Tagtäglich setzen unsere Xperten ihre Kompetenzen ein, um unseren Kunden bestmögliche Produkte und Ergebnisse zu liefern. Warum diese Fähigkeiten nicht auch für die Verbesserung unserer internen Prozesse nutzen?

In unserem Beitrag vom 02.05.2023 haben wir bereits unseren ersten internen Hackathon vorgestellt. Das Endergebnis liefert unserer Nachhaltigkeitsgilde eine deutlich effizientere Methode, unseren jährlichen CO2-Abdruck zu bestimmen. Auch die Stabsstellen unseres Unternehmens haben vielseitige Aufgaben, deren Prozesse mit den richtigen Hilfsmitteln einfacher gemacht bzw. besser visualisiert werden können. Derzeit unterstützen unsere Data-Science-Fachteams unsere HR-Abteilung in der Entwicklung eines Dashboards zur Visualisierung des gesamten Recruiting-Prozesses.

Anforderungen

Durch die Vielschichtigkeit des Recruiting-Prozesses und die Nutzung unterschiedlicher Tools sind die gesamten Informationen breit verstreut. Ziel ist eine einheitliche und zentrale Abbildung des kompletten Prozesses von Eingang einer Bewerbung bis hin zum ersten Tag im Unternehmen.

Die Sammlung von Daten aus verschiedenen Quellen, deren Transformation in eine einheitliche und leicht verarbeitbare Form sowie die grafische Darstellung dieser Daten gehören zu den zentralen Aufgaben von Data Engineers oder Data Scientists. Dieser interne Anwendungsfall bietet die ideale Möglichkeit für unsere Fachteams Data Engineering und Machine Learning, ihre Fähigkeiten abseits der Projektarbeit einzusetzen und dabei noch unsere internen Prozesse zu optimieren. So können am Ende nicht nur alle laufenden Recruiting-Verfahren besser im Blick behalten werden, sondern es erschließen sich auch vermeintlich versteckte Verbesserungspotenziale bei den einzelnen Schritten.

Ausgangssituation

Entstanden ist die Idee schon vor ein paar Jahren, damals diente sie zunächst als Projekt für einen ambitionierten Werkstudenten. Das Thema bot einen respektablen Umfang, um sich intensiv mit der Anforderungserhebung, Planung, Umsetzung sowie grafischen Darstellung der Ergebnisse zu befassen. Das Projekt wurde durch einen unserer Data Engineer Xperten unterstützt. In Abstimmung mit der HR-Abteilung wurden die genauen Anforderungen an das zukünftige Tool sowie die wichtigsten KPIs gemeinsam in mehreren Terminen geklärt.

Zu den wichtigsten KPIs im Recruiting-Prozess zählen u. a. die Time-to-Hire (Zeit zwischen Bewerbung und Vertragsunterschrift), die Cost-per-Hire (Kosten rund um das Recruiting geteilt durch Anzahl der Neueinstellungen) sowie die Source-of-Hire (welche Quellen bringen die beste Erfolgsquote).

Im ersten Schritt sollte nur eines der im Recruitment-Prozess genutzten Tools, nämlich JIRA, angebunden werden, um einen Proof of Concept (POC) zu erstellen. Ein POC ist ein Produktansatz in verkleinerter Form, der als Nachweis dafür dient, dass die in der Theorie behandelten Ideen auch tatsächlich in der Praxis umgesetzt werden können und das gewünschte Ziel erfüllen. Zur bestmöglichen Realisierung haben wir das Open-Source-Tool Apache NiFi gewählt. Dort wurde ein Workflow konfiguriert, der in regelmäßigen Abständen eine REST-Schnittstelle von JIRA abfragte, daraus Datenpakete schnürte, bestimmte Transformationen vornahm und im Anschluss in eine PostgreSQL-Datenbank schrieb.

Hier war die erste ETL-Strecke geboren. ETL ist ein zentrales Prinzip im Bereich Data Engineering und steht für Extract - Transform - Load. Daten werden also aus einer Quelle beschafft, dann in die gewünschte bzw. leicht verwertbare Form gebracht, bevor sie anschließend in einem designierten Datenspeicher zur Verfügung gestellt werden. Bei unserem Anwendungsfall umfassen die Daten alles rund um die ausgeschriebenen Stellen: die Art und Anzahl der gesuchten Position (Entwicklung, UXD, Scrum Master etc.), den aktuellen Status des Prozesses sowie den Zeitstempel für alle Prozessschritte und viele weitere.

