Creativity

Innovation

Originality

Imagination

 

Salient

Salient is an excellent design with a fresh approach for the ever-changing Web. Integrated with Gantry 5, it is infinitely customizable, incredibly powerful, and remarkably simple.

Download

Big Data

  • En algunos ámbitos se observa un constante uso del término de "Big Data en HR", refiriéndose a cómo la información y datos generados en múltiples Big Data HR Análisissistemas tendrán un impacto profundo en la Gestión Humana.
    Desde Instare creemos que el uso de ese término en ámbitos de Gestión Humana es inapropiado, ya que en general al ser nombrado no se comprende qué significa realmente , y es utilizado con un fin de generar interés, pero desconociendo el camino apropiado para una implementación exitosa del uso de datos (que entendemos debería ser nombradocomo  HR Analytics).


    Para ordenar el escenario, es fundamental señalar que Big Data hace referencia a  las 4 "V".
    Volumen: Big Data implica conjuntos de datos de tal magnitud  que exigen infraestructura especial. No alcanza el disco rígido de una computadora, sino que debe implementarse con múltiples sistemas de almacenamiento e incluso múltiples computadoras procesando "en paralelo".
    Variedad: Ya no se trata solo de números o categorías, sino es incluso imágenes, video, audio y muchos otros formatos, que se procesan para en conjunto llegar a generar conocimiento relevante.
    Velocidad: Buscamos repuestas inmediatas, "en línea", como hace Google cuando hacemos una búsqueda y en décima de segundos procesa conjuntos masivos de datos diversos para darnos la repuesta que estábamos buscando
    Veracidad: Es entender que los datos que se están procesando no son necesariamente veraces, por lo que se deberán instrumentar mecanismos para verificarlos o saber entender los riesgos de trabajar con información que no lo sea.


    En áreas de negocio el uso de Big Data en términos "ortodoxos", no es un asunto para cualquiera. En Gestión Humana, a pesar de que muchos están pensando, investigando y desarrollando aplicaciones, todavía el foco debe ser entender y saber aprovechar la información estructurada (datos y números) para comenzar a aprovecharla.
    Hay múltiples desafíos que están en juego, y hábitos que deben ser superados para tener más impacto en la gestión diaria de parte del mundo de HR Analytics -que incluye el mundo de Big Data, ya que Analytics implica la toma de decisiones basadas en datos-. Todavía los profesionales de Gestión Humano miran a la distancia el mundo de la matemática o estadística y olvidan que hay muchos datos en la web para ser aprovechados (cosa que los profesionales de Big Data saben aprovechar inteligentemente), entre otros asuntos claves.
    Big Data permitirá posibilidades que muchas veces son inimaginables, por ej. generar sistemas que automáticamente rastrearán la web buscando los candidatos que nos interesan, identificando habilidades, actividad profesional, o nivel de expertise técnica, aprovechando por ej. el análisis de la actividad en redes sociales profesionales, y los trabajos que hayan compartido en la web.
    Mientras, se trata de comenzar a aprovechar números y categorías, para poder tomar decisiones más inteligentes y proactivas, preparándonos para el uso del auténtico Big Data.
    Big Data es el futuro. HR Analytics es el presente. Somos profundos creyentes de que en los datos están muchas de las respuestas que la Gestión de Personas busca. Se trata simplemente de tomar el camino que permita crecer nuestra capacidad de poner la información de nuestro lado. Como demuestra el trabajo de investigación de CEB el riesgo es saltar a la sofisticación, cuando lo primero que está en juego es la aplicabilidad. Es hora de que el área cambie su forma de gestionar. Y eso implica comenzar a aprovechar todo lo que HR Analytics nos ofrece. El desafío es identificar en cada caso la estrategia más apropiada.

  • Ya hace años se nombra el concepto e BI (Business Intelligence), uno de los abordajes / tecnologías posibles en el mundo de los datos / Analytics.

    ¿Qué es y para qué sirve? Eso es lo que compartimos en este video.

    Si te interesa el mundo de la Data, Big Data, Información y aprovechamiento de la misma, este video es para vos. No importa en qué área trabajes, este es un concepto que tienes que conocer. 

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas diversas de HR Analytics / People Analytics para responder de manera efectiva a los desafíos de la Gestión de Personas. Consultanos haciendo click aquí. Te ofrecemos capacitación y consultoría en estas disciplinas. 

     

  • Una imagen vale más que mil palabras (o mil análisis). Y eso es lo que claramente esté comprendiendo el mundo de Analytics. Muchos necesitan imágenes para entender de qué se trata y qué se está diciendo. No es causal ver que una importante parte de las publicaciones (y herramientas) que van apareciendo en el mercado de Analytics estan vinculadas a la Visualización de Información. Storytelling with Data

    Los datos esconden mucho, y se los puede hacer hablar, no solo con complejas y sofisticadas herramientas de análisis y algoritmos, sino también sabiendo encontrar las formas y métodos más apropiados para mostrarlos de manera visual. Estos temas son parte importante de nuestra agenda de estudio y trabajo (y así lo hemos hecho parte de nuestra nueva actividad abierta titulada "De Datos, Métricas, Tableros y Visualizaciones), y será parte de nuestros desarrollos futuros. En nuestra agenda de lectura y profundización encontramos en el camino el "Storytelling with Data", de Cole Nussbaumber Knaflic, que entre los libros que tenemos y leemos sobre el tema, ha sido diferente. Cole, de formación de base matemática, ha luego transitado un camino por el ámbito empresario, teniendo a su vez un MBA, y experiencia en finanzas. Y especialmente interesante para nosotros, profesionales vinculados a la Gestión de Personas, Cole ha sido parte del quizás ya "mítico" equipo de People Analytics de Google, ya famoso por trabajos como el Proyecto Oxígeno o el actual Proyecto Aristóteles. La autora era responsable de temas de visualización de información, como también fue entrenanado personas de la compañía en esta disciplina.

