¿Qué es HR Analytics Leader?, ¿cómo puedo aprovecharme y beneficiarme de los datos en los negocios?, ¿puedo implantar este perfil en mi compañía? Estamos ante uno de los términos que más aparece en los últimos tiempos en las agendas de los profesionales de RRHH, el conocido como HR Analytics Leader, que no es más que el aprovechamiento de los datos disponibles sobre los empleados y sus actividades para impulsar la organización.

¿Están las empresas valorando más lo que pueden encontrar fuera en vez de potenciar a sus propios empleados?, ¿es mejor contratar a un matemático o formamos a alguien del departamento de Recursos Humanos en análisis de datos?, ¿es el RH Analytics Leader una mezcla de ambos? En estos momentos no hay gente con estas skills, ¿estamos ante una de las profesiones del futuro?

La openclass de este mes ha estado protagonizada por Rafael Alcalde Cazorla, informático de profesión con una amplia experiencia desarrollando tecnología. Durante una hora analizó cómo la Inteligencia Artificial puede ayudar en los departamentos de Recursos Humanos y cómo crear estrategias de data-driven.

Te puede interesar: La ciencia de datos y los seguros: Una revolución que ya está en marcha

La mayoría de las empresas sostienen que su activo más valioso son las personas involucradas en su actividad, desde clientes hasta trabajadores. Por este motivo, cada vez más compañías utilizan el análisis de datos para tomar decisiones con mayores garantías de éxito, ya sean clientes a través de un modelo Customer Centric basado en el Customer Journey que recorren dejando “datos” que hemos de analizar, como empleados donde podemos utilizar un modelo similar pero adaptado a los hitos propios del desarrollo que estas personas recorren en nuestras organizaciones.

Modelos denominados “data-driven”

Recientemente, un informe de The Economist afirma que las compañías que son ‘data-driven’ serán más exitosas en el futuro. Esto significa no solamente que la empresa debe invertir únicamente en TI, sino también en las transformaciones necesarias de su organización y de su estructura de personas para adoptar estos nuevos modelos.

Así,  debemos formar en competencias de análisis de la información a los directivos y generar un ‘Employee/Talent Journey’ que registre los datos importantes que sirvan para analizar su evolución.

Estos sistemas “Big Data” ayudarán a tomar a tomar las decisiones basadas en datos objetivos, ya que son capaces de predecir los posibles resultados de cada una de las decisiones que estos profesionales elijan, consiguiendo definir estrategias que garanticen los objetivos de la empresa.

Por lo tanto, las compañías Data Driven son aquellas en las que todas las decisiones están basadas en datos permitiendo mejorar los resultados y convertirse en una empresa ágil. Las empresas que estén orientadas a procesos, “serán menos ágiles” según califica Rafael Alcalde.

Nuevos modelos de organizaciones

Lo primero que tenemos que tener en cuenta es que las empresas trabajamos con personas. Estas personas tienen que formarse en nuestro modelo de negocio y tenemos que conseguir que se comprometan con la compañía y esto, según indica Rafael Alcalde, “es costoso”.

Más de la mitad de las personas no están comprometidas con su empresa. ¿Por qué se pierde ese compromiso? Rafael Alcalde explica que “no sabemos darles a los empleados lo que necesitan en cada momento”. Una de las principales razones es por el jefe, pero le siguen de cerca la falta de motivación y los problemas de gestión de equipos. Otro motivo de que los trabajadores se vayan es cuando la competencia paga más. 

Las personas quieren evolucionar y sentirse parte de un proyecto

Frederic Laloux define cinco tipos de organizaciones en su libro “Reinventar las organizaciones”. Podemos observar en esta gráfica como el  modelo reactivo se basa en el miedo, mientras que por ejemplo, el modelo pluralista, nacido con las startups, presenta unos poderes de decisión más amplios.

Aquí fue donde nació el Lean Startup, una metodología que lo cambió todo. Su principal ventaja es que ayuda a aprender de una manera ágil qué producto o servicio encaja con las necesidades reales del cliente, reduciendo así el riesgo que supone el lanzamiento de un proyecto innovador. El modelo evolutivo, por su parte, se encarga de desarrollar el potencial de las personas. La toma de decisiones, en este modelo, se distribuyen de forma horizontal y destacan los Smart Contracts y la escalabilidad absoluta.

En los últimos años se ha producido un boom del Data Science. Anteriormente a este boom, teníamos muchos conceptos pero no tecnología. Ahora tenemos los recursos suficiente.

“El punto principal es que al final la tecnología debe estar al servicio del negocio. El 80% de las inversiones en CRM han fallado porque se ha puesto el foco en la tecnología y no en el negocio”

¿En qué momento llega el boom del Data Science al sector de los RRHH? Según indica, Rafael Alcalde, desde hace unos tres años. “Todavía con poca estrategia pero ya tenemos tecnología suficiente para optimizar procesos”, afirma. 

