Top

Published in:

2015 | OriginalPaper | Chapter

11. Trends der Human Resource Intelligence und Analytics

Authors : Prof. Dr. Stefan Strohmeier, Dr. Franca Piazza, Christian Neu

Published in: Human Resource Intelligence und Analytics

Publisher: Springer Fachmedien Wiesbaden

Activate our intelligent search to find suitable subject content or patents.

search-config

AI-assisted search

Off

Zusammenfassung

Bedingt durch stetige technische Weiterentwicklungen ist die Human Resource Intelligence und Analytics (HRIA) kontinuierlichen Veränderungen unterworfen. Das vorliegende Kapitel verwendet daher mit dem Technologieradar eine Methode der Technologiefrüherkennung, um für die HR-Domäne relevante, künftige Intelligence- und Analytics-Technologien zu identifizieren, zu kategorisieren und zu dokumentieren. Konkret werden dabei die zwölf Trends Predictive HR Analytics, HR Process Analytics, HR Text und Sentiment Analytics, Operational HR Analytics, Self Service HR Analytics, Collaborative HR Analytics, Visual HR Analytics, Mobile HR Analytics, Real Time HR Analytics, Big HR Data Analytics und Inmemory HR Analytics berücksichtigt. Dies ermöglicht einen Überblick über künftige Entwicklungen und deren Einschätzung und Berücksichtigung im Rahmen anstehender praktischer HRIA-Projekte.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

previous chapter HR Analytics bei F. Hoffmann-La Roche Ltd.

Aggarwal, C. C., & Zhai, C. X. (2012). An introduction to text mining. In C. C. Aggarwal & C. X. Zhai (Hrsg.), Mining text data (S. 1–10). Berlin: Springer. doi:10.1007/978-1-4614-3223-4.CrossRef

Agrawal, D. (2009). The reality of real-time business intelligence. In C. Bussler, M. Castellanos, U. Dayal, & S. Navathe (Hrsg.), Business intelligence for the real-time enterprises (S. 75–88). Berlin: Springer. doi:10.1007/978-3-642-03422-0.CrossRef

Aqel, D., & Vadera, S. (2010). A framework for employee appraisals based on sentiment analysis. Proceedings of the 1st International Conference on Intelligent Semantic Web-Services and Applications. doi:10.1145/1874590.1874598.

Airinei, D., & Homocianu, D. (2010). The mobile business intelligence challenge. Economy Informatics, 10(1), 5–12.

Azvine, B., Cui, Z., & Nauck, D. D. (2005). Towards real-time business intelligence. BT Technology Journal, 23(3), 214–225. doi:10.1007/s10550-005-0043-0.CrossRef

Bange, C., & Hinterberger, J. (2012). Self Service BI – Unabhängigkeit für Fachanwender. CeBIT Guide Business Intelligence.

Bensberg, F. (2008). Mobile Business Intelligence. Besonderheiten, Potentiale und prozessorientierte Gestaltung. In H. Bauer, T. Dirks, & M. D. Bryant (Hrsg.), Erfolgsfaktoren des Mobile Marketing. Strategien, Konzepte und Instrumente (S. 72–87). Berlin: Springer. doi:10.1007/978-3-540-85296-4.

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

Bertini, E., & Lalanne, D. (2010). Investigating and reflecting on the integration of automatic data analysis and visualization in knowledge discovery. ACM SIGKDD Explorations Newsletter, 11(2), 9–18. doi:10.1145/1809400.1809404.CrossRef

Berthold, H., Rösch, P., Zöller, S., Wortmann, F., Carenini, A., Campbell, S., Bisson, P., & Strohmaier, F. (2010). An architecture for ad-hoc and collaborative business intelligence. Proceedings of the 2010 EDBT/ICDT Workshops. doi:10.1145/1754239.1754254.

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

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 doi:10.4018/978-1-60566-288-6.ch021.CrossRef

Chen, H., Chiang, R. H., & Storey, V. C. (2012). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 36(4), 1165–1188.

CIPD. (2013). Talent analytics and big data – the challenge for HR.

Davis, J. R., White, C., & Imhoff, C. (2009). Operational business intelligence: The state of the art. Business Intelligence Research.

Dayal, U., Vennelakanti, R., Sharma, R., Castellanos, M., Hao, M., & Patel, C. (2008). Collaborative business intelligence: Enabling collaborative decision making in enterprises. In: On the Move to Meaningful Internet Systems: OTM 2008 (S. 8–25), Berlin: Springer. doi:10.1007/978-3-540-88871-0_5.

Dayal, U., Kuno, H., Wiener, J. L., Wilkinson, K., Ganapathi, A., & Krompass, S. (2009). Managing operational business intelligence workloads. SIGOPS Operating Systems Review, 43(1), 92–98. doi:10.1145/1496909.1496927.CrossRef

Eckerson, W. W. (2007a). Best practices in operational BI. Renton: TDWI.

Eckerson, W. W. (2007b). Predictive analytics – Extending the value of your data warehousing investment. Renton: TDWI.

Evelson, B. (2012). The Forrester Wave™: Self Service business intelligence platforms, Q2 2012: Forrester Research.

Fayyad, U., Piatestky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases: 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. doi:10.1609/aimag.v17i3.1230.

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

Golfarelli, M. (2009). Open source BI platforms: A functional and architectural comparison. Lecture Notes in Computer Science, 5691, 287–297. doi:10.1007/978-3-642-03730-6_23.CrossRef

Hackathorn, R. (2004). The BI watch: Real-time to real-value. DM review, 14, 24–29.

