18. Juni 2024 7 Minuten Lesezeit

Praxisbericht: HCM-Stammdaten nutzen, um organisationale Effektivität zu steigern

HCM-Stammdaten für organisationale Effektivität
  1. Startseite
  2. Blog
  3. Praxisbericht: HCM-Stammdaten nutzen, um organisationale Effektivität zu steigern

Dieser praxisorientierte Text bündelt die jahrelange Erfahrung, die unsere Sales-, Consulting- und Customer Success-Teams in unzähligen Kundenprojekten gesammelt haben. Und zeigt dabei, wie sich HCM-Stammdaten nutzen lassen, um tiefe Einblicke in die eigene Organisation zu erhalten und die organisationale Effektivität zu steigern.

    Über den Wert von HCM-Stammdaten

    Wenn Interessent:innen oder Neu-Kund:innen Dashboard-Ansichten unseres Ingentis org.managers sehen, reagieren sie häufig mit: „Das sieht in der Demo super aus, lässt sich bei uns in der Praxis aber nicht umsetzen – wir haben die Daten nicht.“

    Achja? Die Wahrheit ist: Jede Organisation, die eines der gängigen HCM-Systeme nutzt – ganz gleich, ob von SAP, Oracle, Workday, UKG oder einem vergleichbaren Anbieter –, hat alle Daten, die es braucht, um Dashboards mit aussagekräftigen Inhalten zu füllen. HR, Organisationsentwicklung und Management haben so alle relevanten Organisations-KPI im Blick und können unerwünschte Entwicklungen sofort erkennen und durch Gegenmaßnahmen beheben. Offenbar wissen viele unserer Ansprechpartner:innen aber nicht um den Wert, den ihre HCM-Stammdaten haben? Folgerichtig ist ihnen auch nicht bewusst, dass sie diese jederzeit verfügbaren Metriken für Maßnahmen in den Bereichen Org Analytics und Org Effectiveness nutzen können. Mit diesem Beitrag wollen wir genau das ändern.

    Praxisbericht: HCM-Stammdaten nutzen, um organisationale Effektivität zu steigern.
    Das „HR-Dashboard“ aus unserer Sales-Demo visualisiert relevante Organisationskennzahlen wie die Alters- oder Geschlechterverteilung

    Ihre HR-Daten liegen zwar vor, sind aber fehlerhaft?

    Das ist schlecht, denn: Eine zuverlässige Datenbasis ist entscheidend für präzises Reporting und aussagekräftige Dashboards. Aber kein Problem: Unser Modul Data Quality Screening schafft Abhilfe. Mit dem Tool können Personalverantwortliche Fehler oder Lücken in der HR-Datenlandschaft schnell identifizieren und korrigieren.

    Warum HR Daten visualisieren?

    Bevor wir loslegen, klären wir kurz eine Frage: Warum sollten Sie sich überhaupt die Mühe machen, Ihre HR-Daten zu visualisieren? Die Antwort ist einfach: Weil es Sinn macht. Oder genauer: Weil wir damit unseren Sehsinn ansprechen. 83 Prozent aller Informationen, die das menschliche Gehirn verarbeitet, werden über die Augen geliefert (vgl. Braem 2004: Die Macht der Farben). Ergänzend dazu besagt der Picture Superiority Effect, dass wir Menschen uns nach drei Tagen noch an 65 Prozent der Informationen erinnern, die wir visuell erhalten haben. Aber nur an 10 Prozent, wenn wir sie auditiv wahrnahmen (mehr dazu siehe hier). Sie sehen: Es gibt gute Gründe, HR-Daten visuell ansprechend aufzubereiten.

