Muchas veces, he escuchado a colegas de Recursos Humanos decir que implementar soluciones de People Analytics en sus organizaciones no es prioridad en su gestión. Mi respuesta frente a estos comentarios es muy simple. Si ahora no tienes la necesidad de hacerlo, seguro la tendrás en unos pocos años, y es en ese momento en el que te darás cuenta del valor que aporta People Analytics a la gestión del Capital Humano.

Es cierto que realizar un análisis de People Analytics requiere de cierto conocimiento técnico que no muchos perfiles dedicados a las personas desarrollamos en nuestras profesiones. Sin embargo, la destreza en la manipulación de datos es solo una fracción en todo el proceso que requiere un análisis de People Analytics para lograr el éxito.

En el libro The Power of People, los autores nos hablan de una metodología de 8 pasos para lograr el éxito tan esquivo. Podemos coincidir en cada paso o entender que algunos de ellos pueden ser agrupados. Lo que no podemos negar es que cada paso es tan esencial que sería imposible concebir el éxito sin atravesar cada etapa.

Los ocho pasos son agrupados en tres categorías:

• ¿Por qué tomar el proyecto?
• ¿Cómo llevar adelante el proyecto?
• ¿Qué resultará del proyecto?

Vamos a comenzar con la primera categoría, que requiere entender algo tan obvio como descartado: ¿por qué debería trabajar con este proyecto y no con cualquier otro?

Paso 1
Todo análisis comienza con una pregunta, y esa pregunta va dirigida a un problema o preocupación particular. Lo que debemos entender es ¿qué es eso que genera preocupación a RR. HH. o al negocio, y dónde podemos generar un mayor impacto en el menor tiempo posible con el menor costo?

Este punto me gusta reflejarlo con un ejemplo muy concreto. Una vez un especialista en People Analytics estaba dictando una conferencia. Cuando finalizó su intervención, se acercó un asistente a comentarle que había logrado predecir la rotación de los empleados de su organización con una certeza del 95 %. El especialista lo felicitó por el excelente desempeño de su modelo, pero le consultó lo siguiente: ¿el turnover es una problemática importante en tu organización? Y el asistente le respondió: “No, no realmente”.

Paso 2
Una vez comprendida la problemática, es ideal plantearse hipótesis. Generalmente, los especialistas en el tema a abordar tienen sus hipótesis y las mismas son muy valiosas cuando comenzamos a realizar los análisis.

Hace muchos años, en el equipo trabajamos con un análisis sobre ausentismo. Sin dudas, era un tema preocupante para la organización, por lo que pusimos manos a la obra y comenzamos a trabajar con los datos disponibles, relevando los que no los teníamos y generando modelos que nos permitieran identificar cuáles eran las principales variables que impactaban en la posibilidad de ausentarse o no.

Luego de semanas de trabajo, encontramos varios insights que nos parecían esclarecedores, por lo que decidimos presentarlo al equipo de médicos laborales de la organización sin perder el tiempo. Una vez finalizada la presentación, esperábamos caras de sorpresa frente a los resultados obtenidos, pero encontramos que al auditorio le resultaba obvio lo que estábamos presentando. En ese momento, me di cuenta de que no habíamos organizado un espacio para escuchar sus hipótesis o comentarios acerca del análisis que íbamos a realizar, por lo que no obtuvimos el input de los especialistas. Lo que a nosotros nos parecía esclarecedor, era absolutamente conocido por los médicos especialistas en el tema.

Una vez que atravesamos los primeros dos pasos, pasamos a la segunda categoría que integra 4 pasos: ¿cómo llevar adelante el proyecto?

Paso 3
En este momento, debemos sacar a relucir nuestro conocimiento técnico. No debemos asustarnos por los pasos que proceden, ya que, muchas veces, los análisis más complejos se resuelven con la matemática más simple.

Llegó el momento de recolectar los datos. En este punto, tenemos diversos desafíos. Debemos identificar:

• Qué datos vamos a necesitar
• Si estos datos están disponibles
• Si no están disponibles, cómo podemos conseguirlos
• Cuántos datos históricos necesitamos (¿el último año es suficiente o debemos conseguir información de años anteriores?). Este punto suele ser el que más tiempo consume en cualquier análisis.

En este punto es muy importante que nuestros datos hablen de la realidad. El concepto GIGO (garbage in, garbage out) representa perfectamente lo que podría suceder si los datos con los que realizamos el análisis son erróneos o sesgados, lo que nos puede llevar a sacar conclusiones erróneas.