Manche Felder in den JIRA-Tickets können auch Freitexteingaben enthalten oder es müssen Einheiten für bestimmte Daten standardisiert werden. Daher werden die Daten aus den Tickets nicht 1:1 übernommen, sondern sie werden, wie bereits erwähnt, transformiert. Dies bedeutet, dass die Daten entweder so vorbereitet werden, dass sie optimal für die gewünschte Darstellung geeignet sind oder dass sie einfach handzuhaben sind, um zukünftige Analysen zu ermöglichen. Auf die individualisierten Datensätze wurde dann per Microsoft Power BI zugegriffen, um eine ansprechende Visualisierung der Daten für unser HR-Team bereitzustellen.

Fortführung

Nach eingängiger Evaluierung dieses POC durch unsere Data-Science-Fachteams wurde die Idee dieses Jahr wieder aufgegriffen. Neben JIRA sollen nun auch weitere von HR genutzte Tools angebunden werden und somit eine ganzheitliche, zentrale Abbildung des Recruiting-Prozesses entstehen.

Dafür schlüpft ein neuer Werkstudent unter Anleitung unserer beiden Data-Science-Fachteamleiter in die Rolle der Projektleitung und koordiniert den Ablauf der Umsetzung. Aktuell werden Aufgabenpakete geschnürt, die anschließend von den beiden Fachteams Machine Learning und Data Engineering Stück für Stück abgearbeitet werden. Da die Umsetzung parallel zum laufenden Projektbetrieb stattfindet und die Beteiligten nicht immer gleichzeitig an den Aufgaben arbeiten können, wird nicht nach Scrum, sondern nach dem Kanban-Prinzip gearbeitet. So können alle Mitarbeitenden ihre Aufgaben in einem geeigneten Zeitfenster erledigen und alle behalten den Überblick über den aktuellen Status. Ähnlich wie bei unserem Hackathon ergeben sich hier für unsere Mitarbeitenden Möglichkeiten, sich neben den Projektthemen auch mit anderen Methoden und Tools zu beschäftigen, die ebenfalls in ihrem Interessenbereich liegen. Auch kann in diesem Rahmen in andere Verantwortungsbereiche wie bspw. Projektleitung oder die Product-Owner-Rolle ein wenig hineingeschnuppert werden.

Derzeit evaluieren unsere Fachteams, welche Software sich am besten für die Umsetzung des Dashboards eignet. Für die weitere benötigte ETL-Strecke hat Apache NiFi bisher dadurch überzeugt, dass die grafische Bedienoberfläche besonders übersichtlich und somit auch der Datenfluss leicht nachvollziehbar ist. Einzelne Prozessschritte lassen sich unabhängig voneinander starten und stoppen, sodass jederzeit das Zwischenergebnis – die transformierten Datensätze – einsehbar ist. Außerdem können externe Datenquellen auch ohne größere Umstände einfach angezapft bzw. die transformierten Daten in einen eigenen Datenspeicher eingespielt werden. Apache NiFi stellt dafür spezielle Prozessoren bereit, die individuell konfigurierbar sind. Für die noch benötigten Transformationsschritte können wichtige Erkenntnisse aus dem POC wiederverwendet bzw. ausgebaut werden.

Weitere Herausforderungen, die sich in der angestrebten Umsetzung ergeben, sind das sichere Ablegen von Zugangsdaten für die anzubindenden Datenquellen sowie die Nutzung einer Versionskontrolle, damit im Team gemeinsam an Transformationsskripten sowie dem Workflow gearbeitet werden kann. Fehlt nur noch das Visualisierungstool. Die Anforderungen an dieses bestehen darin, dass es die verarbeiteten Informationen optisch ansprechend, einfach, kostengünstig sowie in regelmäßigen Updates den Stakeholdern zur Verfügung stellt. Ob wie im POC Microsoft Power BI dafür zum Einsatz kommt, ist im Moment noch unklar. Da neben diversen Lizenzen auch ein dauerhaft betriebenes Datengateway nötig wäre, um das Dashboard mit Live-Updates zu versehen. Aktuell recherchieren unsere beiden Fachteams nach einer besser geeigneten Alternative für die umfangreichen Anforderungen.

Fazit

Das HR-Dashboard gibt einen guten Einblick, wie wir das Fachteamkonzept bei IT Sonix verstehen. Die Fachteamzeit dient unseren Xperten nicht nur dazu, breit gefächertes Wissen in ihrem Bereich aufzubauen, um zur bestmöglichen Realisierung unserer Kundenprojekte stets auf dem neuesten Stand zu sein. Die Zeit sowie das erarbeitete Wissen kann auch für Projekte innerhalb des Unternehmens eingesetzt werden, um unsere internen Abläufe sowie die Arbeitsumstände unserer Mitarbeitenden kontinuierlich zu verbessern.