FIRMENVERTRAULICH. NICHT OFFENBAREN.
HR in Zahlen
Die PNC Financial Services Group brachte Automatisierung und Analyse in die Personalabteilung. JMP® hilft ihnen, den internen Erfolg zu bewerten, das Eigenkapital zu erhöhen, die Leistung zu verbessern und die Mitarbeiterfluktuation zu verringern.
______________________________________________________________________________________
Herausforderung : Um die Subjektivität bei Personalentscheidungen zu reduzieren, verfolgt PNC einen unkonventionellen Ansatz im Bereich Human Resources (HR): Analytik und Automatisierung. Als frühes Benchmarking das wahre Potenzial von HR-Analytics zeigte, suchte die Führung von PNC nach einer nachhaltigeren, kosteneffizienteren Lösung, um die externen Beratungsunternehmen zu ersetzen, an die sie zuvor Analytics ausgelagert hatten. Die interne Analyse erforderte jedoch ein leistungsfähigeres Tool als Excel.
Lösung : Die statistische Discovery-Software JMP® bietet weitreichende Funktionen mit einem vollständigen Analyse-Workflow, der HR-Analysten bei PNC hilft, Prozesse zu verarbeiten und Erkenntnisse aus internen Arbeitsmarktdaten abzuleiten. Neben den Datenmanagementlösungen der Software hat sich die interaktive Datenvisualisierungsplattform Graph Builder als besonders hilfreich erwiesen, um Muster in den Daten zu finden und Erkenntnisse zu kommunizieren, die strategische Personalentscheidungen beeinflussen. Mit JMP stellen HR-Analysten sicher, dass die Bezahlung auf Leistungs- und Risikomanagementbewertungen basiert und nicht auf Störfaktoren wie Geschlecht, Rasse oder Alter.
Ergebnisse : Der analytische HR-Ansatz von PNC hat dem Unternehmen geholfen, die Leistungskennzahlen zu verbessern, das Eigenkapital zu erhöhen und die Mitarbeiterfluktuation zu reduzieren. Und laut Jay Wilkinson, PNC Director of HR Metrics and Analytics und Senior Vice President, war JMP ein Schlüsselfaktor für diese Erfolge – zusätzlich zur Reduzierung des Outsourcing-Budgets des Teams: „Beratungsfirmen haben uns 250.000 US-Dollar in Rechnung gestellt, um die Art von Analyse durchzuführen, die wir jetzt besser oder genauso gut mit JMP machen können. Wir haben [die Arbeit] ins Haus geholt, weil wir wussten, dass JMP es kann – und es braucht nicht viel Zeit.“
______________________________________________________________________________________
Human Resources (HR) und Analytics sind vielleicht keine traditionelle Paarung, aber da die Technologie immer enger in alle Aspekte des Geschäfts integriert wird, verschmelzen die beiden Bereiche zu einer produktiven, wenn auch unerwarteten Verbindung. „Wir leben in einer Welt mit viel Komplexität, und HR bildet da keine Ausnahme“, sagt Jay Wilkinson, Senior Vice President und HR Metrics and Analytics Director bei der PNC Financial Services Group. Während Personalabteilungen lange Zeit Daten zur Leistung der Mitarbeiter und Anreizstrukturen gesammelt haben, haben sie diese Daten weitgehend übersehen, als das, was sie sind. Aber PNC geht einen alternativen Weg.
„Wir arbeiten in der Sprache unseres Kerngeschäfts, das als Bank Finanzkennzahlen ist – Daten“, sagt Wilkinson. „Infolgedessen tragen wir dazu bei, phänomenalen Talenterfolg zu erzielen, der auch eine wachsende Repräsentanz einschließt.“ Wenn man sich die Daten anschaut, um Erkenntnisse zu gewinnen, anstatt sich auf subjektive Leistungsindikatoren zu verlassen, wird das gesamte HR-Unternehmen objektiver und letztendlich das Eigenkapital und die Arbeitszufriedenheit auf der ganzen Linie gesteigert. Datengesteuerte Ansätze zur Personalentscheidung helfen jetzt dabei, das Grundgehalt der Mitarbeiter zu bestimmen, historische Gehaltsunterschiede zu korrigieren, außergewöhnliche Leistungen zu belohnen und Probleme bei der Personalbindung zu erkennen, zu verstehen und sogar vorherzusagen.
