Analyse des Kununu-Profils der Beispiel GmbH
Sie finden auf dieser Seite die vollständige Analyse des Kununu-Profils der Beispiel GmbH durch auXolutions.
Dokumente
Navigation
Auftrag: Anpassung einer Mitarbeiterbefragungs-Muster-Vorlage
Erläuterung zur vollständige Auswertung
Auswertung des Kununu Datensatzes
Ergebnis: Individuelle Fragen zur Mitarbeiterbefragung
Auftrag: Anpassung einer Mitarbeiterbefragungs-Muster-Vorlage
Die Beispiel GmbH möchte eine interne Mitarbeiterbefragung durchführen. Die letzte Evaluation der Mitarbeiterzufriedenheit liegt einige Jahre zurück. In der Zwischenzeit haben sich einige Veränderungen ergeben. Eine andere Mitarbeiterumfrage (Thema: Ansprache durch Headhunter; keine Mitarbeiterbefragung) hat den dringenden Bedarf an Maßnahmen zur Mitarbeiterbindung aufgezeigt. Um von vornherein die richtigen Fragen zu stellen, möchte die Beispiel GmbH die Informationen aus ihrem Kununu-Profil mit einfließen lassen.
Da die Beispiel GmbH das Mitarbeiterbefragungs-Muster von auXolutions als Vorlage für ihre Mitarbeiterbefragung ausgewählt hat, fordert sie dort auch Unterstützung bei der bevorstehenden Aufgabe an. Nach einer Woche stellt auXolutions die Ergebnisse vor. Diese beinhalten:
- Einordnung des Kununu-Profils im Vergleich zur Konkurrenz
- Prüfung des Kununu-Profils auf Optimierungspotentiale zur Mitarbeiterzufriedenheit
- Ableitung von verifizierenden und ergänzenden Fragen für die Mitarbeiterbefragung
- Strategien zur langfristigen Steigerung des Employer-Brandings auf Kununu
Ergänzend stellt auXolutions dem Auftraggeber folgende Dokumente zur Verfügung:
Management Summary: Dies ist die Ergebnispräsentation. Hier sind die gewonnenen Erkenntnisse prägnant zusammengefasst.
Vollständige Auswertung: In diesem Dokument sind systematisch alle durchgeführten Analysen aufgeführt. Es dient als Nachschlagewerk. Die Management Summary referenziert auf dieses Dokument, um den Erkenntnisprozess nachvollziehbar zu dokumentieren.
.csv Datei: Diese Datei beinhaltet den vollständigen Datensatz Ihres Kununu-Profils zum Öffnen mit Excel. Eine eigene Excel-Auswertung ist zwar nicht nötig, der Auftraggeber profitiert aber bei anderen Gelegenheiten von dieser Information. So lässt sich zum Beispiel das eigene Kununu-Profil besser nach Schlüsselworten durchsuchen, wenn die Beispiel GmbH bestimmte Kununu-Bewertungen löschen lassen will.
Zur Einführung gibt Herr Dr. Dutschke zuerst einen Überblick über die vollständige Auswertung. Die Ergebnisse in der Management Summary erläutert Herr Dr. Dutschke bei Bedarf anhand der vollständigen Auswertung.
Erläuterung zur vollständigen Auswertung
Zur Analyse des Kununu-Profils werden die Bewertungen gruppiert und miteinander verglichen. So kann es zum Beispiel sinnvoll sein, die Bewertungen von verschiedenen Standorten miteinander in Relation zu setzen. Diese Gruppenbildung findet in Kapitel 1 (Seiten 6-11) der vollständigen Auswertung statt. Jede Seite dieses Kapitels ist gleich aufgebaut.
Alle darauf folgenden Kapitel (2 bis 19) sind jeweils einer der Gruppen aus Kapitel 1 gewidmet und zeigen verschiedenste Darstellungen zur genaueren Analyse. Jedes dieser Kapitel ist gleich aufgebaut.
Gruppenvergleiche
Das obere Diagramm zeigt die Gruppengröße (also wie viele Bewertungen vorliegen) auf der X-Achse und auf der Y-Achse die durchschnittliche Bewertung in Sternen. Die Fehlerbalken zeigen den Standardfehler. Dieser erlaubt uns festzustellen, ob sich zwei Datenpunkte ernsthaft (im Sinne von jenseits der statistischen Schwankung) voneinander unterschieden.
So sind der rote und der grüne Datenpunkt zu nahe aneinander (im Vergleich zum Fehlerbalken), dass mit Sicherheit behauptet werden kann, der Standort Frankfurt (rot) wäre besser bewertet als der Standort Nürnberg (grün). Was hingegen gesagt werden kann ist, dass der Standort München (orange) schlechter bewertet ist als die beiden vorherigen. Der Standort Dresden (lila) kann auf Grund der Größe seines Fehlerbalkens nur vorsichtig mit München verglichen werden (nicht jedoch mit Nürnberg und Frankfurt). Dies liegt daran, dass nur sehr wenige Bewertungen aus Dresden vorliegen.
