En este episodio revisamos 2 de los conceptos más usados y escuchados en los últimos tiempos dentro de Recursos Humanos: HR Analytics y Big Data.
Pero, ¿qué es?, ¿cómo afectan a la operativa?, ¿qué no es?
Santi y Arianna separarán el grano de la paja en este capítulo con contenido de rabiosa actualidad.
¡No os lo perdáis!
Contenido
¿Qué es HR Analytics y Big Data?
HR Analytics es una metodología y un proceso de analítica de datos que permite obtener evidencias de calidad para tomar decisiones en el área de Recursos Humanos. El objetivo de HR analytics es apoyar la toma de decisiones sobre los empleados.
Big Data se refiere a la tendencia en el avance de la tecnología que permite un nuevo enfoque de entendimiento y toma de decisiones en base a enormes cantidades de datos (estructurados, no estructurados y semi estructurados) que tienen el potencial de ser extraídos para obtener información. El concepto de Big Data aplica a toda aquella información que no puede ser procesada utilizando procesos o herramientas tradicionales.
Las herramientas tecnológicas actuales para la gestión de los datos son capaces de analizarlos de forma eficaz proporcionándonos información de valor en tiempo real para nuestra toma de decisiones, y así poder lograr resultados en la estrategia del negocio.
Por lo tanto podemos decir que el big data es la herramienta (análisis de grandes cantidades de datos) para contar con HR analytics.
¿Qué no es?
No es solo métricas, tener un excel o cuadro de mando con ausencias, rotación, cantidad de horas de formación por empleado, etc.
Implica el desarrollo de análisis profunda (más allá de análisis descriptiva y correlacional), relacionar diferentes datos (no solo del departamento de RRHH) para poder predecir, en base a los datos que tenemos, que podría pasar en el futuro, y tomar decisiones en base a ello.
Beneficios – para que nos sirve
- Toma de decisiones estratégicas para la compañía. Conocer y actuar.
- Visión a futuro – analítica predictiva – anticipar qué puede pasar o lo que va a pasar si tomamos o no determinadas decisiones. Incluso, ver qué se puede hacer para prevenir ciertos fenómenos o para conseguir ciertos objetivos (analitica prescriptiva).
- Mejorar procesos de recursos humanos ej. rendimiento/performance, formación, desarrollo profesional, promoción… (descubriendo patrones y gaps al analizar información, conociendo mejor a tu personal)
- Solucionar problemas ej. clima laboral, absentismo
- Ahorro de costes (o evitar pérdidas), si se que en tal fecha del año los empleados suelen faltar ante determinadas circunstancias (por ejemplo empleados con rendimiento bajo en la evaluación de desempeño), puedo predecirlo para no perder producción.
Ejemplos y casos
1) Un banco en EEUU buscaba encontrar cómo retener a sus mejores empleados, acumularon y analizaron data de sus empleados a lo largo de un periodo de 3 años y llegaron a la conclusión que un factor clave para la retención de un empleado era la movilización transversal dentro de la organización que facilitaba que el talento desarrolle un amplio abanico de habilidades. En este caso, el análisis de datos, recogidos en un contexto más bien a largo plazo, aportó hacia la implementación de una estrategia de retención exitosa.
2) Recojer el resultado de todas las evaluaciones del desempeño realizadas en los últimos 5 años. Por otro lado, podemos tener los datos de movimientos organizativos dentro de la empresa y los datos de formación.
Tomando como base esa información, el sistema podría determinar que los resultados de las evaluaciones son mucho mejores cuanta más formación tiene la gente. O que las evaluaciones tienden a ser superiores cuando el manager lleva menos de un año en el puesto. En base a esto puedes tomar decisiones para cambiarlo.
3) Tener una relación entre las ventas que realizan los empleados, con su antiguedad en el puesto, y la rotación de los vendedores. Podrías determinar que los empleados que más venden suelen hacerlo luego de 3-4 años en el puesto, pero que la rotación aumenta al tercer año, por lo que deberías tomar alguna acción. Si además cruzas por ejemplo la formación y ese índice baja si han tenido formación, ya tienes algo importante.
Como implementarlo. Pasos a seguir.
- Identificación de la pregunta clave. ¿Que problema quiero resolver? ¿Cual es la pregunta a la que quiero responder? Esta es una fase muy importante pues fija el objetivo y los datos que se van a recoger.
- Diseñar el proyecto de HR analytics – planificar fases y pasos a seguir para alcanzar el objetivo marcado.
- Identificación y recogido de los datos – recolección de datos pertinentes para responder la pregunta planteada. Utilizar datos de calidad (que no sean sesgados o de poca representatividad).
- Análisis de Datos – esta fase será más o menos compleja según el objetivo del proyecto. Acá existen los data scientists.
- Informe final con las conclusiones y evidencias sacadas del análisis de datos. Acá es importante luego tomar decisiones en base a las conclusiones, y seguir midiendo a ver su evolución.