    Storytelling Opciones GráficosEl libro presenta un enfoque interesante para el practicioner, ya que puede presentar temas técnicos, como lo son la elección de las visualizaciones más adecuadas para cada situación, incluyendo buenas prácticas de manera sencilla y pragmática, sino que también lo enfoca desde el Storytelling, ofreciendo un camino de visualización reflexivo pensando en el público que tendrá nuestro trabajo, nuestros objetivos, y cómo trabajar para que nuestras visualizaciones cuenten sus historias de la manera más apropiada, y los destinatarios no tengan dificultades en poder aprovecharlas. 

    La autora es especialmente generosa en citar sus referencias y fuentes conceptuales, como por ej. el trabajo de Nancy Duarte (de quien recomendamos Slidedology, el cual usamos como soporte conceptual para nuestras capacitaciones en Presentaciones Efectivas), además de brindar recursos diversos que pueden ser útiles para seguir profundizando o trabajar en la preparación de visualizaciones.

     

    Creemos que el trabajo de Cole puede ser una buena opción para comenzar a estudiar y trabajar en cómo hacer que nuestros datos sean compartidos visualmente de la manera más efectiva posible.

     

    Si necesitás saber más sobre estos asuntos, buscás recomendaciones o formación y/o consultoría, consultanos haciendo click aquí.

     

  • Vemos en forma diaria como las empresas tienen dificultades en poder definir buenos tableros para temas de Gestión Humana o Talento.

    hammer 1629587 1280

    Según relevamientos, por ej., el 87% de las empresas utilizan "El time to fill" (Tiempo requerido en cubrir una búsqueda) como un KPI (Indicador de desempeño clave). Pero a su vez, la mitad de las empresas estarían disconformes, planteando que no tienen indicadores claros para poder evaluar si mejora la calidad de el pool de candidatos que participan en sus procesos de selección.

    Parte del mundo de HR Analytics es definir indicadores útiles para la gestión y toma de decisiones adecuadas (lo que es considerado en el modelo de Bersin como el nivel 1 de madurez de una organización en los aspectos de Analytics), pero es necesario un trabajo que considere diversos aspectos para que los indicadores utilizados sean realmente útiles.

    Algunas recomendaciones para que las métricas sirvan:

    1. Contar con claro entendimiento de cómo Recursos Humanos se alínea con los objetivos del negocio, para así definir las métricas adecuadas (es llamativo ver lo poco frecuente que se hace ese análisis, para el cual hay diversas herramientas estadísticas útiles).
    2. Abordaje sistemático: ¿Por qué lo mido? ¿Qué valor povee? ¿Cuánta relevancia se le debe dar a ese número? Son preguntas que siempre deberían ser respondidas.
    3. Crear un sistema único integrado de información: las múltiples fuentes de información deberían poder integrarse en una plataforma única (problema frecuente al contar con múltiples sistemas inconexos, pero cada vez hay mejores soluciones tecnológicas para facilitar este punto).
    4. Innovación y mejora continua: no sirve medir sino se lo utiliza de manera continua para mejorar.
    5. Confianza: compartir y analizar información sensible entre las partes para poder generar auténticas decisiones con impacto.

    Si querés conversar acerca de cómo aprovechar los datos para tomar mejores decisiones en Gestión Humana, o temas vinculados, consultanos haciendo click aquí.

     

  • "La totalidad es más que la suma de las partes", cita atribuída a Aristóteles fue la inspiración para el equipo de People Analytics de Google, quienes saltaron a la fama de esta disciplina con el Proyecto Oxígeno, el cual permitió comprender qué características diferenciaban a los grandes gerentes de la compañía. Equipo

    Y es así como decidió titular "Proyecto Aristóteles" a la iniciativa de aplicar el mismo método al encontrar las características claves para la efectividad de los equipos de Google. 

    Continuando lo que proponemos como parte clave de todo proyecto de HR Analytics, que parte de revisar el estado del arte del asunto a estudiar, el Proyecto Aristóteles comenzó revisando medio siglo de los estudios e investigaciones sobre cómo funcionan los equipos. ¿Se tratan de construirlos con personas de mismos intereses? ¿O mismas moticaciones? Los estudios inspiraron a los expertos de Google a estudiar cuánto socializaban los empleados de Google fuera de la oficina, intereses personales, formación previa, y otros factores. A su vez comenzaron a señalar a los equipos con resultados diferenciales, particularidades de equipos que permanecieron unidos durante períodos prolongados, y otras tantas variables. El trabajo tenía dificultades en encontrar patrones, trabajo que incluyó 180 equipos de toda la compañía. Algunos equipos de grandes resultados eran amigos con mucha actividad social fuera de la oficina, otros eran compuestos entre extraños, otros tenían gerentes fuertes, y así seguían apareciendo características diferentes.

