El análisis de datos de RRHH permite a la gerencia y equipos de RRHH entender más acerca de su organización y la gente que la conforma, cómo se desempeñan y cómo están creando valor para la organización
# Qué es HR Analytics (o Analítica de RRHH) La analítica de RRHH, o HR analytics es la aplicación de técnicas matemáticas y estadísticas de data mining, respecto de los datos que generan las prácticas de Recursos Humanos y las organizaciones en general, para la exploración de conceptos e ideas que permitan resolver los problemas organizacionales asociados al recurso humano. HR analytics permite mejorar la toma de decisiones, en la medida que permite a la organización entender aspectos asociados a sus personas, procesos de trabajo, políticas y resultados. # ¿Por qué es importante el HR Analytics? El análisis de datos de RRHH permite a la gerencia y equipos de RRHH entender más acerca de su organización y la gente que la conforma, cómo se desempeñan y cómo están creando valor para la organización. Permite a los profesionales del área, así como a la Gerencia General, la mejor toma de decisiones, al tiempo de que entrega la posibilidad a RRHH de demostrar el impacto que tiene la gestión, procesos y políticas en el desempeño general de la organización. Los líderes de empresas tienen un interés creciente en cómo usar los conceptos de RRHH de manera más eficiente, por lo que HR analytics se ha vuelto una herramienta clave para evaluar y mejorar el desempeño de las organizaciones. # ¿Qué es HR Data? HR Data es información acerca de cualquier aspecto de los empleados o del sistema de gestión de personas. La información (data) puede generarse de muchas maneras y se expresa de diferentes modos, y puede clasificarse como objetiva o cualitativa: La data cuantitativa puede ser medida e ilustrada a través de números. La data cualitativa no puede ser medida, y suele asociarse a la percepción de alguien respecto de algo. Por ejemplo, en RRHH podemos considerar que la edad promedio de la población, y su desviación estándar es un dato cuantitativo, mientras que el compromiso de una equipo respecto de una meta es un dato cualitativo. En general, la data de RRHH se almacena en diferentes áreas o sistemas, pero idealmente la data debiera centralizarse bajo una sola administración, quien debe responsabilizarse de mantenerla actualizada y segura. Sólo los responsables de la data debieran tener acceso a cambiar algún aspecto de ésta, como por ejemplo el cambio en la terminología para clasificar determinado tipo de datos. # Data causal y correlacional HR analytics ayuda a determinar relaciones causa-efecto a través de la vinculación de 2 tipos de data distintos, donde se puede determinar si la relación entre ambos tipos de datos es causal o correlacional La correlación se da cuando dos o más cosas o eventos suceden al mismo tiempo, pudiéndose asociar ambos eventos, pero no necesariamente estando éstos relacionados de una manera causal. Implica una relación matemática entre 2 aspectos medidos, que se describe usualmente con un valor entre 0 y 1, donde 0 es que no existe relación y 1 representa una completa relación predictiva. Por ejemplo, el color de ojos tiene una correlación de 0,01 con la altura de una persona, por lo que en el fondo, prácticamente no existe ninguna correlación; por el contrario, fumar tiene una correlación de 0,8 con el cáncer de pulmón, lo que a pesar de ser una alta correlación, de todos modos no quiere decir que siempre fumar generará cáncer de pulmón. # Cómo funciona el HR Analytics? HR analytics usa la data de RRHH, tanto cualitativa como cuantitativa, para investigar conceptos con la ayuda de sistemas y técnicas de modelamiento. Hay tres niveles centrales de analítica. La mayoría de las organizaciones son capaces de administrar el nivel 1; algunas pocas son capaces de generar y manejar el segundo nivel y muy pocas logran un nivel 3: * Nivel 1- Analítica básica: uso de datos descriptivos para ilustrar un aspecto particular de RRHH, como por ejemplo, registros de ausentismo, tasas de rotación, ratios de reclutamiento, etc. En este nivel, no se aplica análisis más allá de la descripción o el seguimiento comparativo en el tiempo. * Nivel 2-Data Multidimensional: Combinación de diferentes tipos de datos para la investigación específica de ideas o situaciones que permitan entender la correlación entre diferentes actividades y/o procesos. Un ejemplo de este nivel es la relación entre datos de habilidades de liderazgo y puntajes de compromiso, para determinar la efectividad del liderazgo. * Nivel 3-Analítica predictiva: Algunos de los datos de HR pueden ser usados para predecir comportamientos futuros o tendencias. El uso de data en este sentido puede ayudar a los departamentos de RRHH en la planificación de eventos futuros, asegurando la capacidad de respuesta adecuada. La analítica predictiva para predecir datos y escenarios requiere de data robusta y de alta calidad, y capacidades y tecnología especializada. # ¿Qué es la estrategia de HR analytics? Los gerentes de RRHH que desarrollan análisis de data deben amarrar sus resultados con la estrategia tanto de RRHH como de la empresa. Conectar los datos de recursos humanos a los objetivos estratégicos del negocio puede ayudar a los gerentes de RRHH a demostrar el