Qualitätsverbesserung im Personalwesen: Reduzieren der Fluktuation

Bei datengestützten Initiativen zur Qualitätsverbesserung denkt man meist zuerst an Produktionsbetriebe. Der Ansatz, Probleme mit Hilfe von Statistik und Datenanalyse zu lösen, ist jedoch so flexibel, dass er für alle geschäftlichen Prozesse genutzt werden kann. „Lean Six Sigma hat sich in transaktions- und dienstleistungsorientierten Umgebungen entwickelt“, sagt Jeff Parks, Lean Six Sigma Master Black Belt. „Ich hatte z. B. die Gelegenheit, Techniken zur Qualitätsverbesserung im Personalbereich anzuwenden.“ In einem kürzlich durchgeführten Lean Six Sigma-Projekt befasste sich Parks damit, den starken Personalabgang bei einem großen Hersteller von Maschinenteilen für die Luft- und Raumfahrt zu analysieren und zu reduzieren. Dabei nutzte er die leistungsstarken Werkzeuge der Minitab Statistical Software für die Datenanalyse.

Personalabgang, oder Fluktuation, bezeichnet die Rate, mit der Mitarbeiter ein Unternehmen verlassen. Aufgrund der Kosten für die Einstellung und Einarbeitung von neuen Mitarbeitern können hohe Abgangsraten für Unternehmen problematisch und sehr teuer sein.

Jeff Parks, Lean Six Sigma Master Black Belt, löste mit der Minitab Statistical Software ein wichtiges Personalproblem bei einem großen Hersteller von Maschinenteilen für die Luft- und Raumfahrt.

2009 hatte ein großer Hersteller von Maschinenteilen für die Luft- und Raumfahrtindustrie in Ohio, USA, normale Abgangsraten von 15–18 Prozent. Dies entsprach den allgemeinen Abgangsraten in produzierenden Unternehmen in dieser Region. Die Rezession in den USA 2009 traf jedoch mit einer Steigerung der Abgangsrate im Unternehmen zusammen, die auf über 30 Prozent stieg. In Anbetracht der hohen Arbeitslosenzahlen in der Region und im ganzen Land hatte das Management deutlich niedrigere Werte erwartet. „Die hohe Fluktuationsrate war sehr problematisch“, sagt Parks, der die Maßnahmen des Unternehmens zur Qualitätsverbesserung leitete. „Das deutete auf ein tieferes Problem im Unternehmen hin – eines, das die Personalabteilung nicht in den Griff bekam.“

Die Mitarbeiter der Personalabteilung in diesem Unternehmen führten normalerweise Abgangsgespräche, um zu erfahren, weshalb die Mitarbeiter das Unternehmen verließen. Auch wenn diese Gespräche häufig sehr aufschlussreich sind, gibt es keine Möglichkeit für solche Gespräche, wenn die Mitarbeiter ohne Vorwarnung kündigen. Und in einer Produktionsumgebung mit Bezahlung auf Stundenbasis und harter körperlicher Arbeit kam es häufig vor, dass Mitarbeiter ohne Vorwarnung kündigten und wenig oder keine Angaben zu den Gründen machten. Das Unternehmen hatte grundlegende Daten zu den Mitarbeitern zusammengetragen, die in den vergangenen zwei Jahren ihren Arbeitsplatz ohne Vorankündigung verlassen hatten, und Parks analysierte diese Daten, um Hinweise auf die Gründe für den plötzlichen Anstieg der Abgangsrate zu finden.

Das Unternehmen hatte in einem Zeitraum von zwei Jahren 100 Mitarbeiter eingestellt. Von diesen Neueinstellungen hatten 32 ohne Vorwarnung gekündigt. Dem Unternehmen lagen grundlegende Informationen zu den neu eingestellten Mitarbeitern vor, u. a. Geschlecht, Position, Gehaltsklasse, Schicht, vorhandene Erfahrung in der Produktion und Länge des Arbeitswegs. Parks führte Hypothesentests in Minitab durch, um zu ermitteln, ob beim Anteil der Mitarbeiter, die gekündigt hatten, statistisch signifikante Unterschiede zwischen den Gehaltsklasse (Stundenbasis bzw. Lohn) und den Schichten (erste bzw. zweite Schicht) bestanden. Er hoffte, Muster beim Abgangsverhalten feststellen zu können. Die Analyse zeigte jedoch keine statistisch signifikanten Unterschiede bei den Anteilen der jeweiligen Variablen.

