Por Mario Rodríguez Lancho, Socio Director BLC Consultoría.

Cómo abordar un proyecto de HR Analytics

Editorial ORH Chile14 enero 202113min

“El hombre es un ser capaz de controlar el cambio mediante la anticipación y la dirección”, Peter Drucker

NATURALEZA DEL PROYECTO

En 2007, Aaron J. Shenhar and Dov Dvir introdujeron y desarrollaron el concepto de enfoque adaptativo de la gestión de proyectos que, desde una perspectiva global, integra aspectos estratégicos, tácticos, de resultados y de relación con las partes interesadas. En este sentido, los criterios de éxito de un proyecto vendrían por la interrelación de los ratios vinculados a los resultados para el negocio, al impacto sobre el cliente, a la eficiencia del proyecto, al impacto sobre los miembros del proyecto o a su orientación hacia el futuro.

Valorando para un proyecto estándar de HR Analytics las dimensiones que proponen estos autores a través de su “diamante NTCP”, (si bien podría adaptarse bajo circunstancias propias de cada organización).

Desde la perspectiva de Recursos Humanos requeriría de:

  • Una TECNOLOGÍA adecuada sobre la que no poseemos una amplia experiencia, si bien de una dificultad media que no precisa de nuevos desarrollos por parte de IT en función del objetivo final (las grandes estrategias de TI son actualmente la movilidad, las redes sociales, el cloud computing y el Big Data);
  • Donde el diseño y la implantación sería rompedor por su INNOVACIÓN, teniendo que aplicar ciclos de ensayo y error durante su realización, y fomentando una cultura “analytics” o cultura de la gestión del dato en la organización;
  • En el que el RITMO del proyecto tendría una fecha límite concertada con la Alta Dirección como impulsor del proyecto, y
  • Con una COMPLEJIDAD que vendría dada por la necesidad de integrar datos dispersos y diversos hacia un objetivo común, aunque inicialmente esos datos tuvieran diferentes orientaciones. De ahí la importancia de componer un equipo multidisciplinar para este cometido, que reúna conocimientos complementarios (de negocio, de la función de RR.HH. y de analítica de datos o estadística) en el nuevo perfil de HR Data Scientist.

En este sentido, si bien a mayor superficie del diamante mayor complejidad en la gestión del proyecto, también es factible centrarse inicialmente en un proyecto específico que permita visualizar resultados a corto plazo, y acometer un modelo más global posteriormente desde esa experiencia.

CARACTERÍSTICAS DE UN MODELO DE HR ANALYTICS

Una vez analizado para su exitosa gestión un proyecto de implantación del modelo de HR Analytics, a continuación será relevante identificar los atributos o características claves del mismo. Para ello, y partiendo de diferentes analistas e investigadores, un proyecto basado en el concepto del Big Data, como es el caso de un modelo de HR Analytics debe tener las siguientes características:

A. Velocidad: es la velocidad a la que se crean los datos, se almacenan, analizan y visualizan. En el pasado, cuando el procesamiento por lotes era una práctica común, era normal recibir una actualización de la base de datos todas las noches o incluso cada semana. Hoy en día, los datos se crean en tiempo real o casi en tiempo real. Con la disponibilidad de dispositivos conectados a internet, de forma inalámbrica o con cables, podemos obtener los datos en el momento de su creación. El principal reto de las organizaciones consiste en hacer frente a la enorme velocidad con la que se crean y utilizan en tiempo real.

En nuestra área de actividad de HR Analytics supone disponer de información constante y ágil sobre los profesionales, recogiendo en ocasiones datos sobre comportamientos que a priori no parecerían importantes por no darse en personas claves, pero que si se repiten de manera habitual en diferentes profesionales exitosos pueden aportar un importante valor para predecir resultados: el comportamiento e impacto de las decisiones de los empleados; su networking a través de redes sociales internas o externas; su participación en los diferentes procesos de la empresa (como, por ejemplo, en la actividad comercial y sus actividad de prospección, visitas, o realización propuestas presentadas); sus motivaciones; sus incidencias laborales (respetando en todo caso la normativa de protección de datos en este aspecto), etc.

B. Volumen: según una investigación reciente, el 90% de los datos del mundo se han creado en los últimos dos años. Esta progresión del volumen de datos es comparable a la historia del inventor del ajedrez: cuando el emperador vio el juego quiso comprarlo, y le pidió precio al inventor. Éste le comentó que quería un grano de arroz en la primera casilla, dos en la segunda, cuatro en la tercera y así sucesivamente… El emperador aceptó de inmediato, pero cuando se dispuso a pagar y fue calculando los granos necesarios conforme aumentaban las casillas del tablero, descubrió que para completar las casillas del tablero, necesitaría 18 trillones de granos de arroz que pesarían cerca de 550 miles de millones de toneladas (aproximadamente, la cosecha mundial actual durante 1.000 años). Esta progresión geométrica tiene su espejo en el vertiginoso crecimiento del volumen de datos de que disponemos.

Por suerte, en el pasado esta ingente creación de datos hubiese constituido un problema, pero las actuales soluciones de almacenamiento y los algoritmos generados para darles significado hacen que no estemos ante un gran inconveniente. En este sentido, la computación en la nube (cloud) y otros sistemas de asignación flexible no solo ayudan a recopilar grandes cantidades de datos, sino que además permiten entenderlos y aprovechar su valor (véanse tecnologías abiertas como MongoDB o Hadoop) a un coste que puede llegar a ser hasta diez veces más baratos que tenerlos internamente.

