Data Mining in der Praxis
Prognoselösung ermittelt Personalbedarf
Das Wissen um die Entwicklung von Beschäftigtenzahlen ist ein Schlüssel zum Erfolg des Zeitarbeitsunternehmens Randstad. Eine individuell erstellte Analyseanwendung von StatSoft liefert dem Personaldienstleister diese Prognose.
Mit rund
44 000 Mitarbeitern und 420 Niederlassungen in 230 Städten sowie einem Umsatz von über 1,3 Milliarden Euro ist Randstad einer der führenden Personaldienstleister in Deutschland. Das Unternehmen bietet neben der klassischen Zeitarbeit Personalberatung, Outsourcing von Personalmanagement sowie Inhouse-Services zur Abwicklung von Großprojekten bei Kundenunternehmen vor Ort. Das Wissen um die Entwicklung von Beschäftigtenzahlen ist ein Schlüssel zum Unternehmenserfolg. Die Vorhersage der künftigen Angestellten in den Zeitarbeitfirmen war demnach ein konkretes Projektziel des Research-Teams.
Zeitreihen-Prognose
Randstad und der Softwarehersteller StatSoft haben in einem Workshop die Anforderungen auf ein analytisches Vorgehen übertragen. Die Analytik ist dabei ausgesprochen anspruchsvoll, da Zeiträume von bis zu fünf Jahren prognostiziert werden sollten. Auf Basis der Applikation STATISTICA Data Miner hat StatSoft eine schlüsselfertige Lösung erstellt. „Die analytische Kompetenz der StatSoft-Berater und unser Branchenwissen resultierten in eine anspruchsvolle Lösung, die zukunftssicher und zudem einfach zu bedienen ist", berichtet Jürgen Schäfer, Manager Research und CRM bei Randstad
Die analytische Idee der Applikation besteht darin, die Anzahl der Angestellten in Zeitarbeitfirmen vorherzusagen. Als Referenzdaten dienen die veröffentlichten Arbeitsmarktdaten im Rahmen einer Zeitreihen-Prognose. Die Beschäftigungszahlen werden auf dieser Basis als Prognosekurve sowie als Tabelle ausgegeben.
Import von Excel-Tabellen
Da die Analytik in der Projektoberfläche des STATISTICA Data Miner abgebildet wurde, können halbjährlich veröffentlichte neue Daten in die kontinuierliche Prognose einfließen. Neue Daten werden als Excel-Tabelle automatisch importiert und transformiert. Danach werden Ausreißer behandelt, Langzeitzyklen, Trends und Saisonalität berechnet und schließlich wird die Feinprognose ausgegeben. Sämtliche Operationen laufen auf Knopfdruck ab. Parameter der Analyse, wie etwa der gewünschte Zeitraum, können in Dialogen vorgegeben werden. Eine grafische Darstellung zeigt den Fluss der Analyse. Jeder Schritt kann konfiguriert oder auch in ähnliche Aufgabenstellungen übertragen werden. Zudem ist jedes Zwischenergebnis direkt abrufbar.
Nach dem Import der Daten aus einer Excel-Tabelle werden diese transformiert und visualisiert. Es liegen nun zwei Zeitreihen vor. Die Reihe „Beschäftigte in Zeitarbeitsbetrieben" hat zu wenige Werte für die geforderten Fünfjahresprognosen. Deshalb wird die zweite Zeitreihe „Beschäftigte in Mischbetrieben" als Referenz herangezogen. Dies ist möglich, weil beide Datenreihen hinsichtlich Kurz- und Langzeitverhalten übereinstimmen. Ausreißer werden dabei automatisch nach sinnvollen Koeffizienten geglättet.
Die Referenzreihe wird hinsichtlich Langzeittrend, Langzeitzyklen und Saisonkomponenten analysiert und final modelliert. Saisonalität wird über monatlich getrimmte Mittelwerte berücksichtigt. Zufallskomponenten und Residuen werden berechnet und exponentiell geglättet, Langzeittrends und -zyklen polynominal angepasst. Anschließend werden beide Zeitreihen aufeinander projiziert. Auf dieser Basis wird die Schätzfunktion zur Bestimmung der Beschäftigtenzahlen in reinen Zeitarbeitsfirmen visualisiert. Die Ergebnisausgabe erfolgt tabellarisch und grafisch. Für Detailinformationen sind alle Zwischenergebnisse direkt im Zugriff.
Die erstellte Analytik wurde bereits über mehrere halbjährige Perioden eingesetzt. Mit dem Ergebnis zeigt sich Randstad zufrieden: „Die erstellten Prognosen sind sehr verlässlich", lobt Schäfer und fügt hinzu: „Der STATISTICA Data Miner liefert uns die Basis für eine erfolgreiche Unternehmensplanung." jf