Der Zugang zu zuverlässigen Personaldaten wird im Jahr 2022 ganz oben auf der Prioritätenliste der Personalabteilung stehen, da immer mehr Unternehmen People Analytics einsetzen, um organisatorische Herausforderungen zu bewältigen.
Wie alle Daten neigen jedoch auch Personaldaten dazu, fehlerhaft, ungenau, unvollständig, inkonsistent oder doppelt zu sein, mit anderen Worten, sie werden mit der Zeit „schmutzig“. Die Analyse dieser Daten kann zu irreführenden Erkenntnissen über die Mitarbeiter und Prozesse eines Unternehmens führen, was wiederum unzureichend informierte Entscheidungen zur Folge hat.
Wie können Unternehmen also sicherstellen, dass ihre neuen und bestehenden Personaldaten zuverlässig und somit für die Analyse geeignet sind? An dieser Stelle spielt die Datenbereinigung eine große Rolle. Mit dieser können schmutzige Daten gesäubert werden, um genauere und vollständigere Erkenntnisse zu gewinnen und das Vertrauen in den Personalanalyseprozess insgesamt zu erhalten.
Schmutzige oder unsaubere Daten sind falsche, unvollständige, inkonsistente oder doppelte Daten in einem Datensatz. Sie können vor allem auf drei Arten entstehen:
- durch Benutzerfehler,
- schlechte Kommunikation zwischen den Abteilungen und
- eine unzureichende Datenstrategie.
Wenn sie nicht bereinigt werden, können unsaubere Daten zu falschen Annahmen über datengestützte Erkenntnisse, zu schlecht informierten Entscheidungen auf Grundlage dieser Erkenntnisse und zu Misstrauen gegenüber dem People-Analytics-Prozess führen. Dies kann sich auch nachteilig auf Abläufe auswirken, die auf saubere Daten angewiesen sind, um korrekt ausgeführt zu werden.
Ein Beispiel für unsaubere Daten sind falsche Postadressen von Mitarbeitern. Nehmen wir an, dass Frankfurter Straße 228 als Postanschrift eines Mitarbeiters eingegeben wurde, obwohl Frankfurter Straße 227 die korrekte Postanschrift ist. Die Adressdaten dieses Mitarbeiters sind nicht korrekt und gelten daher als unsauber. Ein Fallbeispiel für ein ungünstiges Ergebnis bei der Verwendung dieser Daten wäre, dass ein Unternehmen die Korrespondenz des Mitarbeiters ständig an die falsche Adresse sendet, was sowohl für den Mitarbeiter als auch für das Unternehmen frustrierend sein kann.
Schmutzige Daten und Misstrauen durch Datenbereinigung bekämpfen
Unsaubere Daten können für jedes Unternehmen ein schädliches Datenqualitätsproblem darstellen, vor allem für Unternehmen, die Daten nutzen, um Entscheidungen über Menschen zu treffen und ihr Tagesgeschäft zu gestalten. Es ist auch ein teures Problem, das Unternehmen zwischen 15 und 25 Prozent des Umsatzes kostet, weshalb sich Führungskräfte lieber früher als später darum kümmern sollten.
Die Datenbereinigung ist eng mit der Datenqualität verbunden. Sie verbessert die Datenqualität durch Bereinigung aller fehlerhaften Daten in einem Datensatz. Saubere, qualitativ hochwertige Daten beginnen aber mit einem Dateneingabesystem. Es gibt zwei Ansätze für die Datenbereinigung: Entweder werden die Daten von Anfang an richtig erfasst, was viel Arbeit erspart, oder man bereinigt die Daten, bevor man sie profiliert, analysiert und aufwertet. Es handelt sich um einen Prozess, bei dem man Probleme findet, ihre Grundursache versteht, sie kurzfristig behebt und sie dann langfristig löst, damit sie nicht wieder auftreten.
Um die effizientesten Ergebnisse zu erzielen, sollten Arbeitgeber nach einer innovativen Technologie zur Automatisierung der Datenqualität suchen, die People-Analytics-Datenbanken auf schmutzige Daten analysiert und die Bereinigung vereinfacht. Zum Beispiel, indem sie einfach eine Benachrichtigung an Analysten sendet, wenn Daten fehlerhaft sind, und die erforderlichen Schritte zur Bereinigung anzeigt.
Zur Verdeutlichung nehmen wir an, dass die Datenbank eines Unternehmens viele verschiedene Klassifizierungen für Mitarbeiter mit Schulabschluss enthält. Ihr Bildungsniveau ist als „Schulabschluss“, „Abitur“, „SCHULABSCHLUSS“ gekennzeichnet. Angenommen, jemand ruft diese Daten eilig ab, um in letzter Minute eine Diskussion über das Bildungsniveau der Belegschaft des Unternehmens zu führen. Leider wurde nur eine der Klassifizierungen ausgewählt, was zu einem ungenauen Prozentsatz von Arbeitskräften mit Schulabschluss führt. Eine automatisierte Datenbereinigung kann dazu beitragen, ähnliche Fälle einer unübersichtlichen Datenanalyse zu vermeiden, da sie Klassifizierungsvarianten vollständig entfernt und z.B. nur „Schulabschluss“ übrig lässt und ähnliche Klassifizierungen und andere potenzielle Varianten in einer einzigen Gruppe oder Familie „Schulabschluss“ zusammenfasst.
Auf dem Weg zu sauberen und hochwertigen Daten
Zusätzliche proaktive und reaktive Schritte, die Führungskräfte unternehmen können, um sicherzustellen, dass ihre Daten bereinigt werden, sind unter anderem:
- Blick über Prozentsätze hinaus: Arbeitgeber sollten sich die Details in den Daten anschauen, um festzustellen, ob sie Rechtschreib- oder Zeichensetzungsfehler, falsche Formatierungen oder Duplikate enthalten.
- Test der Genauigkeit unter Druck: Dies kann erfolgen, indem man Daten und Erkenntnisse mit anderen Personen teilt. Vielleicht sehen sie etwas, das bisher unbemerkt geblieben ist.
- Korrektur von leeren Werten: Dies ist vielleicht der am wenigsten komplexe, aber sehr notwendigen Schritte. Wenn etwas fehlt, wird das die Qualität der Analysen grundsätzlich untergraben.
- Erkennung von logischen Ungereimtheiten: Nehmen wir zum Beispiel an, die Daten zeigen, dass das Unternehmen nur einen Mitarbeiter für eine ganze Abteilung hat. Dies ist vermutlich sehr unwahrscheinlich, weshalb die Führungskräfte Fragen stellen müssen wie: Ist diese Zahl für diese Abteilung sinnvoll? Wenn nicht, könnte es sich um ein Problem bei der Dateneingabe, ein Problem mit einer Regel im Datensatz oder ein anderes Problem handeln?
- Einsatz von Experten: Sie können regelmäßig die Personaldaten prüfen und die Datenbereinigung, -validierung und -verwaltung übernehmen.
Nur wenn Maßnahmen zur Datenbereinigung ergriffen werden, werden Arbeitgeber in der Lage sein, mithilfe von People-Analytics-Verfahren zuverlässige Entscheidungen zu treffen. Saubere Daten führen zu einem höheren Vertrauen der Belegschaft, was dem Erfolg des Unternehmens nur zuträglich ist.
Henri Schmidt ist Senior Director Implementation & Business Development Germany & Poland bei ADP.