Skip to main content
Log in

Job Mining als Analyseinstrument für das Human-Resource-Management

Job Mining as Analytical Tool for Human Resource Management

  • Published:
HMD Praxis der Wirtschaftsinformatik Aims and scope Submit manuscript

Zusammenfassung

Internetbasierte Jobportale liefern in Form von Stellenanzeigen eine interessante Datenbasis, die die aktuelle Nachfrage von Unternehmen und öffentlichen Institutionen nach Fach- und Führungskräften dokumentiert. Durch Analyse dieser Datengrundlage können Prozesse im Umfeld des Human-Resource-Managements informatorisch unterstützt werden. Zu diesem Zweck wird das Konzept des Job Mining eingeführt, das die Sammlung und Analyse von Stellenanzeigen aus öffentlichen oder unternehmensspezifischen Jobportalen zum Gegenstand hat. Anhand ausgewählter Anwendungsfälle wird anschließend der Nutzen des Konzepts aufgezeigt. So können mithilfe von Stellenanzeigenanalysen detaillierte Kompetenzprofile für einzelne Berufsbilder generiert werden, die zur Aufdeckung von Kompetenzlücken oder obsoleter Kompetenzen beitragen. Darüber hinaus besteht die Möglichkeit, Stellenanzeigen auch als frei verfügbare Datenquelle für wettbewerbsanalytische Zwecke zu nutzen. Durch Analyse der Fachkräftenachfrage von Unternehmen können Hypothesen über die Umsetzung strategischer Initiativen und Aussagen über eingesetzte Ressourcen (z. B. Programmiersprachen, Softwareprodukte) gewonnen werden. Bei der Umsetzung des Job-Mining-Konzepts sind insbesondere Fragestellungen der Datenqualität zu berücksichtigen.

Abstract

Job postings in online job boards provide an open data source which documents the current demand of companies and public institutions for professionals and executives. By analyzing job postings, new informational potentials to support the processes of human resource management evolve. In order to leverage these potentials, we introduce the concept of job mining, which continuously extracts job postings from public or company-specific job portals and collects them in an analytical data store. We show the benefits of this data store by applying analytical techniques in order to derive compentency profiles for specific jobs in the emergent field of big data. This approach helps to detect competency gaps or to identify obsolete skills which are no longer relevant. In addition, we show how to use job mining in order to support competitive intelligence activities within the company. E. g., the analysis of competitors’ workforce demand provides insights into the implementation of strategic initiatives and the resources used by specific companies (e. g., programming languages, software products). To ensure valid results through job mining data quality issues are very important.

This is a preview of subscription content, log in via an institution to check access.

Access this article

Price excludes VAT (USA)
Tax calculation will be finalised during checkout.

Instant access to the full article PDF.

Abb. 1
Abb. 2
Abb. 3
Abb. 4
Abb. 5

Literatur

  • Alpar P, Alt R, Bensberg F, Grob HL, Weimann P, Winter R (2016) Anwendungsorientierte Wirtschaftsinformatik – Strategische Planung, Entwicklung und Nutzung von Informationssystemen. Springer, Wiesbaden

    Google Scholar 

  • Bartsch M, Botzem O, Culmsee T et al (2015) Recht. In: Dorschel J (Hrsg) Praxishandbuch Big Data. Springer, Wiesbaden, S 167–254

    Google Scholar 

  • Chen S (2016) Training and qualification: essentials of skill management. In: Zeuch M (Hrsg) Handbook of human resource management, Bd. 2016. Springer, Berlin, S 213–224

    Chapter  Google Scholar 

  • Dzudzek I, Glasze G, Mattissek A, Schirmel H (2009) Verfahren der lexikometrischen Analyse von Textkorpora. In: Glasze G, Mattissek A (Hrsg) Handbuch Diskurs und Raum: Theorien und Methoden für die Humangeographie sowie die sozial- und kulturwissenschaftliche Raumforschung, 2. Aufl. transcript, Bielefeld, S 233–260

    Google Scholar 

  • Eckhardt A, Laumer S, Maier C, Weitzel T (2012) Bewerbermanagementsysteme in deutschen Großunternehmen: Wertbeitrag von IKT für dienstleistungsproduzierende Leistungs- und Lenkungssysteme. Z Betriebswirtsch 82:47–75. doi:10.1007/s11573-012-0582-z

    Article  Google Scholar 

  • Fayyad U, Piatetsky-Shapiro G, Smyth P (1996) From data mining to knowledge discovery in databases. Al Mag 17:37–54

    Google Scholar 

  • Granados A, Erhardt G (2012) Corporate Agility Organization – Personalarbeit der Zukunft: Wertschöpfende Personalmanagementprozesse im Unternehmen verankern. Gabler, Wiesbaden

    Book  Google Scholar 

  • Harper R (2012) The collection and analysis of job advertisements: a review of research methodology. Libr Inf Res 36:29–54

    Google Scholar 

  • Heyer G, Quasthoff U, Wittig T (2012) Text Mining: Wissensrohstoff Text. W3L, Herdecke

    Google Scholar 

  • Mayring P (2002) Einführung in die qualitative Sozialforschung. Beltz, Weinheim

    Google Scholar 

  • Michaeli R (2006) Competitive intelligence. Springer, Berlin

    Google Scholar 

  • Sailer M (2009) Anforderungsprofile und akademischer Arbeitsmarkt: Die Stellenanzeigenanalyse als Methode der empirischen Bildungs- und Qualifikationsforschung. Waxmann, Münster

    Google Scholar 

  • Schumann C, Zschech P, Hilbert A (2016) Das aufstrebende Berufsbild des Data Scientist. HMD 53:453–466. doi:10.1365/s40702-016-0214-0

    Article  Google Scholar 

  • Stracke S, Drews U, Drews J et al (2016) Wissen, wo Unternehmen und Beschäftigte stehen: Analyse der Ausgangssituation. In: Nerdinger F (Hrsg) Innovation und Personalarbeit im demografischen Wandel – Ein Handbuch für Unternehmen. Springer Gabler, Wiesbaden, S 109–133

    Chapter  Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Frank Bensberg.

Rights and permissions

Reprints and permissions

About this article

Check for updates. Verify currency and authenticity via CrossMark

Cite this article

Bensberg, F., Buscher, G. Job Mining als Analyseinstrument für das Human-Resource-Management. HMD 53, 815–827 (2016). https://doi.org/10.1365/s40702-016-0256-3

Download citation

  • Received:

  • Accepted:

  • Published:

  • Issue Date:

  • DOI: https://doi.org/10.1365/s40702-016-0256-3

Schlüsselwörter

Keywords

Navigation