Das mittlere Diagramm zeigt die zeitliche Entwicklung der durchschnittlichen Bewertung der einzelnen Standorte. Der Einfachheit halber bezeichnen wir diese im Folgenden als Mitarbeiterzufriedenheit. Jeder Datenpunkt stellt die durchschnittlich erhaltene Kununu-Bewertung im Zeitraum seit dem letzten Datenpunkt dar. Die durchschnittliche Mitarbeiterzufriedenheit auf Kununu lag am Standort Frankfurt zwischen dem 1.1.2012 und dem 31.12.2012 also bei knapp 4.8 Sternen. Da dieser Datenpunkt bei 2013.0 angesiedelt ist, wollen wir im weiteren Verlauf des Artikels vereinfachend die folgende Formulierung verwenden:
„Die durchschnittliche Kununu-Bewertung am Standort Frankfurt zum Jahr 2013 (oder im Jahr 2012) lag bei 4.8 Sternen.“
Der Begriff ‚zum Jahr‘ bezieht sich hierbei direkt auf die Position des Datenpunkts auf der Zeitachse. Die Aussage ‚im Jahr‘ ist äquivalent zu ‚während des Jahres‘.
Die Fehlerbalken zu interpretieren, ist hierbei etwas trickreicher. Um eine Tendenz in eine bestimmte Richtung zu erkennen, bietet sich Folgendes an: Versuchen Sie, eine Konstante (Gerade parallel zur X-Achse) in den Bereich der Fehlerbalken einzupassen. Gelingt dies nicht, so liegt eine Aufwärts- oder Abwärtstendenz vor. Gelingt dies nur knapp, so ist ein entsprechender Trend wahrscheinlich. Dies gilt vor allem für auf und ab springende Werte. Bei systematischen Trends in den zeitlichen Verläufen (wie zum Beispiel einem kontinuierlichem Anstieg innerhalb der Toleranz der Fehlerbalken) sinkt die Wahrscheinlichkeit für ein rein zufälliges Muster.
Zur Verdeutlichung: Die Mitarbeiterzufriedenheit am Standort München wird in den Jahren 2011-2016 recht gut mit 3.2 Sternen beschrieben. Zwischen 2017 und 2019 scheint dies jedoch nicht mehr die naheliegendste Beschreibung – die Fehlerbalken decken den Wert 3.2 Sterne nicht mehr überall ab. Es liegt also ein deutlicher Hinweis auf einen Einbruch der Mitarbeiterzufriedenheit im Laufe des Jahres 2016 vor. Diese Erkenntnis wird dadurch noch verstärkt, dass sich die Mitarbeiterzufriedenheit in den Zeitintervallen [2011; 2016] und [2017;2019] stabil verhält.
Weiter soll ein Blick auf die Mitarbeiterzufriedenheit in Nürnberg zum Jahr 2018 geworfen werden. Dieser Datenpunkt (2018,4.2) scheint aus dem Muster zu fallen. Der Fehlerbalken reicht gerade so an die Werte aus den Jahren 2017 und 2019 heran. Hier scheint es eine (nicht anhaltende) Auffälligkeit gegeben zu haben, deren Ursprung wir später finden werden.
Die Datenpunkte zum aktuellen Zeitpunkt (April 2019) haben sehr große Fehlerbalken. Dies liegt daran, dass sich diese aus deutlich weniger Bewertungen (Zeitpanne 1.1.2019 bis 30.4.2019) zusammensetzen. Dass die Mittelwerte zum aktuellen Zeitpunkt ebenfalls nicht mit denen von 2019.0 übereinstimmen, hat den gleichen Grund. Es wäre eher ein Zufall, wenn eine exakte Übereinstimmung vorliegen würde. Es lassen sich damit also keine Trends beobachten, die erst 2019 eingesetzt haben.
Das untere Diagramm zeigt die Anzahl der Bewertungen im jeweiligen Zeitraum seit dem vorherigen Datenpunkt. So wurden zum Jahr 2019 insgesamt 42 Bewertungen abgegeben, wovon 18 aus München, 12 aus Nürnberg, 8 aus Frankfurt und 4 aus Dresden stammen.
Analyse einer einzelnen Gruppe
Wir beginnen mit der Auswertung der einzelnen Gruppen. Die erste Gruppe ‚Gesamt‘ (Kapitel 2) umfasst das gesamte Kununu Profil. Jede weitere Gruppe nur einen Teil des Kununu-Profils. Alle Diagramme des jeweiligen Kapitels zeigen ausschließlich die Daten der jeweiligen Gruppe. In Kapitel 3 (Standort München) wird also kein einziger Datenpunkt von den anderen Standorten (Nürnberg, Frankfurt, Dresden) beeinflusst.
Zeitliche Entwicklung
Das obere Diagramm zeigt die Gesamtzahl von Bewertungen im Kununu-Profil (Y-Achse) zum jeweiligen Zeitpunkt (X-Achse) an. Diese Größe wird im Abschnitt Prognose relevant.
In der Mitte ist in grau noch einmal die Durchschnittsbewertung des letzten Zeitintervalls (wie bereits auf Seite 6 Mitte) dargestellt. Die blaue Linie zeigt den Kununu-Score der Mitarbeiterzufriedenheit dieser Gruppe. Im Falle der Gruppe ‚Gesamt‘ entspricht dies genau dem Wert der Mitarbeiterzufriedenheit auf der Startseite des Kununu-Profils. Die Beispiel GmbH trägt also aktuell den Vermerk: „131 Mitarbeiter sagen […] 3.4 Sterne“.
Im unteren Diagramm auf der Seite sind (analog zu Seite 6 unten) die Anzahl der Bewertungen seit dem letzten Datenpunkt in blau dargestellt. Um eine eventuelle Änderung der Ex-Mitarbeiter-Quote zu erkennen, sind ebenfalls die Anzahl der Bewertungen mit dem Jobstatus ‚Ex-Job‘ in grau aufgetragen.
Prognose
auXolutions nutzt wissenschaftliche Methoden aus den Bereichen Statistik und statistische Physik, um Vorhersagen über die weitere Entwicklung der Kununu-Mitarbeiterbewertung zu treffen.
Auf Seite 13 werden die Diagramme der vorherigen Seite um verschiedene Prognosen ergänzt. Die orange und die grüne Prognose dienen nur der Demonstration des Vorhersagekraft. Die zu diesem Zeitpunkt (April 2019) relevante Prognose ist rot.
Die orange Prognose basiert auf den Daten bis zum 31.12.2016. Unten sehen wir die prognostizierte Anzahl an neuen Bewertungen (oranger Punkt) im kommenden Jahr. Oben ist die prognostizierte Anzahl an Gesamtbewertungen dargestellt. In der Mitte ist als oranger Nebel (in Dreiecksform) die Wahrscheinlichkeitsverteilung der Bewertungsentwicklung dargestellt. Je dichter der Nebel an einer Stelle erscheint, desto wahrscheinlicher ist das entsprechende Szenario. Wir sehen, dass die tatsächlich eingetretene Entwicklung der Kununu-Bewertung durch einen als wahrscheinlich prognostizierten Bereich verläuft.
Demographie
Im Unterkapitel Demographie (Seiten 14 und 15) wird die Verteilung der demographischen Merkmale dargestellt.
Wir sehen auf Seite 15 oben zum Beispiel, dass in etwa 47 Bewertungen von Ex-Mitarbeitern auf 66 Bewertungen von aktuellen Mitarbeitern kommen. Generell sollten Unternehmen bestrebt sein, eine möglichst niedrige Bewertungsquote von ehemaligen Mitarbeitern zu haben. Diese bewerten ihren Ex-Arbeitgeber statistisch gesehen schlechter.
Authentizität
In dieser Darstellung wird die Authentizität (Erklärung folgt) der einzelnen Kununu-Bewertungen (X-Achse) gegen die Bewertung in Sternen (Y-Achse) aufgetragen. Jeder Punkt steht dabei für genau eine Bewertung eines Mitarbeiters. Die Farbe des Punktes stellt das Datum der Bewertung dar.
Wir möchten an dieser Stelle erläutern was wir unter Authentizität verstehen und warum wir diese Darstellungsform wählen. Authentizität ist ein Maß dafür, wie gut eine Bewertung in das Kununu-Profil des Unternehmens passt und wie sehr diese Bewertung potentielle Bewerber beeinflusst. Es folgen einige Beispiele: Eine lieblos auf die schnelle formulierte Bewertung (egal ob gut oder schlecht) hat eine Authentizität nahe 0. Eine klassische ‚Fake Bewertung‘ hat ebenfalls eine sehr niedrige Authentizität. Sehr detaillierte und überzeugende Bewertungen haben eine hohe Authentizität nahe 1. auXolutions nutzt diese Information und kann bei Bedarf nicht sorgfältig verfasste Impulsiv-Bewertungen herausfiltern. Schließlich soll die Betrachtung der Mitarbeiterzufriedenheit in Ihrem Unternehmen nicht durch Nebeneffekte des Bewertungsportals Kununu verfälscht werden.
