Skip to main content
SpringerLink
Log in

Analysen der Human Resource Intelligence und Analytics

  • Chapter
  • First Online:
Human Resource Intelligence und Analytics

Zusammenfassung

Das vorliegende Kapitel beschäftigt sich mit Analysen der Human Resource Intelligence und Analytics (HRIA), verstanden als methoden- und systemgestützte Auswertungen von HR-Datenbeständen zur Bereitstellung entscheidungsunterstützender Informationen des HR-Bereichs. Analysen werden dabei systematisch und umfassend nach ihrem HR-Managementbezug, der zugrundeliegenden Datenbasis und der zugrundeliegenden Methodenbasis diskutiert. Konkret wird vertieft auf Varianten der Abfrage (Abfrage operativer Daten und Abfrage analytischer Daten [„Online Analytical Processing“]), auf die Suche nach Textdokumenten, auf Varianten der Mustererkennung bzw. des „Data Mining“ (Zeitreihenanalyse, Klassifikationsbaumanalyse und Clusteranalyse) und auf Varianten der Simulation (faktor- und prozessorientierte Simulation) eingegangen. Das Kapitel bietet damit einen systematischen Überblick über aktuelle Möglichkeiten HR-Daten zielgerichtet auszuwerten.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 49.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 49.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  • Armutat, S. (2009). Gegenstand und Dimensionen des Personalcontrollings. In DGFP (Hrsg.), Personalcontrolling für die Praxis. Konzept – Kennzahlen – Unternehmensbeispiele (S. 21–24). Bielefeld: Bertelsmann.

    Google Scholar 

  • Baars, H., & Kemper, H.-G. (2008). Management support with structured and unstructured data – a business intelligence framework. Information Systems Management, 25(2), 132–148. doi:10.1080/10580530801941058.

    Article  Google Scholar 

  • Baeza-Yates, R., & Ribeiro-Neto, B. (2011). Modern information retrieval. The concepts and technology behind search. New York: ACM Press.

    Google Scholar 

  • Bahrs, J. (2009). Enterprise Search – Suchmaschinen für Inhalte im Unternehmen. In D. Lewandowski (Hrsg.), Handbuch Internet-Suchmaschinen: Nutzerorientierung in Wissenschaft und Praxis (S. 329–355). Heidelberg: AKA.

    Google Scholar 

  • Barnickel, N., & Klessmann, J. (2012). Open Data – Am Beispiel von Informationen des öffentlichen Sektors. In U. Herb (Hrsg.), Open Initiatives: Offenheit in der digitalen Welt und Wissenschaft (S. 127–158). Saarbrücken: Universaar.

    Google Scholar 

  • Becker, B. E., Huselid, M. A., & Ulrich, D. (2001). The HR scorecard: Linking people, strategy, and performance. Cambridge: Harvard Business School Press.

    Google Scholar 

  • Berendes, K., Frei, C., Lassota, I., Renner, L., & Schmitz, M. (2011). Das Planungsmodell – Dreh- und Angelpunkt. In Das Demographienetzwerk (Hrsg.), Strategische Personalplanung. Die Zukunft heute gestalten (S. 28–50). Bremerhaven: nw.

    Google Scholar 

  • Bersin, J. (2012). Big Data in HR: Building a competitive talent analytics function – The four stages of maturity. Bersin White Paper.

    Google Scholar 

  • Bortz, J., & Schuster, C. (2010). Clusteranalyse. In J. Bortz & C. Schuster. Statistik für Human- und Sozialwissenschaftler (7. Aufl., S. 453–470). Berlin: Springer.

    Chapter  Google Scholar 

  • Brindha, G. R., & Santhi, B. (2012). Application of opinion mining technique in talent management. Proceedings of International Conference on Management Issues in Emerging Economies (ICMIEE).

    Google Scholar 

  • Burgard, M., & Piazza, F. (2008). Data warehouse and business intelligence systems in the context of E-HRM. In Encyclopedia of human resource information systems (S. 223–229). Hershey: IGI Global.

    Google Scholar 

  • Burkschat, J. P. D. M., Cramer, E., & Kamps, U. (2012). Zeitreihenanalyse. In J. P. D. M. Burkschat, E. Cramer, & U. Kamps (Hrsg.), Beschreibende Statistik. Grundlegende Methoden der Datenanalyse (S. 341–368). Berlin: Springer.

    Google Scholar 

  • Castellanos, M., Alves de Medeiros, K., Mendling, J., Weber, B., & Weitjers, A. J. M. M. (2009). Business process intelligence. In J. Cardoso & W. van der Aalst (Hrsg.), Handbook of research on business process modeling (S. 456–480). Hershey: IGI Global.

    Google Scholar 

  • Cavoukian, A. (2009). Privacy by Design: The 7 foundational principles. Canada, White Paper Information and Privacy Commissioner of Ontario.

