Newsletter Glocalthinking

Subscribe to Email Updates

Featured Post

Recent Posts

El análisis prescriptivo: cuando los datos ofrecen soluciones

jueves-8-agosto

Un conjunto de datos en bruto no ofrece ningún valor en sí mismo, para conseguirlo estos datos tendrán que ser procesados. Sin embargo, gracias a diferentes métodos analíticos es posible conocer lo que transmiten estos datos y, por tanto, sacarles provecho.

Desde el boom del Big Data, se ha hablado mucho sobre el análisis descriptivo, predictivo o incluso prescriptivo. Sin embargo, ¿conocemos cuál es la diferencia entre todos estos conceptos y su aplicación en las organizaciones?

Entre la analítica, que se basa en los datos estructurados existentes en la empresa, y el Big Data, que está centrado en datos heterogéneos no estructurados, nacen otros conceptos relacionados con el ámbito de los RRHH, como el “Big Data HR” y “HR Analytics”. Ambos plantean una cuestión concreta: ¿cómo utilizar estos datos para que Recursos Humanos tenga la capacidad de mejorar su toma de decisiones?

Aplicando la clasificación utilizada en el  ámbito del marketing a la hora de manejar y de dar sentido a los datos al hablar de analíticas en RR.HH. (HR Analytics) también podemos distinguir entre  tres etapas clave en el análisis de los datos:

  1. Análisis descriptivo: es la primera etapa del análisis de los datos y consiste en sintetizar toda la información obtenida, analizando su histórico y convirtiéndola en información útil para la toma de decisiones.
  2. Análisis predictivo: esta fase se basa en tener la capacidad de predecir lo que puede suceder ante una situación concreta, teniendo en cuenta la información que se ha recopilado anteriormente.
  3. Análisis prescriptivo: esta tercera fase va más allá del análisis descriptivo y predictivo, al sugerir posibles acciones a realizar. Está relacionado con el campo del análisis empresarial y busca el mejor enfoque práctico ante una situación dada. Por tanto, es un análisis predictivo pero dirigido a lo concreto y operativo.

Y esto ¿cómo se puede aplicar en el  ámbito de los RR.HH.?

A la hora de tomar una decisión con la máxima garantía de éxito, es necesario analizar la información, para así poder convertirla en decisiones acertadas y acciones adecuadas a cada situación.

Y para comprobar cómo se pueden utilizar los datos para mejorar la toma de decisiones, vamos a plantear un ejemplo.  En una organización, se ha constatado que los ingenieros menores de 35 años están solicitando cambios de puesto, pero a corto plazo, no están recibiendo una respuesta adecuada a sus aspiraciones. Además, este colectivo ha obtenido una excelente valoración en la evaluación del desempeño en los últimos tres años.

¿Qué conclusiones podemos obtener con esta información?

Hasta ahora, RR.HH. se centraba en procesar y actualizar la información. Estos datos se almacenaban en el sistema, y en muchos casos dependía del profesional de RR.HH. realizar un análisis exhaustivo de los datos y explorar todas las opciones presentadas. Si bien, estos indicadores pueden servir de alerta respecto al riesgo de salida de empleados valiosos para la compañía, el departamento de RR.HH.  puede plantear dos opciones: investigar más sobre esta situación o activar una acción para evitar o contrarrestar las consecuencias negativas    

Recordando la segunda fase anteriormente mencionada, el concepto de “análisis predictivo” se basa en el vínculo causa-efecto existente entre los datos obtenidos y en la predicción de posibles soluciones. Sin embargo, esto a la hora de aplicarlo en personas, a día de hoy, todavía no se ajusta por completo a las diversas situaciones a las que se enfrentan los profesionales de RRHH. En cambio, en el caso del “análisis prescriptivo” el escenario cambia, al pasar de un sistema de RR.HH. que se limita a proporcionarme información a otro que tiene la capacidad, en base a la misma información obtenida, de sugerirme un número determinado de acciones, no exhaustivas, pero a priori relevantes. 

Volviendo al ejemplo anterior, con este análisis prescriptivo el sistema puede sugerirme consultar el promedio de los aumentos salariales dentro de este segmento de empleados, ingenieros menores de 35 años,  a lo largo de los últimos 5 años, para disponer de más datos que aporten valor a la toma de decisiones. De igual forma, puede proponer realizar un resumen rápido que les permita a los managers conocer esta situación y poner en marca acciones que refuercen así su trabajo en la empresa.

Otro claro ejemplo sobre los beneficios de la aplicación de este análisis prescriptivo en el ámbito de los RRHH, podemos encontrarlo en la gestión de las nóminas, donde los conceptos de productividad y de calidad resultan claves. Tener la capacidad de poder aplicar análisis predictivos a la hora de gestionar la nómina, facilita claramente  el trabajo de los profesionales no solo dejarán de emplear tiempo en reunir la información que precisan para tomar sus decisiones, sino que además, se beneficiarán del tratamiento previo que el sistema hace de los datos, permitiéndoles así concentrar sus análisis en aspectos que requieren una verdadera experiencia y no en casos simples, recurrentes o estándar.

Por tanto, ¿Cómo puede contribuir el análisis predictivo en la fiabilidad del proceso de gestión de nómina?

Para facilitar la tarea del administrador de nómina, existen nuevas funcionalidades. Por ejemplo, a través del uso de cuadros de mando operativos, que facilitan visualizar los posibles errores producidos al ejecutarla, además de las causas y propuesta de soluciones más adecuadas para cada caso.

Además, en el caso de los indicadores de nóminas no calculadas y empleados afectados, también podemos comprobar cómo el análisis prescriptivo es extrapolable. Mientras que anteriormente, era el propio responsable el que, al recibir el informe de errores en el cálculo tenía que investigar y decidir cómo se solucionaba cada caso teniendo que dedicar gran tiempo a esta tarea,  actualmente gracias al análisis prescriptivo con el que cuentan las aplicaciones de nómina, es el sistema de información, basándose en los mismos indicadores, el que propondrá dos soluciones:

  1. Investigar: el sistema le propondrá averiguar quién ha tramitado el dossier del empleado cuyo recibo de nómina no ha podido calcularse, cuál es su fecha de alta por si pudiese ser posterior a la fecha en que se lanzó el cálculo, etc.. Obteniendo más datos, el propio sistema puede conocer por qué la nómina de cada uno de los empleados no ha podido ser calculada a tiempo.
  2. Actuar: en este caso el gestor de nómina podrá realizar el cálculo de forma manual, aunque se detecten incidencias o excluir al empleado del cálculo de la nómina en caso de resultar necesario.

De este modo, el análisis prescriptivo operativo guía a los expertos de la nómina, les hace ahorrar tiempo y les permite concentrar su energía y recursos en los ámbitos donde sus conocimientos como expertos resulten de utilidad.

En definitiva, una vez más, el conocimiento y la comprensión de los problemas reales de los profesionales de RR.HH. son las claves que permiten pasar de las palabras a los hechos, mejorando su productividad.

Editorial

Nuestro equipo editorial está compuesto por profesionales de diferentes países de habla hispana, que cuentan con una amplia experiencia en el sector Tecnológico de Recursos Humanos y con conocimientos que engloban diferentes disciplinas relacionadas con la gestión del talento en las Organizaciones.

Meta4, with 1,300 customers in 100 countries, manages more than 18 million people worldwide. The company’s R&D&I center located in Spain (Madrid) develops HR applications capable of meeting local and global needs of all types of organizations. The editorial team is made up of professionals with over 15 years of experience in the HR technology field.

Tus comentarios:

BUSCAR EN EL BLOG