Vergleichsindices
Auf den Seiten 17 bis 22 betrachten wir das Kununu-Profil der Beispiel GmbH im Vergleich zu verschiedenen Mitwettbewerbergruppen (=Indices). Der Beispiel GmbH ist eine Einordnung im Vergleich zu den „Bayerns Best 50“ (Auszeichnung des Wirtschaftsministeriums Bayern; Jahr 2018) besonders wichtig. Es werden aber auch andere Vergleichsindices herangezogen – zum Beispiel ein Index bestehend aus den Unternehmen im DAX, MDAX und SDAX. Jeder Index ist auf 2 aufeinander folgenden Seiten dargestellt. Die erste Seite bezieht alle Datenpunkte der Unternehmen des Index ein. Die zweite Seite stellt den Index unter Anwendung desselben Filters dar, welcher für die Beispiel GmbH in diesem Kapitel zum Einsatz kommt.
Da im Kapitel 2: ‚Gesamt‘ kein Filter genutzt wird, lassen Sie uns zur Illustration kurz auf die Seiten 54 und 55 in der vollständigen Auswertung springen. Diese Seiten befinden sich im Kapitel 3: „Gruppe 1: München“ und behandeln explizit den Standort München. Die Bewertung des Standorts München ist blau dargestellt (Abbildung im Dokument „Vollständige Analyse“; ähnlich zur nächsten Abbildung). Auf Seite 54 (Stichwort ‚ohne Filter‘) sind in orange alle Unternehmen des „Bayerns Best 50“-Index dargestellt. Auf Seite 55 hingegen (Stichwort ‚mit gleichem Filter‘) sind in orange nur die Bewertungen vom Standort München (falls vorhanden) der „Bayerns Best 50“ erfasst.
Nun zurück zu Seite 17.
Im oberen Diagramm ist die Verteilung der Unternehmensbewertungen des entsprechenden Index dargestellt. Die Zuteilung funktioniert über lineare Interpolation, so dass ein Unternehmen mit einer Bewertung von 3.3 Sternen zur Hälfte zum Balken bei 3.2 Sternen beiträgt und zur anderen Hälfte zum Balken bei 3.4 Sternen. Der blaue senkrechte Strich zeigt den Mittelwert der Beispiel GmbH (am Standort München) im Vergleich hierzu.
Der rote, weiße und grüne Hintergrund markiert jeweils das untere, mittlere und obere Drittel der Bewertungen der Vergleichsgruppe. Ab 3.83 Sternen gehört ein Unternehmen also zum oberen Drittel der Bayerns Best 50. In den Diagrammen ohne Vergleichsgruppe sind die Werte für unteres und oberes Drittel auf 3.4 und 3.8 fixiert. Diese Werte haben sich als stabile Referenz herausgestellt.
Die blaue Linie zeigt den zeitlichen Verlauf der Kununu-Bewertung der Beispiel GmbH im Vergleich zu den Unternehmen der Vergleichsgruppe. Der halbtransparente Bereich symbolisiert dabei die Standardabweichung innerhalb der Vergleichsgruppe. Wir sehen, dass die Beispiel GmbH zum Jahr 2013 klar überdurchschnittlich bewertet war.
In der unteren Darstellung werden die Einzelfaktoren der Beispiel GmbH mit den Einzelfaktoren (X-Achse) der „Bayerns Best 50“ Unternehmen verglichen. Die Fehlerbalken stellen wieder die Standardabweichung dar. Auf der Y-Achse sind nicht die absoluten Bewertungen der Einzelfaktoren aufgetragen, sondern wie die Einzelfaktoren im Vergleich zum Mittelwert jeder Bewertung bewertet werden. Dies lässt den Vergleich von Unternehmen mit ganz unterschiedlichen Durchschnittsbewertungen zu. Das Interessante an dieser Darstellung ist, dass die erhaltenen Muster zwischen den Vergleichsgruppen meist sehr ähnlich sind. Vergleichen Sie am besten selbst die Daten in diesem Diagramm auf den Seiten 17, 19 und 21. Da es sich um Abweichungen vom Durchschnitt handelt, summieren sich am Ende alle Datenpunkte auf 0 auf. Es kann also kein Unternehmen in allen Kategorien überdurchschnittlich bewertet sein.
Wir sehen, dass der Kollegenzusammenhalt in der Beispiel GmbH extrem überdurchschnittlich bewertet wird. In diesem Maße ist dies kein gutes Zeichen mehr, sondern deutet eher auf eine Art „gemeinsamen Feind“ hin. Dieser „gemeinsame Feind“ wird irgendwo in den Bereichen ‚Interessante Aufgaben‘, ‚Arbeitsbedingungen‘ und eventuell noch ‚Karriere / Weiterbildung‘ zu finden sein (später mehr).
Einzelfaktoren
Seite 23 gibt Ihnen einen Überblick über die Bewertungsverteilung der Einzelfaktoren.
Aus dem Histogramm der ‚Arbeitsatmosphäre‘ lässt sich beispielsweise ablesen, dass die meisten Bewertungen diese mit 3 oder 4 Sternen einschätzen. Der Mittelwert (vergleiche schwarze senkrechte Linie) liegt bei etwa 3.4 Sternen.