    En la revisión bibliográfica apareció el concepto de "normas de grrupos", tradiciones o estandares de conducta, que indican cómo debe comportarse cada equipo. Y así el trabajo comenzó a centrarse en ver qué aspectos se encontraban vinculados a esos factores. Los investigadores concluyeron que comprender e influenciar las normas de los equipos era clave para mejorar los equipos en Google. La pregunta a responder cambiaba ahora: ¿cuáles eran las normas más importantes? En la primera fase posterior de trabajo muchas veces la información parecía contradictoria respecto a las conductas claves. 

    Un trabajo de investigadores de Carnegie Mellon comenzó en el 2008 a quere responder una pregunta similar. Para hacerlo reclutaron casi 700 personas que dividieron en pequeños grupos y asignaron tareas que requerían diversos tipos de cooperación. ¿Eran igual de efectivos los equipos en las diversas tareas que se les asignaban? El trabajo comenzó a encontrar que los equipo más efectivos diferían de los otros en cómo los miembros se trataban entre ellos. "Buenas normas" aumentaban el desempeño de los equipos. Dos asuntos llamaron la atención de los mejores equipos: parecía distribuirse de maneras iguales la cantidad de tiempo que cada miembro hablaba, y que todos integrantes tenían una "sensibilidad social" similar (los miembros de los mejores equipos tenían mejores resultados en tests en los que debían evaluar los sentimientos de un tercero viendo una fotografía). La combinación de estos dos fenómenos fue denominado por Edmonson, profesora de Harvard Business School, "Seguridad psicológica": una sensación de confianza de que un miembro de un equipo no avergonzará, rechazará o castigará al otro por su opinión.

    Encontrar este concepto generó al equipo de Google sentido de la información recolectada. Aquí estaba una norma clave para el éxito de los equipos. En el 2014 el equipo comenzó a compartir sus hallazgos con equipos dentro de la compañía, luego de ya tener 3 años de datos. Era hora de comenzar a sumar a otros en cómo implementar y desarrollar estas normas que no parecían de fácil utilización para el desarrollo. La colaboración inicial en la utilización de estos insights por equipos liderados por personas que tenían especial interés en el tema fueron positivas, comenzando a mostrar el impacto de estos hallazgos, incentivando cambios en los equipos para desarrollar las normas necesarias para el éxito. 

    El trabajo con datos y evidencia es el camino para que poder así desarrollar prácticas e instrumentos que generen auténticos resultados las las personas y organizaciones.

    Si te interesa leer información en detalle sobre este asunto, podés acceder a la nota publicada en el New York Times al respecto haciendo click aquí.

     

    Si querés conversar acerca de cómo aprovechar los datos para tomar mejores decisiones en Gestión Humana, o temas vinculados, consultanos haciendo click aquí.

     

  • Big Data es atractivo. Es seductor. Es fascinante. Es el futuro. Pero todavía no para la Gestión Humana. Error

    Continuamente insistimos en que el término, y más importante aún, el concepto, todavía no es tema de agenda de la agenda del área. Si lo es HR Analytics, que es una disciplina clave del presente y futuro de nuestra profesión.

    En publicaciones anteriores explicábamos que Big Data implica las 4 V (Volume, Veracity, Variety, Velocity). El primer punto ya da la razón de nuestra postura (que comparten otros también, como por ej. el de este artículo reciente de Harvard Business Review

    En los HRIS (Human Resources Information Systems) almacenamos mucha información -y nadie puede decir que no tiene muchos más datos de lo que imagina-. Pero a lo sumo, tenemos decenas de miles de empleados, no millones o billones, lo que si estaría vinculado a Big Data, ya que implica una cantidad másiva de información. Esto marca la clara diferencia y por qué Big Data todavía no es el tema clave de agenda. No significa que no vamos a generar esa cantidad de datos, a la velocidad que lo hace el negocio, ya que el mundo de IoT (Internet of Things, que implica la conexión a la red de todo tipo de dispotivos) está cada vez más presente, y no faltará mucho en que podramos generar en tiempo real datos sobre la conducta y trabajar de loe empleados). Pero hoy todavía no.

    Es por eso que todavía no necesitamos la complejidad de tecnologías que requiere Big Data (sistemas de almacenamiento y procesamiento distribuido/en paralelo), porque además del volumen, todavía no está en juego usar datos heterogéneos (video, imágenes, audio, texto), como lo hace Big Data. 

    Pero HR Analytics si es clave. Es una disciplina que ya no podemos seguir postergando o demorando, y las excusas ya van agotando:

    • Hay datos en Gestión Humana
    • El área podría tomar un enfoque mucho más analítico y tomar decisiones basadas en evidencias (como lo están exigiendo otras áreas)
    • Lo blando, también puede ser cuantificado, o genera datos que pueden ser utilizados (o en la jerga "explotados")
    • Se puede mostrar el impacto de los procesos y el trabajo diario de los profesionales del área, utillizando los datos disponibles
    • Muchas veces con preguntas inteligentes y saber aprovechar los datos, se pueden resolver temas importantes, generando impacto inmediato
    • Analytics es también usar lo que ya la ciencia sabe, y no saltar automáticamente a analizar datos

    Sabemos que hay asuntos que generan ciertas complejidades:

    • Legislación vigente vinculada a privacidad y uso de datos
    • Calidad de los datos almacenados
    • Falta de tiempo (y la necesidad de generar "hábito" de análisis"

    Pero estos pueden ser obstáculos para los que mediante creatividad se puede dejar de lado, o buenas herramientas para seguir postergando lo inevitable.

