Niveles de madurez analítica en People Analytics
Niveles de madurez analítica en People Analytics

Niveles de madurez analítica en People Analytics

Perspectiva data-driven VS perspectiva tradicional: una dicotomía irreal

La visión dicotómica que plantea que las organizaciones son data-driven o no lo son es una simplificación excesiva de la realidad empresarial. Si bien es cierto que esta dicotomía puede ser útil para resaltar la importancia de los datos en la toma de decisiones, no refleja con precisión la complejidad de cómo las organizaciones interactúan con los datos en el mundo real. Las organizaciones no cambian su cultura y procesos de la noche a la mañana. La adopción de la cultura data-driven es un proceso que lleva tiempo y evoluciona gradualmente. Incluso las empresas más avanzadas en este sentido pueden tener áreas o departamentos, entre los cuales, por cierto, se encuentra habitualmente RRHH, que aún no son completamente data-driven, lo cual demuestra que existe un espectro de adopción de datos en lugar de una simple división binaria.

Por otro lado, la adopción de la cultura data-driven debe adaptarse al contexto y los objetivos específicos de cada organización. No todas las empresas necesitan ser completamente data-driven en todas las áreas para tener éxito. De hecho, esta dicotomía puede tener incluso un efecto negativo en las organizaciones al crear una mentalidad de «todo o nada». Esto puede desalentar a las empresas que están en las primeras etapas de su viaje hacia la adopción de datos y hacer que se sientan abrumadas. Por eso, es importante fomentar una transición gradual y alentar el progreso en lugar de la perfección inmediata que suscita esta visión dicotómica.

Modelo de cinco estadios de madurez analítica en People Analytics

Algunos autores han propuesto un modelo que incluyen estadios intermedios entre en el enfoque tradicional y el enfoque data-driven. Veamos, pues, en qué consiste estos esos estadios.

    1 Negación de datos (Data Denial)

    En este primer nivel de madurez, las áreas de RRHH muestran una resistencia activa hacia los datos relacionados con la gestión del talento. No utilizan datos y pueden depender en gran medida de la intuición o métodos tradicionales para la toma de decisiones. En este sentido, una práctica habitual que refleja este estadio es la contratación de nuevos empleados en base únicamente a entrevistas personales y experiencias pasadas, sin aprovechar los datos para evaluar el ajuste cultural o el desempeño futuro. Conviene precisar, sin embargo, que, en sentido estricto, es muy difícil encontrar departamentos de RRHH que no empleen, de una manera u otra algún dato o información. Siguiendo con el ejemplo anterior, las entrevistas habitualmente se realizan en base a algún tipo de información como puede ser el currirculum vitae. Por lo tanto, en este nivel de madurez, cuando hablamos de ‘negación de datos’, lo hacemos para referirnos a que las organizaciones no recogen datos o información de manera sistemática y estructurada, sino de manera puntual y sin estándares definidos.

    2 Indiferencia hacia los datos (Data Indifference)

    En el segundo estadio, los profesionales de RRHH comienzan a recopilar datos de diferente naturaleza, pero no muestran un interés particular en utilizarlos de manera efectiva. Pueden mantener registros por cumplimiento normativo o cuestiones históricas, pero no consideran los datos como un activo estratégico. Las decisiones relacionadas con la gestión del talento pueden basarse principalmente en métodos tradicionales, como la revisión de currículums y entrevistas, sin utilizar datos para mejorar estos procesos.

    3 Conciencia de los datos (Data Aware)

    en este punto, se comienza a reconocer la importancia de la recopilación de datos relacionados con el personal y se utilizan los datos para realizar, por ejemplo, un seguimiento del desempeño y generar informes, pero aún no confían plenamente en su capacidad para respaldar decisiones estratégicas. Por ejemplo, se pueden utilizar datos para evaluar la rotación de empleados, pero la toma de decisiones sobre políticas de retención todavía se basa en gran medida en la experiencia y la intuición. Como se puede advertir, algunos aspectos son gestionados de forma tradicional, mientras que otros comienzan a plantearse desde una perspectiva analítica, habitualmente de corte descriptivista y/o diagnóstica.

    4 Información basada en datos (Data Informed)

    En el cuarto estadio, RRHH comienza a utilizar selectivamente los datos para respaldar decisiones. Los gerentes y líderes de personas consideran los datos como una fuente valiosa de información al tomar decisiones sobre contratación, desarrollo y retención de empleados. Aquí, por ejemplo, se pueden utilizar datos de evaluaciones de desempeño y el feedback de los empleados para informar sobre estrategias de capacitación y desarrollo. Con ello, pues, se reconoce que los datos son activos intangibles que pueden emplearse para respaldar la operativa, los aspectos tácticos y los estratégicos.  

    5 Orientación a los datos (Data-Driven)

    En el nivel más alto de madurez analítica, los datos son el núcleo de las decisiones relacionadas con la gestión del talento en toda la organización. Las decisiones sobre contratación, promoción, desarrollo y retención se basan sistemáticamente en datos. La cultura organizacional promueve la toma de decisiones basada en datos, y se invierte en tecnología y formación para maximizar el valor de los datos en todos los aspectos de la gestión del talento. Aquí ya encontramos, por ejemplo, algoritmos de análisis predictivo para identificar a los empleados con mayor probabilidad de éxito en roles específicos y tomar decisiones de contratación en función de estos análisis. Muchas de las decisiones que se toman en este estadio, aunque supervisadas en última instancia por personas, suelen estar automatizadas. La analítica que puede llegar a aplicarse, como se ha comentado, puede ser de tipo predictiva pero también prescriptiva.

    Beneficios de un modelo gradual de madurez analítica

    Conocer el modelo de madurez analítica presentado puede ser beneficioso por varias razones. Por un lado, porque proporciona una herramienta eficaz para evaluar la situación actual de una organización en términos de su capacidad para utilizar datos en la toma de decisiones relacionadas con el talento y, con ello, poder identificar los puntos fuertes y áreas de mejora en la gestión del capital humano. Por otro lado, este conocimiento permite establecer objetivos realistas para avanzar en la madurez analítica, ya que saber que existen diferentes etapas en el proceso de adoptar una cultura data-driven, evita que los departamentos de RRHH se fijen metas poco alcanzables y  facilita que establezcan un itinerario gradual y sostenible hacia la adopción de una toma de decisiones basada en datos.

    NIVEL DE MADUREZ ANALÍTICADESCRIPCIÓN
    Negación de Datos (Data Denial)En este nivel, la RRHH muestra desconfianza hacia los datos y no los utiliza de manera sistemática. Las decisiones se basan en intuición o métodos tradicionales.
    Indiferencia hacia los Datos (Data Indifference)RRHH recopila datos, pero no los considera activos estratégicos. Las decisiones aún dependen en gran medida de enfoques convencionales.
    Conciencia de los Datos (Data Aware)El departamento de personas reconoce la importancia de los datos y los utiliza para seguimiento y reporting, aunque no confía plenamente en su capacidad para decisiones críticas.
    Información basada en Datos (Data Informed)Los datos respaldan decisiones, pero no son la única influencia. Los líderes de RRHH consideran los datos como una fuente valiosa para la toma de decisiones.
    Orientación a los Datos (Data-Driven)Los datos son el núcleo de las decisiones. RRHH utiliza sistemáticamente datos para la toma de decisiones y fomenta una cultura basada en datos.
    Niveles de madurez analítica en People Analytics

    Deja una respuesta