Hrach, C., & Alt, R. (2012). Operational Business Intelligence bei Call-Centern – Erkenntnisse einer Fallstudienuntersuchung. In D. C. Mattfeld & S. Robra-Bissantz (Hrsg.), Multikonferenz Wirtschaftsinformatik, Braunschweig (S. 1131–1143). doi:10.1007/978-3-642-03722-1 7901 09-01-13.

Hu, X., & Liu, H. (2012). Text analytics in social media. In C. C. Aggarwal & C. X. Zhai (Hrsg.), Mining text data (S. 385–414). Berlin: Springer.

Imhoff, C., & White, C. (2011). Self Service business intelligence – Empowering users to generate insights. TDWI Best Practice Report.

Keim, D., Andrienko, G., Fekete, J.-D., Görg, C., Kohlhammer, J., & Melancon, G. (2008). Visual analytics: Definition, process, and challenges. Lecture Notes in Computer Science, 4950, 154–175. doi:10.1007/978-3-540-70956-5_7.CrossRef

Kemper, H.-G., Baars, H., & Lasi, H. (2012). Business Intelligence – Entscheidungsunterstützung für Management und Controlling im Laufe der Zeit. In R. Gleich, R. Mayer, K. Möller, & M. Seiter (Hrsg.), Controlling – Relevance lost? Perspektiven für ein zukunftsfähiges Controlling (S. 117–133). München: Vahlen.

Kohlhammer, J., Keim, D., Pohl, M., Santucci, G., & Andrienko, G. (2011). Solving problems with visual analytics. Procedia Computer Science, 7, 117–120. doi: 10.1016/j.procs.2011.12.035.CrossRef

Koleva, G. (2013). Fields of usage for in-memory databases in enterprises. 11th Workshop on Information Systems and Services Sciences, 18–29.

Linden, M. (2010). Business-Intelligence-Ansatz zur Verbesserung von Geschäftsprozessen. In H. Baars (Hrsg.), Business Intelligence im Spannungsfeld von Effizienz und Agilität. Forschungskolloquium Business Intelligence (S. 33–38). Dresden.

Liu, B., & Zhang, L. (2012). A survey of opinion mining and sentiment analysis. In C. C. Aggarwal & C. X. Zhai (Hrsg.), Mining text data (S. 415–463). Berlin: Springer.CrossRef

Loos, P., Strohmeier, S., Piller, G., & Schütte, R. (2012). Kommentare zu „In-Memory-Datenmanagement in betrieblichen Anwendungssystemen“. Wirtschaftsinformatik, 54(4), 209–213. doi:10.1007/s11576-012-0328-0.CrossRef

Marjanovic, O. (2007). The next stage of operational business intelligence: Creating new challenges for business process management. Proceedings of the 40th Annual Hawaii International Conference on System Sciences, Hawaii. doi:10.1109/HICSS.2007.551.

Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval, 2(1–2), 1–135. doi:10.1561/1500000011.CrossRef

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

Russom, P. (2007). BI search and text analytics. TDWI Best Practices Report.

Russom, P. (2011). Big data analytics. TDWI Best Practices Report.

Sandu, D. I. (2008). Operational and real-time business intelligence. Revista Informatica Economică, 47(3), 33–36.

Schneider, D. A. (2007). Practical considerations for real-time business intelligence. In C. Bussler, M. Castellanos, U. Dayal, & S. Navathe (Hrsg.), Business intelligence for the real-time enterprises (S. 1–3). Berlin: Springer.CrossRef

Shneiderman, B. (1996). The eyes have it: A task by data type taxonomy for information visualizations. Proceedings of IEEE Symposium on Visual Languages. doi:10.1109/VL.1996.545307.

Spath, D., Warschat, J., Ardilio, A., & Bunzel, S. (2011). Technologiemanagement. Radar für den Erfolg. Ludwigsburg: Log_X.

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

Strohmeier, S. (2013). Big data in the HR function – Does it really exist and is it really useful? In HRZone (Hrsg.), HR Technology – theoretical and practical insights from leading European and International academics(S. 12–15).

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.2011.68CrossRef

van der Aalst, W. M. P. (2011). Process mining. Discovery, conformance and enhancement of business processes. Berlin: Springer.

Wellensiek, M., Schuh, G., Hacker, P. A., & Saxler, J. (2011). Technologiefrüherkennung. In G. Schuh & S. Klappert (Hrsg.), Technologiemanagement. Handbuch Produktion und Management 2 (S. 89–169). Berlin: Springer.

Wessel, P., Köffer, S., & Becker, J. (2013). Auswirkungen von In-Memory-Datenmanagement auf Geschäftsprozesse im Business Intelligence. Proceedings of 11th International Conference Wirtschaftsinformatik. Leipzig. doi:10.1007/s11576-011-0296-9.

White, C. (2006). The next generation of business intelligence: Operational BI. Ashland: BI Research.

Zoumpatianos, K., Palpanas, T., & Mylopoulos, J. (2012). Strategic management for real-time business intelligence. International Workshop on Business Intelligence for the Real Time Enterprise (BIRTE). doi:10.1007/978-3-642-39872-8_9.

Title: Trends der Human Resource Intelligence und Analytics
Authors: Prof. Dr. Stefan Strohmeier
Dr. Franca Piazza
Christian Neu
Publisher: Springer Fachmedien Wiesbaden
Book: Human Resource Intelligence und Analytics
Print ISBN: 978-3-658-03595-2

Electronic ISBN: 978-3-658-03596-9

Copyright Year: 2015
DOI: https://doi.org/10.1007/978-3-658-03596-9_11

Springer Professional

Zusammenfassung

Please log in to get access to your license.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Premium Partner