HR Big Data ist für viele in Human Ressource in DACH weniger ein Buzzword als ein Reizword. Einerseits sind wir Personaler fast alle solche geworden, weil wir das Mensch-Mensch-Verhältnis verbessern wollen. Deshalb denken viele HRler: Je weiter wir durch die Abbildung des Menschen in Daten weggehen, um so weiter entfernen wir uns auch vom Menschen selbst. So kann das Gefühl entstehen: Noch mehr Daten über Menschen zu speichern, geht in Richtung Enthumanisierung. Doch auf der anderen Seite hat gerade Big Data genau das umgekehrte Ziel: Humanisierung der Technologie. HR Big Data hilft klug eingesetzt, die Personalarbeit durch Personalisierung und sogar Individualisierung zu verbessern.

Was ist eigentlich Big Data?

Für viele ist eine unvorstellbar große Datenmenge bereits Big Data. Oder eine externe 2 TB Festplatte, die voll ist. Für andere ist es einfach die Cloud-Technolgie. Sie merken: Der Begriff Big Data ist im Wandel und es gibt keine offizielle Definition. Diesen Begriff kann man noch nicht einmal auf eine “Datenansammlung”, “Massendaten” oder “riesige Datenmenge” festlegen. Denn es kommt bei allen Dingen im Leben auf das Ziel an. Und Big Data entstand nicht aus dem Wunsch, Daten zu besitzen. Sondern aus dem jeweiligen Ziel, was man mit dieser “unvorstellbar” großen Datenmenge machen kann, in einer Zeit, in der alles Personalisierung und nun auch noch Individualisiert wird. Und das definiert Big Data, weil es anders ist, als sonstige Daten: Persönlicher, individueller. Es entsteht aus der Kumulation von definierten Onlinespuren – die Technik scheint keine Grenzen mehr zu setzen. Schneller, höher, weiter, größer erscheint das Ziel.

HR Big Data ist kein Datenfriedhof, sondern komplexe, aktuelle Informationen

Big Data Datenmengen zu speichern, analysieren, auszuwerten und wiederzugeben, geht nicht mehr einfach. Das ist komplex, braucht super komplizierte Software und Technologie – um diese Zusammenhänge zu erklären. Deshalb ist für viele die richtige Beschreibung von Big Data eine Definition von den Technologien und Programmen, die man braucht, um diese Daten zu verarbeiten. Aber das ist dann auch nicht weniger komplex. In jedem Fall: Es geht um die Nutzung von Datenmengen, die beides (Nutzen und Menge) das “Normalmaß” bei Weitem überschreiben. Denn was nützt so ein gigantischer Datenfriedhof, wenn diese Daten nicht “arbeiten”? Nichts und kostet nur.

Es geht nicht um Data, sondern um Datenverbindungen

Big Data macht also keinen Sinn, wenn man damit nicht etwas beschreibt oder erklärt. Die Zusammenhänge von Datenverbindungen sind also entscheidend, das sogenannte Data Set. Es geht nicht um das Data, sondern um diese komplexen Beziehungen von Informationen. Nehmen Sie Personendaten: Der Name Sabine Müller ist alleine noch kein kritisches Data (immerhin wird es diesen Namen sicherlich mehrfach geben). Speichert man zusammen mit dem Namen eine Telefonnummer oder Emailadresse, dann heben die konservativen Datenschützer bereits den Finger und sagen: Das sind personenbezogene Daten – und damit eine Datenverbindung. Big Data Experten lächeln hier, denn sie meinen Daten sind nur interessant, wenn man das getrackte Online-Verhalten von Sabine Müller in Relation mit einem Ziel bringen kann.

Aber in der Sekunde, wo Sabine Müllers individuelle Daten aus zum Beispiel aus verschiedenen Arztbesuchen mit dem Namen, der Adresse und der Telefonnummer gespeichert werden, ist auch dem liberalsten Datenspezialisten sicher: Das sind datenkritische Personendaten(verbindungen). Wir sprechen bei Big Date also immer über menschen-/personenbezogene Datenverbindungen. Also persönliche Daten über Menschen. Denn die Menschen will man mit diesen Datenverbindungen besser kennenlernen, analysieren, wiederfinden oder ihnen (siehe Medizintechnik) helfen.

Ein Definitionsversuch für HR Big Data

Im deutschen Wikipedia wird die Diskussion, was Big Data derzeit immer heftiger. So richtig einigen können sich die Menschen bei uns nicht. So finden Sie dort nur einen ziemlich schlechten Definitions-Kompromiss, der nicht wirklich weiterhilft, da es nur mehrere Definitionsversuche nacheinander sind:

“Der englischsprachige Begriff Big Data .. bezeichnet Datenmengen, welche

• zu groß oder
• zu komplex oder
• zu schnelllebig oder
• zu schwach strukturiert

sind, um sie mit manuellen und klassischen Methoden der Datenverarbeitung auszuwerten. Der traditionellere Begriff im Deutschen ist Massendaten. Big Data ist häufig der Sammelbegriff für digitale Technologien, die in technischer Hinsicht für die neue Ära digitaler Kommunikation und Verarbeitung und in sozialer Hinsicht für den gesellschaftlichen Umbruch verantwortlich gemacht werden. Big Data steht grundsätzlich für große digitale Datenmengen, aber auch für die Analyse und Auswertung.“

Aber diese Aneinanderreihung von Sätzen bzw. der Definitionsversuch ändert sich ständig, wie Sie an nachfolgendem aktuellen Screenshot aus Wikipedia sehen.

