Si el CEB lo dice, por algo es.
Tom Monatha, El CEO del CEB (Conocido como Corporate Executive Board, o CLC) planteó recientemente que observan en los comités ejecutivos de las empresas una falta de atención a la calidad de los líderes, a pesar del impacto que tiene este asunto en el desempeño de la compañía y la productividad.
La gestión del liderzgo es frecuentemente gestionada con poco análisis y poco rigor. "Poca ciencia es aplicada a la gestión del talento, a pesar de su importancia".
Según el trabajo del CLC habilidades críticas para el liderazgo son influencia, colaboración, juicio, tolerancia a la ambigüedad, y gestión de la cultura organizacional.
En Instare creemos que el rigor y análisis son fundamentales para que nuestros clientes obtengan mejores resultados. Por esa razón, además de actualizarnos constantemente en los desarrollos académicos aplicables a los problemas de Gestión de Personas, también ofrecemos servicios de Data Mining aplicados, aprovechando todo el poder de la ciencia, para tomar decisiones y acciones con impacto positio asegurado.
Consultanos haciendo click aquí.
Navegando la web encontramos un blog con una artículo de título atrayente: When bad data happen to good HR people!
No nos resulta poco frecuente asistir a reuniones para conversar acerca de proyectos de Data Mining, y nuestros colegas nos confiesen que desconfían de los datos que se encuentran almacenados en sus bases de datos.
¿Cómo tomar decisiones con información de dudosa calidad? Malos datos, poco confiables, o poco consistentes son un problema importante y afecta a toda parte de cualquier organización. Desde ventas, hasta a HR. Algunos trabajos de Gartner, consultora de referencia en tecnología, han estimado que:
Es simple el planteo del artículo: una baja calidad de datos guían a malas decisiones y malos procesos, y consecuentemente datos incorrectos terminan en desconfianza con los clientes.
Se podría encontrar 4 grandes razones de contar con datos de mala calidad
1. Falta de estrategia coherente de datos
No buscamos un abordaje solamente operacional de los datos e información. Los datos deberían permitir ayudar en las tomas de decisiones estratégicas. ¿Puedes tus datos colaborar en la estrategia de la organización?
2. Asumir que el software es la solución.
Es importante contar con buen software, pero siempre son el problema central es definir qué datos son estratégicos y cómo deberían ser. El software es una herramienta más para procesar luego los datos.
3. Basura que entra, basura que sale.
Pareciera que es algo tan obvio que frecuentemente es olvidado. Los datos son tan buenos como lo que ingresa.
4. Falta de fuentes críticas de datos.
No es solo importante la calidad de los datos, pero también es fundamental definir qué fuentes de datos son utilizadas.
Buenos datos hacen la diferencia. Buenos datos son la fuente para tomar mejores decisiones, y tener mucho para "exprimir" en cada problema o decisión que se tenga que enfrentar.
Nunca es una mala idea mejorar o cambiar un procesos, si ello permitirá contar con mejores datos disponibles. El dejar todo como está, seguramente será más costoso.
No hay excusas para seguir trabajando con malos datos.
PsyBlog publicó hace algunas semanas su versión de cuáles habrían sido alguno de los trabajos interesantes de la psicología del 2012.
1. Cada vez comprendemos mejor cómo funciona la mente.
Y así aparecen varios estudios de la psicología que dan resultados contra intuitivos. Entre otras cosas, la idea de que intentar "negar" pensamientos es contraintuitivo, que los brainstorming no funcionan y que las alucionaciones son más frecuentes de lo que uno cree.
2. Cómo ser un gran líder.
Nuevos trabajos identifican 6 factores como los críticos para diferenciar a los grandes líderes: Capacidad de deciión, competencia, integridad, visión, persistencia, y modestia.
3. El lado oscuro de la creatividad.
La investigación sugiere que los indivduos creativos tienden a ser arrogantes, buenos mentirosos, deshonestos y quizás algo locos (o si uno prefiere, excentricos). Así que a tener precaución con los ellos.
