El líder impulsado por los datos

Conceptos clave

• Los recursos humanos son cruciales para el bienestar financiero de una organización y pueden liderar la creación de ingresos corporativos.
• Las métricas transaccionales pueden ser útiles si entendemos sus limitaciones.
• Muchos indicadores clave de rendimiento (KPI, por sus siglas en inglés) que antes se consideraban fiables, ocultan problemas que la analítica de datos puede revelar.
• Apliquemos el design thinking a los indicadores clave de rendimiento para que reflejen las necesidades de la organización.
• La implementación de la analítica de datos requiere delicadeza; proteja los datos sin procesar de su empresa.
• Identifiquemos aliados y detractores en el liderazgo y en las unidades de negocio generadoras de ingresos.
• Al emprender un proyecto de análisis, asegurémonos de tener las habilidades adecuadas. Algunos proyectos pueden requerir la contratación de un experto externo.
• Para seleccionar los proyectos iniciales, busque el acuerdo del personal, el apoyo y el éxito probable a corto plazo.
• Explique el análisis de datos a los colegas y al personal repetidamente para transmitir un amplio entendimiento de cómo aplicarlos.
• Las cuatro etapas de la analítica son: descriptiva (de acciones pasadas), diagnóstico, predictiva y prescriptiva.

Resumen

De la gestión a la estrategia

En 2012 el Harvard Business Review se refirió a la analítica de datos como una revolución en la gestión. Ya sea que se trate de grandes datos, análisis de datos, ciencia de datos o análisis de negocios, es un proceso que convierte los datos brutos en datos utilizables. Las organizaciones entonces aplican estos datos utilizables –información– para determinar el mejor curso de acción en una situación dada.
El análisis de datos ofrece a recursos humanos una mayor oportunidad para influir en los ingresos y el crecimiento de la empresa a medida que esta pasa de desempeñar un papel de cuidado y papeleo a convertirse en un factor de rendimiento empresarial. Los directores ejecutivos deben contratar a los directores de recursos humanos y otros ejecutivos que tengan experiencia en negocios operativos, a menudo de unidades generadoras de ingresos. Las empresas ahora están pidiendo a los líderes de recursos humanos que vayan más allá de sus áreas tradicionales y que implementen cambios que generen ingresos.

“Pasar a una cultura de liderazgo basada en datos –como cualquier esfuerzo de cambio– sacará lo mejor de algunas personas y lo peor de otras (…) encuentre aliados pronto, ya que los detractores pueden ser frecuentes y fervientes”.

Josh Bersin, líder de pensamiento en recursos humanos, cree que el análisis de datos de recursos humanos es fundamental para hacer de estos una unidad de negocio generadora de ingresos y para desarrollar la comprensión de los impulsores del beneficio por parte de recursos humanos. A medida que cambia su rol, el análisis de datos le permite identificar y resolver problemas frente a la mera gestión del proceso.

Indicadores clave de rendimiento

En 2016 más de la mitad de las empresas encuestadas informaron que contaban con un director general de datos, un 12% más que en 2012. La analítica de datos (la implementación de vanguardia de la analítica de personas) se centra en los empleados.

“El cambio toma tiempo y requiere la fe y la cooperación de meros mortales. Esto es a menudo más cierto para avances de vanguardia como el análisis de datos”.

Las empresas a menudo califican a los profesionales de recursos humanos conbase en indicadores clave de rendimiento (KPI, por sus siglas en inglés). Estas métricas descriptivas o transaccionales podrían incluir cuántas personas asistieron a una capacitación, cuántos candidatos solicitaron un empleo o cuánto tiempo se tardó en publicar una vacante.
Las empresas utilizan estos KPI para evaluar al personal de recursos humanos y para ofrecer incentivos. Los cambios en dichos métodos de evaluación pueden suscitar preocupación en el ámbito de los recursos humanos. Para abordar estas preocupaciones utilizando la analítica de personas, los líderes corporativos de alto nivel pueden trabajar con el personal de recursos humanos para construir su deseo de alinear sus KPI con los resultados del negocio. Para ganar la confianza de los empleados de recursos humanos y líderes corporativos, diseñe su primer esfuerzo de analítica de personas como una pequeña victoria rápida definida por recursos humanos.