    Org Analytics mit HCM-Stammdaten

    Okay, jetzt aber, los geht’s: Wie lassen sich ansprechende, aussagekräftige Dashboards mit „ganz normalen“ HCM-Stammdaten kreieren? Wir fangen simpel an. Mit dem Mitarbeitenden. Und seinen Daten. Zum Beispiel:

    ID | Einstellungsdatum | Geburtstag | Geschlecht | Nationalität

    Aus diesen Daten lassen sich für das ‚Objekt Mitarbeitender‘ weitere ableiten, etwa:

    Alter | Jahre im Unternehmen

    Auf die Organisationsebene bezogen können aus den einzelnen Mitarbeitenden-Infos spannende Metriken kumuliert werden:

    Mitarbeitendenzahl | Demographie | Durchschnittsalter | Durchschnittliche Jahre im Unternehmen | Weitere Durchschnittswerte (Geschlecht, Nationalität etc.)

    Weiter wichtige – und fast immer vorliegende – Daten für erste Org-Analytics-Maßnahmen ist die Information über eine Hierarchie. Sobald diese im HR-System hinterlegt ist, können sämtliche Metriken entlang der Struktur rekursiv berechnet werden. Die bereits bestehenden werden so um folgende Informationen ergänzt:

    Mitarbeitenden Daten
    • ID
    • Einstellungsdatum
    • Geburtstag
    • Geschlecht
    • Nationalität
    • Manager ID
    Abgeleitete Informationen
    • Alter
    • Jahre im Unternehmen
    • Hierarchiestufe
    • Führungsspanne
    Organisationsebene
    • Mitarbeitendenzahl
    • Demographie
    • Durchschnittsalter
    • Durchschnittliche Jahre im Unternehmen
    • Weitere Durchschnittswerte (Geschlecht, Nationalität etc.)
    • Ebenen
    • Mitarbeitende pro Ebene
    • Durchschnittliche   Führungsspanne
    • Manager Ratio

    Werden dann noch zusätzliche, standardmäßig vorliegende Objekttypen – etwa Positionen hinzugefügt – entstehen weitere Optionen:

    Position (1:n)
    • Mitarbeitendenzahl
    • FTE
    • Einstellungsdauer
    Abgeleitete Informationen
    • Alter
    • Jahre im Unternehmen
    • Hierarchiestufe
    • Führungsspanne
    • Jahre in Position
    • FTE
    Organisationsebene
    • Mitarbeitendenzahl
    • Demographie
    • Durchschnittsalter
    • Durchschnittliche Jahre im Unternehmen
    • Weitere Durchschnittswerte (Geschlecht, Nationalität etc.)
    • Ebenen
    • Mitarbeitende pro Ebene
    • Durchschnittliche Führungsspanne
    • Manager Ratio
    • Durchschnittliche Jahre in Position
    • FTE
    • Durchschnittliche Einstellungsdauer

    Dass die bisher zusammengetragenen Daten den allermeisten HR’lern vorliegen, ist unstrittig, oder? Und jetzt kommts: Aus diesen Basisinformationen lässt sich bereits ein aussagekräftiges Dashboard ableiten. Der folgende Screenshot stammt aus unserem Modul HR Insights Board und setzt sich rein aus den bisher erwähnten HCM-Stammdaten zusammen:

    Geschlechterverteilung, Altersdurchschnitt aus HCM-Stammdaten
    Aufschlussreiche Metriken wie die Geschlechterverteilung, der Altersdurchschnitt oder die Verteilung der Unternehmenszugehörigkeit sind aus HCM-Stammdaten kalkulier- und mit dem org.manager visualisierbar

    Organisationale Effektivität mit HCM-Stammdaten steigern

    Bevor wir uns im nächsten Schritt damit befassen, wie sich die organisationale Effektivität durch smarte Verwendung von HCM-Stammdaten steigern lässt, wollen wir herausarbeiten, was wir bei Ingentis überhaupt unter dem Begriff verstehen. McKinsey definiert organisationale Effektivität als: „[…] die Abkehr von episodischen, großen Transformationen hin zur kontinuierlichen Effizienzsteigerung der Organisation.” Sehen wir ähnlich.

