Como hemos visto en artículos como Todos los beneficios de People Analytics con un software de Gestión de RR.HH, ésta es una herramienta tecnológica que brinda múltiples beneficios a los responsables de la administración de talento dentro de las organizaciones.
En la actualidad, absolutamente todo se trata de datos. El ser capaces de generar Big Data de nuestras propias empresas, ayuda a plantear mejores y más fundamentadas estrategias.
Éste es uno de los grandes beneficios de contar con un software de gestión de Capital Humano inteligente, flexible, escalable, seguro y que apoye a los flujos de trabajo de dicha área.
La trayectoria del talento humano de un negocio o institución empieza desde el momento en que es un candidato y hasta el momento que deja de ser parte de la corporación.
En este recorrido pasamos por diferentes etapas incluyendo la selección y reclutamiento, la capacitación, la evaluación del desempeño, el crecimiento y la promoción (con base en un plan de vida y carrera), la retención y los planes de retiro, entre otros.
Con el apoyo de un software especializado, no solo es posible hacer mucho más eficiente y enfocada la labor de los responsables de Recursos Humanos, también se les facilita el obtener información de valor e incluso, poder cruzar diferentes variables que ayuden a entender mucho mejor el comportamiento del colaborador. Así, el seguimiento a su recorrido puede ser más cercano y personal.
De hecho, las organizaciones que han logrado aprovechar los datos para extraer información y conocimientos están logrando el éxito y cosechando las recompensas, en una mejor adquisición y retención de talento que impacta positivamente en las finanzas generales de la empresa.
Esta “nueva realidad” ha evidenciado que la crisis por el Covid-19, ha revolucionado todo. Uno de estos aspectos es justo, el reenfoque que el departamento de RR.HH. debe tener con respecto al factor humano.
Ha quedado atrás la idea de que las empresas son las únicas que eligen a sus colaboradores. En la actualidad, también deben representar una oferta atractiva para que ese potencial personal encuentre un auténtico valor al entrar a trabajar ahí.
Gran parte de esta oferta de valor puede desarrollarse gracias al uso de un software de gestión de Capital Humano y a la obtención de datos que permitan analizar y comprender integralmente a los individuos.
Los cambios no se detienen
Otra de las enseñanzas de esta pandemia, es que los cambios continuarán y, en la mayoría de los casos, de forma repentina y acelerada. Por ello, es necesario que las organizaciones tengan la capacidad de adaptarse y para ello, es imprescindible la incorporación de herramientas tecnológicas.
A pesar de ello, muchas organizaciones (sobre todo, medianas y pequeñas) aún siguen desarrollando a sus equipos en lo que respecta a la operación de personas, incorporando estas innovaciones.
Incluso en las grandes empresas, estos grupos se encuentran en las primeras etapas del desarrollo de sus capacidades de people analytics.
La mayoría de los datos rastreados son transaccionales, ya sea por región o por la distribución de las últimas calificaciones de evaluación de desempeño, a menudo llamadas “datos de autopsia” o después del hecho, lo que impide hacer gran cosa por cambiar el resultado.
¿Cómo pueden las organizaciones recopilar datos y análisis de personas en tiempo real para informar las prioridades e inversiones de Recursos Humanos?
Según McKinsey & Company, se debe pensar en este tipo de desarrollo como una escalera de 5 escalones. Es un proceso interactivo. Por cada dos pasos que avanza un equipo de operaciones de personas, pueden dar un paso atrás: aprendiendo, repitiendo y luego, avanzando.
El pensamiento de esta consultora sugiere que las organizaciones deben desarrollar una mentalidad de que los datos son la base de la analítica.
Las decisiones deben basarse en ella. Ésta, a su vez, informa y mejora el juicio de los individuos contribuyendo a predicciones más precisas de los resultados y mejores decisiones.
Los 5 Pasos para ser exitoso en el empleo de People Analytics
La escalera publicada por Mckinsey se conforma de la siguiente:
- Poor Data (Datos pobres)
- Good Data (Buenos datos)
- Strong Data (Datos Fuertes)
- Advanced Analytics (Analítica Avanzada)
- Reliable Predictions (Predicciones confiables)
1.- Poor Data (Datos pobres o deficientes)
Como su nombre lo indica, en esta etapa, aún no se obtiene información de valor, ya que no se cuenta con una base de información que vaya más allá de lo meramente transaccional.
2.- Good Data (Buenos Datos)
Para pasar del primer paso de la escalera (datos deficientes) al segundo paso (datos buenos), una organización debe centrarse en construir una base de datos de alta calidad.
Generalmente, esto significa que la información debe extraerse de los sistemas transaccionales donde se ingresan y luego remodelar, limpiar y volver a codificar en una estructura más manejable y fácil de entender, que esté alineada con los objetivos del equipo de análisis de personas.
