche Business Fragestellungen aus der Praxis 3. Methoden und Technologien 4. Use Cases 5. Zusammenfassung und Ausblick
  36. 36. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 36  Trotz erhöhter Verfügbarkeit von HR Daten zeigen die Maßnahmen der meisten Unternehmen nicht die entsprechenden Effekte & Ergebnisse  Mit Hilfe modernster Analysen vollen Nutzen aus Ihren Daten ziehen  (HR-) Daten als Fundament von HR & Geschäftsentscheidung  Erhöhte Transparenz zu internen & externen Ereignissen sowie prädiktive Vorhersagen  Einsatz neuester Technologien und Methoden für Predictive Analytics  Übergreifendes Big-Data und Analytics Know-how  Text Mining und Mustererkennung  Analyse von Daten aus sozialen Netzwerken (z.B. Xing, LinkedIn, Kununu etc.)  Auswahl relevanter HR Use Cases  Kundenspezifische Tool-Analyse  Mehrwert durch Beantwortung komplexer Business Fragestellungen  HR Analytics gezielt einsetzen und zusätzliches Wissen über die eigenen Mitarbeiter und den Wettbewerb generieren  Zusammenführung externer Daten mit Ihren eigenen HR- & Geschäftsmetriken zur Gewinnung neuer, bahnbrechender Erkenntnisse  Ableitung von Trends und Vorhersagen Lösungen & ErgebnisseKompetenzenHerausforderungen ? Mit HR Predictive Analytics Antworten auf wichtige Business & HR-Fragestellungen finden 5. Zusammenfassung und Ausblick
  37. 37. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 37 HR Analytics Foundation HR Predictive Analytics Wie viele Mitarbeiter haben wir? Wie hoch ist die Fluktuation? Wie ist die Performance der Mitarbeiter? Future Workforce Planning Wie entwickelt sich die Krankheitsquote in den nächsten Monaten? Werden neue Mitarbeiter von der Uni später auch erfolgreich sein? Ist eine hohe Fluktuation gut? Welche Mitarbeiter-Typen brauchen wir ‘morgen‘? Was sind wirksame Maßnahmen? Management-, Prozess- und Fachberatung IT-Beratung und Implementierung Ganzheitliche Betrachtung von HR Analytics & Planning 5. Zusammenfassung und Ausblick
  38. 38. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 38 Cloud Wie HR Services bereitgestellt werden Collaboration Wie Dinge entdeckt & verbunden werden Mobile Wie Prozesse konsumiert werden Global Wo Service Delivery stattfindet …… Zentrale HR Digitalisierungstreiber Analytics Wie Erkenntnisse gewonnen werden
  39. 39. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 39 Ihr Ansprechpartner MHPBoxenstopp: Digitalisierung im HR Claudio Weck Senior Consultant BI & BIG DATA Mobil: +49 (0)151 4066 7937 E-Mail: Claudio.Weck@mhp.com Christian Frahm Senior Manager HR Mobil: +49 (0)151 2030 2052 E-Mail: Christian.Frahm@mhp.com
  40. 40. © 2016 Mieschke Hofmann und Partner Gesellschaft für Management- und IT-Beratung mbH 40 MHPBoxenstopp Zeitalter HANA – SAP Planungstools MHPTimetable 2016 Weitere Infos www.mhp.com/ events Mit nur einem “Klick” zur MHPBoxenstopp Anmeldung Haben Sie einen MHPBoxenstopp verpasst? Kein Problem - in unserem MHP YouTube-Channel und auf unserem SlideShare Profil finden Sie alle vergangenen Websessions: Mitschnitte und Videos im Channel: Präsentationsunterlagen: http://www.youtube.com/MHPProzesslieferant http://de.slideshare.net/MHPInsights MHPBoxenstopp Text Mining im analytischen CRM MHPBoxenstopp Das E-Auto in der Future City 13-14 Uhr | 26.04.16 MHPBoxenstopp Data Mining mit SAS MHPBoxenstopp Enterprise Architect Solution MHPForum Projektmanagement Komplexität. Flexibilität. Geschwindigkeit. Sie schaffen das! 13-18 Uhr | 10.05.16 in Ludwigsburg 11-12 Uhr | 26.04.16 11-12 Uhr | 03.05.16 13-14 Uhr | 03.05.16 11-12 Uhr | 10.05.16

×