Die Bemühungen der Personalabteilung, Analytics einzuführen, sind selbst bei einem Finanzdienstleistungsgiganten wie PNC, heute eine der größten Banken in den Vereinigten Staaten, nicht unbemerkt geblieben. Statistische Analysen, sagt Wilkinson, verleihen seinem Team Glaubwürdigkeit, wenn es der Unternehmensführung unter Verwendung von Fakten und Beweisen Bericht erstattet, um talentbasierte Diskussionen zu führen. Dieses Vertrauen und die quantifizierbaren Erfolge des Teams führen zu einem beschleunigten Personalwachstum.
Explorative Analyse im Graph Builder hilft bei der Identifizierung und Lösung von Problemen mit der Datengenauigkeit
Auch wenn Automatisierung und Analytik im HR-Bereich nicht beispiellos sind, stammen die meisten der bisher besten Beispiele aus akademischen Studien über interne Arbeitsmärkte. Als Wilkinson also zum ersten Mal seinen Kreuzzug begann, um der Personalabteilung von PNC analytisches Denken zu vermitteln, hatte er bestenfalls nur wenige Vorgängermodelle, von denen er lernen konnte. In der Erwartung, dass sein Team kategoriale, kontinuierliche und Textdaten untersuchen würde, benötigte die Gruppe laut Wilkinson eine Plattform, die sowohl statistisch versierter als auch visueller war als die verfügbaren Tools. Also wandten sie sich der statistischen Discovery-Software JMP® zu.
„JMP unterstützt unsere Analyse all dieser Datentypen – von Texten zur Leistungsbeurteilung über E-Mails zu Diversity bis hin zu Gehaltsdaten“, erklärt er. „Und das Schöne ist, dass wir in JMP HR-Daten mit Geschäftsdaten wie dem Vertrieb verknüpfen können. JMP ist einfach ein wirklich großartiges Tool und außerdem einfach zu bedienen.“
Entwickelt, um einen kompletten End-to-End-Analyse-Workflow innerhalb einer codefreien oder code-light-Plattform zu enthalten, löst JMP eine Reihe von Datenherausforderungen vom Zugriff und der Vorbereitung bis hin zur Analyse und Berichterstellung. Diese Vielfalt ist in einer HR-Umgebung von entscheidender Bedeutung, in der laut Wilkinson die Verwaltung unübersichtlicher Datensätze möglicherweise die größte Hürde ist.
Wenn Personaldaten von einzelnen Mitwirkenden hinzugefügt oder geändert werden, sind Analysten möglicherweise nicht in der Lage, sinnvolle Änderungen von unbeabsichtigten Dateneingabefehlern zu trennen. Das Team von Wilkinson muss daher alle Variationen oder Verzerrungen untersuchen, bevor eine robuste Analyse beginnt. Mit seiner interaktiven Visualisierungsplattform Graph Builder hilft JMP dabei, die Komplexität von Datenproblemen durch Datenexploration und Ausreißeranalyse aufzuschlüsseln.
„Wenn Sie alle Data-Mining-Schritte berücksichtigen, ist der erste Schritt immer, Ihre Daten zu erfassen und visuell zu betrachten“, erklärt Wilkinson. „Stellen Sie sicher, dass Sie die Verteilungen verstehen. Gibt es Ausreißer? Wie sehen die tatsächlichen Daten aus? Überspringe diesen Schritt niemals.“ Wenn Ausreißer auftauchen, fügt er hinzu, können sie untersucht und korrigiert werden, bevor sie die Ergebnisse verzerren.
