Recursos Humanos

Qué es el análisis predictivo

Se habla mucho sobre este tipo de análisis, por lo que es importante compartir de qué se trata exactamente. El análisis predictivo consiste en revisar, evaluar y desagregar grandes volúmenes de datos de calidad y efectuar proyecciones sobre comportamientos futuros.

El análisis predictivo utiliza la estadística y los modelos matemáticos para analizar estos posibles resultados. A través de las tecnologías de la información, detecta patrones que permiten la predicción de escenarios. Mediante algoritmos de machine learning la inteligencia artificial se convierte en experta curadora de la información. Puede tratar con datos estructurados y no estructurados y en base a estos, obtener patrones de rendimiento previo o conductas pasadas o tendencias futuras.

Cómo impacta en HR

Implantar estas tecnologías en HR, que ya son un hecho, refuerzan la toma de decisiones de las áreas de gestión de personas. Empoderan y sustentan esas decisiones, puesto que trabajan con tendencias o proyecciones del pasado y del futuro de los trabajadores y trabajadoras. El análisis predictivo en HR deja mejor parados a los departamentos del área, por ejemplo, ante escenarios disruptivos.

Por otra parte, impacta favorablemente en el entorno interno de la organización, en su clima laboral, en el bienestar de las personas y en las estrategias de retención que se implementen conforme sean las predicciones. Es decir, se podría pivotar decisiones tomadas o reorientar políticas de dirección y gestión de personas gracias a esto.

El papel del análisis predictivo en HR

En un entorno BANI (Frágil, ansioso, no lineal e incomprensible) como el que estamos inmersos, poder predecir algo parece un lujo.

Sin embargo, haciendo uso correcto de los datos pasados y futuros de la plantilla de una organización podemos obtener análisis predictivos de esta. A continuación, se visualiza cómo se usan los datos para predecir conductas futuras, así como también, se analizan las áreas donde en forma inminente, impactarán estos análisis predictivos. Finalmente, para cerrar el apartado, se verán las claras ventajas que representan para las áreas de recursos humanos.

Uso de datos para predecir comportamientos futuros

Históricamente, en la gestión de personas se trabaja con datos del pasado para predecir comportamientos futuros. Por ejemplo, a la hora de evaluar el potencial de una persona se toma de referencia entre otras, la evaluación de desempeño. Para que se comprenda mejor, la evaluación del desempeño mide los comportamientos del pasado o los resultados del trabajo realizado por una persona en el pasado.

En ese sentido, los análisis predictivos colaboran estrechamente con esta clase de tareas. La sistematizan y automatizan, con los algoritmos correctos. Otro uso concreto, son las posibles decisiones que una persona puede tomar respecto a la posible salida de la organización o el desarrollo de competencias derivadas de sus intereses y experiencias pasadas.

Principales áreas de impacto

A simple vista, podríamos decir que el análisis predictivo impacta en forma directa sobre la gestión del desempeño, de acuerdo a lo indicado en el apartado anterior. Pero no es la única área de impacto, por ejemplo, podría hacerse un análisis vinculado con el clima laboral y la satisfacción de los empleados o predecir los factores que llevan a una persona a abandonar la empresa.

Por otra parte, es factible anticipar la retención y gestión del talento. Una posible pregunta que puede responder el algoritmo sería, qué fuente de reclutamiento ha traído mejores resultados a la hora de atraer y seleccionar personas. Es decir, en base al comportamiento de los motores de búsqueda del talento, se podría definir qué funcionó mejor.

Asimismo, se podría gestionar el talento, mediante el análisis de comportamientos anteriores de los empleados y empleadas, anticipando comportamientos futuros. Por ejemplo, estudiando el tiempo de permanencia en otros puestos de trabajo o sondeando intereses y competencias de las personas. Por supuesto, dependerá de la calidad de los datos y la precisión de los algoritmos que se plasmen.

Ventajas para Recursos Humanos

La ventaja principal para recursos humanos de anticipar desempeños y posibles retenciones de trabajadores y trabajadoras, radica en la toma de decisiones basada en datos. Esto reduce la incertidumbre, reduce el azar, las subjetividades y permite orientar mejor las alternativas disponibles o planificadas.

Asimismo, producto de esos datos y esas decisiones, es posible tomar la iniciativa y planificar acciones que modifiquen el rumbo hacia donde sea estratégico, por ejemplo, a retener a las personas o mejorar sus desempeños.

Cómo funciona el análisis predictivo en HR

En la gestión de personas, el análisis predictivo permite identificar si una persona tiene probabilidades de dejar la organización o no. También, cuáles son sus competencias preferidas, cuestión muy útil para emprender acciones que retengan a las personas más valiosas de la empresa.

Distintos datos o indicadores claves, arrojan esta información con precisión, siempre que la calidad de los mismos sea adecuada. Por citar ejemplos, el Índice de rotación o el de ausentismo o las bajas voluntarias previas, sumados a modelos matemáticos de aprendizaje automático o machine learning, estadísticas y análisis de datos, detectan esa información que, a día de hoy, es fundamental en la toma de decisiones y acciones.

El punto clave del análisis, como veremos en los siguientes apartados, es la recopilación de grandes volúmenes de datos de calidad y el diseño de los modelos algorítmicos predictivos, mediante el uso de herramientas tecnológicas, muchas de ellas ya conocidas a nivel global.

Recopilación de datos relevantes

Los datos en sí, se encuentran presentes en las áreas de recursos humanos. La cuestión radica en su recopilación. Entonces, la tarea es identificar, recolectar, clasificar, revisar y sistematizar los datos. Esto es condicionante para elaborar las predicciones, marcar las tendencias y tomar las decisiones correspondientes.

Si pensamos en datos relevantes, podríamos hablar de datos sociodemográficos de la plantilla o datos sobre clima laboral o también indicadores sobre bienestar, productividad, ausentismo y rotación, como se mencionó y también retención y desarrollo de las personas.

Uso de modelos predictivos

Los modelos predictivos, en definitiva, parten de datos históricos de la plantilla de recursos humanos de la organización. Esos datos se encuentran almacenados en los sistemas de gestión, por ejemplo. Una vez detectados, se deben clasificar y revisar, se denomina higiene de los datos. Es decir, garantizar que los mismos son adecuados, se homogeneizan los formatos, se eliminan duplicados, se completan datos faltantes.

Una vez concluida la higiene de datos, se decide qué se desea predecir. Esto es seleccionar los indicadores, tales como los mencionados en la sección anterior.

Los algoritmos que se implementen revisan la información histórica y deducen patrones de comportamiento. En el área de competencia, se le llama entrenar el modelo predictivo. En caso de requerir ajustes, también se efectúan, una vez hechas las pruebas piloto iniciales.

Herramientas más utilizadas

Las herramientas más populares y sobre todo de fácil aprendizaje, son Power BI de Microsoft o Tableau y también Google Looker Studio, que incluso tiene una versión gratuita de uso.

Respecto a herramientas para realizar análisis predictivos más avanzados, se puede mencionar el lenguaje de programación Python o R. Por su parte, si lo que se precisa es almacenar grandes cantidades de información, entonces hay que recurrir a alojarlos en la nube, puesto que su procesamiento será más efectivo.

Aplicaciones del análisis predictivo en HR

Recopilando lo dicho hasta ahora, el análisis predictivo permite anticipar desempeños de los colaboradores y colaboradoras, también elegir alternativas de retención del talento clave de la empresa. A la vez que se pueden establecer estrategias de formación y desarrollo, junto con la optimización de procesos de selección. Veamos con detenimiento cada una de estas aplicaciones.

Anticipación del desempeño

Como se mencionó anteriormente, una aplicación clara del análisis predictivo es la anticipación del desempeño, producto de comportamientos o resultados alcanzados en el pasado. No obstante, esto va más allá. Vale la pena mencionar la posibilidad de dar retroalimentación a los empleados y empleadas en el momento, en vivo. En ese sentido, es recomendable leer el artículo de OpenWebinars para ampliar su utilidad: Cómo usar la IA para analizar feedback en tiempo real.

Retención de talento

Hemos hablado en el presente sobre la retención del talento. En concreto, una regresión logística, es decir un análisis estadístico que predice una variable partiendo de otras, nos permitiría estimar el riesgo de renuncia de una persona.

