SkillOvator

Projektbeschreibung

SkillOvator adressiert den Fachkräftemangel im IT- und Techbereich durch die Entwicklung eines Dashboards, dem „Analytics Cockpit“, das Projektanbieter und -suchende mithilfe personalisierter Echtzeit-Analytics auf Basis von Marktdaten unterstützt. Konkret soll das Dashboard durch einen transparenten Markteinblick Projektanbietern helfen, ihren Sourcingprozess strategisch zu planen, und Projektsuchenden, ihre Weiterbildungen an Marktbedürfnissen auszurichten und sich in besonders gefragte Bereiche weiterzuentwickeln. Damit einher geht eine erwartete Verbesserung der inhaltlichen Qualität von Projektausschreibungen und eine Erweiterung des Kandidatenpools durch individualisierte Weiterbildungsempfehlungen und die Identifikationen von alternativen Besetzungsoptionen.  

Projektziele

Ziel des Vorhabens ist die Konzeption und Entwicklung eines personalisierten „Analytics Cockpits“ für Dienstleister und Auftraggeber auf Basis aktueller Markt- und firmenbezogener Nutzerdaten. Use Cases auf Dienstleister-Seite umfassen hierbei Konkurrenzanalysen (Competetive Intelligence), Weiterbildungsempfehlungen und Unterstützung bei der Kalkulation angemessener Stunden- und Tagessätze. Mögliche Kennzahlen, die sich aus einem Vergleich von Markt- und Firmendaten ergeben, sind: Häufig vorhandene Kompetenzen von Konkurrenten, Kompetenzunterschiede und -Lücken im Vergleich zur Konkurrenz, durchschnittliche Stunden- und Tagessätze in relevanten Branchen sowie Faktoren für höhere Stundensätze. Diese Kennzahlen sollen als anschauliche Diagramme visualisiert werden. Ergänzt werden die Analysen durch konkrete Handlungsempfehlungen, die sich aus den Daten ableiten lassen. Beispiele hierfür sind:

• „Dein Stundensatz liegt 5,36 € unterhalb von Experten mit vergleichbarer Kompetenz und Erfahrung. Denke über eine Erhöhung nach.“
• „PyTorch ist ein stark nachgefragter Skill in deinem Bereich (Data Science), der außerdem mit einem erhöhtem Stundensatz korreliert. Fange am besten bald damit an, diesen Skill zu lernen.“
• „Es gibt viele Projekte in einen angrenzenden Bereich. Denke über eine Kooperation mit einem andere Unternehmen nach, um auch hier Chancen auf Projekte zu haben. Folgende Unternehmen sind interessiert…“

Auf Seiten der Auftraggeber sollen Beschaffungsstrategien, Bedarfsplanungen, die Anforderungsdefinitionen und die Budgetplanung durch Analysen unterstützt werden. Mögliche Kennzahlen sind hier: Typischerweise geforderte Kompetenzen in ähnlichen Projekten, stark nachgefragte Fähigkeiten, Lücken zwischen Angebot und Nachfrage sowie kostspielige Kompetenzen und preiswerte Alternativen. Beispiele für Handlungsempfehlungen sind:

• „Bei einer Ausschreibung im nächsten Jahr musst Du in deinem Bereich mit einem Engpass an Bewerbern rechnen. Plane daher mehr Vorlaufzeit für die Besetzung der Stelle ein.“
• „Für dein ausgeschriebenes Projekt gibt es kostengünstige Alternativen, die die Rolle ebenso ausfüllen könnten. Denk darüber nach, einen  Data Analyst statt einem Data Scientist einzustellen, um so Geld zu sparen.“

Dazu muss ein breites Verständnis über den Projektmarkt entwickelt werden, was durch die Extraktion und Verarbeitung großer, domänenspezifischer Datenmengen sowie ein detailliertes Datenmodell ermöglicht wird. Bei Lyncronize analysieren wir monatlich tausende Projekte und Profile sowie Informationen über Skills und Kompetenzen. Dabei geht es bislang vor allem darum, zu entscheiden, ob ein Projekt zu einem Profil passt. Mithilfe eines neuen Datenmodells und weiterer Datenquellen soll der Gesamtmarkt abgebildet und durch neue Auswertungsmethoden und Vorhersageverfahren tiefer analytisch durchdrungen werden.