Sobald die Daten bereinigt und für die Analyse vorbereitet wurden, ermöglicht Graph Builder Wilkinson und seinem Team Experimente und Erkundungen, um immer differenziertere Einblicke in wichtige HR-Probleme zu gewinnen. So könne das Team zum Beispiel nicht nur fragen, ob es ein Fluktuationsproblem gebe, sondern auch, welche Mitarbeiterdemografie es gebe, welche Fluktuation es beobachte und wie sich die Fluktuationsentwicklung in den letzten Wochen oder Monaten verändert habe. Die einfache Drag-and-Drop-Funktion von Graph Builder fördert die Kreativität und das Betrachten einer Frage aus verschiedenen Blickwinkeln. „Das Schöne an JMP ist, dass wir Bilder, Grafiken und Tabellen verwenden können, um die Daten aufzuschlüsseln und eine Geschichte zu erzählen“, sagt Wilkinson.
Text Explorer liefert wichtige geschäftliche Erkenntnisse aus zuvor nicht ausreichend genutzten Textdaten zur Leistungsbewertung
Personalabteilungen sammeln das ganze Jahr über unglaubliche Mengen an unstrukturierten Daten in Form von Leistungsbeurteilungen. In vielen Unternehmen sind diese Informationen in der Vergangenheit ungenutzt geblieben, da es viel zu zeit- und arbeitsintensiv ist, einen aussagekräftigen Geschäftswert aus Textdaten in großem Umfang auszuschöpfen. Darüber hinaus könnte ein ungeführter manueller Ansatz zu Verzerrungen der Leistungsdaten führen, die alle Erkenntnisse nutzlos machen würden. Aber JMP ändert diese Berechnung.
Die Text Explorer-Plattform der Software erstellt beispielsweise Häufigkeitstabellen und Wortwolken, die bei der Auswertung unstrukturierter Daten helfen – ein ideales Werkzeug zur Analyse von Freitexten aus Leistungsbeurteilungen. Wilkinson erklärt, wie sein Team begonnen hat, Text Explorer zu verwenden, um Erkenntnisse auf reproduzierbarere und statistisch fundiertere Weise zu extrahieren. Und der Wert liegt auf der Hand: „Wenn wir helfen, die Produktivität zu verbessern oder den Umsatz zu reduzieren – das sind erhebliche Vielfache unserer Investitionen“, sagt er. „Wir verwenden JMP für Produktivitäts- und Bindungsanalysen und haben damit begonnen, es auch mit einigen der von uns durchgeführten sozialen Netzwerkanalysen zu verknüpfen. All dies hat einen sehr guten ROI für das Unternehmen.“
Nachdem Wilkinson eng mit den technischen Mitarbeitern von JMP zusammengearbeitet hat, um neue Wege zur Anwendung von Textanalysen im Personalbereich zu identifizieren und zu validieren, plant er, die Nutzung unstrukturierter Daten durch das Unternehmen in Zukunft auszuweiten. Um die Wirkung zu beschleunigen, entschied er sich kürzlich für ein Upgrade auf JMP Pro, um die robusteren Textanalysefunktionen zu erhalten.
Eine datengesteuerte Strategie stimmt Incentive-Pläne mit Leistungs- und Risikomanagement-Ratings ab
Aber Text Mining ist nur die Spitze des Eisbergs. Wilkinson sagt, dass die Analyse kontinuierlicher Gehalts- und Anreizdaten hilft, einen strategischen Ansatz für eine der komplexesten HR-Herausforderungen des Unternehmens zu definieren: die Festlegung der Mitarbeitervergütung und die Sicherstellung einer gerechten Verteilung der Gehälter. Diskretionäre jährliche Incentive-Pläne sollen die Produktivität steigern und sollten, erklärt er, theoretisch an Leistungs- und Risikomanagement-Ratings ausgerichtet werden, obwohl die Beziehung zwischen den beiden in der Vergangenheit quantitativ schwer zu messen war.
