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

Información

  • 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.

     

  •  En la ironía del subtítulo queríamos ejemplificar un fenómeno que podemos observar a diario. Tantos términos que se convirtieron parte de la vida cotidiana, aunque la mayoría de quienes lo nombran no comprenden qué significa e implican.

    Entre tantos, hoy nos queremos centrar en dos que todos quieren nombrar como herramientas que usan en sus áreas de Gestión Humana: Machine Learning y Data Mining.
    ¿Son lo mismo? ¿Qué "hacen"?

    Podríamos decir que en primera instancia son primos hermanos. Ambos utilizan los mismos algoritmos (secuencias de pasos) para poder "aprender" patrones en conjuntos de datos.

    Por una parte, podríamos definir el Data Mining como el análisis de grandes conjuntos de datos para encontrar patrones no evidentes, pero relevantes. Esto es una herramienta que nos permite aprovechar a las computadoras, trabajadoras incansables, para que prueben combinaciones de variables hasta encontrar -sin hacer pausas- algún patrón que nosotros no podríamos nunca encontrar en un sinfín de datos.
    Machine Learning también busca comprender (o aprender) patrones, pero a diferencia del Data Mining, en el cual se analiza el conjunto de datos para concluir en patrones identificados, en el Machine Learning el algoritmo "continua" aprendiendo de manera autónoma a medida que es alimentado con nuevos datos. Es una pequeña, pero gran diferencia.

    Utilizando ejemplos de Gestión de Personas: con Data Mining podríamos analizar el sinfín de datos recolectados en los últimos años para identificar la combinación de factores que diferencian a los empleados de alto desempeño de los otros, para así optimizar nuestro proceso de selección de personal. Una vez construido ese “modelo”, lo aplicamos para decidir si avanzar con un candidato o no. Machine Learning en cambio no solo genera un modelo, sino que continúa mejorando a medida que se generan nuevos datos. Esto es claramente más atractivo, ya que el aprendizaje es continúo y más “autónomo”, pero esto requiere más desarrollo.

    En otras ediciones,continuaremos revisando otros conceptos. 

    ¡Esperamos te guste! 

    ¿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.

     

  • 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.

     

  • 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.

     

  • HR Analytics NO es un software

    Esa es una pregunta frecuente cuando nos consulta por capacitaciones en HR Analytics.

    Cada vez que la escucho veo que el obstáculo para el desarrollo de la práctica no es la estadística o matemática necesaria, sino qué se supone de la disciplina.

    Analytics no es un software, es la toma de decisiones utilizando datos. Como todo campo de acción, requiere herramientas. Más allá de que ciertos ERPs de Recursos Humanos pueden incluir diversas funcionalidades para aprovechar los datos que almacenan y gestionan, no son softwares de Analytics.

    Me gusta pensar que finalmente lo que uno tiene es una caja de herramientas, y para cada tarea, hay una herramienta adecuada. Por ej. si uno quiere sacar un tornillo, no utilizaría un martillo. Esto es lo que ocurre en este mismo ámbito. Por ej. si lo que uno quiere hacer es construir o desarrollar dashboards de Recursos Humanos, requerirá herramientas de Visualización de Información (Por ej. Tableau, Qlik, PowerBI, etc.). El Excel tiene ciertas funcionalidades para ello, pero no es la herramienta más apropiada.

    Si en cambio lo que quieres es desarrollar un modelo predictivo, necesitarás software para hacer Data Mining (r, Python, SAS, SPSS, Rapidminer, etc.)

    Más allá de la herramienta que prefieras, lo importante es entender qué es lo que uno quiere hacer, y cuál es la estrategia más adecuada.

    El uso de las mejores herramientas sin comprensión de lo que uno efectivamente necesita, o sin entender hacia dónde quiere ir, tampoco tiene sentido.

     

    ¿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.

     

  • En los últimos dos años gran parte del tiempo de capacitación lo he dedicado a entrenar en presentar datos.

    No se trata de “la oratoria”, sino de mostrar las mejores prácticas para que los datos sean visualmente claros y atractivos. Y por eso me gusta decir que “mostrar datos bonitos no es un capricho”.

    Muchos se sorprenden, porque entre tantas otras cosas, me gusta dar el ejemplo de que los gráficos de torta (o pie) son quizás la peor herramienta del mundo de la Visualización de Información -nombre que lleva la disciplina-. ¿Por qué? ¿Si todos los seguimos utilizando? Ese tipo de gráficos no logra que entendamos de forma clara cuánto más es una porción que otra. Si tenemos que agregar los porcentajes, es que el gráfico no sirve.

    Inicialmente para algunos parece ser una exageración esto. Pero no lo es. Ahora, con la cantidad de información que recibimos y generamos, es fundamental que todo dato que se comparta sea de fácil y rápida lectura. Los formatos visuales de presentación de datos (gráficos de línea, barras, cascadas, etc.) son un canal mucho más ágil para la cognición que los formatos abstractos (por ej. leer números en una tabla). Es por esto que debemos saber generarlos para que tengan el mayor impacto y claridad posible.

    Si no lo ven, no lo entienden. Si no lo entienden, no lo “compran”.

    Por todo esto te invitamos a poner la presentación (o el “Storytelling”) de los datos como parte clave de tu agenda de trabajo y formación. Realmente hace diferencia.

    ¿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.

    ¿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.

     

  • 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.

     

  • Te compartimos un tema que nos preocupa. Los profesionales de Gestión Humana siguen pensando que HR Analytics es Indicadores. ¡NO! ¡Es mucho más que eso!

    Ese es uno de los primeros límites y obstáculos de la disciplina, ya que corta la imaginación de cómo va a cambiar la práctica de la Gestión de Personas. En poco más de 5 minutos te contamos qué es lo que pensamos y que tenés que saber. 

    ¡Esperamos te guste! 

    ¿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.

     

  • ¡Quizás te lo perdiste!  

    Te compartimos el Webinar de Juan Bodenheimer sobre tips para construir y desarrollar dashboards efectivos. 

    ¿Estás queriendo construir un dashboard con indicadores de HR? ¿Querés desarrollar un tablero que sea útil, práctico y realmente te ayude a tomar decisiones?

    Compartimos en este webinar algunas ideas que orienten tu trabajo, que no será solo de definir qué medir, sino también con qué plataforma y tecnología desarrollarlo (Por ej. Power BI, Tableau o Qlik) y qué considerar para presentar la información de manera visual adecuada. 

     ¡Esperamos te guste!

     

     ¿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.