    Google Scholar 

  • Codd, E. F., Codd, S. B., & Salley, C. T. (1993). Providing OLAP (On-line Analytical Processing) to user-analysts: An IT Mandate. Codd & Associates White Paper.

    Google Scholar 

  • Davis, J. R., White, C., & Imhoff, C. (2009). Operational business intelligence: The state of the art. BeyeResearch Report.

    Google Scholar 

  • Devanna, M. A., Fombrun, C. J., & Tichy, N. M. (1984). A framework for strategic human resource management. In C. J. Fombrun, N. M. Tichy, & M. A. Devanna (Hrsg.), Strategic human resource management (S. 33–51). New York: John Wiley.

    Google Scholar 

  • DGFP. (Hrsg.). (2009). Personalcontrolling für die Praxis. Konzept – Kennzahlen – Unternehmensbeispiele. Bielefeld: Bertelsmann.

    Google Scholar 

  • Erdenberger, C. (1999). Die Personalportfolio-Analyse als Instrument des strategischen Personalmanagement, Zeitschrift für Personalforschung, 3, 287–294.

    Google Scholar 

  • Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery: An Overview. In U. Fayyad, G. Piatetsky-Shapiro, P. Smyth, & F. Uthurusamy (Hrsg.), Advances in knowledge discovery and data mining (S. 1–34). Cambridge: MIT Press.

    Google Scholar 

  • Fichtner, U. (2013). Don’t „mess“ it up: Die 10 schlechtesten Personalkennzahlen. In J. Nachtwei & C. von Bernstorff (Hrsg.), HR Consulting Review, 2, 1–5.

    Google Scholar 

  • Fitz-enz, J. (2009). Predicting People. From metrics to analytics. Employment Relations Today, 36(3), 1–11. doi:10.1002/ert.20255.

    Article  Google Scholar 

  • Franklin, M., & Zdonik, S. (1998). “Data in your face”: Push technology in perspective. ACM SIGMOD Record, 27(2), 516–519. doi:10.1145/276304.276360.

    Article  Google Scholar 

  • Gardner, E. S. (1985). Exponential smoothing: The state of the art, Journal of Forecasting, 4, 1–28. doi:10.1002/for.3980040103.

    Article  Google Scholar 

  • Gola, P., & Wronka, G. (2010). Handbuch zum Arbeitnehmerdatenschutz (5. Aufl.). Frechen: Datakontext.

    Google Scholar 

  • Größler, A., & Zock, A. (2010). Supporting long-term workforce planning with a dynamic aging chain model: A case study from the service industry. Human Resource Management, 49(5), 829–848. doi:10.1002/hrm.20382.

    Article  Google Scholar 

  • Hafner, R., & Polanski, A. (2009). Kennzahlen-Handbuch für das Personalwesen. Zürich: Praxium.

    Google Scholar 

  • Klingler, U. (2009). 100 Personalkennzahlen (3. Aufl.). Wiesbaden: Cometis.

    Google Scholar 

  • Köppen, V., Saake, G., & Sattler, K. U. (2012). Data Warehouse Technologien. Heidelberg: mitp.

    Google Scholar 

  • Loh, W.-Y. (2011). Classification and regression trees. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 1(1), 14–23. doi:10.1002/widm.8.

    Google Scholar 

  • Meyer, M., & Jochmann, W. (2003). Steuerung des Personalmanagements mit der HR-Scorecard. In P. Speck & D. Wagner (Hrsg.), Personalmanagement im Wandel (S. 261–283). Wiesbaden: Gabler.

    Chapter  Google Scholar 

  • Mülder, W., Landmesser, B., & Flöter, K. (2011). Personaldaten im Web 2.0 – Status quo, Visionen, Kritik, Chancen. In H.-U. Heiß, P. Pepper, H. Schlingloff, & J. Schneider (Hrsg.), INFORMATIK 2011. Informatik schafft Communities. LNI 192: 135. Berlin: Springer.

    Google Scholar 

  • Neumann, S., Rosemann, M., & Schwegmann, A. (2012). Simulation von Geschäftsprozessen. In J. Becker, J. Kugeler, & M. Roseman (Hrsg.), Prozessmanagement. Ein Leitfaden zur prozessorientierten Organisationsgestaltung (7. Aufl., S. 401–419). Berlin: Springer.

    Google Scholar 

  • Odiorne, G. S. (1984). Strategic management of human resources. A portfolio approach. London: Jossey Bass.

    Google Scholar 

  • Park, B. K., & Song, I. Y. (2011). Toward total business intelligence: Incorporating structured and unstructured data. Proceedings of the 2nd International ACM Workshop on Business Intelligence and the WEB. doi:10.1145/1966883.1966890.