C. Variedad: los datos son de diversos tipos y están en muchos formatos diferentes: datos estructurados, semiestructurados, no estructurados y datos más complejos. La amplia variedad de datos requiere un enfoque diferente, así como diferentes técnicas para almacenar todos los datos que están en bruto.

Habitualmente nos encontramos en Recursos Humanos con métricas diferentes que, aunque están midiendo aspectos diversos con escalas desiguales (desempeño, compromiso, potencial, retención, planes de sucesión…), están todas relacionas con la gestión de personas.

Generar una sistemática de HR Analytics partiendo de la integración y depuración de las distintas fuentes de datos de gestión del talento en un único Data Master en formato electrónico (excel o similar), nos posibilitará realizar un modelado de datos para identificar los indicadores clave que permitan medir la eficacia de los actuales procesos de gestión del talento desde una perspectiva de datos agregados a nivel de compañía, y su escalabilidad posterior para otros usos y colectivos específicos (Talent Management Index). Este índice debe ser una combinación específica de métricas o ratios de la gestión de personas de una organización que, holísticamente, conllevan un alto nivel de productividad con impacto en el negocio.

D. Veracidad: tener un gran volumen de datos que entra a gran velocidad no sirve para nada si los datos son incorrectos. Por lo tanto, las organizaciones deben ser capaces de confiar en la autenticidad y asegurarse tanto que los datos son correctos, como que los análisis realizados sobre esos datos también lo son.

Una implantación rigurosa de los sistemas de gestión, desarrollo y evaluación de personas se erige como un aspecto fundamental para la implantación de un modelo de HR Analytics, y figuras como los HRBP (Human Resources Businnes Partners) son claves en este proceso de acompañamiento y seguimiento de los mandos durante su aplicación.

Este componente conlleva un doble objetivo por parte de la función de Recursos Humanos: por una parte, diseñar modelos objetivos que basados en la experiencia permitan predecir comportamientos exitosos, y, por otra, asegurar que la aplicación por parte de los profesionales de la organización responda a esa objetividad mencionada.

E. Variabilidad: es a menudo confundida con la variedad. La variabilidad significa que el concepto está cambiando, pudiendo tener diferentes significados. Si vamos a una pastelería, nos encontramos con una gran variedad de dulces, pero si compramos siempre los mismos y cada vez saben diferentes, eso es variabilidad. Es decir, se trata de analizar la diversidad de la persona, y no la diversidad de personas de nuestra organización.

Cuando de gestionar personas hablamos, la variabilidad de los comportamientos es inherente a la propia persona. Esa es una de las claves por las que la aplicación de algoritmos matemáticos no siempre es lo suficientemente exacta para predecir comportamientos futuros, pues existen múltiples circunstancias personales y del entorno que condicionan, influyen y mutan nuestro comportamiento. En consecuencia, es necesario redefinir y reorientar constantemente nuestros sistemas de gestión de personas desde las necesidades actuales y previsibles del negocio, ya que modelos que han sido exitosos no garantizan eficacia en el futuro en este caso.

F. Visualización: los datos en bruto pueden ser objeto de visualizaciones, en ocasiones mediante gráficos complejos que pueden incluir muchas variables de datos. Contar unos datos complejos en un gráfico es muy difícil, pero también muy importante.

Una de las principales herramientas de las Direcciones de RR.HH. ha venido siendo el Word y el PowerPoint, pero la generación de estas informaciones y exposición de datos demandará de habilidades distintas a las actuales, donde más allá de los programas de visualización de datos que ayudan a aportar claridad y sencillez, será preciso apoyar estas herramientas con las habilidades profesionales necesarias para presentar la correlación, predictibilidad y conclusiones de los datos expuestos.

G. Valor: el valor está en los análisis realizados con los datos y cómo esos datos se convierten en información y, finalmente, en el conocimiento que aporta para la organización a la hora de tomar decisiones. McKinsey ha calculado que el potencial valor anual del Big Data para el cuidado de la salud de Estados Unidos es de unos 300 millones de dólares, prácticamente el doble del gasto sanitario total anual de España (en 2012 fue de 123 millones de euros).

Así, el paradigma clave de HR Analytics no serían los procesos y procedimientos de gestión de personas que tenemos o hemos decidido implantar, sino la predictibilidad de los resultados esperables con esos procesos elaborando patrones y tendencias de comportamientos, es decir, lo que dicen los datos que podría suceder si aplicamos ese proceso de gestión de personas y no otro.

En definitiva, un proyecto de HR Analytics basado en el Big Data no es un tema tecnológico, aunque se apoye en tecnología, sino un proyecto de innovación que parte del desarrollo de las habilidades de las personas. De ahí, que el cuello de botella de este proceso puede ser nuestra habilidad para analizar e interpretar todos los datos de los que disponemos, más que una cuestión tecnológica. Y todos los que nos dedicamos a RR.HH. sabemos que las habilidades pueden desarrollarse y mejorarse.

Fuente: ORH

 


Observatorio de Recursos Humanos

Desde 2006 en España trabajamos para ofrecer contenidos e información de valor para el profesional de la gestión de RRHH, con el convencimiento de que el conocimiento, en sus vertientes de creatividad, innovación y aprendizaje continuo, es el principal valor de una dirección eficaz.

Y desde 2018, estamos en Chile.

  • ORH CHILE es un Centro de Investigación y Difusión de las Nuevas Tendencias para el Desarrollo de las Personas, desde la perspectiva individual y organizacional.
  • Trabajamos en: Investigación, Difusión, Aprendizaje y Soluciones de negocio para empresas, somos GROWTH HACKER.

Nuestros Otros Proyectos


Contacta con nosotros

Puede contactar con nosotros a través de:


Síguenos en Redes Sociales