FIRMENVERTRAULICH. NICHT OFFENLEGEN.
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): den Einsatz von Analysen und Automatisierung. Als frühe Benchmarking-Analysen das wahre Potenzial von HR-Analysen erkennen ließen, suchte die Führung von PNC nach einer nachhaltigeren, kosteneffizienteren Lösung, um die externen Beratungsunternehmen zu ersetzen, an die sie zuvor Analysen ausgelagert hatten. Für die interne Analyse war jedoch ein leistungsfähigeres Tool als Excel erforderlich.
Lösung : Die statistische Discovery-Software JMP® bietet weitreichende Funktionen mit einem vollständigen Analyse-Workflow, der HR-Analysten bei PNC dabei hilft, interne Arbeitsmarktdaten zu verarbeiten und daraus Erkenntnisse abzuleiten. Zusätzlich zu den Datenmanagementlösungen der Software erwies sich die interaktive Datenvisualisierungsplattform Graph Builder als besonders hilfreich beim Auffinden von Mustern in den Daten und beim Kommunizieren von Erkenntnissen, die als Grundlage für strategische Personalentscheidungen dienen. 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, 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 mit JMP besser oder genauso gut durchführen können. Wir haben [die Arbeit] intern übernommen, weil wir wussten, dass JMP das kann – und es nimmt nicht viel Zeit in Anspruch.“
_____________________________________________________________________________________
Human Resources (HR) und Analytics sind vielleicht keine traditionelle Kombination, aber da die Technologie immer stärker in alle Aspekte des Geschäfts integriert wird, verschmelzen die beiden Bereiche zu einer produktiven, wenn auch unerwarteten Verbindung. „Wir leben in einer Welt voller Komplexität, und HR ist da keine Ausnahme“, sagt Jay Wilkinson, Senior Vice President und HR Metrics and Analytics Director bei der PNC Financial Services Group. Er erklärt, dass Personalabteilungen zwar seit langem Daten über die Leistung und Anreizstrukturen der Mitarbeiter sammeln, diese Daten jedoch größtenteils nicht als ihren eigentlichen Wert erkannt haben. Aber PNC verfolgt einen alternativen Ansatz.
„Wir arbeiten in der Sprache unseres Kerngeschäfts, bei dem es sich als Bank um Finanzkennzahlen handelt – Daten“, sagt Wilkinson. „Dadurch tragen wir dazu bei, einen phänomenalen Talenterfolg zu erzielen, der eine wachsende Repräsentation einschließt.“ Wenn man auf die Daten zurückgreift, um Erkenntnisse zu gewinnen, anstatt sich auf subjektive Leistungsindikatoren zu verlassen, wird das gesamte HR-Unternehmen objektiver, sagt er, und letztendlich werden Gerechtigkeit und Arbeitszufriedenheit auf breiter Front gestärkt. Datengesteuerte Ansätze zur Personalentscheidungsfindung helfen nun dabei, das Grundgehalt der Mitarbeiter zu ermitteln, historische Lohnunterschiede zu korrigieren, außergewöhnliche Leistungen zu belohnen und Probleme bei der Personalbindung zu erkennen, zu verstehen und sogar vorherzusagen.
Die Bemühungen der HR-Abteilung, Analysen zu integrieren, sind selbst bei einem Finanzdienstleistungsriesen wie PNC, heute eine der größten Banken in den Vereinigten Staaten, nicht unbemerkt geblieben. Laut Wilkinson verschafft die statistische Analyse seinem Team Glaubwürdigkeit, wenn es der Unternehmensleitung Bericht erstattet und dabei Fakten und Beweise nutzt, um talentbasierte Diskussionen zu führen. Dieses Vertrauen und die messbaren Erfolge, die das Team erzielt hat, führen zu einem beschleunigten Personalwachstum.
Die explorative Analyse in Graph Builder hilft, Probleme mit der Datengenauigkeit zu identifizieren und zu lösen
Während Automatisierung und Analyse im Personalwesen nicht völlig beispiellos sind, stammen die meisten der bisher besten Beispiele aus wissenschaftlichen Studien zu internen Arbeitsmärkten. Als Wilkinson sich also erstmals auf den Weg machte, die Personalabteilung von PNC mit analytischem Denken auszustatten, verfügte er bestenfalls über wenige Vorbilder, von denen er lernen konnte. Mit der Erwartung, dass sein Team kategoriale, kontinuierliche und Textdaten untersuchen würde, brauchte die Gruppe laut Wilkinson eine Plattform, die sowohl statistisch leistungsfähiger als auch visueller war als die vorhandenen Tools. Deshalb wandten sie sich an die statistische Ermittlungssoftware JMP®.