    Google Scholar 

  • Piazza, F. (2010). Data Mining im Personalmanagement. Eine Untersuchung der Einsatzpotenziale zur Entscheidungsunterstützung. Wiesbaden: Gabler.

    Book  Google Scholar 

  • Sasse, J., Sedlacek, B., & Geigenhardt-Knollmann, C. (2011). DGFP Studie: HR Kennzahlen auf dem Prüfstand. Düsseldorf: DGFP.

    Google Scholar 

  • Scholz, C. (2000). Personalmanagement. Informationsorientierte und verhaltenstheoretische Grundlagen (5. Aufl.). München: Vahlen.

    Google Scholar 

  • Scholz, C., Stein, V., & Bechtel, R. (2004). Human Capital Management. Wege aus der Unverbindlichkeit. München: Luchterhand.

    Google Scholar 

  • Schübbe, F. (2011). Personalkennzahlen. Vom Zahlenfriedhof zum Management-Dashboard. Norderstedt: Books on Demand.

    Google Scholar 

  • Schulte, C. (2011). Personalcontrolling mit Kennzahlen. (3. Aufl.). München: Vahlen.

    Book  Google Scholar 

  • Snell, A. (2011). Developing talent intelligence to boost business performance. Strategic HR Review, 10(2), 12–17. doi:10.1108/14754391111108301.

    Article  Google Scholar 

  • Strohmeier, S. (2008). Informationssysteme im Personalmanagement. Architektur – Funktionalität – Anwendung. Wiesbaden: Vieweg + Teubner.

    Google Scholar 

  • Strohmeier, S. (2010). Electronic portfolios in recruiting? A conceptual analysis of usage. Journal of Electronic Commerce Research, 11(4), 268–280.

    Google Scholar 

  • Strohmeier, S., & Piazza, F. (2005). Modellgestützte Personalentscheidungen mit „Data Mining“? Eine explorative Analyse am Beispiel der Regelinduktion. In H. Kossbiel & T. Spengler (Hrsg.), Modellgestützte Personalentscheidungen (9. Aufl., S. 117–140). München: Hampp.

    Google Scholar 

  • Strohmeier, S., & Piazza, F. (2010). Informating HRM: A comparison of data querying and data mining. International Journal of Business Information Systems, 5(2), 186–197.

    Article  Google Scholar 

  • Strohmeier, S., & Piazza, F. (2011). „Web mining” as a novel approach in e-HRM research. In T. Bondarouk, H. Ruel, & J. K. Looise (Hrsg.), Electronic HRM in Theory and Practice (S. 41–53). Howard House: Emerald.

    Chapter  Google Scholar 

  • Strohmeier, S., & Piazza, F. (2013). Domain driven data mining in human resource management: A review of current research. Expert Systems with Applications, 40(7), 2410–2420. doi:10.1109/ICDMW.2011.68.

    Article  Google Scholar 

  • Troitzsch, K. G. (2004). Simulationsverfahren. Das Wirtschaftsstudium, 33(10), 1256–1268.

    Google Scholar 

  • van der Aalst, W. M. P. (2012). Process mining: Overview and opportunities. ACM Transactions on Management Information Systems, 3(2), 7:1–7:17. doi:10.1145/2229156.2229157.

    Google Scholar 

  • van der Aalst W. M. P., Nakatumba, J., Rozinat, A., & Russel, N. (2010). Business process simulation. In J. vom Brocke & M. Rosemann (Hrsg.), Handbook on business process management 1 – introduction, methods and information systems (S. 313–338). Berlin: Springer.

    Google Scholar 

  • Wucknitz, U. D. (2009). Handbuch Personalbewertung. Messgrößen, Anwendungsfelder, Fallstudien für das Human Capital Management (2. Aufl.). Stuttgart: Schäffer-Poeschl.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Universität des Saarlandes, Campus C 3.1, 66123, Saarbrücken, Deutschland

    Prof. Dr. Stefan Strohmeier

Authors
  1. Prof. Dr. Stefan Strohmeier
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Stefan Strohmeier .

Editor information

Editors and Affiliations

  1. Ls für Management-Informationssysteme, Universität des Saarlandes, Saarbrücken, Germany

    Stefan Strohmeier

  2. LS für Management-Informationssysteme, Universität des Saarlandes, Saarbrücken, Germany

    Franca Piazza

Rights and permissions

Reprints and permissions

Copyright information

© 2015 Springer Fachmedien Wiesbaden

About this chapter

Cite this chapter

Strohmeier, S. (2015). Analysen der Human Resource Intelligence und Analytics. In: Strohmeier, S., Piazza, F. (eds) Human Resource Intelligence und Analytics. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-03596-9_1

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-03596-9_1

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-03595-2

  • Online ISBN: 978-3-658-03596-9

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation