Dieser Artikel behandelt die folgenden Einstellungen zur Anonymität der Daten: 

  1. Anonymität der Daten
  2. Mindestsegmentgröße
  3. Grenze der Datensichtbarkeit
  4. Minimale Abweichung
  5. Anonymität in den Kommentaren
  6. Prozess zur Wahrung der Anonymität in den Werten
  7. Prozess zur Wahrung der Anonymität in den Themen
  8. Themenaggregation

Der Artikel Einstellungen zur Datenaggregation behandelt folgende Punkte:

  • Einstellung Zeit für alle Daten
  • Einstellung Zeit für ehemalige Mitarbeiter

Der Artikel Zeit pro Engagement-Faktor behandelt:

  • Einstellung Zeit pro Engagement-Faktor
  • Datenanonymität

Die Einstellungen zur Anonymität bestimmen die Minimalanzahl von Mitarbeitern, die Teil einer bestimmten Umfragerunde sein oder an der Befragung in einem bestimmten Zeitraum teilgenommen haben müssen, damit die Daten aggregiert werden können. So wird die Anonymität der Befragungsteilnehmer sichergestellt. In den folgenden Abschnitten wird detaillierter beschrieben, wie das genau erreicht wird.

2. Mindestsegmentgröße

Bestimmt die Mindestanzahl von Antworten, die benötigt werden, um ein Segment zum Vergleich zu nutzen. Bei niedrigen Zahlen ist die relative Anonymität geringer, was bei kleineren Teams unumgänglich sein kann. Wenn beispielsweise "drei" ausgewählt wurde, werden einem Manager mit mehr als drei Mitarbeitern im Dashboard nur dann Ergebnisse angezeigt, wenn mindestens drei Mitarbeiter an der Befragung teilgenommen haben. 

3. Grenze der Datensichtbarkeit

Die Mindestanzahl an Antworten auf eine Frage zu einem Engagement-Faktor oder Teilfaktor, die gegeben sein muss, damit der aggregierte Wert berechnet werden kann. So wird sichergestellt, dass es eine minimale Datenmenge geben muss, damit der aggregierte Wert sichtbar wird. 

4. Minimale Abweichung

Diese Einstellung bestimmt die minimale Abweichung der Anzahl von Mitarbeitern zweier Gruppen, die Antworten eingereicht haben, wenn es eine große Schnittmenge an Mitarbeitern zwischen diesen beiden Gruppen gibt. So wird sichergestellt, dass Antworten kleinerer Gruppen nicht Mitarbeitern zugeordnet werden können, indem die Antworten beider Gruppen miteinander verglichen werden. 

Diese Einstellung kann Anonymitätslücken vorbeugen, die auftreten, wenn Mitarbeiter in zwei oder mehr Gruppen aufgesplittet werden können, wobei eine dieser Gruppen deutlich größer ist als die andere. Stellen Sie sich beispielsweise vor, es gibt eine Gruppe mit zehn Mitarbeitern, die aus sieben Frauen und drei Männern besteht.  

Bei einer minimalen Segmentgröße von fünf würde das männliche Segment unter den Tisch fallen und nur die Frauen sichtbar sein. Das Problem ist folgendes: Wenn Sie den unternehmensweiten Wert und den der Frauen kennen, können Sie sich herleiten, wie der Wert der Männer gewesen sein muss. 

Die Einstellung zur Abweichung sorgt dafür, dass Segmente, die zu nah an der Kontextgröße sind (zehn im genannten Beispiel), nicht sichtbar sind.

Aus diesem Grund können Sie diese Einstellung als Pendant zur Mindestsegmentgröße ansehen. Die Mindestsegmentgröße verbirgt Segmente, die zu klein sind, und die minimale Abweichung verbirgt stattdessen solche, die zu groß sind.

Sehen wir uns dazu noch ein Beispiel an: In der obigen Grafik ist die Kontextgröße 30. Der rote Bereich stellt Segmente dar, die zu klein sind und der Mindestsegmentgröße von fünf nicht entsprechen. Der lilafarbene Bereich stellt Segmente dar, die zu groß sind, wobei eine Abweichung von fünf festgelegt ist und diese von der Kontextgröße ausgeht: 30 - 5 = 25. 

In diesem Beispiel wären nur Segmente mit fünf bis 25 Mitarbeitern sichtbar.

Die Abweichung wird auf drei Arten überprüft:

  • Wenn Daten nach Untersegmenten in einem bestimmten Kontext (das Unternehmen oder das Segment) gefiltert werden: In diesem Fall muss zumindest die festgelegte Anzahl von Mitarbeitern, die sowohl im Kontext als auch im Subsegment vorhanden sind, gegeben sein.
  • Wenn Segmente mit direktem Reporting betrachtet werden: In diesem Fall muss es zumindest die festgelegte Anzahl von Mitarbeitern geben, die sowohl im Segment "jedes Reporting" als auch im Segment "direktes Reporting" vorhanden sind.
  • Wenn Segmente betrachtet werden und die Berechtigung vorliegt, andere Segmente ebenfalls zu betrachten: In diesem Fall muss für jedes andere Segment, auf das der Manager Zugriff hat, zumindest die festgelegte Anzahl von Mitarbeitern in diesem anderen Segment als auch außerhalb dessen vorhanden sein. 

Um die eben genannten Regeln besser verständlich zu machen, sind einige Beispiele ganz hilfreich:

  • Ein Manager betrachtet die Ergebnisse seines Segments. Zehn Mitarbeiter haben insgesamt an der Befragung teilgenommen, von denen sieben weiblich und drei männlich sind. Das Anonymitätsniveau liegt bei fünf. Ohne andere Einstellungen vorzunehmen, kann der Manager die Ergebnisse für das gesamte Segment sowie für die weiblichen Mitarbeiter einsehen, jedoch aber nicht das der männlichen, da sie die Mindestgrenze nicht erreichen. Wenn der allgemeine Wert des gesamten Segments sowie der der weiblichen Mitarbeiter bekannt ist, kann der Manager herleiten, welche Bewertung die männlichen Mitarbeiter abgegeben haben. Bei einer eingestellten Abweichung von vier werden die Ergebnisse der weiblichen Mitarbeiter nicht mehr angezeigt, da der Unterschied zwischen dem gesamten Segment (zehn Mitarbeiter) und dem Subsegment weiblich (sieben Mitarbeiter) unter der festgelegten Abweichung (vier Mitarbeiter) liegt.
  • Ein Manager hat Zugriff auf sein eigenes Segment (10 Mitarbeiter) sowie das Abteilungssegment (12 Mitarbeiter). Der einzige Unterschied in der Belegschaft dieser zwei Gruppen ist der Manager selbst sowie ein weiterer Mitarbeiter, der an einen anderen Manager einer anderen Abteilung Bericht erstattet. Ohne eine eingestellte minimale Abweichung kann der Manager beide Segmente einsehen und somit die Ergebnisse der Gruppe außerhalb seines Segments herleiten, also des einen weiteren Mitarbeiters. Mit einer minimalen Abweichung von drei sind die Ergebnisse des Segmentes des Managers für ihn bereits nicht mehr sichtbar. Wenn dem Manager der Zugang zum Abteilungssegment entzogen wird, werden die Ergebnisse seines Segments wieder sichtbar sein. 

5. Anonymität in den Kommentaren 

Bestimmt, wie viele Antworten vorhanden sein müssen, damit Kommentare angezeigt werden können. Kommentare stellen oftmals das Mitarbeiter-Feedback dar, das sich am besten umsetzen lässt. Deshalb ist es wichtig, dass so viele Kommentare wie möglich angezeigt werden und gleichzeitig die Anonymität jedes einzelnen Mitarbeiters gewahrt bleibt. Das ist insbesondere bei wöchentlichen oder zweiwöchentlichen Umfragen von großer Bedeutung, wobei erwartet wird, dass eine kleiner Gruppe des Segments an jeder Umfragerunde teilnimmt.

6. Wahrung der Anonymität in den Kommentaren

Folgender Prozess wird verwendet, wenn Kommentare aufgelistet werden:

  1. Nur Antworten, die einem bestimmten Segment entsprechen, werden behalten.
  2. Wenn die Anzahl der Mitarbeiter, die im letzten Jahr (vom letzten Umfragedatum hergeleitet) eine Antwort abgegeben haben, unter der Grenze liegt, werden keine Kommentare angezeigt. 
  3. Nur Kommentare aus Umfragerunden, in denen die Gesamtanzahl von befragten Mitarbeitern über der Anonymitätsgrenze liegt, werden angezeigt (das kann im Graphen zur Umfrageteilnahme abgelesen werden).

Dieser Prozess bietet folgende Vorteile:

  • Es wird sichergestellt, dass keine Kommentare angezeigt werden, wenn die Anzahl der Umfrageteilnehmer unterhalb der Mindestgrenze liegt.
  • Er bietet Zugang zu den Kommentaren bei Umfragen mit hohem Turnus, ohne dass eine bestimmte Teilnahmerate in jeder Runde erreicht werden muss.
  • Es wird Anonymität geboten, indem ausschließlich Kommentare aus Runden mit genügend Teilnehmern gezeigt werden. 

7. Anonymität in den Bewertungen

Um sicherzustellen, dass einzelne Antworten anonym bleiben, wird folgende Vorgehensweise nach der Aggregation der Bewertungen gewählt:

  • Wenn die Gesamtanzahl von Mitarbeitern, die in die aggregierten Ergebnisse einbezogen werden, unterhalb der Mindestsegmentgröße liegt, werden die Bewertungen nicht angezeigt.
  • Wenn die Gesamtanzahl der eingereichten Antworten für jeden Engagement-Faktor oder -Teilfaktor die Mindestgrenze nicht erreicht, werden die Werte nicht angezeigt.

So wird die allgemeine Anonymität sowie eine aussagekräftige Anzahl an Antworten für jeden Engagement-Faktor und -Teilfaktor vor der weiteren Analyse gewährleistet.

8. Aggregation von Themen 

Die Auswahl der Kommentare für die Themenanalyse folgt einem ähnlichen Schema.

  1. Alle Antworten aus Umfragen, die länger als ein Jahr zurückliegen, werden ausgeschlossen.
  2. Alle Antworten ehemaliger Mitarbeiter, die vor über zwölf Wochen das Unternehmen verlassen haben, werden ausgeschlossen.
  3. Alle Antworten eines bestimmten Mitarbeiters zu einer bestimmten Engagement-Faktor-/Teilfaktor- oder offenen Frage, die älter als zwölf Wochen ist seit dem letzten Mal, dass dieser Mitarbeiter diese Frage beantwortet hat, sind ausgeschlossen.

Artikel: Einstellungen zur Datenaggregation

Artikel: Time for each driver of engagement data aggregation article

Did this answer your question?