¿Cómo han ido evolucionando las empresas su capacidad analítica?

El 60% de las empresas todavía se encuentran en el primer nivel, el reporting, es decir, todavía viven en el pasado. Serían el modelo reactivo que hemos visto en la gráfica anterior. El 20% de las empresas se encuentran en el nivel 2. Serían los proactivos, un reporting más avanzado. Ya viven más en el presente. El 10% se encuentran en el tercer nivel, el de análisis estratégico. Ya buscan las causas de que por qué suceden las cosas, por lo que están muy cerca del análisis predictivo. Y en el cuarto nivel, solo se encuentran un 5% de las compañías. Estas empresas son las que ofrecen datos objetivos (cuantitativos y cualitativos).

Tendencias en RRHH

Cómo se contrata, quién es ascendido, quién obtiene el nuevo trabajo, quién recibe un aumento… todas estas decisiones se toman todo el tiempo en las empresas en base a intuiciones. A veces hay datos, pero la mayoría de las veces, no hay.

Para ello, es necesario una persona que se encargue de innovar y crear sistemas para una toma de decisiones basada en datos específicamente para los equipos de gestión de talento, recursos humanos, adquisición de talento y diversidad.

Tiene que tener una sólida formación técnica en visualización de datos, arquitectura de datos y análisis, así como la capacidad de liderar y coordinar los esfuerzos de un equipo de analistas expertos, ingenieros de BI y científicos de datos. Se asociará con todos los equipos para garantizar que nuestros datos estén alineados con los objetivos estratégicos de la organización y será responsable de profundizar en los detalles para encontrar formas de mejorar el estado actual, exponer nuevas ideas e impulsar recomendaciones que impactarán las estrategias organizacionales para negocios innovadores.

Estamos ante una nueva figura: HR Analytics Leader. Este nuevo rol toma decisiones sobre lo que hay que cambiar gracias a los datos. “Los datos son los que dan agilidad a las empresas y RRHH, precisamente, trata con con datos vitales de la compañía”, matiza Rafael Alcalde.

“Los datos apoyan las decisiones y nos dan garantía de que no nos estamos equivocando”

¿Quien puede ser HR Analytics Leader?

Este rol lo desempeñan técnicos en RRHH con skills técnicas. Estos son algunos requisitos básicos: 

• Licenciatura en un área analítica como Ciencias de la Computación, Ciencias Sociales / del Comportamiento, Física, Matemáticas, Estadística, Ingeniería o similar.
• Es aconsejable tener un Máster de especialización en el área.
• Más de 7 años de experiencia trabajando con grandes DataSets con énfasis en informes y análisis de datos, preferiblemente en operaciones comerciales o recursos humanos (hay muy poca gente en este área con tantos años de experiencia).
• Experiencia en la gestión y liderazgo de equipos con variadas habilidades y conjuntos de habilidades.
• Experiencia en el diseño y desarrollo de Dashboards y visualizaciones de datos en plataformas de BI como Tableau, Shiny, MicroStrategy, OBIEE o similar.
• Experiencia en Data Mining y creación / optimización de análisis operativos y modelos de datos.
• Experiencia en el uso de SQL para analizar datos en bases de datos.
• Experiencia en modelado de datos (diagramas ER, diseño de bases de datos)
• Fuertes habilidades con los productos de Microsoft Office(Excel).

En estos momentos el mercado laboral demanda herramientas de analítica.

La ciencia de datos en las diferentes fases:

La ciencia de los datos nos aporta muchísima información y como empresas, necesitamos encontrar el talento que resuelva nuestros problemas para mejorar la organización. En la fase del Recruiting podemos llegar, gracias a la aplicación People Analytics, a obtener las respuestas de las siguientes cuestiones.

Análisis Descriptivo:

• ¿Cuantas posiciones necesitamos cubrir en el departamento X?
• ¿Cuantas posiciones cubrimos al mes?
• ¿Cual es el coste por contratación?
• ¿Cuantos días tardamos en cubrir una posición?

Análisis Predictivo.

• ¿Porque unos candidatos son mejores que otros?
• ¿Qué factores afectan a la calidad del Talento?
• ¿Quienes son el Mejor Talento del/para departamento X?
• ¿Cuándo habrá una nueva baja en el departamento?

Todo esto nos permite adelantarnos a ciertas cosas ya que “podemos evitar que una persona se vaya de la empresa o ir buscando y formando una nueva si sabemos, de manera anticipada, que una persona tiene muchas probabilidades de abandonar la empresa. Además, toda esta información, nos permite 

Con la información que obtenemos podemos rediseñar la captación del talento.