     

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas diversas de HR Analytics para responder de manera efectiva a los desafíos de la Gestión de Personas. Consultanos haciendo click aquí.

     

     

  • Quienes frecuentemente viajan seguramente se quejan frecuentemente de la experiencia de transitar aeropuertos: y especialmente cuando deben tomar vuelos en horarios concurridos, en los cuales se espera para el check in, security check, abordaje y muchas más gestiones que son necesarias. Incluso comprar alguna bebida para la espera a veces es molesto e incómodo. 

    airport 1853505 1920

    Pero como comenta un artículo de la revista Wired, el mundo del uso de datos ya está cambiando esto, dando la esperanza de aeropuertos más eficientes al comenzar a aprovechar las técnicas de modelos predictivos y forecasting, pudiendo así estimar la cantidad de pasajeros que llegarán en cada momento, y la conducta de ellos, para así poder coordinar la cantidad de personal, procesos y métodos apropiados en cada momento para así poder ofrecer una experiencia ágil y breve. Ya el JFK en New York está haciendo uso de estas tecnologías, ganando así en eficiencia, pero a su vez experienciara los pasajeros y todas las partes involucradas.

    Beontra, nombre del sistema utilizado, utiliza los datos de la operación de vuelos y demoras de los sistemas de datos aeroportuarios, que incluye los datos de pasajeros. Muchas aerolíneas aportan más datos, pero si no lo hacen, el sistema puede igualmente aprovechar información publicada en la web para poder ofrecer mejores conclusiones y sugerencias.

    Se utilliza el conocimeitno que existe acerca de la conducta de los pasajeros (por ej. horarios de llegada), tiempos de tránsito en el aeropuerto, como a su vez la demora en cada fase del proceso que deben seguir hasta seguir estar sentados esperando el vuelo. 

    Sistemas así son implementados para poder planificar los recursos, que no solo gestiona estos aspectos del proceso, sino los otros vinculados (por ej. carga de trabajo requerida para procesar el equipaje), pudiendo dar actualizaciones en tiempo real según lo que vaya variando.

    Según Wired, ya más de 30 aeropuertos están utilizando el sistema, que cambia la forma de gestionar datos y utilizar la información de cómo se hacía anteriormente en la industria. Ya no se trata de cuadros, gráficos e indicadores estáticos de lo que se espera normalmente para un día, sino ahora se puede contar con información en tiempo real que es actualizada de forma automática, pudiendo así tomar decisiones continuas de manera eficiente para responder a los cambios que ocurran.

    ¿Por qué nos parece esto interesante para la comunidad de la Gestión Humana? Porque ilustra de manera sencilla los cambios que se vienen en nuestras prácticas tradicionales gracias al uso de tecnologías, métodos y sistemas de HR Analytics (o People Analytics, si preferís este segundo término). ¿Imaginen sistemas que ofrezcan sugerencias en tiempo real, anticipando qué ocurrirá con empleados o candidatos, entre tantos asuntos que se podrían trabajar? 

    Si el negocio ya lo utiliza... ¿Por qué no sumarnos?

    Si querés conversar acerca de cómo aprovechar los datos para tomar mejores decisiones en tu organización ,sea en Recursos Humanos, o temas vinculados, consultanos haciendo click aquí.

  • Dos temas que surgen con frecuencia al consultar por el trabajo con HR Analytics son el Ausentismo y la Rotación, pues son problemas que generan altos costos y múltiples complicaciones secundarias. Hay mucho por hacer desde Analytics, pero antes de ello debemos sortear un primer obstáculo: pensar que se trata solamente de medir. En realidad el problema no es monitorear cuántas personas renuncian o están ausentes, sino entender POR QUÉ faltan. Nuestro enfoque parte de la indagación de distintas variables o fuentes que se estudian para saber cuáles son realmente los factores que explican ambos problemas.

    También trabajamos sobre las creencias o supuestos que se tiene sobre el ausentismo. Por ejemplo, las mujeres faltan más, los hombres faltan más, los jóvenes se van, los mayores faltan… Indagar sobre estos supuestos permite reconocer por qué la gente cree que se dan esos problemas para después estudiar si realmente es así.

    Nos proponemos revisar Estado del Arte para no reinventar la rueda, es decir para no estudiar lo que ya está más que estudiado en publicaciones científicas. ¿Qué sabe la ciencia sobre la rotación y el ausentismo en cada región/país, en cada industria?

    Otro punto para trabajar es sobre las variables contextuales. Hay muchas variables del entorno que impactan sobre la rotación y/o sobre el ausentismo en tu compañía: jefes, compañeros, áreas, regiones, etc.

    Con todas las variables mencionadas, comenzamos a buscar qué datos hay disponibles en los sistemas para tener información sobre cada uno de los problemas. La idea es pensar qué combinación de estas múltiples variables permite explicar por qué la gente se ausenta, o por qué la gente falta.

    Nuestro trabajo se funda sobre la metodología de la investigación clásica y el uso de estadística multivariada, pero va más allá de eso. Nuestro trabajo es aplicado, pues nos interesa ofrecerte un plan de acción para resolver los problemas en tu compañía. 

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas para responder de manera efectiva a tus desafíos. Consultanos haciendo click aquí.

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas para responder de manera efectiva a tus desafíos. Consultanos haciendo click aquí.

     

  • La aplicación de Analytics a Gestión Humana es una temática que ya tiene unos cuantos años de trabajo y desarrollo teórico. Actualmente son más y más las empresas que deciden sumarse a esta práctica, mientras que otras que ya habían empezado el recorrido de HR Analytics van avanzando hacia el Analytics Predictivo.

    A pesar de que la importancia de implementar HR Analytics ha ido aumentando, su progreso ha sido lento. Para intentar acelerar el uso de métricas y prácticas analíticas en  Gestión Humana y su consecuente uso para la toma de decisiones, Boudreau y Cascio identifican algunas acciones que los líderes de Gestión Humana pueden implementar.

    Los autores proponen el enfoque LAMP (Lógica, Analytics, Métricas y Procesos):

    • Lógica: determinar los principios y las condiciones que predicen el comportamiento individual y organizacional. Implica explorar las relaciones entre distintos aspectos para comprender fenómenos individuales y organizacionales.
    • Analytics: usar las herramientas y tecnologías adecuadas para transformar los datos en insights relevantes. Desarrollar habilidades de análisis estadístico y de metodología de investigación son algunas de las alternativas para avanzar sobre el uso de datos y su interpretación.
    • Métricas: usar los sistemas de datos disponibles en la organización para crear indicadores precisos y útiles. El riguroso control de la calidad de los datos debe ser un compromiso de toda la organización.
    • Procesos: optimizar el uso de canales de comunicación y de las técnicas de difusión para motivar a la línea para tomar decisiones basadas en datos. La forma en la que se presentan los resultados de los análisis resulta clave en este punto, pues se debe procurar que el mensaje sea relevante y perceptible.

    Además de seguir y aplicar el enfoque LAMP, los líderes de Gestión Humana deberían guiar a la línea para que entienda la utilidad de las métricas y análisis que ofrece la implementación de HR Analytics. En este sentido, parte de las responsabilidades de los líderes de GH son ayudar al Cliente a entender qué información está recibiendo, qué significan esos datos y cómo podría actuar en consecuencia a la información que recibe. En definitiva, debemos pensar en términos de la Experiencia del Usuario de nuestro trabajo para intentar ofrecerle un camino de entendimiento y comprensión acerca de lo que le ofrecemos. 

    Te interesa leer más: Te invitamos a acceder a un artículo de HBR haciendo click aquí

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas. Consultanos haciendo click aquí. Te ofrecemos capacitación y consultoría en estas disciplinas. 

  • Después de viajar a México, Perú y al interior de Argentina reflexionamos sobre el estado de situación de Analytics en Recursos Humanos. A pesar de las diferencias geográficas y los distintos tamaños de las organizaciones, la realidad es que la mayoría de las empresas se encuentran en escenarios muy similares.

    Hemos identificado que la idea que tienen los profesionales sobre el rechazo a los números y datos contribuye a que se deje de lado la posibilidad de aprovechar toda la información que tenemos disponible (no sólo la de Recursos Humanos), y se vuelve un problema para poder implementar trabajos con una mirada analítica y estratégica.  

    Otro punto crítico es la falta de conocimientos técnicos en matemática, estadística y un enfoque curioso y analítico. La formación en estas herramientas es fundamental para desarrollar las habilidades que nos permitan desarrollar trabajos interesantes. Se suma a esto la necesidad de conocer las distintas tecnologías que hay en el mercado que nos permiten hacer análisis antes impensables o incluso, automatizar procesos.

    Es necesario entonces un cambio en la valoración de las habilidades y un cambio cultural que nos permita darle el lugar que les corresponde a los datos en la toma de decisiones. Para lograr esto, hay que dedicarle tiempo, esfuerzo, práctica y ejercicio al desarrollo de las habilidades y competencias necesarias para acercarnos al verdadero trabajo de Analytics

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas para responder de manera efectiva a tus desafíos. Consultanos haciendo click aquí.

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas para responder de manera efectiva a tus desafíos. Consultanos haciendo click aquí.

     

  • El mundo de HR Analytics es un mundo de tentaciones. De soluciones rápidas. De programas mágicos. De tirar datos y que salgan resultados. De sistemas automáticos que encuentran patrones. De aplicaciones en las que uno sin formación previa pueda hacer preguntas y que el programa de respuestas.doors 1767562 1920

    Pero HR Analytics (O People Analytics) tampoco es una disciplina que requiere que uno sea un Doctor en Física, Matemática, o un nuevo Einstein para poder tener avances y lograr resultados que mejoren la Gestión Humana, y consecuentemente los resultados del negocio y la vida de las personas (porque se trata de todo esto en simultáneo).

    Continuamente se desarrollan opciones en el mercado que ofrecen, bajo el nombre de Analytics, Inteligencia Artificial, Sistemas Cognitivos, Data Mining, Machine Learning, y muchos otros términos, que proponen soluciones antes imposibles. Pero la lectura debería ser saber, como uno debe aprender a leer en los números, encontrar las diferencias entre qué es posible y qué no.