Der Einzelfaktor ‚Arbeitsbedingungen‘ hat einen ähnlichen Mittelwert jedoch eine sehr unterschiedliche Verteilung. Hier gibt es ebenso einen Großteil guter Bewertungen, jedoch ebenso eine Gruppe von Bewertungen, die hier eine sehr starke Unzufriedenheit verspürt.
Auf Seite 24 wird die zeitliche Entwicklung dieser Einzelfaktoren dargestellt. Dabei ist der Verlauf der absoluten Bewertung (graue Linie, rechte Skala) in Sternen weniger wichtig als die Bewertung relativ zum Mittelwert (blaue Linie, linke Skala). Wie bereits in der Beschreibung zum Diagramm [VA-s17 unten] (auf Seite 17) unten erläutert, hilft dieses Maß, systematische Änderungen in den Bewertungsmustern zu identifizieren – unabhängig von einem allgemeinen Anstieg oder Abfall der Mitarbeiterzufriedenheit.
Wir sehen in dieser Darstellung, dass der Einflussfaktor ‚Arbeitsbedingungen‘ bis 2017 stets durchschnittlich bewertet wurde. Seit 2018 ist Abfall der blauen Linie von Nullniveau auf etwa -0.5 zu bemerken. Dies legt die Vermutung nahe, dass der hohe Anteil an 1 Stern Bewertungen im Histogramm ‚Arbeitsbedingungen‘ auf Seite 23 (zuvor diskutiert) erst in jüngerer Zeit hinzugekommen sein könnte.
Im Vergleich dazu zeigt die zuvor ebenfalls betrachtete Größe ‚Arbeitsatmosphäre‘ keine Veränderungen über die gesamte Zeitspanne.
Pivottabellen
Zur genauen Nachvollziehbarkeit der Antwortkombinationen eignen sich Pivottabellen. Diese klären Fragen wie: „In welcher Abteilung sind die Mitarbeiter am unzufriedensten mit ihren Arbeitsbedingungen?“ oder „Wie wirkt sich die ‚Work-Life-Balance‘ auf die Mitarbeiterzufriedenheit aus?“. Hierbei werden demographische Merkmale (Stadt, Unternehmensbereich, …) und Bewertungen (Arbeitsatmosphäre, Vorgesetztenverhalten, …, Gesamt-Bewertung) unterschieden und in den verschiedenen Kapiteln (Seiten 25-48) gegeneinander aufgetragen.
Die Frage: „In welcher Abteilung sind die Mitarbeiter am unzufriedensten mit ihren Arbeitsbedingungen?“ wird durch die Pivottabelle ‚Arbeitsbedingungen‘ vs. ‚Unternehmensbereich‘ [VA-s31 z3s3] auf Seite 31 beantwortet. Wie oft eine gewisse Antwortkombination gegeben wurde, lässt sich am Farbwert des entsprechenden Pixels ablesen. So kommen aus dem Bereich ‚IT‘ etwa 21 Bewertungen mit einer Gesamtzufriedenheit von 1 Stern. Dies ist an dem dunkellila Pixel in der Zeile ‚IT‘ und der Spalte ‚1‘ zu erkennen. Mit der Legende an der rechten Seiten können wir die Farbe grob in den Wert 21 übersetzen.
Wir sehen damit, dass der Bereich IT bezüglich der Arbeitsbedingungen weit unterhalb des ‚Firmenstandards‘ angesiedelt ist. Die Bewertungen im Bereich ‚Marketing / Produktmanagement‘ sind hingegen überwiegend bei 5 oder 4 Sternen.
Zum Einfluss der Work-Life-Balance auf die Mitarbeiterzufriedenheit betrachten wir die Pivottabelle ‚Gesamt-Bewertung‘ vs. ‚Work-Life-Balance‘. Wir erkennen einen direkten Zusammenhang. Bei Pivottabellen ist dies nicht untypisch, muss aber auf keinen Fall stets erfüllt sein.
Ein Beispiel hierfür sehen Sie im Fall von Pivottabelle ‚Kollegenzusammenhalt‘ vs. ‚Work-Life-Balance‘. Hier führt sowohl eine sehr hohe Zufriedenheit als auch eine sehr hohe Unzufriedenheit mit der Work-Life-Balance zu einer guten Einschätzung des Kollegenzusammenhalts. Dieser wird von denjenigen Mitarbeitern am (verhältnismäßig) niedrigsten bewertet, welche mit der ‚Work-Life-Balance‘ weniger zufrieden (also 2 und 3 Sterne) sind.
