People Analytics
Methoden und Werkzeuge zur Arbeit mit Daten im Human Resource Management- Autor:innen:
- Verlag:
- 2021
Zusammenfassung
Die Arbeit mit Daten gewinnt auch im Human Resource Management (HRM) zunehmend an Bedeutung. Hierbei sind die drei Bereiche Descriptive, Predictive und Prescriptive Analytics zu unterscheiden – das klassische Personalcontrolling wird hier ebenfalls integriert.
Im HRM geht es jedoch nicht nur um die reine Analyse von Daten. Da es um die Analyse der Daten (potentieller) Mitarbeiter in Unternehmen geht, sind beispielsweise ethische und rechtliche Rahmenbedingungen relevant. Jedoch muss auch beachtet werden, dass die Anwender in HRM in der Regel keine ausgebildeten Data Scientist sind.
Das vorliegende Buch greift die Thematik des People Analytics daher ganzheitlich auf und erläutert auf verständliche aber fundierte Weise alles, was für die Anwendung von People Analytics wichtig ist; so werden beispielsweise organisatorische, technische, ethische sowie rechtliche Aspekte aufgegriffen und miteinander verknüpft. Das Buch bleibt dabei nicht bei der „grauen Theorie“, sondern zeigt vielmehr anhand etlicher Fallbeispiele die konkrete Anwendung der vorgestellten Methoden und Techniken im Unternehmenskontext. Ein Blick auf die aktuellen Technologien der Künstliche Intelligenz mit den einhergehenden Chancen und Risiken sowie ein Ausblick in die Zukunft des „People Analysten“ rundet das Buch ab. Dr. Steffi Rudel ist wissenschaftliche Mitarbeiterin an der Fakultät für Informatik der Universität der Bundeswehr München sowie Hochschuldozentin am Weiterbildungsinstitut casc. Von 2019 bis 2020 vertrat sie an der Fakultät für Betriebswirtschaft die Professur für Personalcontrolling und Business Analytics.
Publikation durchsuchen
Bibliographische Angaben
- Copyrightjahr
- 2021
- ISBN-Print
- 978-3-8006-6474-0
- ISBN-Online
- 978-3-8006-6475-7
- Verlag
- Vahlen, München
- Sprache
- Deutsch
- Seiten
- 156
- Produkttyp
- Monographie
Inhaltsverzeichnis
- Titelei/Inhaltsverzeichnis Kein Zugriff Seiten I - XX
- 1.1 Einleitung und Begriffsdefinitionen Kein Zugriff
- 1.2 Das klassische Personalcontrolling Kein Zugriff
- 1.3.1 Der Ansatz nach Seiter Kein Zugriff
- 1.3.2 Der Ansatz nach Reindl und Krügl Kein Zugriff
- 1.3.3 Der Ansatz nach Bersin Kein Zugriff
- 1.3.4 Fazit: Eine eigene Einteilung Kein Zugriff
- 2.1 Das People Analytics-Team Kein Zugriff
- 2.2 Die IT-Werkzeuge Kein Zugriff
- 2.3.1 Die rechtliche Komponente Kein Zugriff
- 2.3.2 Die ethische Komponente Kein Zugriff
- 2.3.3 Besonderheiten beim Einsatz neuer Technologien Kein Zugriff
- 2.4.1 Die Wahl der Organisationsform Kein Zugriff
- 2.4.2 Einführung von People Analytics im Unternehmen Kein Zugriff
- 2.5.1 Daten, Objekte, Attribute und Eigenschaften Kein Zugriff
- 2.5.2 Verfügbare Daten & Datenquellen Kein Zugriff
- 2.5.3 Ausprägung der Daten Kein Zugriff
- 2.5.4 Zusammenführung von Daten Kein Zugriff
- 2.6 Die Zusammenhänge Kein Zugriff
- 2.7 Die Algorithmen Kein Zugriff
- 2.8 Die Visualisierung Kein Zugriff
- 2.9 Die Ergebnisvermittlung Kein Zugriff
- 3.1 Einsatz von Methoden und Werkzeugen im HRM Kein Zugriff
- 3.2 Deskriptive, induktive und explorative Statistik Kein Zugriff
- 3.3 Skalen- und Datentypen Kein Zugriff
- 3.4 Univariate, Bivariate und Multivariate Statistik Kein Zugriff
- 3.5.1 Kreuztabelle und Chi-Quadrat-Test in JASP Kein Zugriff
- 3.5.2 Korrelationsanalyse nach Pearson in JASP Kein Zugriff
- 3.5.3 Korrelationsanalyse nach Spearman in JASP Kein Zugriff
- 3.6.1 Ähnlichkeiten in Daten erkennen: Clusteranalyse in Orange Kein Zugriff
- 3.6.2 Prognosen erstellen: Klassifikation in Orange Kein Zugriff
- 3.6.3 Welcher Algorithmus für was? Kein Zugriff
- 3.7 Statistik und fortgeschrittene Algorithmen – Eine Abgrenzung Kein Zugriff
- 3.8 Die Methode Simulation Kein Zugriff
- 4.1 Wofür ein Vorgehensmodell? Kein Zugriff
- 4.2.1 Der Teilprozess Framing Kein Zugriff
- 4.2.2 Der Teilprozess Allocation Kein Zugriff
- 4.2.3 Der Teilprozess Analytics Kein Zugriff
- 4.2.4 Teilprozess Preparation Kein Zugriff
- 4.3.1 Qualitative Phase Kein Zugriff
- 4.3.2 Quantitative Phase Kein Zugriff
- 4.3.3 Umsetzungsphase Kein Zugriff
- 4.4.1 Schritt 1: Business Understanding Kein Zugriff
- 4.4.2 Schritt 2: Data Understanding Kein Zugriff
- 4.4.3 Schritt 3: Data Preparation Kein Zugriff
- 4.4.4 Schritt 4: Modeling Kein Zugriff
- 4.4.5 Schritt 5: Evaluation Kein Zugriff
- 4.4.6 Schritt 6: Deployment Kein Zugriff
- 4.5 Welches Vorgehensmodell für welches Projekt? Kein Zugriff
- 5.1 Die Rolle von Künstlicher Intelligenz im HRM Kein Zugriff
- 5.2 Beispielhafte externe Softwaretools Kein Zugriff
- 5.3 Risiken beim Einsatz von Künstlicher Intelligenz Kein Zugriff
- 5.4 Fazit und Ausblick Kein Zugriff
- 6.1 Verwendete Daten und Werkzeuge Kein Zugriff
- 6.2 Descriptive Analytics Kein Zugriff
- 6.3.1.1 Korrelationsanalyse nach Pearson: Stundenzahl zu Höhe des Stundenlohns Kein Zugriff
- 6.3.1.2 Chi-Quadrat-Test: Geschlechterspezifische Berücksichtigung bei Gehaltserhöhungen Kein Zugriff
- 6.3.2.1 Einflussfaktoren auf den Stundenlohn Kein Zugriff
- 6.3.2.2 Einflussfaktoren und Vorhersage der Berücksichtigung bei Gehaltserhöhungen Kein Zugriff
- 6.4 Prescriptive Analytics Kein Zugriff
- 7 Die Zukunft Kein Zugriff Seiten 149 - 150
- Literaturverzeichnis Kein Zugriff Seiten 151 - 154
- Stichwortverzeichnis Kein Zugriff Seiten 155 - 156