Las cuatro etapas de la analítica

El primer paso en el uso de la analítica de datos es comprender sus cuatro etapas de análisis:

1. Descriptivo – Los datos “espejo retrovisor” describen lo que ocurrió en el pasado. Tradicionalmente, las empresas utilizan estos análisis para definir cuántas personas asistieron a un seminario o el número de contrataciones en el último año. Los informes y cuadros de mando suelen incluir esta información. Muchas plataformas de recogida avisan automáticamente cuando una métrica descriptiva supera o desciende por debajo de un nivel predeterminado. La mayoría de las unidades de negocio diarias utilizan análisis descriptivos.
2. Diagnóstico – Respondiendo a la pregunta “por qué”, este implica modelos estadísticos y analíticos que sopesan ciertos KPI para definir o revelar relaciones en conjuntos de datos y para buscar posibles razones y soluciones para un problema.
3. Predictivo – Dan una visión de los posibles eventos futuros mediante la integración de varios procesos, tales como estadística, modelado y minería de datos, para encontrar más relaciones causales con conjuntos de datos activos y pasados.
4. Prescriptivo – A partir del análisis descriptivo y predictivo, el análisis prescriptivo profundiza con modelos analíticos y matemáticos avanzados para encontrar las mejores opciones de acción en una situación dada. El análisis prescriptivo puede ofrecer ideas sobre la implementación de nuevas soluciones y cómo abordar sus posibles implicaciones o cualquier problema de corolario.

El modelo de madurez de Bersin Talent Analytics

Los cuatro tipos de análisis se correlacionan con un modelo que muestra la madurez de los métodos analíticos. El modelo de madurez de Bersin Talent Analytics, desarrollado por el analista Josh Bersin, enumera los niveles de análisis desde el más bajo hasta el más alto. El análisis descriptivo aparece justo por debajo del nivel dos, el de diagnóstico está en el nivel tres, el predictivo justo por debajo del nivel cuatro y el prescriptivo en el nivel cuatro. Este modelo define cuatro plantillas de implementación que las empresas encuentran a medida que desarrollan sus capacidades de análisis de datos:

1. Informes operativos

   – Cerca del 50% de las empresas se encuentra en este nivel reactivo y descriptivo. Normalmente, en ese momento, las empresas no asignan a los miembros del personal para que trabajen solo en el análisis de datos. Los esfuerzos se centran en acumular datos completos y correctos con informes puntuales. Por lo general, las empresas solo recogen dos métricas de talento: el tiempo que se tarda en llenar una vacante y la información sobre la diversidad dentro de la empresa.

2.  Informes avanzados

   – Aproximadamente el 30% de las empresas entra en la categoría de informes proactivos y de diagnóstico. Tienen personal de análisis de datos que trabaja con sus líderes para dar sentido a la información y determinar cómo aplicarla.

3. Análisis avanzado

   – Solo el 10% de las empresas utiliza la información de forma estratégica para identificar problemas y recomendar soluciones. Estas empresas pueden tener equipos centrales de análisis de datos, llevar a cabo una mayor recopilación de datos y utilizar formas avanzadas de análisis.

4. Análisis predictivo

   – Un raro 4% de las compañías emplea modelos y escenarios para predecir lo que puede suceder y los posibles resultados que pueden ocurrir. La información que transmiten, aunque derivada de un análisis y un modelado minucioso, sigue siendo accesible para la persona común. Esto resulta en un entendimiento más claro que ayuda a disminuir el riesgo y se integra más fácilmente con la planificación estratégica y el desarrollo corporativo.

“La intuición y la inteligencia emocional, que alguna vez fueron el sello de los exitosos directores y profesionales de recursos humanos, ya no son suficientes”.

De las empresas encuestadas por IBM y HR.com en 2015, el 48% utilizaba análisis descriptivos, mientras que el 41% seguía utilizando informes básicos. El 8% de las empresas encuestadas utilizó el análisis predictivo; solo el 3% utilizó el análisis prescriptivo. Más de la mitad de estas empresas vieron una relación directa y definida entre sus estrategias de talento y sus objetivos de negocio. Esta relación directa pone en tela de juicio los indicadores clave de rendimiento que las empresas utilizan actualmente para el análisis.

Revisión de los KPI

Los indicadores clave de rendimiento identifican tradicionalmente lo que ha ocurrido. No arrojan luz sobre nuevas soluciones; simplemente plantean problemas. Para ver cómo los KPI afectan la contratación y retención, considere una corporación que se convirtió en líder del mercado al confiar en un producto costoso. Pero cuando la empresa adquirió otras empresas con productos nuevos y de menor costo, sus ingresos, márgenes, precio de las acciones y satisfacción del cliente cayeron. Además, la participación del nuevo producto en los ingresos fue baja, mientras que el desgaste de los representantes de ventas creció significativamente. Los análisis descriptivos pueden confirmar que los representantes de ventas han estado saliendo en números récord, pero no explican por qué o cómo detener o revertir el éxodo. El análisis de los datos puede abordar este problema. Recursos humanos puede tener tres veces la media del sector de candidatos por puesto, pero si su tasa de bajas de 12 meses de representantes de ventas aumenta un 38%, el número de candidatos es irrelevante. Recursos humanos necesita darse cuenta de que su proceso de contratación puede ser parte del problema.

