Lo venimos diciendo en distintos artículos, la big data vino para quedarse pero al no ser una ciencia exacta nuestra experiencia será clave para el desarrollo de esta herramienta.
Si bien es una práctica en aumento, queremos repasar cinco conceptos erróneos comunes que siguen apareciendo. Así empieza el artículo publicado por Erick Van Vulpen en HR Dive que aquí les compartimos:
1. Las Predicciones de HR Analytics son Precisas
Uno de los principales desafíos en el análisis de personas es predecir el comportamiento humano complejo. El análisis predictivo nunca predecirá el comportamiento con una precisión del 100%. Un algoritmo que predice el rendimiento (o cualquier otro comportamiento) con una precisión del 40% ya es muy bueno. La gran ventaja del análisis de personas radica en la diferencia entre lo que pueden hacer los algoritmos y lo que hacen las personas: incluso en un 40%, los algoritmos son mejores para predecir el rendimiento que los humanos.
La precisión con la que puede hacer sus predicciones tiene todo que ver con sus datos de entrada y salida. Si tiene datos de entrada relevantes y de alta calidad y también puede evaluar el resultado con mucha precisión, su algoritmo será aún mejor.
2. La Correlación es Igual a Causalidad
Una de las ideas falsas más persistentes en cada área que tiene que ver con el análisis es que las cosas que actúan juntas están relacionadas.
A pesar de que la mayoría de nosotros sabemos el dicho de que «la correlación no implica causalidad», siempre estamos atentos para identificar las relaciones entre las diferentes cosas que suceden a nuestro alrededor.
La cosa es que la mayoría de las correlaciones son pura coincidencia. Lo mismo ocurrirá en los datos de personas. A menudo hay un tercer factor que puede explicar una correlación en sus datos. Dibujar una relación de causa y efecto requiere diseños de investigación complejos y datos que se extienden durante un período más largo.
Es por eso que su análisis siempre debe comenzar con una pregunta de investigador relacionada con un tema que la organización está tratando en este momento.
3. El Análisis de Personas ayuda a RR.HH.
Técnicamente, esta afirmación es sólo un error parcial. En línea con lo anterior, el análisis de datos debe agregar valor al negocio. Este es el criterio más importante para cualquier análisis. Si el análisis no agrega valor, ¿por qué hacerlo en primer lugar? Los recursos son un mejor gasto en proyectos que realmente agregan valor.
La analítica de personas debería ayudar a RR.HH. indirectamente. Debido a que el HR analytics se centra en la cuantificación de las personas que impulsan los resultados de negocios, afectará la forma en que manejamos a las personas y, por lo tanto, ayudamos a los colaboradores a hacer su trabajo mejor, pero solo porque esto, a su vez, ayudará a lograr un objetivo estratégico.
4. El Mejor Punto de Partida es un Panel de Control
Uno de los conceptos erróneos más profundos es que la información de los datos es igual al análisis de personas.
Vamos a aclarar estas dos definiciones. En primer lugar, hay informes. Esto implica recopilar datos y mostrarlos en paneles de RR.HH. Los informes se centran en el aquí y ahora, en lugar de cosas que probablemente sucederán. También nos hace muy vulnerables a la concepción errónea de «la correlación es igual a la causa» porque los paneles de control muestran una instantánea de los datos. No hay más análisis.
En segundo lugar, hay análisis. La analítica implica modelar datos y predecir un resultado. Se trata de predecir el futuro y obtener información sobre las tendencias. La analítica nos permite ver si los factores están, de hecho, relacionados o causados entre sí. Esto es algo que no se puede aprender de un panel de control.
No necesita un panel para comenzar con el análisis de personas. De hecho, un panel de control no se considera analítico desde el punto de vista técnico, ¡aunque muchos proveedores de paneles de control le dirán lo contrario! La verdadera intuición proviene de análisis conducidos por problemas de negocios.
5: Comenzar HR Analytics es Difícil
Si bien no es fácil, es igual de complejo que un software de gestión o comenzar a esquiar, puede ser divertido la primera vez que bajas la montaña. Del mismo modo, la analítica puede ser interesante para un principiante.
Trabajar con un pequeño conjunto de datos y hacer un análisis simple ya puede proporcionar mucha información. Daré un ejemplo personal, que se centró en una de las mejores prácticas de gestión de personas tradicional: la capacitación de los empleados.
No hace mucho tiempo trabajé con una compañía que estaba luchando para explicar por qué su función de L&D estaba tan lejos del presupuesto. Esto estaba poniendo en peligro su posición de negociación para los presupuestos y amenazó con paralizar sus actividades internas de desarrollo de jóvenes talentos.
Cuando nos sentamos y examinamos los datos, vimos que llevaban un registro de todas sus actividades aprobadas de formación. Sin embargo, la suma de estas actividades en dólares fue un 22% menos que el total que las finanzas habían reservado en su departamento. Esta fue la discrepancia.
Después de una sesión de dos horas, pudimos:
– Identificar las discrepancias en el presupuesto
– Ver de qué grupos de actividades eran
– Estimar su presupuesto de formación para el próximo año en función de los presupuestos promedio y el crecimiento del personal en los años anteriores.
Esto les ayudó a asegurar su budget para el próximo año ya que estaban en línea con los objetivos de desarrollo estratégico de la organización (que también incluían a su futuro líder, detectado en un joven programa potencial).
Espero que al desacreditar estos conceptos erróneos, haya tenido una mejor idea de qué es el análisis de personas y cómo está cambiando el rol de RR.HH.
El análisis de personas no cambiará los recursos humanos de la noche a la mañana ni afectará a cada uno de nosotros. Sin embargo, de manera lenta pero constante, hará de nuestra área una disciplina en la que se combinan la intuición y los datos y dará lugar a una mejor toma de decisiones como ya lo esta haciendo.