Freitext-Kommentare
Das Unterkapitel Freitext-Kommentare (Seiten 41-48) ist in 2 Teile untergliedert. Im ersten Teil (Seiten 41-45) finden Sie eine einfache Auflistung aller Freitext-Kommentare. Im zweiten Teil (Seiten 45-48) werden die Freitext-Antworten nach Freitext-Feldern sortiert dargestellt. Einzelne Antworten werden durch Aufzählungszeichen getrennt. Sie können sich dann zum Beispiel alle Aussagen zum Thema ‚Vorgesetztenverhalten‘ im direkten Vergleich ansehen. Die Auswertung der Freitext-Kommentare ist besonders für die Ursachenforschung wichtig. Sobald eine besondere Gruppe mit einer spezifischen Entwicklung identifiziert wurde lassen sich die entsprechenden Freitext-Felder für die Ursachenforschung auswerten.
Betrachten Sie zum Beispiel die Freitext-Antworten zu den Themen ‚Arbeitsbedingungen‘ und ‚Work-Life-Balance‘ der IT-Abteilung am Standort München auf Seite 207. Bemängelt werden in beiden Bereichen mangelnde technische und personelle Mittel.
Auswertung des Kununu-Datensatzes
Wir möchten in diesem Abschnitt die Methodik der Entscheidungsfindung von auXolutions demonstrieren. Die Aussagen in der Management Summary sind naturgemäß stark verkürzt, anhand der Referenzen können Sie aber jederzeit den Entscheidungsprozess nachvollziehen.
Wir möchten Ihnen einige Beispiele geben. Wir nutzen die in der Management Summary auf Seite 2 erklärte Kurznotation der Form: [Dokument – Seite(s)/Kapitel(k) Details(z: Zeile, s:Spalte)]. Die Notation [VA-s31 z1s3] steht also für ein Diagramm in der ‚vollständigen Auswertung’ (VA) auf Seite 31 (s31) in Zeile 1 und Spalte 3 (z1s3).
Einbruch der Mitarbeiterzufriedenheit am Standort München ab 2016
Diagramm [VA-s6 Mitte] motiviert diese Analyse. Wir sehen einen Rückgang der Mitarbeiterzufriedenheit von etwa 3 auf etwa 2.5 Sterne seit 2017. Ein Vergleich der Gesamt-Zufriedenheit in den verschiedenen Unternehmensbereichen am Standort München [VA-s68 z1s3] fördert eine deutliche Unzufriedenheit in der IT-Abteilung zu Tage.
Ein Vergleich der zeitlichen Entwicklung der Mitarbeiterzufriedenheit in der IT im Vergleich mit dem Rest des Standorts [VA-s7 Mitte] verdeutlicht den Einbruch seit 2016 noch einmal. Hierbei lässt sich ebenfalls eine schleichende Abwärtstendenz der restlichen Abteilungen beobachten.
Ein Betrachtung der zeitlichen Entwicklung der Einzelfaktoren in der Münchner IT [VA-s189] deutet auf Ursachen im Bereich ‚Work-Life-Balance‘, ‚Gehalt / Sozialleistungen‘ und ‚Arbeitsbedingungen‘ hin (ebenso eine Betrachtung von [VA-s182 unten]). Diese Größen verzeichnen einen deutlichen Einbruch ab 2017. Der Einzelfaktor ‚Karriere / Weiterbildung‘ ist wegen seinem verspäteten Einsetzen nicht als Ursache sondern als Konsequenz zu interpretieren. Eine Analyse der Freitext-Felder [VA-s207-208] macht die zu knappen personellen und materiellen Ressourcen im IT-Bereich deutlich. Wir bemerken einen Anstieg der Bewertungen von Ex-Mitarbeitern und schließen auf eine gestiegene Personalfluktuation [VA-s177 unten] (dies ist der Beispiel GmbH bereits bekannt).
Um den steigenden Unmut in den anderen Abteilungen zu untersuchen, betrachten wir auch in dieser Gruppe die Einzelfaktoren [VA-s211] und [VA-s214 unten]. Wir identifizieren die ‚Arbeitsbedingungen‘ als potentielle Ursache. Tatsächlich baut sich seit 2018 eine zunehmende Unmut unter den Mitarbeitern bezüglich diesem Aspekt auf [VA-s221]. Die Analyse der Freitext-Felder [VA-s239-240] zeigt die Unzufriedenheit der restlichen (alle Abteilungen außer die IT-Abteilung) Mitarbeiter am Standort mit den Computersystemen.
