Mitarbeiterbefragungen kompakt
:
Ingwer Borg
:
Mitarbeiterbefragungen kompakt
:
Hogrefe Verlag Göttingen
:
9783840916243
:
1
:
CHF 16.20
:
:
Betriebswirtschaft
:
German
:
113
:
Wasserzeichen/DRM
:
PC/MAC/eReader/Tablet
:
PDF
Mit rbeiterbefragungen werden heute in vielen Unternehmen eingesetzt, um den strategischen und operativen Fortschritt zu messen, zu prognostizieren und zu beschleunigen. Der Band stellt in kompakter Form alle wesentlichen Überlegungen und Schritte einer erfolgreichen Mitarbeiterbefragung (MAB) praxisorientiert und wissenschaftlich fundiert dar.
Von der Positionierung des Projektes bis zu nachfolgenden Aktionen oder Reaktionen wird die MAB-Technik Schritt für Schritt vorgestellt. Insbesondere wird auch auf die verschiedenen Chancen, Risiken und Kosten einer Mitarbeiterbefragung eingegangen. Das Buch soll den Personalspezialisten und den Linienmanager befähigen, eine Mitarbeiterberfragung anzulegen, gegebenenfalls selbst durchzuführen oder optimal zu nutzen.
7 Standard-Datenanalyse
(S. 68-69)
Die Auswertung der MAB-Daten sollte zügig erfolgen, damit der Schwung der Befragung für die Folgeprozesse erhalten bleibt. Die Folgeprozesse werden auch dadurch angekurbelt, dass jede Gruppe und jede Organisationseinheit nicht nur über allgemeine Trends, sondern auch über „ihre" Ergebnisse informiert wird. Das bedeutet aber, dass nicht nur ein Auswertungsbericht, sondern möglicherweise Tausende solcher Berichte zu erstellen sind.
Derartige Größenordnungen – bei gleichzeitig knapper Zeit und hohem Qualitätsanspruch – erfordern eine weitgehend automatisierte Berichtserstellung, die wir als Standard- Datenanalyse (SDA) bezeichnen. Weil die SDA computerisiert abläuft, kann sie keine Interpretationen der jeweiligen Ergebnisse enthalten. Sie berichtet diese Ergebnisse nur beschreibend, zusammen mit einer Reihe von unterstützenden Vergleichswerten.
7.1 Statistiken für die Standard-Datenanalyse
Für eine SDA kommen nur Statistiken in Frage, die jeder sofort richtig versteht. Verwendet man, wie heute üblich, Items mit Likert-Antwortskalen (wie in Abbildung 9, S. 34), dann werden die Befragungsergebnisse meist dargestellt als Prozentanteile der Personen, die dem jeweiligen Item zugestimmt haben (Ja%) bzw. es abgelehnt haben (Nein%). Eine solche Darstellung zeigt Tabelle 5 auf Seite 18. Dort sind zudem noch die Prozentwerte der „teils-teils"-Antworten dargestellt.
Alternativ hierzu findet man auch Skalenmittelwerte. Dazu werden die Kategorien der Likert-Antwortskala zunächst mit 1, 2, …, 5 (Notenskala) oder mit 5, 4, …, 1 codiert. Kreuzt eine Person also z. B. „stimme voll und ganz zu" an, dann bekommt sie – auf der Notenskala – den Wert „1", antwortet sie mit „teils-teils", dann „3". Der Mittelwert ist dann der Durchschnittswert der Antwortwerte aller betrachteten Personen.
Das scheint genauer zu sein als Prozentwerte, hat aber den Nachteil, dass ein Wert von z. B. 2,34 nicht unmittelbar verständlich ist („Wie war noch mal die Skala? Ist ein kleiner Wert gut oder schlecht?"). Schlechter noch sind keine Nachfragen, sondern Missverständnisse oder Unverständnis. Die Ja%-Statistik ist unmittelbarer zu verstehen, zuverlässiger im Gebrauch und unabhängig davon, wie viele Kategorien die Antwortskala enthält und wie diese gepolt sind. Sie wird aber bisweilen kritisiert als unangemessene Vereinfachung („Warum fragen Sie erst abgestuft, wenn Sie später doch alles wieder zusammenwerfen?").
Dieses Argument zieht jedoch nicht, weil man zeigen kann, dass die Ja%-Statistik unter den für MABs normalen Umständen die gleiche Information enthält wie der Skalenmittelwert. (Beide Statistiken sind fast so genau ineinander konvertierbar wie Grad Celsius und Grad Fahrenheit.) Für kleine Gruppen sollte man trotzdem die Mittelwerte mitführen (wie in Tabelle 6 gezeigt), weil die Ja%-Werte bei sehr kleinen Gruppen „springen" (20% können z. B. nur einer einzigen Person entsprechen). Die Mittelwerte sind auch dann zusätzlich informativ, wenn die Ja%- oder Nein%- Prozentwerte gegen 0 oder 100 gehen, weil man z. B. aus Ja% = 100 nicht mehr ablesen kann, ob die Zustimmung sehr stark oder nur stark war.