    Trabajar en el mundo de HR Analytics requiere ser un curioso que debe aprender de todo, y especialmente saber aplicar el sentido común y entender lo particular de cada negocio, sabiendo así comprender qué datos son posibles obtener, y qué preguntas son necesarias responder.

    Tener una fascinación por el análisis de los datos, -o tener profunda formación en estadística o matemática- no es suficiente. Es necesario saber y aprender sobre psicología -que incluye psicología organizacional, como también psicometría, entre otras especialidades-, gestión humana, y muchos otros procesos.

    Es poder comprender que People Analytics no es repetir continuamente el concepto de que estamos ofreciendo un abordaje “científico” en cada oportunidad que se tenga. Científico es - como muchos de los proyectos de HR Analytics más famosos lo han demostrado- saber investigar, y eso incluye métodos mixtos de investigación, en los que se combina abordajes cualitativos con cuantitativos, como saber diferenciar (y aprovechar) lo que frecuentemente se denomina -erróneamente- investigar, cuando en realidad se quiere decir “revisar el estado del arte” (o sea, ver lo que la ciencia sabe sobre un tema en particular, para así no tener que reinventar la rueda).

    Es por eso que creemos que desarrollarse y ofrecer servicios en People Analytics, o HR Analytics, según prefieras llamarlo, requiere mucho más que solo tener habilidades en análisis de datos, o contar con modernos e innovadores programas de análisis.

    Es saber aplicar el sentido común, identificando las preguntas que necesitan ser respondidas, aprovechando el conocimiento que la ciencia ya tiene sobre el asunto, aplicando las herramientas analíticas que correspondan a cada situación en particular a los datos que el negocio le hace sentido tener (y gestionar), interpretando luego con cuidado y responsabilidad las conclusiones, para traducirlas en términos que cada uno de los involucrado comprenda, y comunicarles ello de una manera atenta y efectiva.

     

    Si querés conversar acerca de cómo aprovechar los datos para tomar mejores decisiones en tu organización ,sea en Recursos Humanos, o temas vinculados, consultanos haciendo click aquí.

     

  • ¿Es un software?

    Esa es quizás la pregunta más frecuente que recibimos cuando algún colega nos pregunta por HR Analytics / People Analytics. Detrás de esa pregunta se esconde algo que nos preocupa: creer que trabajar en HR Analytics es simplemente a utilizar un simple programa que resuelve todos los problemas y responde todas las preguntas, como algunos productos del mercado dicen poder hacer, generando expectativas erróneas.Reunidos Implementación HR Analytics People Analytics

    Tampoco se trata de que People Analytics sea un trabajo que requiera Ciencia de Alta Complejidad, pero si hay algunos puntos que son claves reconocer, entender y aceptar para poder lograr una práctica de Analytics que sea de alto impacto, resultados y genere un valor diferencial de la Gestión de Personas de la Organización.

    Malos Datos: ninguna organización que conocemos tiene todos los datos en sus sistemas sin error alguno. Incluso las buenas prácticas indican que siempre se debe suponer que hay errores para corregir. El problema es cuando se cree que todo el trabajo debe ser dedicado a corregir errores antes de avanzar en el proceso de implementación. Y así se permanecen durante un tiempo prolongado intentando lograr lo imposible: bases de datos sin errores. En el interín, ningún avance y aprendizaje se alcanzado, porque ni siquiera  pruebas, aunque sean simple fueron realizadas para poder avanzar en el proceso.

    Comprender la agenda: esto significa, entre otras cosas, identificar los temas claves de agenda que se deberán trabajar con Analytics. Es un proceso que parece rápido, pero requiere "mapear" todos los asuntos relevantes que se quieren resolver/responder, y así identificar cómo se organizan las prioridades, según lo posible, prioritario y relevante. En este camino se comienza a identificar qué datos son necesario. Eso incluye analizar los procesos actuales, y eventualmente realizar cambios para que se recolecten datos claves que hasta ese momento no eran considerados.

    ¿Dónde están los datos? Los profesionales de Recursos Humanos deben comenzar un cambio conceptual: se trata de trabajar con datos, sin importar si ellos están almacenados en los HRIS (Sistemas de Información de Recursos Humanos) o en otros sistemas del negocio. ¿Cómo poder evaluar la relación entre Gestión Humana y el negocio si no sabemos qué y dónde están los datos del negocio. Todo esto requiere de creatividad para identificar información muchas veces ignorada, o comenzar a incluir en la agenda de Gestión de Personas la Gestión de los Datos (qué capturar, cómo capturarlo, y cómo mantenerlo).

    Desarrollar una nueva mirada: No se trata de que todos aprendan estadística, matemática o ciencias de la computación. Pero si que todos los miembros del área, según su tarea y rol, comiencen a comprender la nueva visión que implica o requiere una Práctica Analítica, y así generar un circulo virtuoso de trabajo. Esto permitirá que por ej. se identifiquen posibilidades de aprovechar datos que uno genera y gestiona. O entender que hay información almcenada por otros que puede ser de valor para tomar una decisión El desafío es generar y construir una visión (como también comunicarla) como lo indican la metodología de Gestión del Cambio de Kotter.