Positive Entwicklung des Unternehmensbereichs ‚Marketing / Produktentwicklung‘ ab 2017 in Nürnberg
Auf [VA-s82 Mitte] fällt zum Jahr 2018 ein kurzzeitiger Anstieg der Mitarbeiterzufriedenheit (über das Maß der Fehlerbalken hinaus) auf. Eine explizite Betrachtung der Gruppe Nürnberg ab 2017 [VA-s459-489] zeigt in der Pivottabelle Mitarbeiterzufriedenheit nach Abteilung [VA-s478 z1s3] eine sehr hohe Zufriedenheit in der Abteilung ‚Marketing / Produktmanagement‘. Als Vergleichsabteilung hierzu eignet sich ‚Finanzen / Controlling‘, da diese ebenfalls einige Bewertungen in diesem Zeitraum aufweist. Der direkte Vergleich der zeitlichen Entwicklung (auch vor 2017) in [VA-s8 Mitte] offenbart einen deutlichen Unterschied zwischen den beiden Abteilungen. Die Abteilung ‚Marketing / Produktmanagement‘ wird seit 2017 deutlich überdurchschnittlich auf Kununu bewertet. Der hohe Anteil an Bewertungen während des Jahres 2017 (Datenpunkt 2018) führte zu dem oben beschriebenen kurzzeitiger Anstieg der Mitarbeiterzufriedenheit am gesamten Standort Nürnberg. Auf der Suche nach den Ursachen der gestiegenen Mitarbeiterzufriedenheit in der Abteilung sticht das ‚Vorgesetztenverhalten‘ hervor. Dieses ist im Laufe des Jahres 2017 um etwa 0.8 Sterne gestiegen [VA-s253 z1s2]. Auch die Freitext-Kommentare [VA-s581-582] bestätigen den neuen Chef als Quelle des Zufriedenheitsanstiegs.
Die Vermutung, es könne sich um eine Ansammlung von nicht vertrauenswürdigen Bewertungen handeln, findet sich in den Diagrammen [VA-s245], [VA-s276] und [VA-s463] widerlegt. Wir würden sonst ein Muster von guten Bewertungen mit niedriger Authentizität und schlechten Bewertungen mit hoher Authentizität sehen (wie zum Beispiel in [VA-s118]).
Entwicklung der Mitarbeiterzufriedenheit am Standort Frankfurt
Bei der Betrachtung der Mitarbeiterzufriedeneheit am Standort Frankfurt [VA-s6 Mitte] fällt eine sehr hohe Zufriedenheit zum Jahr 2013 auf, welche sich seitdem systematisch zurückentwickelt hat. Eine Analyse der Einflussstärke / Authentizität der Bewertungen [VA-s118] zeigt zwei Gruppen. ‚Weniger authentische‘ und ‚eher authentische‘ Bewertungen. Betrachten wir die zeitliche Entwicklung dieser Bewertungsgruppen. Die Gruppe der ‚weniger authentischen‘ Bewertungen zeigt ein konstantes Bewertungsniveau [VA-s9 Mitte] und eine annähernd konstante Bewertungsrate [VA-s9 unten]. Die ‚eher authentische‘ Gruppe zeigt einen starken Anstieg in der Bewertungsrate [VA-s9 unten] und eine eventuelle Aufwärtstendenz in der Sterne-Bewertung (zu große Fehlerbalken für verlässliche Aussage) [VA-s9 Mitte]. Wir sehen also, dass sich insgesamt eine positive Entwicklung am Standort Frankfurt abspielt. Lediglich wegen dem abnehmenden Anteil von sehr guten aber ‚weniger authentischen‘ Bewertungen kommt es zu einem Rückgang des Kununu-Ratings. Diese Entwicklung ist aus mehreren Gründen unproblematisch:
- Jeglicher Verdacht auf Fake-Bewertungen führt bei potentiellen Bewerbern zu einer deutlichen Verschlechterung des Eindrucks vom Unternehmen
- Der Standort Frankfurt liefert nur einen kleinen Beitrag zum Kununu-Profil der Muster GmbH
- Aktuell liegt der Bewertungsdurchschnitt am Standort bei etwa 3.8 Sternen. Dies entspricht dem 66% Quantil zur Vergleichsgruppe “Bayerns Best 50”
Die positive Entwicklung der ‚eher authentische‘ Bewertungen lassen sich aufgrund der Fehlerbalkengröße nicht auf Einzelfaktoren zurückführen [VA-s315]. Auch in den Freitext-Kommentaren [VA-s332-333] finden sich keine Hinweise auf einen konkreten Anlass zur Steigerung der Mitarbeiterzufriedenheit. Vermutet wird deshalb eine langsame allgemeine Verbesserung des Betriebsklimas.
Betrachtung des Standorts Dresden
Im Standortvergleich [VA-s6 unten] fällt Dresden durch seine wenigen Antworten auf. Auf dieser Basis lässt sich die Entwicklung der Zufriedenheit unter den Mitarbeitern [VA-s6 Mitte] nicht verlässlich beurteilen.
Auffällig ist an diesem Standort aber ein sehr hoher Anteil an Praktikanten-Bewertungen [VA-s149 oben] verglichen mit [VA-s15 oben]. Im Sinne einer Optimierung des Kununu-Profils ist dies eine wertvolle Information. Der Ablauf eines Praktikums lässt sich leicht gut organisieren und für den Praktikanten zu einer positiven Erfahrung machen (zumindest im Vergleich zum notwendigen Aufwand für eine positive Mitarbeiterbewertung). Die Bewertungen der Praktikanten an den Standorten Nürnberg [VA-s100 z3s1] und Frankfurt [VA-s132 z3s1] fallen dabei deutlich besser aus als am Standort Dresden [VA-s164 z3s1]. Zusätzlich scheinen die Praktikanten in Dresden dazu zu neigen, sehr authentische Mitarbeiterbewertungen zu verfassen [VA-s369].
