Las técnicas y herramientas de People Analytics pueden ayudar a las organizaciones a identificar, reclutar y premiar a los mejores colaboradores. Bill James, escritor, historiador y referencia en cuanto a la historia y estadística del baseball dijo, “Siempre habrá personas que se encuentran por delante de la curva y otros que están detrás de la curva. Pero el conocimiento mueve la curva”. Algunas empresas están empezando a descubrir que empleando los últimos avances en People Analytics, ellos podrán encontrar, desarrollar y posicionar a más personas por delante de la curva, inclusive si los resultados son contra intuitivos.
Durante la última década, el uso de Big Data ha revolucionado de variadas formas cómo las compañías están haciendo negocios. En algunas áreas resulta simplemente fundamental; por ejemplo, cuando el área de Marketing analiza detalladamente patrones y preferencias para predecir e informar el comportamiento del cliente; o cuando finanzas utiliza, en tiempo real, un análisis integral para un mejor entendimiento de las distintas líneas de negocios.
Hoy en día, el área de RRHH, también es un área donde están comenzando a aprovechar para su beneficio y de la organización la tecnología, ya que a raíz de esta, están empezando a desarrollar modelos predictivos de talentos más eficientes, los cuales permiten identificar, reclutar, desarrollar y retener a las personas correctas. Sin embargo, mucha gente se muestra resistente a la utilización de datos debido a que no siempre apunta en la misma dirección de lo que espera el departamento de RRHH según sus experiencias o intuición.
Esto no significa que la experiencia esté mal, de hecho, puede ser que estés en lo correcto, pero hoy en día existe la posibilidad de ir más allá y poder comprobar si aquellas experiencias y las acciones que estabas realizando en las organizaciones estaban en lo correcto o no, y eso te lo puede brindar la analítica de datos.
En el siguiente párrafo revelaremos tres posibles errores en Recursos Humanos podría estar cometiendo.
1.- Escoger quién seleccionar en la red de reclutamiento.
Un importante banco de Asia reconocido por su plan de contratación, el cual recluta a los mejores de las universidades más prestigiosas y consta con más de 8.000 empleados a través de sus 30 sucursales, inició un nuevo proceso de análisis y prueba para mejorar aún más su reclutamiento organizacional. Y, como parte de su esfuerzo, el banco utilizó el análisis de datos para identificar empleados con potencial alto, poder desarrollar nuevos roles y obtener mejores insights de los indicadores claves de desempeño.
La empresa ejecutó una encuesta de 30 puntos, segmentados en cuatro categorías – datos demográficos, información de la sucursal, historia profesional y duración en trabajos anteriores. Estos datos fueron analizados para identificar similitudes entre empleados de alto y bajos desempeños. En retorno, esta información ayudó a crear perfiles para empleados con un potencial alto para desempeñarse mejor en ciertos cargos.
Por otro lado, ante un mejor análisis sobre el tema, descubrieron que ciertos cargos claves tenían un mayor impacto en el éxito general del banco. Como resultado, los ejecutivos rediseñaron la estructura organizacional alrededor de aquellos cargos claves y grupos de talento. En muchas instancias, mencionaron que las decisiones acerca de cómo encontrar a la persona ideal para un nuevo rol fueron hechos de forma intuitiva generando un menor impacto en la organización.
Si bien el banco siempre ha reclutados a los mejores talentos de los mejores programas académicos, los datos revelaron que muchos de los empleados más eficientes provenían de una mayor variedad de instituciones de las cuales estaban reclutando últimamente.
Como resultado, el banco al implementar planes de acción con relación a los resultados obtenidos logró aumentar en productividad un 26% y un rango de conversión en el reclutamiento de un 80% mayor que antes de los cambios. Por último, durante ese periodo, Los ingresos netos también aumentaron un 14%.