Z. B. kann das Item „Ich bin stolz darauf, für die ABC AG zu arbeiten" zu Ja%-Werten von 80 % und mehr führen. Hier würde dann der Skalenmittelwert zeigen, wie stolz genau diese Personen durchschnittlich sind. Sollte man daher nicht lieber gleich für jedes Item die ganze statistische Verteilung der Antworten zeigen, also ausweisen, wie viele Personen mit „Stimme voll zu" geantwortet haben, wie viele mit „Stimme eher zu" usw.? Das wird in der Praxis bisweilen gemacht, führt aber zu dicken Tabellenbänden oder zu Unmengen grafischer Verteilungen, die alle irgendwie gleich – nämlich „normal", also glockenförmig – aussehen.
Der Leser kann einen solchen Datenwust selten verdauen. Andere Statistiken (z. B. Varianzen oder Korrelationen) sind für eine SDA nicht geeignet. Der Nichtstatistiker braucht für ihre richtige Verwendung i. d. R. kompetente Hilfe. Zudem sollte man bedenken, dass der Leser sowieso schon viele Daten zu einem Gesamtbild zusammenfügen muss, also nicht überladen werden sollte mit Statistiken, die aus praktischer Sicht eher marginale Informationen transportieren.
Inhaltsverzeichnis
5
Vorwort
7
1 Geschichte und Trends
9
2 Übersicht: Hauptelemente einer MAB
15
2.1 Interventionistische MAB: Hauptphasen und Schritte
15
2.2 Messorientierte MAB: Hauptphasen und Schritte
16
2.3 Zum Einsatz von iMABs und mMABs in der Praxis
17
3 Design und Positionierung einer MAB
20
3.1 Zweck und Ziele einer MAB
20
3.2 Nutzen- und Kostenüberlegungen
22
3.3 Folgeprozesse
22
3.4 Erwartungen und Commitment der Geschäftsleitung
23
3.5 Datenschutz
24
3.6 Anonymität des Befragten
26
3.7 Regeln für Vergleiche der MAB-Ergebnisse untereinander
28
3.8 Projekt-Rahmenplan
29
3.9 Projektarchitektur
31
3.10 Hidden Agendas
32
4 Fragebogen
34
4.1 Fragebogenkonstruktion: Übersicht
34
4.2 Was fragen?
36
4.3 Ein Bauplan für MAB-Items
38
4.4 MAB-Items und Strategiekarten
43
4.5 Der LZ-Motor
44
4.6 Typische Zusammenstellungen von Items
46
4.7 Formulierung von MAB-Items
47
4.8 Sortierung der MAB-Items
50
4.9 Fragebogenaufbau
51
4.10 Pretesting und Endredaktion des Fragebogens
52
4.11 Prognosefragebogen
54
5 Informationen zur MAB
55
5.1 Zur Ausrichtung der Informationskampagne
55
5.2 Phasen und Schritte
56
5.3 Informieren vor der Befragung
57
5.4 Informieren nach der Befragung
59
6 Datenerhebung
62
6.1 Die Befragung im Wahllokal
62
6.2 Die postalische Befragung
63
6.3 Die Online-Befragung
64
6.4 Erhöhung der Teilnahmequote
65
7 Standard-Datenanalyse
68
7.1 Statistiken für die Standard-Datenanalyse
68
7.2 Fokusberichte
69
7.3 Quervergleichsberichte
73
7.4 Berichtsformate und ihre Verwendung
74
8 Nichtstandard-Datenanalyse und Präsentationen
76
8.1 Interpretation von MAB-Daten: Bedeutung und Ansätze
76
8.2 Formen des Benchmarking
77
8.3 Theoriegestützte Interpretation
78
8.4 Business-orientierte Interpretationen
79
8.5 Analyse besonderer Fragen
80
8.6 Durchführung einer MAB-Präsentation
87
9 Folgeprozesse und MAB-Workshops
89
9.1 Aktionen als Muss-Reaktionen auf eine MAB
89
9.2 Typen von Reaktionen auf eine MAB
90
9.3 MAB-Workshops: Wozu?
93
9.4 Der traditionelle MAB-Workshop
94
9.5 Alternativen zum traditionellen MAB-Workshop
100
9.6 Vorbereitung von MAB-Workshops
102
9.7 Planung von Serien von MAB-Workshops
102
9.8 Aktionsplanung und -umsetzung
104
10 Erfolgsfaktoren: Worauf muss man achten?
106
Literatur
108
Stichwortverzeichnis
110