• Identificar el origen de las mejores personas y obtener una predicción del éxito de contratación utilizando una correlación simple evaluando portales de empleo, referencias y headhunters. 
•  Predecir el impacto de Diversity & Inclusion en las Ventas generando unos índices de diversidad y mediante la Regresión múltiple podremos predecir si las ventas de su compañía subirán o no.
• Filtrado automático de candidatos.
• Generación de Talent Pools automáticos.

De esta manera podemos conocer los datos cuantitativos del Ratio de Acceso a la empresa:

• Proporción de nuevas contrataciones y de reemplazo como el porcentaje del empleo total. Una empresa con 2000 empleados y 800 contrataciones nuevas y 200 de reemplazo, tendría un índice de adhesión de 0.5 (800+200/2000 = 0,5). Un alto índice generalmente significa retrasos que reducirán la participación, aumentarán los costos y reducirán la productividad.

La fase de la retención del talento es un campo muy importante a través del cual podemos:

• Predecir quiénes son las personas que corren el riesgo abandonar la empresa usando Árboles de decisión, Correlación, Regresión logística de Excel, etc. Por ejemplo: un empleado de 30 años de edad, que se mantiene a más de xx km de la empresa, que está calificado como «normal», tiene un 90% probabilidad de renunciar en su tercer año.
• Predecir y evaluar el impacto del compromiso del empleado en la satisfacción del cliente, los ingresos y la revalorización de las acciones, etc… utilizando Regresión múltiple. (por ejemplo, un aumento del 1% en el compromiso de los empleados conduce a un aumento de 100k € en los ingresos de la empresa, un aumento del 2% en la satisfacción del cliente, un aumento del 1% en el retorno de los accionistas, una reducción de 1 día en bajas por enfermedad, etc.
• Predecir el impacto financiero de la capacitación y su impacto en las ventas.
• Priorización y detección de conocimientos/ Skills a entrenar para:

1. Generar gemelos /plan de sustitución.
2. Mejorar los resultados de las operaciones.
3. Generar el inventario de Skills de los empleados identificando los más significativos y estableciendo grupos para aplicarles planes de formación que los capacite para el futuro según la estrategia de la compañía.

Por todos es sabido que la gente satisfecha produce mejor y la reinvención del aprendizaje permite tener compañías ágiles, ya que todavía existe un desconocimiento muy grande de nuestras propias empresas. ¿Sabes todos los jefes el número de empleados que tienen?, ¿qué formación tienen sus empleados?, ¿qué skills necesitan? Si existe este desconocimiento en las empresas es que no son empresas ágiles.

En la etapa de desarrollo y formación un HR Analytics Leader puede dar respuesta a las siguientes cuestiones:

Análisis Descriptivo:

• ¿Cuantos KAM fueron formados el pasado mes?
• ¿Cuánto costó la formación?
• ¿Cuánto costó la formación en Liderazgo?
• ¿Cuántos empleados no forman parte del plan de sucesión?

Análisis Predictivo:

• ¿La formación mejorará el performance de los KAM?
• ¿Qué formación tiene mayor impacto para nuestros KAM?
• ¿Qué skills necesitaremos desarrollar según la nueva estrategia?
• ¿Qué formación ayuda más a retener a los empleados?

¿Cómo afecta la formación en la inversión? Este tipo de cuestiones son medibles y debemos ser conscientes de ello. A partir de aquí podemos sacar el ratio de cultura corporativa a través del índice que mide el ratio de empleados con las mejores calificaciones en las evaluaciones de compromiso “engagement”. Mide cómo de buena es para trabajar. Este ratio colabora en la predicción de la retención de empleados y las tasas de rotación. Los empleados, en especial los buenos, suelen renunciar a sus trabajos debido a la mala cultura laboral.

Rafael Alcalde afirma que un Best Buy (líder en análisis predictivo de recursos humanos) puede predecir que un aumento del 0.1% en el compromiso de los empleados resulta en un aumento de más de $ 100,000 en los ingresos anuales.

Te puede interesar: SEUR: Comprometidos con el talento

De este modo, si desarrollamos un modelo de desempeño predictivo basado en comportamientos, habilidades/Skills, experiencias, aumentamos nuestras posibilidades de contratar y promover a las personas adecuadas.

En definitiva, el éxito de la ciencia de datos, el Big Data, ha hecho que los datos y la información se hayan convertido en elementos importantes a la hora de conocer el comportamiento del consumidor. En este escenario, cuando hablamos de HR Analytics Leader, los datos, indicadores y herramientas de estadística avanzada vienen a nuestra cabeza. 

Todo esto permite que las decisiones importantes se basen en datos permitiendo mejorar los resultados. ¿Y tú, eres una empresa ágil?