En la actualidad se ha traslado el uso de analítica y algoritmos dentro de la función de RRHH. A partir de hace varios años se ha generado una nueva tendencia nombrada People Analytics.
¿Pero qué es People Analytics?
¿En qué consiste dicha tendencia y su enfoque?
¿Cómo poder llevar esta tendencia y enfoque a mi empresa?
People Analytics es un conjunto de técnicas que nos permiten predecir comportamientos de las personas dentro de una empresa. People Analytics hace uso de los distintos tipos de analítica: descriptiva, prescriptiva, diagnóstica y predictiva. Hace uso de la visualización de datos, ciencia estadística, matemáticas, aprendizaje automático (machine learning) y la inteligencia artificial.
Con la era del Big Data esta tendencia se ha incrementado al poder contar con mejores formas de recopilar datos dentro de una organización y poder realizar análisis más profundos del aspecto humano. También esta tendencia fue popularizada por el ganador del premio nobel de economía el Dr. Daniel Kahneman, psicólogo reconocido por sus contribuciones a la “economía conductual”, donde defiende el paradigma de trasladar a la gestión de RRHH el uso de algoritmos que ya han demostrado su efectividad en otras disciplinas, con el fin de evitar errores que las personas cometemos en la toma de decisiones.
Existen distintas formas de recopilar los datos para dicho propósito por ejemplo tarjetas de acceso o de identificación del personal, evaluaciones de clima laboral, evaluaciones de desempeño, sensores, información de capacitación brindada al personal, redes sociales, actos y condiciones inseguras del personal, encuestas de salida de empleados que dejan de laborar, sistemas de talento y sistemas de gestión de personal son fuentes de datos que pueden ser utilizadas para diseñar modelos predictivos del comportamiento.
A continuación compartiré 10 aplicaciones que han generado popularidad del People Analytics y sus beneficios dentro de una empresa, para tratar de llevarla a tu organización y poder aplicar algo de ello:
1. Una de las aplicaciones más utilizadas es para identificar talento de la organización. Qué variables son las que más impactan en el rendimiento y en la motivación del empleado. Sobre todo para actuar en consecuencia y poder identificar, retener y desarrollar al personal. Imagina saber que variables impactan la fuerza de ventas de tu empresa para un mejor rendimiento de su función. Sus motivaciones y como impulsarlas para lograr el éxito comercial.
Algoritmos o matemática utilizada; Regresión lineal multivariada, Redes neuronales.
2. En el tema de incorporación de capital humano (recruiting) se ha utilizado para encontrar a los candidatos más idóneos en cada puesto, haciendo uso del data driven recruitment qué características personales y profesionales nos dan garantía de éxito en una determinada función. El scoring CV, como herramienta para priorizar el candidato más idóneo. Esta aplicación podría robustecer a cualquier departamento de incorporación de capital humano reducción los tiempos de reclutamiento y mejorando el nivel de apego al perfil. Se sabe que un 60-80% de las salidas del personal dentro de una empresa se deben por un proceso fallido al reclutamiento.
Algoritmos o matemática utilizada; Regresión lineal multivariada, Regresión logística, redes neuronales y algoritmo de recomendación.
3. En el tema de planeación y desarrollo de recursos humanos podemos clasificar a los empleados de acuerdo a sus motivaciones positivas y/o negativas para proporcionar mentoring o coaching. Aquí se puede utilizar la línea de trabajo de recomendación de acciones. Otra opción es la predicción del abandono del empleado (fuga laboral) “attrition rate”. Predecir con tiempo la posible salida de un empleado dentro de la organización y así tomar acciones para evitarlo podría disminuir la tasa de deserción. Predicción es poder y tiene impacto económico en la organización. Un empleado que se va se traduce en perdida para el negocio.
Algoritmos o matemática utilizada; Para segmentar; algoritmo k-means, para abandono de un empleado se pudiera utilizar regresión logística, redes neuronales.
4. En el tema de lealtad pudiéramos evaluar el índice “Employee Net Promotor Score” que avisa en tiempo real el estado del empleado y así prevenir una crisis por detractores internos “grilla” o bien medir el nivel de lealtad del empleado hacia la empresa. Se sabe que hay una relación positiva de la lealtad con los resultados del negocio. O bien hacer un análisis del compromiso organizacional. Engagement analytics, podemos evaluar el nivel del compromiso organizacional dentro de la empresa. Se ha demostrado un impacto muy positivo en los resultados del negocio cuando se incrementa el nivel de compromiso. Hay un caso muy conocido de una empresa de retail que por aumentar un 0.1% de compromiso organizacional se traduce en un incremento de las ventas por 100,000 usd. Un equipo comprometido nos dará resultados extraordinarios.