Als Wilkinson und seine Kollegen jedoch mit der Verwendung von JMP begannen, Sie konnten die Gehaltsverteilungen für jede Leistungsstufe visualisieren, um sicherzustellen, dass die Mittel unterschiedlich waren. Sie segmentierten die Daten auch nach einer Vielzahl von Leistungs- und demografischen Variablen wie Berufsbezeichnung und Karrierestufe, um sicherzustellen, dass in jeder Kategorie die gleiche Beziehung zutrifft. Überwältigend, sagt er, stellte das Team fest, dass ein höheres Leistungsniveau tatsächlich zu einer höheren Bezahlung führte – ein Indikator, der überwacht werden kann, um die Fairness in den HR-Praktiken im Laufe der Zeit zu bestätigen.
Diese Ergebnisse sind auch entscheidend für die Dokumentation, die die Abteilung Regulierungsbehörden wie der Equal Employment Opportunity Commission (EEOC) vorlegen muss, die die Datenüberprüfung und Validierung gerechter Lohnstrukturen vorschreibt. Wilkinson erklärt, wie sein Team mit den JMP-Ausgaben problemlos über die Einhaltung von PNC an Regulierungsbehörden wie die EEOC berichten konnte, die einen hohen Wert auf solide statistische Ansätze legt. „Es ist ein sehr evidenzbasierter Ansatz, ein prägnantes Ergebnis mit einer wirklich guten Karte und viszeralen Visualisierungen zu liefern, um den Regulierungsbehörden [das Verhältnis zwischen Bezahlung und Leistung] aufzuzeigen“, fügt er hinzu.
Mit JMP hat PNC den Zwischenhändler eliminiert und die Kosten reduziert, indem Analytics ins Haus gebracht wurde
Wilkinson bringt nicht nur einen immateriellen Wert – wie Mitarbeiterbindung und mehr Vertretung – für PNC, er sagt, dass die Bereitstellung von JMP für sein HR-Team auch dazu beigetragen hat, die Ausgaben der Abteilung für externe Verträge zu reduzieren. Während die HR-Abteilung zuvor einen Großteil ihrer Analytik an externe Beratungsunternehmen ausgelagert hatte, ermöglicht JMP, Analytics stattdessen in-house zu bringen. Diese Entscheidung hat sich ausgezahlt, Kosten gesenkt und den Fokus von HR auf datengesteuerte Lösungen verstärkt.
„Beratungsfirmen haben uns 250.000 US-Dollar für die Art von Analyse in Rechnung gestellt, die wir jetzt genauso gut oder besser mit JMP durchführen können“, sagt er. „Wir haben [die Arbeit] ins Haus geholt, weil wir wussten, dass JMP es kann – und es braucht nicht viel Zeit.“
Die benutzerfreundliche Oberfläche der Software in Verbindung mit weit verbreiteten Lernressourcen macht sie zu einer einfachen Alternative für ein Team, das keine statistischen Vorkenntnisse besitzt. Auch Benutzer, die JMP nicht regelmäßig verwenden, profitieren von den dynamischen Visualisierungen, die es bietet. Wilkinson und sein Team verwenden diese visuelle Geschichte, um den Interessengruppen die Ergebnisse zu präsentieren. „[Führungskräfte] interessieren sich nicht so sehr für Zahlen – sie wollen ein Bild“, sagt Wilkinson und fügt hinzu, dass PNC von einem Tool profitiert, das Rohdaten in verdauliche Informationen umwandelt. JMP schafft die Voraussetzungen für alle im Raum, um gemeinsam datengesteuerte Entscheidungen zu treffen, und diese Geschwindigkeit und Transparenz können sehr mächtig sein, um die Lücke zwischen Datenanalysten und Management zu schließen.
„Bei PNC dreht sich alles darum, im Service zu arbeiten, um Talente zu fördern und unseren Unternehmen zu helfen, ihre Geschäftsergebnisse zu erzielen“, schließt Wilkinson. „Ob Talent, Diversity, Recruiting – all das ist mit Fakten und Fakten möglich. Das versuchen wir bei PNC.“