    Und da es sich bei organisationaler Effektivität um einen fortlaufenden Prozess handelt, empfehlen wir in diesem Zusammenhang, mit einem möglichst kleinen Datensätzen zu arbeiten, auf die man idealerweise ständig Zugriff hat. Die Führungsspanne – im englischen Span of Control genannt – erfüllt diese Kriterien. Um sie zu berechnen, braucht es lediglich die Mitarbeitenden ID und die Manager ID. Ist zudem ein Sollzustand – also eine angestrebte, ideale Führungsspanne – definiert, lässt sich dieser Benchmark einfach mit dem Ist-Zustand vergleichen und zum Beispiel in Form einer Ampel-Logik visualisieren. Sie sehen: Es werden nicht sonderlich viele Informationen benötigt, um Perspektiven wie unsere Span of Control Heatmap zu kreieren.

    Überblick über Führungsspannen in Organisationen
    Die Span of Control Heatmap gibt einen Überblick über die Führungsspannen in der Organisation. Dank der Ampel-Logik ist auf einen Blick erkennbar, in welchen Bereichen Optimierungspotenziale vorhanden sind.

    Neben der Analyse von Führungsspannen lassen sich auf ähnlich einfache Weise weitere Metriken visualisieren, die Aufschluss darüber geben, wie weit entfernt die aktuelle Situation in der Organisation vom angestrebten Ziel ist. Denken Sie beispielsweise an die Überprüfung von Mikro- oder Makro Teams, die Quote weiblicher Führungskräfte oder bestehende Nachfolgeplanungen für kritische Positionen.

    Verhältnis von Mikro Teams zu In Target Teams
    Unser Modul „Org Insights Board“ gibt unter anderem Aufschluss über das Verhältnis von Mikro Teams zu In Target Teams.
    Im Sunburst Chart des Moduls „HR Insights Board“ können Org-Einheiten angezeigt und angesteuert werden, die einen bestimmten Frauenanteil – in diesem Beispiel 30 Prozent – unterschreiten.
    Im Sunburst Chart des Moduls „HR Insights Board“ können Org-Einheiten angezeigt und angesteuert werden, die einen bestimmten Frauenanteil – in diesem Beispiel 30 Prozent – unterschreiten.
    Talent & Succession Planning
    Die Perspektive Succession Planning zeigt für kritische Positionen an, ob und welche Nachfolger:innen vorgesehen sind.

    Fazit

    HCM-Stammdaten sind wertvolle Informationen, die durch die richtige Visualisierung effektiv genutzt werden können. Einerseits, um tiefere Einblicke in den Aufbau der eigenen Organisation zu gewinnen. Andererseits, um die organisationale Effektivität zu steigern und dabei eine Kultur der kontinuierlichen Optimierung und datengetriebenen Entscheidungsfindung zu fördern.

    Auf der Suche nach den richtigen Tools?

    Erleben Sie live, wie Sie mit Ingentis org.manager Ihre Organisationsstruktur visualisieren, analysieren und aktiv gestalten können. In unserem kostenlosen Webinar zeigen wir praxisnah, wie Sie datenbasiert fundierte Entscheidungen treffen, Reorganisationen simulieren und Potenziale sichtbar machen.

    Die neuesten Beiträge von Ingentis

    05. Februar 2025 8 Minuten Lesezeit
    Organisationale Effektivität
    Die sogenannte Organisationale Effektivität geht weit über die reine Effizienzsteigerung hinaus …
    27. Dezember 2024 7 Minuten Lesezeit
    Experimentelle Organisationsmodelle im Fokus der modernen Unternehmensführung
    Wenn Veränderung die einzige Konstante in der Geschäftswelt ist, dann wird die Fähigkeit von …
    15. November 2024 9 Minuten Lesezeit
    HR-Daten & Ich
    HR-Daten & Ich
    „All das soll sagen: Veränderung kommt, und es ist am besten, einen Vorsprung zu erlangen.“ …