Paso 4
Llegó el momento de realizar el análisis. Si bien es necesario contar con el conocimiento técnico (y no solo hablo de software, sino también de conocimientos sobre matemática y estadística), es también muy importante tener una mirada crítica sobre los datos y poder buscar la mejor solución al problema que abordamos. Respecto a herramientas, algunas veces alcanza contar con un conocimiento intermedio en planillas de cálculo. Sin embargo, siempre será mejor contar con conocimiento em herramientas que pueden utilizarse, entre otras cosas, para ciencia de datos (Python, R, SAS, SPSS y otros) o para Business Intelligence o BI (Power BI, Tableau, Looker, Sinsense y otros).

Con un equipo de People Analytics de una organización, trabajamos con datos de geolocalización, ya que queríamos identificar la distancia que hacían los colaboradores entre su domicilio y su lugar de trabajo. También, queríamos entender si existían personas que tenían la misma función y que podrían intercambiar sus lugares de trabajo para minimizar el tiempo de viaje (y, de esta manera, mejorar su calidad de vida, reducir costos asociados a los viajes y reducir la probabilidad de accidente). Por falta de conocimiento técnico, hicimos todo el análisis en planillas de cálculo. Fue un arduo trabajo y hubiera sido mejor hacerlo con otra herramienta, pero teníamos un objetivo y logramos realizar el análisis con las herramientas disponibles.

Paso 5
El quinto paso es el de revelar los insights. En este momento es importante pensar en el storytelling. Contarle a nuestra audiencia todo el camino recorrido es importante para que comprendan los motivos que nos llevan a realizar este análisis y no cualquier otro. Revelar los insights no significa solo presentar resultados, sino también identificar casuística y poder comprender quién es nuestro auditorio y cuál es la mejor manera de comprometerlos con la problemática y con la posible solución. Aprendí que, ante la necesidad de presentar análisis o modelos complejos, es necesario hacer énfasis en el interés del auditorio, si tenemos oyentes interesados en el aspecto técnico podemos poner foco la resolución técnica de la problemática y hasta mostrar cuál fue el código generado o que modelo fue implementado. Sin embargo, poco impacto generaremos si hacemos esa misma presentación a perfiles poco técnicos con un interés mayor en el resultado que en el camino atravesado.

Paso 6
En estos espacios en los que presentamos nuestros insights, no debemos olvidarnos de recomendar pasos a seguir. Lo analizaremos en la última categoría, pero aquí no va a finalizar nuestro compromiso con el análisis. Desde People Analytics, debemos lograr brindar todas las herramientas necesarias para que los insights obtenidos impacten en un cambio de comportamiento de los equipos involucrados. Nuestra mirada como especialistas tendrá mucho valor para aportar un abordaje distinto.

La última categoría se refiere a qué ocurrirá con el proyecto.

Paso 7
Es crucial que seamos muy claros a la hora de presentar los resultados, y que la mayoría de las veces no existe una reacción directa solo por una acción concreta.

Supongamos que trabajamos con una organización que tiene un problema de ausentismo. Generalmente, es imposible pretender que solo una variable sea la que genere un impacto en el índice de ausentismo. Por ello, es necesario clarificar para gestionar las expectativas. Muchas veces, nos encontraremos trabajando días en un problema para el que no encontramos en los datos solución aparente. Sin embargo, estos análisis tienen valor en sí mismos porque nos permiten identificar cuáles son las variables que no impactan en la problemática.

Paso 8
El último punto refiere a implementar y evaluar. Ningún análisis tendrá sentido si no podemos demostrar que logramos generar un cambio y que pudimos apoyar a la resolución de un problema. Para esto es necesario contar con información previa a la implementación del proyecto, para que podamos demostrar que la implementación en sí misma tuvo algún impacto y el resultado no fue casual.

En resumen, People Analytics requiere de un conocimiento técnico sobre análisis y ciencia de datos, sin dudas, pero un científico de datos que nunca trabajó con variables vinculadas a las personas se sentiría muy perdido en el mar de datos con los que contamos los profesionales de la gestión humana. Los invito a animarse a revisar sus problemas, ya que, seguramente, mientras leían estas líneas, pensaban en diversas complejidades que diariamente viven en sus organizaciones. Piensen si los datos que tienen actualmente, o los que sería posible relevar, podrían ayudarlos a resolver ese problema.

El estadístico William Edwards Deming nos dejó una frase única que resume el objetivo principal de People Analytics: «Sin datos, solo eres otra persona más dando su opinión».