    Capacitar: Analytics no es parte de la formación de quienes trabajan en el área de Gestión Humana. Es por eso es mandatorio brindar formación. Analytics implica otra forma de pensar y hacer, y es fundamental dar conocimientos (y actitudes) para sumarse a la nueva visión.

    Pensar en grande pero hacer en chico: Suena rara la redacción, pero quizás es la mejor forma de comprenderlo. El impulso automático es querer hacer grandes proyectos, pero el camino inicial es hacer proyectos pequeños, de alta aplicabilidad (pero baja sofisticación). No se deben olvidar los grandes proyectos, ya que ellos son la visión que debe ser construída en cada acción pequeña, que acelera el aprendizaje y la experiencia para luego ser exitosos en los desafíos complejos.

    Construir Alianzas: Puede ser un experto externo, un referente interno, o ambos. Analytics implica diversos conocimientos que deben ser integrados para lograr grandes resultados. Si no sabés matemática o estadística, buscá quien pueda hacer las cuentas.

    Identificá herramientas: Hay un sinfín de herramientas en el mercado de Analytics. Algunas gratuitas y otras pagas. Los diversos proyectos requieren cosas diferentes. Pero no necesariamente grandes inversiones. Averiguá qué cosas ya tiene tu empresa para aprovecharlas, como también a quienes saben hacer buen uso de las mismas.

     

    Esperamos estas ideas te sirvan. Hay mucho bueno por venir con HR Analytics - People Analytics. Pero no descuides estos puntos, para así hacer un camino de implementación de la práctica (y ojalá construcción del área y equipo) que genere un camino ascedente de proyectos con alto impacto y grandes resultados.

     

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas diversas de HR Analytics para responder de manera efectiva a los desafíos de la Gestión de Personas. Consultanos haciendo click aquí.

     

     

     

     

  • Al trabajar con proyectos de Analytics, hay algunas cuestiones que se dejan de lado o que se menosprecian y que deben ser consideradas. Esa cara oculta de Analytics es la que te invitamos a conocer para que entiendas que Analytics es más que datos.

    Tomamos algunos ejemplos del libro Correlaciones Espureas de Tyler Vigen para ilustrar correlaciones estadísticas extrañas. Con ellas te mostramos que la correlación no implica causalidad o explicación de lo que estamos estudiando. Este caso es un claro ejemplo del uso incorrecto de la estadística, por lo que debemos tener cuidado y estar atentos a cómo usamos las herramientas con las que trabajamos para no llegar a conclusiones incorrectas.

    Una práctica recomendable para no caer en este error es trabajar de a dos personas cuando se trabaja con datos. Así nos aseguramos de que la otra persona entienda cómo estamos utilizando e interpretando la información. Justamente, la interpretación y distinción entre lo que dice y lo que no dice un dato es otro tema con el que se debe estar atento al trabajar con Analytics.

    También debemos cuestionar el supuesto generalizado sobre la distribución normal que siguen los datos en Gestión Humana. La realidad es que gran parte de los datos de Psicología Organizacional y de Recursos Humanos no siguen la distribución normal, entonces ¿estamos usando las herramientas adecuadas para medir/evaluar nuestros procesos? ¿sabemos sobre qué supuestos están elaborados los tests que implementamos?

    Otro tipo de supuestos con los que hay que tener son los prejuicios o sesgos de la empresa relacionados con la cultura, el desempeño, el potencial, la edad, el modelo de competencias, entre otros. Si consideramos estos sesgos, podemos entender con qué ojos la gente va a ver los datos y las conclusiones a las que lleguemos.

    El 90% de los datos que tenemos son basura. Muchas veces nos preocupamos por juntar datos, pero no podemos responder si lo que guardamos realmente nos van a servir para responder las preguntas que nos preocupan.

    Analytics entonces implica saber usar de forma correcta las herramientas estadísticas y conocer sus supuestos, así como saber cómo interpretar de forma acertada los datos y reconocer los prejuicios que pueden teñir nuestras interpretaciones sobre ellos.

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas para responder de manera efectiva a tus desafíos. Consultanos haciendo click aquí.

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas para responder de manera efectiva a tus desafíos. Consultanos haciendo click aquí.

     

  • Durante la Segunda Guerra Mundial, se comenzó una iniciativa para reducir la cantidad de bombarderos derribados por el enemigo. Para ello los Aliados tomaron nota de  dónde sufrían más daños los aviones que regresaban. La lógica de ello era que con esos datos podrían tomar una decisión de qué partes reforzar del avión y reducir así las bajas.

    El esquema que resultó de aquel análisis fue lo siguiente: 

    Bombarderos Guerra Mundial Sesgos

    Para muchos la conclusión era obvia: se trataba de reforzar las puntas de las alas, los timones y el centro del avión, que, de acuerdo al esquema, era donde más disparos recibían los aviones.

    Abraham Wald, un estadístico que trabajaba para defensa, hizo una observación totalmente opuesta a lo que se pensaba: propuso reforzar la cabina, los motores y la parte trasera del cuerpo.

    ¿Por qué reforzar esas áreas donde no observaba impacto alguno? Lo que no habían considerado el resto es que había un sesgo clave al hacer el análisis: soloo estaban observando los aviones que regresaban. Wald supuso que la distribución de los impactos sería más o menos homogénea.

