Organisational, human, and technological perspectives on the adoption of data-driven human resources decision-making
Loading...
Date
2025
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Alternative Title(s)
Abstract
Die digitale Transformation führt zu einer zunehmenden Nutzung von Daten für die Entscheidungsfindung im Personalmanagement (HRM); gleichzeitig gibt es jedoch noch wenige empirische Studien in diesem Bereich, insbesondere aus praktischen Anwendungsszenarien. Diese Dissertation untersucht die Einführung datengestützter Personalentscheidungen auf der Grundlage von drei empirischen Studien, die unterschiedliche organisatorische Kontexte und Stufen der Analytics-Reife aufweisen. Die erste und zweite Studie untersuchen die Einführung prädiktiver Analytics zur Vorhersage der freiwilligen Mitarbeiterfluktuation in einer deutschen Bundesbehörde. Die dritte Studie befasst sich mit temporären Managern, die von Organisationen in Krisensituationen eingestellt werden und Personalentscheidungen treffen. Die in dieser Studie befragten Manager verwenden in erster Linie deskriptive Analytics für ihre Entscheidungsfindung.
Die Ergebnisse der drei Studien legen nahe, dass technologische, organisatorische und menschliche Faktoren für die erfolgreiche Einführung datengestützter Personalentscheidungen von zentraler Bedeutung sind. Außerdem zeigen die Ergebnisse dieser Dissertation, dass die Einführung datengestützter Personalpraktiken ein komplexer, interdisziplinärer Prozess ist, der einen ganzheitlichen Ansatz erfordert. Technische Gegebenheiten allein reichen nicht aus, um datengestützte Personalentscheidungsprozesse angemessen einzuführen. Eine effektive Implementierung scheint auch von unterstützenden Organisationsstrukturen und -kulturen sowie von menschlichen Überzeugungen und Denkweisen abzuhängen. Fünf Bereiche ergeben sich für Empfehlungen zu praktischen Maßnahmen zur Unterstützung von Organisationen im Adoptionsprozess: Förderung einer datenge¬steuerten Kultur, Entwicklung einer Digitalisierungsstrategie, Bereitstellung von Fachwissen, Bereitstellung einer geeigneten IT-Infrastruktur und die Einrichtung eines Governance-Systems.
Letztendlich zeigt diese Dissertation, dass es keine Einheitslösungen für die Einführung datengestützter Personalentscheidungen gibt. Stattdessen sind kontextspezifische Strategien erforderlich, die die technologischen, organisatorischen und menschlichen Dimensionen dynamisch und adaptiv aufeinander abstimmen – und so einen langfristigen Mehrwert für Unternehmen und Mitarbeitende sicherstellen.
The digital transformation is leading to an increasing use of data for decision-making in Human Resource Management (HRM); but at the same time, there are still few empirical studies in this area, particularly from practical application scenarios. This dissertation explores the adoption of data-driven Human Resource (HR) decision-making based on three empirical studies that feature different organisational contexts and stages of analytics maturity. The first and second studies examine the adoption of predictive analytics in a German federal agency to predict voluntary employee turnover. The third study considers the perspectives of temporary managers hired by organisations in crises and taking HR decisions. The temporary managers interviewed in this study primarily use descriptive analytics. The results of the three studies suggest that technological, organisational, and human perspectives are central to the successful adoption of data-driven HR decision-making. Furthermore, the findings of this dissertation demonstrate that adopting data-driven HR practices is a complex, interdisciplinary process that necessitates a holistic approach. Technological foundations alone are not enough to adequately adopt data-driven HR decision-making. Effective adoption also seems to depend on supportive organisational structures and culture as well as on the salient beliefs and thinking patterns of individuals. Five areas emerge for recommendations for practical measures to support organisations in the adoption process: fostering a data-driven culture, developing a digital strategy, providing expertise, providing appropriate Information Technology (IT) infrastructure, and establishing a governance system. Ultimately, this dissertation highlights that there are no one-size-fits-all solutions for adopting data-driven HR decision-making. Instead, it requires context-specific strategies that dynamically and adaptively align technological, organisational, and human dimensions – thereby ensuring long-term value for organisations and employees.
The digital transformation is leading to an increasing use of data for decision-making in Human Resource Management (HRM); but at the same time, there are still few empirical studies in this area, particularly from practical application scenarios. This dissertation explores the adoption of data-driven Human Resource (HR) decision-making based on three empirical studies that feature different organisational contexts and stages of analytics maturity. The first and second studies examine the adoption of predictive analytics in a German federal agency to predict voluntary employee turnover. The third study considers the perspectives of temporary managers hired by organisations in crises and taking HR decisions. The temporary managers interviewed in this study primarily use descriptive analytics. The results of the three studies suggest that technological, organisational, and human perspectives are central to the successful adoption of data-driven HR decision-making. Furthermore, the findings of this dissertation demonstrate that adopting data-driven HR practices is a complex, interdisciplinary process that necessitates a holistic approach. Technological foundations alone are not enough to adequately adopt data-driven HR decision-making. Effective adoption also seems to depend on supportive organisational structures and culture as well as on the salient beliefs and thinking patterns of individuals. Five areas emerge for recommendations for practical measures to support organisations in the adoption process: fostering a data-driven culture, developing a digital strategy, providing expertise, providing appropriate Information Technology (IT) infrastructure, and establishing a governance system. Ultimately, this dissertation highlights that there are no one-size-fits-all solutions for adopting data-driven HR decision-making. Instead, it requires context-specific strategies that dynamically and adaptively align technological, organisational, and human dimensions – thereby ensuring long-term value for organisations and employees.
Description
Table of contents
Keywords
Human resource analytics, Machine learning adoption, Explainable artiffical intelligence, Theory of planned behaviour, Employee turnover prediction
Subjects based on RSWK
Human Resource Management, Maschinelles Lernen, Erklärbare Künstliche Intelligenz, Fluktuation (Betriebswirtschaftslehre), Interim-Management