„JMP unterstützt unsere Analyse all dieser Arten von Daten – vom Leistungsbeurteilungstext über Diversity-E-Mails bis hin zu Gehaltsdaten“, erklärt er. „Und was auch schön ist, ist, dass wir in JMP HR-Daten mit Geschäftsdaten wie Verkäufen verknüpfen können. JMP ist einfach ein wirklich tolles Tool und außerdem einfach zu bedienen.“
JMP ist so konzipiert, dass es einen vollständigen End-to-End-Analyseworkflow umfasst – innerhalb einer Code-freien oder Code-Light-Plattform – und löst eine Reihe von Datenherausforderungen vom Zugriff und der Vorbereitung bis hin zur Analyse und Berichterstellung. Diese Vielfalt ist in einem HR-Umfeld von entscheidender Bedeutung, in dem laut Wilkinson die Verwaltung unübersichtlicher Datensätze möglicherweise die größte Hürde darstellt.
Wenn HR-Daten von einzelnen Mitwirkenden hinzugefügt oder geändert werden, sind Analysten möglicherweise nicht in der Lage, sinnvolle Änderungen von unbeabsichtigten Dateneingabefehlern zu unterscheiden. Wilkinsons Team muss daher alle Abweichungen oder Verzerrungen untersuchen, bevor es mit einer fundierten 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, besteht der erste Schritt immer darin, Ihre Daten zu erfassen und sie visuell darzustellen“, erklärt Wilkinson. „Stellen Sie sicher, dass Sie die Verteilungen verstehen. Gibt es Ausreißer? Wie sehen die tatsächlichen Daten aus? Überspringen Sie diesen Schritt niemals.“ Wenn Ausreißer auftauchen, fügt er hinzu, können sie untersucht und korrigiert werden, bevor sie die Ergebnisse verfälschen.
Sobald die Daten bereinigt und für die Analyse vorbereitet wurden, ermöglicht Graph Builder Wilkinson und seinem Team das Experimentieren und Erkunden und generiert so immer differenziertere Einblicke in wichtige HR-Themen. Er erklärt, dass das Team beispielsweise nicht nur fragen kann, ob ein Fluktuationsproblem vorliegt, sondern auch, welche Mitarbeitergruppe wechselt, welche Art von Fluktuation sie beobachten und wie sich die Fluktuationstrends in den letzten Wochen oder Monaten verändert haben. Die einfache Drag-and-Drop-Funktion von Graph Builder fördert die Kreativität und die Betrachtung 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.
Der Text Explorer erschließt wichtige geschäftliche Erkenntnisse aus bisher nicht ausreichend genutzten Textdaten zur Leistungsbeurteilung
Personalabteilungen sammeln das ganze Jahr über unglaubliche Mengen unstrukturierter Daten in Form von Leistungsbeurteilungen. In vielen Unternehmen bleiben diese Informationen in der Vergangenheit ungenutzt, da es viel zu zeitaufwändig und arbeitsintensiv ist, aus Textdaten in großem Maßstab einen sinnvollen Geschäftswert zu ziehen. Darüber hinaus könnte ein ungesteuerter manueller Ansatz zu einer Verzerrung der Leistungsdaten führen, die jegliche Erkenntnisse nutzlos machen würde. 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 Tool 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 gewinnen. Und der Wert liegt klar auf der Hand: „Wenn wir dazu beitragen, die Produktivität zu steigern oder den Umsatz zu senken, ist das ein deutliches Vielfaches unserer Investitionen“, sagt er. „Wir verwenden JMP für Produktivitäts- und Kundenbindungsanalysen und haben damit begonnen, es auch in einige unserer Analysen sozialer Netzwerke einzubinden. Das alles hat einen sehr guten ROI für das Unternehmen.“
Nachdem Wilkinson eng mit den technischen Mitarbeitern von JMP zusammengearbeitet hatte, um neue Möglichkeiten zur Anwendung von Textanalysen im HR-Umfeld zu identifizieren und zu validieren, plant er, die Nutzung unstrukturierter Daten durch das Unternehmen in Zukunft auszuweiten. Um die Wirkung zu beschleunigen, hat er sich vor Kurzem für ein Upgrade auf JMP Pro entschieden, da es über robustere Textanalysefunktionen verfügt.