Design thinking

La firma de diseño IDEO desarrolló el design thinking, una metodología para la resolución de problemas desde una perspectiva humana. Considere lo que los solicitantes y el gerente de contratación quieren que suceda en el proceso de contratación. Pregunte si la creación de ese entorno es factible para su empresa con la tecnología disponible, y si es sostenible y financieramente viable. Investigue si los KPI con los que evalúa al personal que contrata coinciden con los deseos de sus gerentes o de los candidatos que seleccionan. Para obtener mejores resultados, cambie los criterios que el personal debe seguir para alinearse más con las necesidades de los gerentes internos y de los solicitantes de empleo.

“Los líderes de recursos humanos que deseen captar toda la atención de los ejecutivos deben hablar el idioma que entienden los ejecutivos sénior: los negocios. Presente el caso de negocio”.

Trabaje con recursos humanos y ventas para desarrollar un árbol de KPI de representantes de ventas. Este paso utiliza el design thinking para identificar las necesidades del personal de ventas y de la empresa. El design thinking proporciona un punto de partida para examinar cómo atraer a los solicitantes, por qué los vendedores se quedan y qué factores determinan su satisfacción en el trabajo. Cada factor tiene elementos de alimentación. Profundice en ellos para identificar problemas únicos y puntos de datos potenciales para analizar. Los científicos de datos pueden ayudar a determinar qué elementos deben tenerse en cuenta.

Conocimientos

El uso eficaz de la analítica de datos requiere experiencia, generalmente de un científico de datos externo. Pida al científico que trabaje con un empleado implacablemente curioso que conozca el negocio. Esta combinación ayuda al científico a catalogar y sopesar variables para identificar el “ADN del representante de ventas ideal”. Utilicemos los resultados de este análisis inicial para guiar la contratación y la capacitación. A medida que avanza el análisis, la empresa puede definir un ecosistema de representantes de ventas que describa lo que afecta a los representantes de ventas y cómo retenerlos.

Recopilación de datos

Para establecer un ADN de representante de ventas ideal, identifique fuentes de datos para KPI específicos. Los datos dan respuestas, pero muchos elementos entran en juego: los ordenadores de las empresas suelen funcionar en plataformas diferentes, los datos pueden faltar y las personas pueden proteger los datos por miedo a la transparencia. Cuando encuentre conjuntos de datos, es posible que estén incompletos. Debe localizar, recopilar y limpiar los datos antes de que un experto pueda ponderar los campos de datos apropiados y aplicar fórmulas para combinarlos según sea necesario. En algunos casos, el analista de datos puede tener que cambiar ligeramente la metodología para obtener la información que usted necesita. Sea creativo. Incluya datos estructurados y no estructurados de dentro y fuera de la organización. Los datos estructurados incluyen información objetiva, como el número de estudiantes en una clase, que también son datos internos. Los datos no estructurados o datos externos son más subjetivos y, en algunos casos, su recopilación lleva más tiempo. También puede obtener datos valiosos de fuentes que no se le ocurrirían a un equipo de recursos humanos. Un analista de datos puede aportar su experiencia en este campo.

Fomentar el apoyo

Fortalezca la confianza y el apoyo para el análisis dentro de la empresa. Su primer proyecto de análisis no debe ser polémico ni demasiado grande para completarlo con éxito. Comprenda las relaciones entre los líderes corporativos, es decir, la política de su empresa. Identifiquemos aliados y oponentes desde el principio a medida que prepara los análisis de datos. El análisis de datos revela respuestas y encuentra soluciones, y las organizaciones deben complementarlo con la comprensión y la información que solo los profesionales de negocios experimentados pueden dar. El análisis de datos puede equilibrar los instintos de los líderes.

“Los directores ejecutivos (…) que buscan líderes empresariales que asuman el rol de director de recursos humanos [valoran la] perspicacia en los negocios, especialmente la experiencia en el uso de análisis para mejorar el rendimiento de los negocios, por encima del conocimiento tradicional del dominio de recursos humanos”.

Una encuesta de PwC informa que el 75% de las empresas que usan el análisis de datos para tomar decisiones encuentran que varios factores pueden obstaculizarlas: los reglamentos internos, la cultura organizativa o la falta de comprensión de lo que pueden hacer con la información. Por tanto, el análisis de datos ofrece una ventaja mínima. Evite estos problemas y eduque sobre el análisis de datos y cómo usarlos estratégicamente. El análisis de datos desafía la forma en que la organización recopila y usa las métricas. Asegúrese de que los líderes y el personal comprendan cómo el análisis de datos puede mejorar la toma de decisiones.