Kluge Definition aus den USA

Im englischsprachigen Wikipedia scheint die Definition schon seit langem unstrittig zu sein (Original hier) (freie Übersetzung):

Big Data ist ein Begriff für Datensätze (Data Set) , die so groß oder komplex sind, dass traditionelle Softwareprogramme sie nicht mehr verarbeiten können. Big Data überschreitet und sprengt also die herkömmliche und bisherige Datennutzung in vielen Dimensionen wie in der Datenanalyse, Erfassung, Datenerstellung, Suche in den Daten, gemeinsamer Nutzung, Speicherung, Übertragung, Visualisierung, Abfrage der Daten, Aktualisierungen und Personeninformationen.

Der Begriff bezieht sich oft nur auf die Verwendung von Predictive Analytics, also der Analyse des Nutzerverhaltens oder bestimmter anderer Methoden erweiterter Datenanalyse, die den Wert von Daten zu extrahieren. Der Begriff Big Data bezieht sich selten auf eine bestimmte Größe des Datensatzes. Die Genauigkeit dieser großen Datenmengen können und sollen zur sichere Entscheidungsfindung beitragen und haben das Ziel, bessere Entscheidungen zu treffen, eine höhere betriebliche Effizienz zu erreichen, Kosten zu senken und geringere Risiken einzugehen.

Was ist also nicht HR Big Data?

Drehen wir mal die Definition um: Wenn Sie eine retrospektive Umfrage unter 10.000 Bewerbern machen und das mit einer normalen Software auswerten können, ist das nicht HR Big Data – auch wenn es  viele (Massen-)Datenverbindungen sind. Wenn Sie ein normales HR Controlling System aufbauen, KPIs einführen oder eine Auswertung ihrer Recruitingerfolge fahren, ist das – an sich – auch nicht HR Big Data. Auch wenn es sehr viele Daten sind und kluge Gedanken gemacht haben. Denn nicht, weil es viele Datenverbindungen sind, handelt es sich um echtes HR Big Data. Selbst wenn Sie Hunderte von Usern auf Ihrer Karrierewebsite tracken und diese Daten aggregieren, ist das immer noch automatisch HR Big Data.

Wo finden sich HR Big Data Anwendungen heute schon?

Wie Sie merken: Es geht bei HR Big Data um durch Big Data Tools  e r r e c h n e t e  Daten Analyse (Data Analytics). Also um die Kombination von bestehenden Daten mit neu erhobenen oder aktuellen Realtime-Daten durch spezielle Programme und Technologien, die eine Zukunftprognose bzw. Vorhersage berechnen. Etwas, was normale Software nicht mehr kann.

Beispiele für HR Big Data finden Sie heute schon dort, wo komplexe Algorithmen im Einsatz sind, die nicht nur eigene Daten analysieren, sondern das Userverhalten einberechnen und daraus Zukunftprognosen erstellen. Entweder durch aktive Einbeziehung Big Data Informationen (Anschluss von entsprechenden z.B. aktuelle Realtime-Webinformationen oder Datenbanken) oder durch lernende Algorithmen (Semantische Technologien oder auch Künstliche Intelligenz, die aktuell selbst erhebt)

• Matching Algorithmen, die aktuelles Userverhalten mit aktuellen Webdaten abgleichen (z.B. Joberate – Vorhersage der Wechselwahrscheinlichkeit)
• Suchmaschinen, die Webinformationen aggregieren und analysieren (Talentwunder – Active Sourcing Tool- Aggregation und Analyse von Webdaten)
• HR (Big Data) -Analytics  – Analysetools werden bezahlbarer und intelligenter, Unternehmen schließen sich zusammen und tauschen sich über die Vorgehensweise aus (z.B. hier das Vorzeige US-Beispiel, indem sich Unternehmen zusammenschließen, um ein HR Analyse System  HR Open Source weiterzuentwickeln)
• Talent Mapping: Vorhersage, wie sich der Personalmarkt entwickelt (z.B. mit Jobfeed von Textkernel  – Analyse und Aggregation, welche offenen Stellen wo entstehen)

FAZIT:

Bei HR Big Data geht es nicht um eine große Datenmenge allein. Es geht um die Analytik dieser Datenmenge – und hier sind nicht nur die Techniker gefragt. Sondern die klugen Köpfe, die die kausalen Zusammenhänge richtig deuten. Und dies ist nur möglich ist, wenn die Daten “richtig” erhoben werden, also Programme, Technologie und die Kompetenz der Menschen ineinandergreifen. Sonst passiert das, was wir gerade in der Wettervorhersage: Hier werden ununterbrochen neue, tolle Algorithmen eingesetzt – aber die Vorhersage hat bereits einen unterirdische Qualität angenommen, verursacht durch falsche Interpretationen der besseren Daten.

Wir gewöhnen uns schnell daran, dass Programme zum Leben gehören und verlassen uns sehr schnell auf sie. Zu schnell oft – wie der Wetterbericht oder auch noch schlimmer, die Tesla Unfälle zeigen. Denn die Algorithmen sind nur so gut wie die Menschen, die diese machen und die Menschen, die diese nützen.

HAPPY HR DATA ANALYTICS!