Fases de un Proyecto HR Analytics

Un proceso de HR Analytics no se trata de datos. Se trata de preguntas. La clave es hacer las preguntas correctas. Hay una gran cantidad de datos en las organizaciones, pero no siempre suponen mucha información. HR Analytics es una metodología de análisis lógico, utiliza el análisis para construir y entender qué hay detrás de los datos y las cifras.

Para ello, es importante partir determinando el estado y el foco del problema o situación que se pretende abordar con un proyecto de HR Analytics, determinando si nos encontramos ante un foco interno (del área de RR.HH.) o externo (los “clientes” de RR.HH.), y ante un estado existente (situación o problema ya conocido) o nuevo (posibilidad de ampliar nuestros servicios y respuestas basados en la analítica predictiva).

proyecto_Hr Analytics

Tanto si el foco fuese interno, es decir que el área de RR.HH. precisa optimizar sus sistemas de información, recopilación, limpieza, análisis y utilización de los datos existentes para la toma de decisiones; o si fuera externo, en el sentido que el negocio o el resto de las áreas precisan de una respuesta y apoyo basado en la aplicación de soluciones de HR Analytics, estos proyectos suelen tener los siguientes momentos:

1. Identifica qué quieres saber o necesitas de tus datos. Consiste en tener una pregunta específica (satisfacción del cliente, ventas, indicadores financieros, gastos, desarrollo del negocio…) a la que responder utilizando nuestros datos. Estas preguntas harán que tengamos que interpretar los resultados del análisis de nuestros datos para ofrecer una respuesta. Y en este sentido, tan importante es una pregunta concreta como poder usar la respuesta que hallemos, en el sentido de que sean aspectos de nuestra responsabilidad dentro de la función de RR.HH. y que no pueda suponer una innovación, inversión o transformación que la organización no se pueda permitir.

Al igual que esa pregunta o cuestión a investigar tiene que tener una serie de características (interesante para una necesidad, específica y orientada, que no esté ya respondida, y que sea plausible), existen diferentes tipos de preguntas que nos condicionarán el resultado a obtener:

a. Descriptivas: Se pretende resumir los datos que tenemos, como por ejemplo si queremos conocer si todos los profesionales han sido evaluados de su desempeño en los últimos tres años y cómo se sitúan con respecto al perfil deseado.
b. Exploratorias: Se quiere buscar una tendencia o relación entre las variables de los datos, es decir, generar una hipótesis. Un ejemplo podría ser si queremos averiguar si las incorporaciones de los últimos tres años en un perfil concreto tienen mayor o menor compromiso y desempeño que los que llevan más de ese tiempo.
c. Sobre inferencias: Suele ser el resultado de explorar y describir diferentes tipos de análisis sobre nuestros datos, para poder declarar una afirmación sobre aspectos que están fuera de nuestra base de datos o que no podemos observar directamente. Piénsese cuando queremos inferir si los hombres o las mujeres son mejores vendedores de un producto innovador en base a sus ratios de venta previos de productos consolidados, su experiencia en otras organizaciones, o su situación profesional.
d. Predictivas: Se buscan las correlaciones entre muchas características que hay en nuestra base de datos para obtener predicciones, si bien no nos explica realmente cómo ocurre. Esto podría ocurrir cuando analizamos variables de los profesionales como su dominio de idiomas, sus experiencias académicas internacionales, la existencia entre sus colaboradores de una amplia diversidad (género, generacional, nacionalidad, religión…), etc., y vemos que quienes poseen ese perfil se corresponde con los mejores responsables de nuevos negocios.
e. Experimentales: Es aplicable cuando queremos desarrollar un patrón desconocido y establecer relaciones causales de éxito entre características no comunes. Una aplicación sería si nos interesa relacionar la aplicación de un nuevo sistema de itinerarios de desarrollo profesional con la mejora de nuestra marca como empleadores.

