Friday, Dec. 15, 2017

Plantilla propia y clientes: ¿la misma analítica de datos masivos?

Plantilla propia y clientes: ¿la misma analítica de datos masivos?

preguntas

En la Sloan ManagementReview han publicado un breve artículo sobre ese espinoso asunto del big data aplicado a analizar a los humanos: Is your company ready for HR analytics? Lo firman tres colaboradores de la Universidad Católica de Lovaina en Bégica: Bart Baesens, también colaborador en la University of Southampton School of Management en Inglaterra y autor de Analytics in a Big Data World: The Essential Guide to Data Science and its Applications, Sophie De WinneLuc Sels, que es el decano de la facultad de empresariales. Teniendo en cuenta, como decía, lo delicado de este asunto (y cuando se dice “recursos humanos” se puede leer también “alumnado”, por cierto), los autores nos trasladan hasta cierto punto una visión optimista y como hoy hemos decidido ver la botella medio llena, compartimos lo que nos explican.

Lo primero es reconocer que la aplicación de analítica de datos masivos referidos a personas siempre va a poner sobre la mesa asuntos de ética. Y no está de más recordarlo porque el riesgo de entrar como elefante en cacharrería es elevado. Los autores nos proponen aprender de la forma en que se ha aplicado con anterioridad para conocer en profundidad a los clientes. Pues bien, ahora es lo mismo, pero en vez de clientes son las personas que trabajan en una organización.

But what about leveraging big data and analytics to gain insights into another group of your company’s key stakeholders: your employees? Although we see many companies ramping up investments in HR analytics, we haven’t seen many success stories in that area yet. Because HR analytics is “the new kid on the block” in business analytics applications, we believe its practitioners can substantially benefit from lessons learned in applying analytics to customer-focused areas — and thus avoid many rookie mistakes and expensive beginner traps.

Y de su experiencia profesional dicen haber obtenido estas cuatro lecciones básicas:

  1. Conviene modelar, medir y gestionar las dinámicas presentes en las redes en las que ya se desenvuelven las personas dentro de las organizaciones. Buena parte del comportamiento se puede predecir por la simple observación sistemática de lo hacemos en redes que dejan huella digital. Este conocimiento es importante en nuevas incorporaciones pero también en despidos con el fin de observar la repercusión que pueden tener cambios en las redes desarrolladas. Y claro: Employees who serve as social influencers or community connectors within your organization’s network should be carefully approached when making firing decisions to avoid functionally disconnecting essential parts of your network.
  2. Big data y la analítica que de desprende de este enfoque no suponen hacer “magia”. Una obviedad pero que conviene recordar: la analítica nos ofrecerá correlaciones pero nunca “causas”. Como personas necesitamos comprender el porqué de las decisiones. Cuando la lógica de nuestro pensamiento entre en contradicción con la analítica proveniente del dato, ¿qué hacer? Es una pregunta complicada por cuanto cabría reconocer que en ciertas ocasiones la analítica puede convenir mejor que nuestra intuición (o como queramos llamar a la forma en que decidimos).
  3. Los modelos de analítica de recursos humanos deberían aportar más que un simple análisis estadístico de desempeño; deberían aportar perspectiva de negocio. Esta idea tiene que ver más con la que forma en que se hacen las preguntas que con lo que los datos dicen. Porque los datos simplifican mientras que las decisiones de carácter empresarial necesitan tomar en cuenta un conjunto de variables que la mayor parte de las veces no son independientes. Por detrás de los datos opera una realidad que es la que conforma el escenario en que se desarrollan las empresas. Esta mirada más allá es fundamental porque reafirma la necesidad de esa persona informada pero atenta a lo que los datos pueden añadir en su visión de conjunto.
  4. Hay que testar el impacto de los modelos analíticos que usamos con nuestro personal. Si hemos tomado una decisión argumentándola en lo que nos decían los datos, tenemos que evaluar cuál ha sido el resultado obtenido. Hay que testar hasta qué punto esas decisiones están contribuyendo a la competitividad de nuestras organizaciones en su sentido más amplio: económico, social y de sostenibilidad.

El artículo, breve y centrado en estas cuatro ideas, termina con una reflexión para unir, por lógica, la forma en que se utiliza la analítica de datos masivos referida a clientes y usuarios con la que debería emplearse con las personas que trabajan en una organización. Una idea sugerente, desde luego: conocer a la propia plantilla de que disponemos con técnicas y modelos ya utilizados con clientes y usuarios. ¿Enfoque similar?, ¿diferencias?, ¿éticamente hay aspectos que matizan ambos trabajos?

Share This Article

Related News

Industria 4.0: ¿qué mejora supone para las personas?
Nos vemos en una edición muy especial de #GetxoBlog
La lógica de las 5S: menos es más

Sobre el autor

Julen

De la margen izquierda de la ría, en el Gran Bilbao. Estudié psicología y siempre me he movido alrededor de las empresas y las organizaciones en general. Con una pasión confesa: la bici de montaña.

¿Quieres comentar?

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies

ACEPTAR
Aviso de cookies