Was der Grund für den hohen Anteil an Praktikanten-Bewertungen ist, lässt sich nicht sagen. Denkbar ist hier eine Vielzahl von Erklärungen, die während der Ergebnispräsentation von Herrn Dr. Dutschke mit der Beispiel GmbH besprochen wird.
Ergebnis: Individuelle Fragen zur Mitarbeiterbefragung
auXolutions gibt folgende Empfehlungen für die Anpassung der auXolutions Mitarbeiterbefragungs-Muster-Vorlage.
In München sollte die IT im Vordergrund der Mitarbeiterbefragung stehen. Eine Statistik sollte erhoben werden, welches IT System (und welche IT Prozesse) von welcher Abteilung wie häufig genutzt werden. Zusätzlich zum Nutzungsverhalten sollte der Schaden eines potentiellen Ausfalls eingeschätzt werden. So lassen sich die IT-Systeme in ihrer Wartung und Modernisierung priorisieren.
Die Münchner IT-Abteilung sollte explizit nach den Änderungen im Jahr 2016 befragt werden. Weiter sollte jeder Mitarbeiter die Systeme in seinem Verantwortungsbereich evaluieren und einschätzen, ob sich diese für Outsourcing eignen würden. Offene Fragen nach ‚Benötigten Experten‘, ‚Benötigten Materialien‘ und ‚Verbesserungsvorschlägen‘ sollten gestellt werden.
In Anbetracht der erwarteten Brisanz der Situation sollten zuvor noch Einzelinterviews mit Mitarbeitern der Abteilung geführt werden, um sicherzustellen, dass sich für alle potentiellen Lösungsstrategien die relevanten Fragen in der Mitarbeiterbefragung befinden.
In Nürnberg bietet es sich an, die Ursachenforschung bezüglich der positiven Entwicklung der Abteilung ‚Marketing / Produktmanagement‘ zu vertiefen. Hierbei lassen sich wirkungsvolle Maßnahmen zur Steigerung der Mitarbeiterzufriedenheit finden, welche im Unternehmensumfeld bereits erfolgreich umgesetzt worden sind. Diese zu identifizieren, um sie anschließend auf andere Abteilungen zu übertragen, sollte das Ziel der Mitarbeiterbefragung sein.
Fragen hierzu könnten sein:
- Was hat Ihrer Meinung nach das Arbeitsklima in den letzten Jahren am meisten verbessert/verschlechtert?
- Was schätzen Sie am meisten an Ihrem Vorgesetzten?
- Welche Veränderung würde Ihrer Meinung nach in den anderen Abteilungen zu einer Steigerung der Mitarbeiterzufriedenheit führen?
Da hier das Sammeln von Ideen bezweckt wird, sollten diese Fragen mit Freitexten beantwortet werden.
Am Standort Frankfurt haben sich mit der Analyse des Kununu-Profils keine besonderen Fragen ergeben. Hier empfiehlt auXolutions ein einfaches Monitoring der auf die Mitarbeiterzufriedenheit und Mitarbeiterbindung relevanten Einflussfaktoren Diese ist bereits mit dem auXolutions Muster Fragebogen abgedeckt. Die einzige Zusatzfrage, die in Erwägung gezogen werden könnte, ist:
„Wie hat sich Ihre Zufriedenheit mit Ihrer Arbeitsstelle (alles in allem) in den letzten 3-5 Jahren entwickelt?“ Als Antwortoption wird eine Likert-Skala mit den Enden ‚verschlechtert‘ und ‚verbessert‘ empfohlen.
Der hohe Praktikantenanteil am Standort Dresden war auffällig und wurde von auXolutions als wertvolle Stellschraube zur Steigerung der Kununu-Bewertung der Beispiel GmbH hervorgehoben. Je nach Ausgangslage sollten mit der anstehenden Mitarbeiterbefragung nun die nächsten Informationen auf dem folgenden Weg zur Kununu-Marketing-Kampagne gemacht werden:
- Warum bewerten uns so viele Praktikanten in Dresden?
- Was sind die Unterschiede im „Praktikanten-Erlebnis“ zwischen den Standorten?
- Wie können wir die Praktikanten auf ansprechende Art mit Unternehmensinformationen erreichen?
- Was können wir am Ablauf unser Praktika verbessern?
- Werden unsere Praktikanten-Benefits wahrgenommen und sind diese in sinnvollem Einklang mit den Kununu Bewertungskriterien?
- Wie können wir diese Bewertungsbegeisterung auf Praktikanten an anderen Standorten oder andere Mitarbeitergruppen (z.B. Berufseinsteiger oder Azubis) übertragen?