Es cierto que también podríamos comenzar un proyecto de HR Analytics partiendo del análisis de los datos que tenemos para conocer si son claros, suficientes, adecuados, coherentes, …, y determinar para qué los podríamos utilizar posteriormente mediante la identificación una pregunta o temática a responder. Pero en estos casos probablemente perderíamos los valiosos quick wins que este tipo de proyectos innovadores y complejos suelen aportar cuando nacen con una finalidad específica, además de que si no se tienen necesidades analíticas reales vinculadas con el negocio, el análisis puede estar destinado a descubrir relaciones triviales entre las variables o datos de las personas.

2. Desarrolla una hipótesis. Partiendo de la pregunta o situación a la que tenemos que ofrecer una respuesta, tenemos que identificar qué queremos encontrar y cuál sería nuestra hipótesis de trabajo para obtener un resultado: qué sucede, por qué sucede y ¿ y si...-.jpgqué se podría hacer. Solo las historias conectan datos, información y conocimiento. En este paso puede ser interesante generar un bosquejo de la situación, aunque no sea el modelo ideal.

3. Identifica qué datos tienes y qué datos necesitas. Aquí debemos analizar y entender los datos para saber que te dicen, de forma que se realicen las estadísticas que se adaptan a nuestra hipótesis, y sea posible obtener un resultado válido y aplicable. Es lo que en el argot se denomina EDA (Exploratory Data Analysis), y cuyos objetivos son determinar si se tienen los datos correctos, si se necesitan más y si es preciso redefinir la pregunta inicial antes de seguir avanzando.

4. Contrasta e interpreta los resultados y sus recomendaciones con fuentes internas y/o externas. Hay que encontrar el equilibrio entre la estadística y el significado práctico, puya que no todo son datos cuantitativos en la gestión de personas. Además, en ciertas ocasiones puede ser relevante conocer que están haciendo tus competidores en situaciones similares. HR Analytics requiere iteración (es una regla de oro) y la analítica predictiva necesita acción que posibilite obtener robustas evidencias que eviten la utilización de estereotipos. Para ello, necesitaremos construir modelos donde añadir nuestros datos y cuantificar las relaciones entre ellos. Nos podemos encontrar en este paso con que los datos que poseemos no son válidos o suficientes para obtener una respuesta a nuestra cuestión, lo cual demostraría la utilidad de un modelo de HR Analytics, pese al resultado. En consecuencia, tras este paso pudiera ocurrir que continuáramos hacia adelante o que volviésemos al punto dos.

5. Comunicación de los resultados y de las acciones a desarrollar. Supone informar los procesos de análisis realizados y trasladar nuestras recomendaciones de acción a los diferentes stakeholders del proceso. Es aquí donde dispondremos de un gran abanico de oportunidades, pues podremos emplear los diferentes sistemas, herramientas o prácticas de la gestión de personas adaptadas a esta situación.

6. Reconsidera tu modelo de RRHH/estructura de RR.HH., para tener en cuenta o incluir prácticas basadas en las evidencias encontradas, y para conectar directamente los procesos de RRHH con los resultados del negocio. Puede ser un buen momento para desarrollar nuestra pirámide de valor de la función de RRHH, evolucionando desde etapas más centradas en el reporting de información o en ratios de efectividad de los procesos de RRHH que miran al pasado, hacia procesos más predictivos que puedan aportar ventajas competitivas en el futuro para la organización.

¿Dónde está la clave de un proceso de HR Analytics? En conectar con aquellos que creen en lo mismo que tú crees: las personas y su potencial para afrontar los desafíos actuales de forma diferente; mediante modelos sólidos, contrastados y dirigidos a la acción; y ofreciendo al negocio actuaciones y herramientas de gestión de personas que cambiarán la función de RR.HH. No es lo que haces, es por qué lo haces.

Mario Rodríguez Lancho, Socio director de Blc Consultoría

Un pensamiento en “Fases de un Proyecto HR Analytics

  1. Pingback: Mitos vs Realidad de la función HR Analytics | Curiositá RH

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

Conectando a %s