2.- Eliminando prejuicios y sesgos en la contratación
La utilización de datos duros puede ayudar a la organización al eliminar preferencias sesgadas o prejuicios los cuales direccionan el proceso de contratación a pesar de que aquellos responsables tengan las mejores intenciones para la organización. Por ejemplo, una empresa de servicio profesional ha sido sobrecargado con más de 250.000 postulaciones de trabajo cada año. Debido a esto, ellos decidieron introducir un sistema para automatizar el proceso con el fin de reducir el costo asociado al proceso de selección y mejorar su efectividad.
Por otro lado, la empresa tenía como objetivo contratar a más mujeres, ya que, según su experiencia, las mujeres eran más productivas y su rotación era menor. Esto les preocupaba debido a que pensaban que la automatización del proceso podría pasar por alto aquel conocimiento basado en la experiencia laboral.
Una vez aplicado aquella automatización, se dieron cuenta que aquellas preocupaciones eran injustificadas. El algoritmo adaptado por RRHH tomó en cuenta el dato histórico del reclutamiento, incluyendo los antiguos postulantes a pesar si fueron aceptados o no. Y, vinculado a las metas que tiene la compañía sobre la contratación, el modelo identificó satisfactoriamente aquellos candidatos con mayores probabilidades de ser contratados, los cuales pasaron automáticamente a la siguiente etapa del proceso de reclutamiento.
Aquellas personas que tenían menos probabilidades de ser contratados, fueron rechazados automáticamente. Con esto, los expertos pudieron centrarse en el resto de los postulantes para encontrar a los candidatos ideales.
Los resultados: El ahorro asociado a la automatización del proceso, el cual abarcó más del 55% de los CVs, fue de un 500% del retorno sobre la inversión. Además, en relación sobre el número de mujeres que pasaron a la siguiente etapa del proceso de manera automática, aumentó en un 15% en relación de las mujeres que pasaban de manera manual. Esto comprueba, que el supuesto acerca de que la automatización del proceso pasaría por alto las metas de la organización por contratar más mujeres era injustificado; es más, utilizó la experiencia de la empresa como dato para poder potenciar aquellos resultados.
3.- Abordar la deserción mejorando la gestión
Hoy en día, es común que las empresas intenten ganar la guerra de selección por competencias arrojando cada vez más dinero al proceso. Un buen ejemplo de esto es una gran aseguradora en EEUU el cual se enfrentó a una alta tasa de deserción. Ante esto, lo primero que hicieron fue entregar bonos a los managers y empleados para incentivarlos a quedarse.
Ante el poco éxito obtenido a través de aquella estrategia, la compañía decidió actuar de manera más inteligente y reunir toda la data obtenida y emplearla para crear perfiles de trabajo con bajo índices de deserción; aquel análisis incluía información como el perfil demográfico, un background profesional y educacional, nivel de desempeño y niveles de compensación. Al aplicar un sofisticado análisis de datos, encontraron importantes hallazgos: los empleados que trabajan en pequeños equipos, con largos periodos entre promociones y con bajo niveles de desempeños, tendían a desertar.
Una vez identificados los empleados con alto índice de deserción, se realizaron distintos esfuerzos, ahora más informados, para tratar de convencer a aquellos empleados a quedarse. Principalmente, esto involucra una mayor oportunidad para nuevos desarrollos y mayor apoyo desde la gerencia.
Por otro lado, los bonos resultaron ser estrategias con poco impacto en los empleados. Como resultado, los fondos que podrían haber sido asignados a una compensación sin resultados, fueron invertidos en planes de carreras y capacitación. Ante esto, tanto el desempeño como los índices de retención subieron, con ahorros significativos en la organización.
Texto original de Henri de Romrée, Bruce Fecheyr-Lippens & Bill Schaninger. Traducido y adaptado al español por hcmfront. Recuperado de:
http://www.mckinsey.com/business-functions/organization/our-insights/people-analytics-reveals-three-things-hr-may-be-getting-wrong