retorno sobre la inversión (ROI) del área de recursos humanos misma. El tipo de datos que se pueden utilizar dependerán de la estrategia y del tipo de operación de la organización; por ejemplo, una organización centralizada en las ventas, se orientará más a la recolección de datos como ventas por empleado, para diferenciar entre ellos y remunerarlos adecuadamente. Una estrategia de HR analytics debe tener 3 objetivos centrales: * Conectar la data de RRHH con la estrategia del negocio, para demostrar un aspecto particular de la organización que los líderes deberían conocer, para la toma de mejores decisiones. * Permite a los gerentes de RRHH diseñar e implementar actividades para las gerencias de manera eficiente y efectiva. * Permite a negocios y gerentes medir la efectividad de los resultados de RRHH, en comparación con los objetivos. # ¿Qué es el proceso de HR analytics? El proceso de HR analytics debe seguir 9 pasos desde la planificación hasta la evaluación del proceso: 1. Planificación: Desarrollar las metas y propósitos de la actividad analítica. Mapear los requerimientos de los clientes y planificar requerimientos que el proceso analítico debe responder. 2. Definir factores críticos de éxito: definir las métricas que mostrarán el proyecto en caso de éxito, tales como podría ser velocidad de entrega, feedback de los usuarios, etc. 3. Auditoría: Determine la data que actualmente está en disponible y califique su calidad. Esto le permitirá determinar dónde tiene "gaps" que debe llenar antes de avanzar en el proceso analítico. 4. Diseñe el proceso: defina los roles y objetivos para los miembros del equipo. Defina los requerimientos adicionales y mapee los stakeholders para el proyecto. 5. Diseñe la estrategia de colección de data, estableciendo las etapas en recolección y procesamiento de datos 6. Recolección de data: Reúna la data de las diferentes fuentes. Esto puede realizarse desde registros existentes, fuentes computarizadas o manuales, y/o nuevos sistemas de colección de datos, como encuestas u otros. 7. Análisis de data: Dependiendo del requerimiento del cliente, analice la data y entregue "insights" en forma de recomendaciones y guías para los usuarios. 8. Reportes de data: Entregue resultados y reportes en forma clara y sencilla, ilustrando puntos clave, posibles áreas de investigación o nuevos datos sugeridos. 9. Evaluación: revise el proceso de recolección-análisis-entrega de reportes, y evalúe su impacto. Luego actualice su proceso si es requerido. # Ejemplos de HR analytics en acción: La analítica de RRHH puede ser aplicada virtualmente a cualquier aspecto de la organización de la empresa. Por ejemplo. * Incrementar la moral de los empleados: En vez de absorber el costo de perder empleados claves, las organizaciones pueden mitigar los niveles de desgaste a través de la medición de bienestar y satisfacción de sus trabajadores, adaptando sus esfuerzos acorde a los esfuerzos de los empleados. La planificación del desarrollo de carrera para los empleados, así como el aprendizaje de los empleados con alto desempeño, son medidas en las que RRHH puede usar HR data para incrementar la moral de la fuerza laboral. * Orientando resultados de negocio: HR analytics puede ayudar a lograr el desempeño requerido identificando empleados con fuerte liderazgo, mezclándolos con aquellos que no se sienten integrados a la cultura de la empresa. O bien, incrementar el calce entre aplicantes a la organización o a sucesores en puestos claves, las organizaciones pueden mejorar en diversos niveles de desempeño * Mejorando la retención: empleadores que sufren de pérdidas de talento, pueden beneficiarse de HR analytics anticipándose en áreas con problemáticas específicas, para poder orientar los incentivos adecuados para mejorar su retención adecuadamente. *De acuerdo a lo que se ha visto, HR analytics es un tema relevante para las organizaciones y su gestión de personas, tanto por su impacto en la fuerza laboral como por su compenetración directa con el desempeño de la organización y sus objetivos de negocio. Hay una creciente disciplina desarrollándose en ésta área, y cada vez mejor tecnología para soportarla y procesarla. Afortunadamente hoy no solo las grandes empresas pueden acceder a sistemas y tecnologías que pueden ayudar en este proceso de recolección y procesamiento. El despliegue de las tecnologías web y la digitalización creciente de las actividades empresariales, así como en el nivel de usabilidad adoptado por la mayoría de los usuarios, hacen posible que estas herramientas hoy sean mucho más alcanzables para la gran mayoría de la población. En **hcmfront** tenemos como objetivo entregar sistemas de alta calidad alcanzables a aquellas empresas y organizaciones medianas y pequeñas que no necesariamente están acostumbradas o han tenido acceso a sistemas de gestión, con sistemas de fácil acceso, amigable para todo nivel de usuario y con inteligencia analítica eficiente que propulse esta actividad, poco explorada por las PYMEs tradicionales. Este objetivo se relaciona con un elemento fundamental de nuestra era digital: la tecnología democratiza el alcance del conocimiento, lo que permite mejoras sustanciales para todos los actores involucrados.* Fuente http://www.cipd.co.uk/hr-resources/factsheets/hr-analytics.aspx