HR Analytics: herramienta de gestión para la toma efectiva de decisiones

11047

Por Hernán Paredes– Consultor ecuatoriano de amplia experiencia internacional y nacional en Recursos Humanos y Desarrollo Organizacional.

La analítica de RRHH, o HR analytics es la aplicación de técnicas matemáticas y estadísticas de data mining, respecto de los datos que generan las prácticas de Recursos Humanos y las organizaciones en general, para la exploración de conceptos e ideas que permitan resolver los problemas organizacionales asociados al recurso humano. HR analytics permite mejorar la toma de decisiones, en la medida que permite a la organización entender aspectos asociados a sus personas, procesos de trabajo, políticas y resultados.

Importancia del  HR Analytics

El análisis de datos de RRHH permite a la gerencia y equipos de RRHH entender más acerca de su organización y la gente que la conforma, cómo se desempeñan y cómo están creando valor para la organización. Permite a los profesionales del área, así como a la Gerencia General, la mejor toma de decisiones, al tiempo de que entrega la posibilidad a RRHH de demostrar el impacto que tiene la gestión, procesos y políticas en el desempeño general de la organización. Los líderes de empresas tienen un interés creciente en cómo usar los conceptos de RRHH de manera más eficiente, por lo que HR analytics se ha vuelto una herramienta clave para evaluar y mejorar el desempeño de las organizaciones.

HR Data

HR Data es información acerca de cualquier aspecto de los empleados o del sistema de gestión de personas. La información (data) puede generarse de muchas maneras y se expresa de diferentes modos, y puede clasificarse como objetiva o cualitativa: La data cuantitativa puede ser medida e ilustrada a través de números. La data cualitativa no puede ser medida, y suele asociarse a la percepción de alguien respecto de algo.

HR analytics ayuda a determinar relaciones causa-efecto a través de la vinculación de 2 tipos de data distintos, donde se puede determinar si la relación entre ambos tipos de datos es causal o correlacional

La correlación se da cuando dos o más cosas o eventos suceden al mismo tiempo, pudiéndose asociar ambos eventos, pero no necesariamente estando éstos relacionados de una manera causal. Implica una relación matemática entre 2 aspectos medidos, que se describe usualmente con un valor entre 0 y 1, donde 0 es que no existe relación y 1 representa una completa relación predictiva.

Niveles de HR Analytics

HR analytics usa la data de RRHH, tanto cualitativa como cuantitativa, para investigar conceptos con la ayuda de sistemas y técnicas de modelamiento. Hay tres niveles centrales de analítica: 

Nivel 1- Analítica básica: uso de datos descriptivos para ilustrar un aspecto particular de RRHH, como por ejemplo, registros de ausentismo, tasas de rotación, ratios de reclutamiento, etc. En este nivel, no se aplica análisis más allá de la descripción o el seguimiento comparativo en el tiempo. 

Nivel 2-Data Multidimensional: Combinación de diferentes tipos de datos para la investigación específica de ideas o situaciones que permitan entender la correlación entre diferentes actividades y/o procesos. Un ejemplo de este nivel es la relación entre datos de habilidades de liderazgo y puntajes de compromiso, para determinar la efectividad del liderazgo. 

Nivel 3-Analítica predictiva: Algunos de los datos de HR pueden ser usados para predecir comportamientos futuros o tendencias. El uso de data en este sentido puede ayudar a los departamentos de RRHH en la planificación de eventos futuros, asegurando la capacidad de respuesta adecuada. La analítica predictiva para predecir datos y escenarios requiere de data robusta y de alta calidad, y capacidades y tecnología especializada.

Proceso de aplicación de HR analytics

El proceso de HR analytics debe seguir 9 etapas desde la planificación hasta la evaluación del proceso:

ETAPA DESCRIPCIÓN
1. Planificación Desarrollar las metas y propósitos de la actividad analítica. Mapear los requerimientos de los clientes y planificar requerimientos que el proceso analítico debe responder.
2. Definir factores críticos de éxito Definir las métricas que mostrarán el proyecto en caso de éxito, tales como podría ser velocidad de entrega, feedback de los usuarios, etc.
3. Auditoría Determine la data que actualmente está en disponible y califique su calidad. Esto le permitirá determinar dónde tiene “gaps” que debe llenar antes de avanzar en el proceso analítico.
4. Diseñe el proceso Defina los roles y objetivos para los miembros del equipo. Defina los requerimientos adicionales y mapee los stakeholders para el proyecto.
5. Diseñe la estrategia de colección de data Establezca las etapas en recolección y procesamiento de datos. 
6. Recolección de data Reúna la data de las diferentes fuentes.
7. Análisis de data Dependiendo del requerimiento del cliente, analice la data y entregue “insights” en forma de recomendaciones y guías para los usuarios.
8. Reportes de data Entregue resultados y reportes en forma clara y sencilla, ilustrando puntos clave, posibles áreas de investigación o nuevos datos sugeridos.
9. Evaluación revise el proceso de recolección-análisis-entrega de reportes, y evalúe su impacto. Luego actualice su proceso si es requerido.

Equipo de trabajo para  un proyecto HR Analytics

Según la experiencia de proyectos HR Analytics, para que un proyecto tenga éxito, se asuma en la empresa y resulte útil, es imprescindible tener claro que no solo se trata de trabajar con datos, sino que esos datos los tiene que trabajar la gente adecuada.

En este sentido, es indispensable la labor del cliente, que no solo proporciona los datos, sino que aporta todo el conocimiento de las estrategias, de la cultura, de sus procesos, y es capaz de interpretar los datos de una manera integrada. Además, es el cliente el que tiene muy claro dónde se pone el foco, dónde quiere investigar y qué quiere conocer.

Beneficios aporta un proyecto HR Analytics

El beneficio principal de un proyecto de este tipo es conocer, enterarnos de lo que está pasando en la organización y, a partir de ahí, tomar decisiones en base a esa información.

Si ponemos el foco en el pasado, la analítica nos permite ver qué ha sucedido, cómo ha sucedido y por qué.

Poniendo el foco en el presente, con el análisis de la información podemos conocer lo que está pasando ahora, y se pueden establecer sistemas de alertas que nos permitan, por ejemplo, conocer el riesgo de que en un equipo haya un determinado volumen de absentismo o rotación, y también tomar una acción inmediata sobre un problema determinado.

Si ponemos el foco en el futuro, podremos anticipar qué puede pasar o qué es lo que va a pasar si tomamos o no determinadas acciones. En este sentido, tenemos la analítica predictiva, e incluso la analítica prescriptiva, que recomienda qué se puede hacer para prevenir ciertos fenómenos o para conseguir determinados objetivos. Lo importante en un proyecto de analítica de datos de Recursos Humanos es tener el foco muy claro y saber qué es lo que queremos conocer, obtener o predecir con la analítica que estamos realizando.

Fuente http://www.cipd.co.uk/hr-resources/factsheets/hr-analytics.aspx

 


Sobre el autor

Hernán Paredes
Consultor ecuatoriano de amplia experiencia internacional y nacional en Recursos Humanos y Desarrollo Organizacional en más de 1000 empresas de la región, Psicólogo Industrial y Magíster en Dirección Estratégica de Recursos Humanos de la Pontificia Universidad Católica del Ecuador (PUCE), Human Resources Seniority de la Universidad de Michigan, Human Change Management Professional por el Human Change Management Institute (HUCMI). Instructor internacional en países como: Ecuador, Colombia, Honduras, Guatemala, Nicaragua, Paraguay, Perú, Uruguay y República Dominicana. 

 

Comentarios