Für einen führenden Personaldienstleister haben wir eine figurative Prozess-Visualisierung entwickelt.

Das Ziel war es, Zusammenhänge und Verbesserungspotenziale des Bewerberprozesses zu erkennen. Zum Beispiel wussten die Verantwortlichen nicht, welches Jobportal die meisten Bewerbungen einbringt, oder auch, welche Art von Anzeigentexten am erfolgreichsten war. Sie hatten außerdem keinerlei Feedback über die Vermittlungsquoten ihrer Standorte in Deutschland. Deswegen wollten wir einen vollständigen Blick auf die User Journey eines Bewerbers zu erhalten.

Wie sieht eine typische User Journey für einen Bewerber aus?

Jede Bewerberin (die Herren sind hier mitgedacht) sieht als erstes eine Jobanzeige auf einem Jobportal. Sie bewirbt sich und kommt in die Jobvermittlung. Nach einem erfolgreichen Vorstellungsgespräch wird sie in ihrem neuen Job angestellt. Wenn das nicht so schnell klappt, kommt die Kandidatin in den Bewerberpool.

Das erste Problem war, dass die Daten der einzelnen Schritte in Silos lagen und noch nicht integriert waren. Nachdem die Datenintegration erfolgreich umgesetzt war, erstellten wir ein Dashboard, das in etwa so aussah:

Hier konnte man sehen, dass der Standort “S” in der Business Unit Industrial konstant viel mehr Bewerber in den Job gebracht hatte. Das war schon mal aufschlussreich. Aber egal, wie die Daten weiter gruppiert oder gefiltert wurden, niemand konnte die Ursache der höheren Vermittlungsrate finden. Auch die Leitung des Standortes war sich keiner besonderen Faktoren bewusst. War es nur Zufall?

Das Problem mit Dashboards ist, dass sie selten den Einfluss von mehreren Faktoren gleichzeitig zeigen können.

Beim Filtern muss man sich entscheiden, ob man nach Standort, Portal oder Vermittlungsdauer filtert. Und auch wenn es kombinierte Filter gibt, hat man immer nur eine Sicht und kann nicht mehrere Filterkombinationen vergleichen. Und selbst wenn das geht, werden nur aggregierte Mittelwerte angezeigt statt den Details. Oft ist es aber die Detailebene, in der die Ursachen erst sichtbar werden.

Wir haben deswegen eine figurative Datensprache entwickelt, welche auf Bewerberebene alle zu Verfügung stehenden Metriken in einer Ansicht visualisiert.

Für jeden Bewerber kann man den zeitlichen Bewerbungsprozess nachvollziehen, und dabei die menschliche Fähigkeit zur Mustererkennung nutzen, welche bis heute auch von künstlicher Intelligenz nicht übertroffen werden konnte.

Jetzt konnten wir die Bewerberprozesse der Standorte auf Detailebene miteinander vergleichen:

Es wurde durch diese Visualisierung zum einen deutlich, dass Standort S die Bewerber dieser Business Unit bevorzugt behandelt, da es hier zur Zeit viele freie Stellen und relativ wenige Arbeitssuchende gab. Sie bemühten sich, nach Eingang einer Bewerbung zeitnah ein Vorstellungsgespräch zu organisieren, damit der Bewerber nicht inzwischen woanders einen Job findet.

Zweitens ist die Kommunikationsrate über Telefon und Email im Vergleich mit anderen Standorten sehr hoch. Eine intensive Betreuung scheint Bewerber also ebenso davon abzuhalten wieder abzuspringen.

Diese Prozessdetails sind übrigens mit den Visualisierungsmethoden von herkömmlichen Process Mining Tools nicht sichtbar, da diese zwar Stationen, aber keine wiederkehrenden Events kennen, und außerdem keine Detailprozesse vergleichen können.

Die figurative Visualisierung ist einfach und intuitiv lesbar. Dies hatte im Unternehmen des Personalvermittlers zu Folge, dass nicht nur Datenspezialisten, sondern viele Mitarbeiter aus den unterschiedlichsten Abteilungen jetzt Prozesse analysieren konnten und das auch tatsächlich taten. Dies löste eine breite und fruchtbare Diskussion um Optimierungspotenziale aus.

Die Organisation machte einen großen Schritt hin zu einer datengetriebenen Unternehmenskultur.

Das Tool und die Datensprache wird seitdem kontinuierlich weiterentwickelt.

Übrigens: Die Methode der figurativen Prozessanalyse ist von Designation entwickelt worden. Was halten Sie davon? Über Feedback freuen wir uns immer sehr!