Mit Minitab-Diagrammen konnte Parks die vom Unternehmen erfassten Rohdaten zu abgegangenen Mitarbeitern grafisch darstellen. Das Histogramm oben zeigt die Verteilung der Länge des Arbeitswegs bei neu einstellten Mitarbeitern über einen Zeitraum von zwei Jahren.

Parks ging jedoch noch weiter. Er untersuchte die Rohdaten genauer und bemerkte, dass viele der Mitarbeiter, die gekündigt hatten, Frauen mit Erfahrung im Produktionsbereich und unterschiedlich langen Arbeitswegen waren. Er analysierte mit Minitab, ob Geschlecht, Erfahrung in der Produktion oder Arbeitsweg damit korrelierten, dass ein Mitarbeiter das Unternehmen verlassen hatte. In diesem Fall war die Antwortvariable, die Parks auswerten wollte (Kündigung oder keine Kündigung), binär und konnte nur zwei mögliche Werte annehmen. Mit der leistungsstarken binären logistischen Regressionsanalyse in Minitab konnte Parks statistische Modelle entwickeln, um zu prognostizieren, welche Variablen die Wahrscheinlichkeit für eine Kündigung erhöhten.

Die Analyse zeigte, dass die Länge des Arbeitswegs statistisch signifikant war. Die Ausgabe der Minitab-Analyse enthielt eine Regressionsgleichung, mit der Parks die Wahrscheinlichkeit einer Kündigung auf der Grundlage der Länge des Arbeitswegs in Meilen prognostizieren konnte. Mit der Gleichung analysierte er Entfernungen von bis zu 30 Meilen und stellte fest, dass die Länge des Arbeitswegs bis zu der Marke von 12 Meilen nur geringe Auswirkungen auf die Wahrscheinlichkeit einer Kündigung hatte. Bei 12 Meilen nahm die Wahrscheinlichkeit für eine Kündigung um mehr als 18 Prozent zu. „Und bei 13 Meilen, was etwa 30 bis 45 Minuten für den Arbeitsweg entspricht, stieg die Wahrscheinlichkeit, dass der Mitarbeiter kündigt, auf über 92 Prozent“, stellt Parks fest. „Wenn der Arbeitsweg mehr als 13 Meilen beträgt, ist es fast sicher, dass der Arbeitnehmer kündigt.“

Mit Hilfe der leistungsstarken logistischen Regressionsanalyse konnte Parks die Faktoren herausarbeiten, die bei den Mitarbeitern korrelierten, die das Unternehmen ohne Vorankündigung verlassen hatten.

Die Personalabteilung dieses Herstellers stellte das Bewerbungsverfahren für Arbeitsplätze in der Produktion anhand der Ergebnisse von Parks’ Analyse um. Es wurde genauer auf die Länge des Arbeitswegs für die Bewerber geachtet, und diese Angaben wurden bei der Entscheidung über eine Einstellung berücksichtigt.

In Parks Augen erklären die Daten das scheinbare Paradox zwischen steigenden Abgangsraten bei gleichzeitig hoher Arbeitslosigkeit. „Die Analyse schien darauf hinzudeuten, dass die Menschen während der Rezession bei der Auswahl der Stellen, auf die sie sich bewarben, sehr offen waren, weil die wirtschaftliche Lage so schlecht war“, so Parks. „Sobald die Beschäftigten feststellten, wie beschwerlich das Pendeln sein konnte, suchten sie sich schnell andere Jobs und kündigten oft.“

Parks verwendet Minitab seit über 15 Jahren und ist besonders angetan davon, dass die Software von Benutzern mit unterschiedlichsten Vorkenntnissen und unterschiedlichen Hintergründen eingesetzt werden kann. „Mithilfe von Minitab konnte ich Hunderte von Teilnehmern mit begrenzten Statistikkenntnissen unterrichten und in vielen verschiedenen Geschäftsbereichen Projekte zur Qualitätsverbesserung durchführen“, erläutert er. „Was die Benutzerfreundlichkeit und statistische Leistungsfähigkeit angeht, ist das das beste Statistikpaket auf dem Markt.“