Algoritmos o matemática utilizada; Para evaluar lealtad se puede usar el índice de Employee Net Promotor Score, o bien regresión multivariada, mínimos parciales cuadrados, redes neuronales. Modelo lineal general.
5. En el tema de seguridad industrial. Safety Analytics nos puede apoyar en predecir la probabilidad de ocurrencia de un accidente o incidente debido a variables de comportamiento o variables periféricas que tengan un peso relevante en el actuar de un trabajador dentro de una empresa. Imagina contar con información en tiempo real que pueda predecir una fatalidad. Nuestra labor ejecutiva es minimizar cualquier riesgo del negocio.
Algoritmos o matemática utilizada; Regresión logística, redes neuronales, Mínimos parciales cuadrados, Boosted decision Tree, reconocimiento de imágenes y video, inteligencia artificial.
6. Predicción de la inteligencia emocional de tus empleados evaluando sus likes en alguna red social como Facebook. Este mecanismo podrá ser equivalente a un test tradicional de inteligencia emocional que se utiliza en la gran mayoría de las empresas. La inteligencia emocional es igual de importante que el coeficiente intelectual. El alto desempeño requiere personas que administran de manera exitosa sus emociones.
Algoritmos o matemática utilizada; Regresión lineal multivariada, Regresión logística, redes neuronales.
7. Análisis de información no estructurada para evaluar distintos aspectos de las personas que laboran en una empresa. Se dice que un 70-80% de la información relevante de un negocio se origina de fuentes no estructuradas, principalmente texto. Dicha información tratada por métodos estadísticos y de aprendizaje automático podría proveer insights de la organización. Análisis de texto para entender los porqués de los consumidores o usuarios, tomar el pulso de mercado.
Emotion Analytics en tu empresa. Poder reconocer expresiones faciales en tiempo real al momento de hacer una prueba de concepto de producto que lleva un área de marketing o de innovación. La persona se sorprende, es feliz, se enoja.
Otro ejemplo a través de monitoreo activo, el tono de voz nos podrá dar una métrica del nivel de felicidad de un empleado dentro de una empresa, tratando de mantener a tus empleados en una zona de alto desempeño. Su lenguaje y su tono de voz podrán decirnos muchos aspectos.
Algoritmos o matemática utilizada; Datos no estructurados. Diversos métodos de aprendizaje automático, minería de datos, Inteligencia artificial.
8. Análisis del aprendizaje. Learning analytics. Con analítica se puede evaluar el nivel de competencia de un empleado para desarrollar mejora continua dentro de una organización. Con la finalidad de fortalecer la competencia en las distintas áreas de la organización.
Medir el impacto económico de un proceso de capacitación de mejora continua. La capacitación se puede traducir en beneficios económicos tangibles.
Algoritmos o matemática utilizada; Redes neuronales, análisis multivariado.
9. Predicción del alto desempeño en grupos de trabajo. (High performance) Existen técnicas de modelación para predecir el alto desempeño de un ejecutivo o de un grupo empresarial, por ejemplo el Modelo Losada Line del Dr. Marcial Losada es un modelo predictor del alto desempeño. Utiliza un modelo de dinámica no lineal. Conectividad en tus equipos para lograr alto desempeño. Promueve la dinámica de conectar capacidades personales y organizacionales con impulsos de comportamiento. Sus investigaciones sugieren un nivel de hasta 91% de predictibilidad.
Algoritmos o matemática utilizada; Dinámica no líneal ej. Fourier.
10. Diseño científico para una encuesta dentro de la empresa. Validez y Confiabilidad. Un grave problema que se enfrenta la empresa es la gran mayoría de encuestas que dentro de una organización se realizan, por lo general un gran porcentaje de ellas se encuentran mal diseñadas. Extraordinario dar validez y confiabilidad a un instrumento como la encuesta para contar con información confiable para nuestra toma de decisiones. Medir de manera correcta nos llevará a mejores decisiones y evitar sesgo.
Algoritmos o matemática utilizada; Alfa de cronbach, análisis intra-class correlation, índice de concordancia, índice de relevancia etc.
La Wharton People Analytics Conference es un evento mundial acerca de esta disciplina y ha organizado competiciones para resolver problemas de People Analytics. Vale la pena explorar sobre People Analytics finalmente quien da vida a la empresa somos las personas.