4. Por qué los incompetentes no saben que son incompetentes.
La respuesta es muy sencilla: porque no aprenden de sus errores. Incluso decirles no tiene mucho sentido. Por otra parte, los talentosos tienden a subestimar su capacidad.
5. La distancia psicológica.
El visualizarse en un lugar lejano, en otro país, u otro tipo de situación diferente es una manera útil de generar distancia psicológica, lo ue permite para tomar mejor auto conocimiento, mejorar la persuasión, tener mayor control emocional y otros efectos positivos.
6. ¿Por qué la gente bosteza?
Pareciera ser que no se debe solo a cansancio o aburrimiento, sino pudiera ser un signo social o una manera de "enfriar" el cerebro.
7. ¿Cómo derrotar pensamientos no deseados persistentes?
Como se ha encontrado en la investigación, el intentar suprimir pensamientos tiende a hacerlos regresar con mayor intensidad. Entonces... ¿Qué hacer? Algunas de las estrategias que demostraron ser efectivas han sido escribir sobre ellos, meditación, posponer el pensamiento, estrategias de distracción.
8. Mejora de le memoria luego de una breve pause post lectura.
Se ha encontrado que una pausa de 10 minutos luego de la lectura mejora la capacidad de recordar 7 días después.
9. ¿Cómo funciona la memoria?
Quizás este post es una buen abordaje sobre el tema
Un relevamiento de ICP4 nos presenta algunas puntos en los cuales se diferencian las organizaciones de alto desempeño de las de baja desempeño cuando se trata de utilizar HR Analytics.
Te presentamos aquí esos 5 puntos claves para diferenciar tu organización.
1. Las de Alto Desempeño (AD) utilizan los datos de Recursos Humanos para planificar y tener mejor desempeño. Las de Bajo Desempeño (BD) simplementen usan los datos para generar informes.
Según el relevamiento las AD planifican a largo plazo casi el doble que las BD (96% vs. 47%). Las de AD también (91% vs. 59%) evalúan el retorno de la inversión de sus iniciativas o programas.Las Organizaciones AD buscan constantemente información para mejorar la efectividad de su planificicación y desempeño de sus programas y procesos. Las otras, hacen poco más que cumplir con los requisitos mínimos para el negocio.
2. Convertir datos en información es el desafío más importante del mundo de Analytics, y las de AD están mejor equipadas para ello.
Como una de las entrevistadas plantea "Los datos son geniales, pero si no tenés gente que sepa qué hacer con ello, no sirven de nada". Contar con profesionales es un punto clave. Habilidades analíticas e interpretativas pasan a un primer plano, las cuales están menos presentes en las organizaciones BD, comparadas a las de Alto Desempeño. Quienes puedan convertir datos en información, e información en acciones, tendrán una gran ventaja.
3. Las de Alto Desempeño aprovechan procesos, automatización y standards para asegurarse contar con datos precisos, mientras las bajo desempeño verifican manualmente.
Es significativamente diferente la cantidad de organizaciones de alto desempeño vs. la de bajo desempeño cuando se trata de procesos automáticos para asegurar datos confiables y bajos niveles de error en los mismos, y consecuentemente el tiempo empleado. Incluso se observa la existencia de comités para asegurar políticas que para asegurar contar con datos consistentes a lo largo de la organización.
4. Las Organizaciones de AD tienen líderes de Recursos Humanos altamente comprometidos en utilizar Analytics para impulsar el desempeño. Los líderes de las Organizaciones de BD están conformes con presentar datos al Equipo Ejecutivo.
Los de AD reciben muchos más datos de HR, teniendo áreas de Recursos Humanos mucho más robustas y analíticas. Utilizan los datos vinculados a la gente para poder informar proactivamente e involucrar al senior management y gerentes en cómo gestionar mejor el talento y el desempeño del negocio.