Cuanto más necesiten los analistas y científicos de datos para limpiarlos, recodificarlos y hacerlos utilizables (incluso, para análisis simples), menos eficientes serán y más tiempo llevará desarrollar sus habilidades y capacidades. Éste es, posiblemente, el paso más difícil de superar.
Se requieren importantes recursos, tiempo e inversión para identificar y administrar los sistemas de datos básicos de RR.HH., establecer un lenguaje común y una estructura de información coherente y determinar un conjunto básico de pautas para su recopilación, procesamiento e ingeniería.
Estos son procesos iterativos, sin soluciones definitivas; más bien, los procesos y sus resultados cambian a medida que cambian los entornos de talento interno y externo, los sistemas se retiran y se renuevan, y se establecen vínculos entre los equipos de gestión de Capital Humano, tales como reclutamiento, capacitación y desarrollo, y beneficios para los empleados.
A medida que el entorno operativo cambia a un ritmo cada vez más rápido, tanto las capacidades como la tecnología utilizada para administrar y transformar los datos deben ser cada vez más flexibles. En people analytics, como en muchos otros campos tecnológicos, adoptar un enfoque ágil es, hoy en día, un requisito fundamental.
Los equipos de análisis de personas deben trabajar junto con los grupos de tecnología de toda la empresa de una manera rápida y ágil para instituir nuevas plataformas de tecnología, desarrollar la infraestructura existente y mantener estándares consistentes en toda la empresa.
3.- Strong Data (Datos Fuertes)
Una vez que se ha establecido una base de datos sólida, el equipo de análisis de personas puede subir al tercer escalón, logrando que los datos útiles sean accesibles para la organización y experimentar con nuevas tecnologías para analizarla y difundirla.
La sofisticación que las organizaciones pueden lograr en este paso es variable. En el punto más simple del espectro, los equipos pueden enfocarse en automatizar y visualizar paneles de recursos humanos a través de plataformas de inteligencia empresarial estándar, para generar informes simples o responder a solicitudes ad-hoc.
Los equipos más avanzados pueden priorizar las compilaciones personalizadas y el desarrollo de software para aplicaciones de autoservicio, quizás utilizando sus propios desarrolladores front-end.
De acuerdo con las entrevistas realizadas por McKinsey, las organizaciones desarrollan de diferentes formas, la capacidad de poner datos y conocimientos prácticos en manos de los responsables de la toma de decisiones.
En varios puntos, deben tomar decisiones relacionadas con las tecnologías y las plataformas (decisiones como por ejemplo, si utilizar talentos locales o proveedores externos) y las respuestas varían según la organización.
Como era previsible, la capacidad de lograr una automatización avanzada y capacidades de autoservicio depende, en gran medida, de la calidad y facilidad de acceso a la información que permanece latente.
4.- Advanced Analytics (Analítica Avanzada)
Los equipos que dominaron los informes descriptivos y automatizados en el paso 3 están listos para subir al escalón 4 y desarrollar capacidades de análisis avanzado.
Los científicos de datos, en lugar de los especialistas en información empresarial, utilizan diversos lenguajes de programación para unir fuentes de datos dispares, crear modelos para ayudar a comprender fenómenos complejos y proporcionar recomendaciones prácticas a los líderes que toman decisiones empresariales complejas y estratégicas.
5.- Reliable Predictions (Predicciones confiables)
Ningún equipo de análisis de personas que entrevistó McKinsey ha podido dar un quinto paso completo para alcanzar el nivel superior de la escalera: crear análisis predictivos confiables, consistentes y válidos.
Las predicciones confiables permitirán a los equipos de people analytics analizar y explorar opciones prácticas para acciones de gestión.
Si bien algunas organizaciones han creado modelos predictivos adaptados a su propósito, principalmente para la planificación de la fuerza laboral, la implementación del análisis predictivo en el contexto de las decisiones de selección, desarrollo o participación de los empleados requiere una operación de ciencia de datos significativamente ampliada, cantidades masivas de datos de alta precisión (“datos muy grandes”), tecnología algorítmica de vanguardia y comodidad organizativa con respecto a cómo abordar el impacto en la equidad y el sesgo.
Más allá de los recursos necesarios y la complejidad de las técnicas de análisis, la infraestructura también plantea un desafío para la escalabilidad y podría requerir el uso de servicios en la nube.
La mayoría de los equipos con los que se habló, aún están trabajando desde infraestructuras tecnológicas locales y muestran pocos signos de migrar sus capacidades de datos y análisis a los servicios en la nube en un futuro próximo.
Es un hecho que éste es un proceso que llevará tiempo, recursos de todo tipo y sobre todo, compromiso y continuidad. Sin embargo, se puede lograr si usted y su empresa se apoyan de profesionales.
Fuentes de Consulta:
Ledet, E., McNulty, K., Morales, D. y Shandel, M. (Octubre 2, 2020). How to be great at people analytics. Mckinsey & Group. Recuperado de:
