HR Analytics: qué es y qué potencial tiene para las empresas

“Nos tratan como números”. Seguramente alguna vez habrás escuchado esa frase de alguien refiriéndose a un trato impersonal dentro de su entorno de trabajo. Y, evidentemente, si la tomamos en ese contexto, la frase tiene un carácter negativo. Lo cierto es que en HR Analytics los números, los grandes números, nos pueden ayudar a mejorar la forma de relacionarnos dentro de las empresas, lo cual suele conllevar una mayor productividad.

Diariamente generamos miles de datos. Unos son cualitativos, otros cuantitativos y muchas veces se pierden. En el mejor de los casos, nos limitamos a almacenarlos. El síndrome de Diógenes digital nos lleva a acumular cada vez más información, pero ¿tiene sentido hacerlo? La respuesta es clara: no.

Si no sabemos analizar la información y hacer que “los datos hablen”, la simple recopilación no sirve para nada. Es más, puede ser contraproducente y hacer que nos ahoguemos en ese mar de datos.

HR Analytics: Little Data y Big Data, calidad y cantidad 

Últimamente, oímos hablar mucho del Big Data. Sin embargo, para poder llegar a ello primero tenemos que preocuparnos del “Little Data”. Realmente, más que del tamaño, de la calidad del dato. Si no somos capaces de tener datos de calidad, difícilmente podremos extraer alguna predicción coherente.

Cuando trabajamos con HR Analytics y hablamos de predicciones o inteligencia del dato, debemos fijarnos no sólo en la calidad del mismo, sino también en la cantidad: una vez que tenemos asegurada la calidad del dato, tenemos que tener un volumen suficiente para poder inferir algo.

Lo que es lo mismo, de nada me sirve tener datos fiables si no tengo un volumen suficiente. Ocurre igual con muchos datos y de mala calidad. Para obtener algo necesitamos calidad y cantidad.

Una vez que tengamos esto, podremos empezar a analizar la información y sacar conclusiones. Cuando hablamos de analizar la información, no nos referimos a listados secuenciales o con algún gráfico, con mayor o menor nivel de complejidad: nos referimos a que sea el propio dato el que nos dé la información.

Mediante el uso de algoritmos, el sistema debe ser capaz de analizar grandes volúmenes de información, los cuales muchas veces pueden no tener una correlación clara. A través de ellos, los algoritmos nos ofrecerán conclusiones, análisis de tendencias y capacidad de hacer simulaciones, entre otras variables para nuestro trabajo basado en HR Analytics.

Ejemplos y aplicaciones de HR Analytics 

Pongamos un ejemplo práctico de este trabajo. Podemos tener un sistema que recoja 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 HR Analytics se trata de identificar patrones de comportamiento, unas veces evidentes y, otras, no tanto. Esto nos permitirá predecir comportamientos futuros y analizar todos aquellos elementos que “se salen del tiesto” para poder tomar acciones correctivas en caso de que fuera necesario.

Por supuesto, se trata de trabajar con información agregada y anonimizada. No queremos llegar al detalle del empleado: se debe respetar siempre la confidencialidad de la información (aquí tiene mucho que decir la LOPD y la inminente llegada del GDPR), pero sí identificar comportamientos tipo que nos permitan mejorar nuestra toma de decisiones, mejorar la gestión de personas y aumentar el compromiso de las mismas.

Probablemente, si pudieras detectar a tiempo que una persona clave en tu organización tiene riesgo de abandonar la compañía, tomarías medidas al respecto para evitar esa situación. Y, si el sistema te avisara de que los mandos de determinada zona geográfica tienen un mayor desempeño cuando el tamaño de su equipo es menor de 10 personas, ¿tendría sentido que alguno de ellos tuviera un equipo de 20 personas? ¿O quizás sería conveniente dividir el equipo?

Evidentemente, para poder obtener este tipo de información tendré que aplicar técnicas matemáticas y estadísticas que me permiten detectar estos patrones. Los algoritmos deberán ser revisados para asegurarnos de que ofrecen resultados fiables y deberán ser adaptados a medida que pasa el tiempo. Esto es evidente si cambian significativamente las condiciones de partida, algo más que probable en el entorno de cambio continuo donde vivimos.

En cualquier caso, aparte de toda esa complejidad técnica, no deberíamos dejar nunca de lado que detrás de los datos que nos devuelvan este tipo de aplicaciones, dentro del ámbito de Recursos Humanos hay siempre personas.

Por supuesto, las herramientas de HR Analytics nos facilitan la toma de decisiones. Pero, si bajamos al nivel individual, nunca habrá nada que nos ofrezca un mejor resultado que sentarnos enfrente de alguien y preguntarle: “¿qué tal estás?”.

La analítica y el marketing digital tienen aplicación en muchos campos diferentes y es un conocimiento cada vez más valorado. Conviértete en un experto con el Senior Management Program in Digital Talent de ESIC