5. El Analytics Predictivo (Data Mining) es poco utilizado para medidas de Capital Humano, incluso por las Organizaciones AD.
Las organizaciones, en general, están buscando su camino para desarrollar las habilidades y técnicas necesarias para poder implementar soluciones predictivas. Pocas pueden responder preguntas como por ej. cuántos empleados son necesarios, cuántos abandonarán la compañía, qué habilidades faltarán o qué prácticas de Recursos Humanos impactarán en el desempeño de la compañía. El Análisis Predictivo puede reducir la incertidumbre y ofrecer fundamentos basados en evidencia para las decisiones de Recursos Humanos y del negocio. Utilizando Análisis Predictivo para comprender los factores reales que impulsan la productividad de los representantes de atención al cliente, la empresa Sprint pudo mejorar sus niveles de satisfacción a niveles record.
¿De qué lado está tu organización? ¿De las de bajo o alto desempeño? Podemos ayudarte a que con Analytics hagas la diferencia.
Día a día hacemos dedicamos tiempo a nuestros colegas, clientes, estudiantes todo el poder que tiene el Data Mining para Recursos Humanos. Este post continúa ese trabajo.
Día a día volvemos a tener que desenredarlos de un sinfín de términos que llenan la web y, si uno no sabe diferenciarlos, generan confusión.
El concepto de Analytics puede ser una buena puerta de entrada para tener bien identificados algunos conceptos.
Analytics es entender que hemos entrado a un enfoque de negocios en el cual las decisiones se basan en la información con la que contamos. Minuto a minuto Las acciones que efectuamos quedan almacenadas en diversas bases de datos, que gracias a las TICs pueden ser analizadas para tomar mejores decisiones de negocio. Este es el mundo del "Big Data".
Analytics es hacer uso de esos grandes volúmenes de información, de acuerdo a la complejidad de análisis que necesitemos, o seamos capaces de implementar.
Niveles de Analytics
1. Reactivo - Reportes operacionales: ¿Dónde estamos ahora?
2. Proactivo - Reportes Avanzados: Podemos filtrar, "abrir", y analizar dónde estamos ahora en gran detalle (por ej. por cliente, por empleado, por región, etc.)
3. Analytics Estratégico: Utilizamos los datos con medidas de correlación para ver qué vínculos hay entre los datos. Por ej. qué competencias tienen alto impacto en el desempeño de un empleado.
4. Analytics Predictivo: Utilizamos los datos y análisis de los niveles anteriores para crear modelos credictivos. Por ej. identificar qué empleados tendrán buen desempeño al ser promocionados. O qué empleados están próximos a irse de la compañía. En el análisis predictivo está el Data Mining del cual continuamente hablamos.
¿Por qué Analytics en Recursos Humanos? ¿Por qué Big Data en Recursos Humanos?
Analytics y Big Data en Recursos Humanos es lo que actualmente se llama "Talent Analytics". Es el conjunto de herramientas de la estadística y ciencias de la computación que nos permiten responder muchas de todas esas preguntas claves para todo profesional de Recursos Humanos. Y hoy en día no nos faltan los datos: falta saber aprovecharlos.
Siempre necesitamos responder preguntas como ¿Quiénes son los de alto desempeño? ¿Qué acciones necesito hacer para tener impacto en los números del negocio? ¿Quiénes se están próximos a ir de la compañía? ¿Cuántos y quiénes son los empleados del alto potencial? ¿Qué factores impactan en la rotación? ¿Qué factores impactan en la productividad?
Podríamos seguir enumerando ejemplos. Incluso habrán muchos que nunca pensamos, hasta que algún cliente nos plantea su pregunta.
Recursos Humanos hoy NO puede quedar fuera de esta tendencia. Cada vez es más importante saber tomar decisiones. Y que estas no sean suposiciones, sino que todo ese "Big Data" disponible nos permita ofrecer las mejores soluciones al negocio.
Si querés saber más del tema, o ver cómo implementar estas herramientas en tu organización, contactanos.