Eine datengesteuerte Strategie richtet Anreizpläne auf Leistungs- und Risikomanagementbewertungen aus
Doch Text Mining ist nur die Spitze des Eisbergs. Laut Wilkinson hilft die Analyse kontinuierlicher Gehalts- und Anreizdaten dabei, einen strategischen Ansatz für eine der komplexesten HR-Herausforderungen des Unternehmens zu definieren: die Festlegung der Mitarbeitervergütung und die Gewährleistung einer gerechten Verteilung der Gehälter. Diskretionäre jährliche Anreizpläne sollen die Produktivität steigern und sollten, wie er erklärt, theoretisch an Leistungs- und Risikomanagementbewertungen ausgerichtet sein, obwohl es in der Vergangenheit schwierig war, die Beziehung zwischen beiden quantitativ zu messen.
Als Wilkinson und seine Kollegen jedoch begannen, JMP zu verwenden, Sie konnten die Gehaltsverteilungen für jedes Leistungsniveau visualisieren, um sicherzustellen, dass die Mittelwerte unterschiedlich waren. Außerdem segmentierten sie die Daten nach verschiedenen Leistungs- und demografischen Variablen wie Berufsbezeichnung und Karrierestufe, um sicherzustellen, dass in jeder Kategorie die gleiche Beziehung besteht. 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 der HR-Praktiken im Laufe der Zeit zu validieren.
Diese Ergebnisse sind auch von entscheidender Bedeutung 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-Ergebnissen in der Lage war, Regulierungsbehörden wie der EEOC, die großen Wert auf solide statistische Ansätze legt, problemlos über die Einhaltung der Vorschriften durch PNC zu berichten. „Es ist ein sehr evidenzbasierter Ansatz, ein prägnantes Ergebnis mit einer wirklich guten Karte und visuellen Bildern 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 gesenkt, indem die Analyse intern durchgeführt wurde
Wilkinson sagt, dass die Bereitstellung von JMP für sein HR-Team nicht nur mehr immateriellen Wert – wie Mitarbeiterbindung und mehr Vertretung – für PNC mit sich gebracht hat, sondern auch dazu beigetragen hat, die Ausgaben der Abteilung für externe Verträge zu senken. Während früher die HR-Abteilung einen Großteil ihrer Analysen an externe Beratungsfirmen ausgelagert habe, sei es mit JMP möglich, die Analysen stattdessen intern durchzuführen, erklärt er. Diese Entscheidung hat sich ausgezahlt, die Kosten gesenkt und den Fokus der Personalabteilung auf datengesteuerte Lösungen gestärkt.
„Beratungsfirmen verlangten von uns 250.000 US-Dollar für die Art von Analyse, die wir jetzt mit JMP genauso gut oder sogar besser durchführen können“, sagt er. „Wir haben [die Arbeit] intern übernommen, weil wir wussten, dass JMP das kann – und es nimmt nicht viel Zeit in Anspruch.“
Die benutzerfreundliche Oberfläche der Software, gepaart mit allgemein verfügbaren Lernressourcen, machen sie zu einer einfachen Alternative für ein Team, dem es an statistischen Vorkenntnissen mangelt. Selbst Benutzer, die JMP nicht regelmäßig verwenden, profitieren von den dynamischen Visualisierungen, die es bietet. Wilkinson und sein Team nutzen diese visuelle Geschichte, um den Stakeholdern Ergebnisse zu präsentieren. „[Führungskräfte] sind nicht so sehr an den Zahlen interessiert – sie wollen ein Bild“, sagt Wilkinson und fügt hinzu, dass PNC von einem Tool profitiert, das Rohdaten in verdauliche Informationen umwandelt. JMP schafft gleiche Wettbewerbsbedingungen für alle im Raum, um gemeinsam datengesteuerte Entscheidungen zu treffen, und diese Geschwindigkeit und Transparenz können sehr wichtig sein, um die Lücke zwischen Datenanalysten und Management zu schließen.
„Bei PNC dreht sich in unserer HR-Gruppe alles um die Arbeit im Service, um Talente zu fördern und unseren Unternehmen dabei zu helfen, ihre Geschäftsergebnisse zu erzielen“, schließt Wilkinson. „Ob es um Talent, Diversität, Recruiting geht – all das ist mit Beweisen und Fakten möglich. Das versuchen wir bei PNC zu erreichen.“