    Todos veían en estos esquemas impactos en las zonas que no eran vitales. Entonces, a pesar de sufrir grandes daños, los aviones conseguían volver a base. En cambio, si un avión recibía grandes daños en cabina, motores y cola, era derribado y consecuentemente, al no poder regresar a base, no eran considerados en el estudio.

    Un problema similar ocurrió durante la Primera Guerra Mundial, cuando se introdujeron los cascos en el ejército británico. Hasta ese momento, los soldados llevaban un gorra. Lo mismo ocurría en otros ejércitos, como en el alemán o francés. .

    Cascos Guerra Mundial

    Se observó que las heridas en la cabeza aumentaron con la introducción del casco. Cuando un soldado que llevaba gorra recibía un impacto en la cabeza, probablemente moría. Al recibir el mismo impacto llevando un casco, tenía más posibilidades de sobrevivir.

    Casco Trincheras

    Es decir, los soldados no recibían más heridas. Lo que ocurrió es que tenían más posibilidades de sobrevivir a heridas que de otra forma serían mortales. Este tipo de situaciones se conocen como "sesgo de supervivencia". Nos permite explicar (en parte) por qué hasta hace poco no había tanta hipertensión, diabetes, cáncer u otras enfermedades parecidas. No es que no existieran antes, lo que ocurría es que la esperanza de vida no era suficientemente alta. La gente moría pronto, y no daba tiempo a que estas enfermedades aparecieran.

    Creemos que estos ejemplos son fantásticos para hacernos pensar acerca de cómo tomamos decisiones. No se trata solo de que tengas muchos datos, sino cómo abordás el análisis de los mismos, y te cuidás de evitar caer en alguno de los diversos sesgos cognitivos existentes. 

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas diversas para responder de manera efectiva a los desafíos de la Gestión de Personas, el Análisis de la Información y la implementación de (HR) Analytics. Consultanos haciendo click aquí. Te ofrecemos capacitación y consultoría en estas disciplinas. 
  • Compartimos algunos términos claves en el mundo de People AnalyticsGlosario

    1. Data Mining: Proceso de encontrar patrones en grandes conjuntos de datos, para así generar información y conocimiento.

    2. Machine Learning: Técnica vinculada al Data mining. Algoritmos que al leer datos van encontrando patrones. El proceso, a diferencia del Data Mining, es continuo. 

    3. Arbol de Decisión: Técnica de Data Minign que visualmente parece un arbol, y consiste de un conjunto de reglas de tomas de decisión con múltiples variables que explican patrones. Trabaja prediciendo datos categóricos y puede trabajar con variables continuas y categóricas también.

    4. R: El software más autilizado actualmente en el ámbito de Analytics. Es gratuito, open source, tiene una gran comunidad de usuarios y desarrollos y diversos complementos que le da mucha flexibilidad para trabajar en todo tipo de proyectos analíticos.

    5. Datos Estructurados y No Estructurados: La diferencia entre los datos que podrían ser fácilmente organizados en una hoja de cálculo o base de datos (estructurados), como lo son por ej. categorías o datos numéricos, vs. los datos no estructurados (emails, textos, imágenes, etc.)

    6. Aprendizaje Supervisado vs. No Supervisado: En el aprendizaje se tiene el valor a predecir en los datos que se usan para encontrar el patrón (modelo). Por ej. cuando se quiere predecir el puntaje requerido en un test para saber que la persona tendrá un buen desempeño en el puesto. En el no supervisado no se tiene esa variable. Por ej. encontrar grupos/segmentos de empleados. No se tiene una variable que se quiere estimar (Variable a predecir)

    7. Clustering: Algoritmo para encontrar agrupaciones de casos (datos). Es el utilizado para identificar segmentos en un conjunto de datos.

    8. Datos de Entrenamiento vs. Testeo: Cuando se ejecutan algoritmos de data mining, primero se usa un porcentaje del conjunto total de datos (Frecuentemente un 60%) para analizar y encontrar los patrones. Luego se usa el restante de datos para aplicar el modelo y verificar si predecía correctamente (se compara el valor que se predice vs. el valor real que había para la variable a predecir).

     

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas diversas de HR Analytics para responder de manera efectiva a los desafíos de la Gestión de Personas. Consultanos haciendo click aquí.

     

  • Un webinar en el que nos dedicamos a responder todas tus dudas e inquietudes sobre HR Analytics / People Analytics

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas para responder de manera efectiva a tus desafíos. Consultanos haciendo click aquí.

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas para responder de manera efectiva a tus desafíos. Consultanos haciendo click aquí.

     

  • Compartimos aquí otro de los webinars del ciclo "Compartiendo Experiencias"

    En esta oportunidad, Ali Farach, desde Guatemala, nos hará recorrer temas vinculados a cómo integrar en una herramienta de visualización de datos nuestras bandas salariales, valoraciones de puestos y encuestas de salarios a fin de tomar decisiones estratégicas basadas en datos.

    Algunas de los temas que tratará en el webinar:

    En un mundo de datos, qué selecciono para mi tablero de Compensaciones
    ¿Cómo integro las distintas herramientas (Valoración, Bandas, Encuestas, Información Demográfica, etc) en una sola página?

    ¿Necesitás ayuda en estos temas? ¡Consultanos! Utilizamos las mejores prácticas y técnicas. Consultanos haciendo click aquí. Te ofrecemos capacitación y consultoría en estas disciplinas.