Los tres niveles de aplicación de HR Analytics: descriptiva, predictiva y prescriptiva

Por CARLOS PELEGRÍN FERNÁNDEZ Director General de MBIT School

No hay nada más complicado que evaluar comportamientos humanos, somos un compendio de experiencias, gustos, opiniones formadas (y sin formar), una determinada trayectoria profesional, unos determinados deseos, ambiciones y todo eso tiene que ser evaluado en las secciones de recursos humanos de las diferentes empresas para conseguir el “maná” del siglo XXI; el mejor profesional para un determinado puesto. Es famosa la frase “el éxito de una empresa radica en su personal”, por lo que se hace necesario establecer criterios rigurosos, controlables, replicables y de continua mejora en los procesos de análisis de personas.

Predicciones de tiempo de rotación dentro de determinados puestos, evaluación de las características que hacen aumentar el absentismo, determinación de tiempos de rotación en determinados puestos, qué características definen un buen jefe… Se tienen un gran número de problemas/estimaciones que tienen que ser evaluados por parte del departamento de recursos humanos (RRHH).

Tenemos un campo clave dentro de las empresas y donde la evolución de las herramientas/modelos no ha sido tan rápida como en otras áreas de negocio. Así pues podemos distinguir tres etapas, según grado de madurez, en la evolución de estas técnicas de people analytics.

Hay que destacar que, actualmente, la aplicación de las dos últimas es fácil y económico dada la gran cantidad de recursos open source disponibles. Eso sí, hay que tener la formación correcta en estas técnicas para poder implementarlas pero la ROI (Return on Investment) es rápida y alta cuando se pasa de la etapa inicial (y clásica) a las otras dos más avanzadas.

Pasemos a describir dichas etapas a continuación:

1. Descriptiva. Aquí entramos en lo que de forma clásica se ha conocido como Business Intelligence, se tienen cuadros de mando clásicos, diagramas de barras, sectores, valores medios, dispersiones, etc. Son medidas que, como su nombre indican, describen una determinada situación; estaríamos analizando problemas que ya han sucedido en la organización. Aquí se suelen usar modelos y representaciones muy sencillos por lo que no se saca todo el valor posible a los datos que se tienen. A modo de ejemplo, actualmente existen herramientas de libre distribución (R/Python) que, con la debida formación, permiten desarrollar cuadros de mando avanzados (con características superiores a las de un programa comercial típico) en cuestión de días. Es solo cuestión de tener los datos que se quieran representar. Además estos programas tienen librerías estadísticas que, combinadas con toda la parte visual anteriormente comentada, hacen que sea una seria opción para llevar a cabo esta etapa.

2. Predictiva. En esta etapa ya se ha llegado a aplicar la anterior (tenemos un conocimiento de lo sucedido) y estamos interesados en conocer lo que ocurrirá en el futuro. En la etapa anterior nos hemos preguntado ¿qué ha pasado? y ahora la pregunta es ¿qué va a pasar en el futuro? En esta etapa se están aplicando técnicas como el aprendizaje máquina que están mejorando de forma muy importante las predicciones frente a otros modelos estadísticos clásicos. De hecho, las compañías más grandes del planeta basan su producto en estas tecnologías; Amazon tiene un recomendador para predecir la posible compra o no de un producto; Netflix otro para sus productos, Facebook usa estos algoritmos para encontrar patrones en sus likes por poner unos ejemplos.

3. Prescriptiva. Aquí tenemos la pregunta más importante: ¿qué podemos hacer para optimizar una determinada situación? Es la pregunta clave para cualquier situación de negocio y requiere que las dos etapas anteriores estén resueltas. Esta etapa entronca directamente con una de las áreas de mayor crecimiento en aprendizaje máquina como son los métodos de aprendizaje reforzado. Estos algoritmos intentan maximizar la recompensa a largo plazo de una serie de decisiones secuenciales. Si analizamos la anterior frase nos daremos cuenta que muchos problemas de recursos humanos toman esta forma. Se quiere maximizar (minimizar) una cierta variable (maximizar rendimiento, minimizar absentismo) y se tienen una serie de decisiones a tomar (aumentar/disminuir cargas de trabajo; incentivar de una determinada forma a los trabajadores). Esta decisión conduce a otra situación (mejor o peor) donde se toma otra decisión (que puede ser igual o diferente a la anterior) y así consecutivamente. Está demostrado que los humanos en este tipo de situaciones no somos capaces de establecer las políticas óptimas de actuación.

Y ahora la parte importante, ¿cómo llevamos a producción estas tres etapas en nuestras empresas? Necesitamos los dos elementos clave: algoritmos y datos. Los algoritmos previamente comentados están disponibles en un gran número de repositorios y son los que, actualmente, están usando las grandes compañías. Por otro lado, tenemos el tema de los datos; actualmente se tiene un crecimiento del número de datos disponibles a analizar. Lo clásico es hablar de incrementos exponenciales pero en el caso del aumento de datos disponibles este aumento ha sido mucho más rápido que un crecimiento exponencial. Además se suma otro elemento, los datos son todo aquello que transmite información, no estamos hablando de sólo números, estamos hablando de vídeo, imágenes, voz y texto. Aparece el famoso término de Big Data asociado a las 3 V: velocidad (los datos cambian a una alta velocidad); variedad (en una misma fuente de datos se pueden encontrar números, imágenes, vídeos como se ha comentado anteriormente) y volumen (hablar de bases de datos de Terabytes o mayores es una cuestión habitual hoy en día).

Tenemos algoritmos, datos y tres etapas bien diferenciadas, ¿perderá ventaja competitiva por no aplicar people analytics?


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