Ante los datos se podría definir qué acciones tomar, indagar las causas, plantear ideas para saber cómo retener a un colaborador. Identificar si la persona percibe conciliación o si tiene un problema personal puntual que le impide permanecer en la organización.

En fin, como se puede apreciar, se abre un mundo de oportunidades cuando se cuenta con la información precisa objetiva.

Estrategias de formación y desarrollo

Aquí se ve la aplicación bien concreta también. Con los datos de la LMS (Learning Management Systems) o de LXP (Learning Experience Platform) es decir, revisando a qué cursos accedió la persona en el pasado, cuántos finalizó, cuántos abandonó, entre otros, podría elaborarse un plan de formación personalizado, analizando también las competencias del empleado o empleada de cara al futuro.

Asimismo, con el análisis anticipado del desempeño, se podría plantear un plan de desarrollo que incluya acciones vinculadas a los comportamientos de las personas o las necesidades futuras de la organización, que incluyan más que formación. Por ejemplo, coaching o mentoring o acciones de networking colaborativo, entre otras.

Optimización de procesos de selección

Una correcta gestión de los datos, por ejemplo, los filtros ATS (Applicant Tracking Systems) nos ayudan a filtrar los candidatos acordes a los requerimientos de las descripciones de puestos de trabajo. También se puede hacer una preselección de aquellas personas que podrían cuadrar mejor con la cultura de la organización.

Se podría además predecir, qué personas se adaptaron mejor a los cambios o quiénes tienen determinada formación que puede ser requerida en puestos de trabajo futuros. Todas estas posibilidades, optimizan los procesos de selección y agrego, de retención.

Ventajas que aporta a la gestión de empleados

Como toda herramienta, en este caso aliada estratégica, aporta ventajas a la gestión de personas. La principal, es la toma de decisiones basadas en datos predictivos. También es beneficiosa porque promueve la reducción de costos y la mejora de la experiencia del empleado y empleada. A continuación se observa por qué.

Decisiones basadas en datos

Tal como se indicó en la entradilla del artículo, muchas veces se ha criticado a las áreas de personas, por la subjetividad de sus procesos o en la puesta en marcha de sus herramientas, sobre todo de la evaluación del desempeño. Le pedí entonces a Chat GPT que simule un análisis predictivo con Python, para poder explicar las decisiones basadas en datos para este artículo.

Lo que sugirió para predecir el desempeño laboral de un grupo ficticio de empleados fue analizar variables tales como evaluaciones de desempeño previas, feedback de los líderes, antigüedad, compromiso, salario, satisfacción laboral, etc. Sugirió el código para ejecutar el modelo e indicó cómo podría mejorarse la predicción. Si eso pude hacerlo en un momento usando una aplicación gratuita, imaginar cómo podría resultar utilizando datos reales y herramientas más sofisticadas. ¿Te animarías a probarlo?

En línea con lo anterior, cuando se toman decisiones que parten de datos, la objetividad está presente. No obstante, recordar la importancia de respetar la impronta humana. Es decir, no puede supeditarse la toma de decisiones, exclusivamente, a esos datos objetivos, sino que deben ir en sumatoria.

Reducción de costos

La reducción de costos siempre es relevante. En este caso, si se toman decisiones acertadas, basadas en los análisis predictivos, es factible que esta anticipación, los reduzca.

Para trasladarlo a casos reales: partiendo de un desempeño satisfactorio, valdría la pena invertir en formación para una persona, que, según el análisis de datos sobre su potencial, podría asumir tareas de mayor responsabilidad. En la vereda opuesta, el análisis permite detectar personas con bajo desempeño y buscar un camino para revertirlo.

Otra posibilidad es una persona que manifiesta su interés por aprender en forma permanente y se observa que tiene una baja tasa de ausentismo a los cursos de capacitación dictados en la organización. También se le podían asignar tareas en base a los intereses manifiestos o determinar si una necesidad de capacitación sería específica para determinado perfil o no.

Las mencionadas maniobras anticipatorias reducen la nueva contratación, fomentan la retención y el bienestar de las personas, ya que también se podría redistribuir la carga de trabajo, para evitar el estrés y el burnout de trabajadores y trabajadoras. Una vez más se demuestra que retener o potenciar empleados valiosos es una inversión.

Mejor experiencia del empleado

Este punto es bastante revelador, ya que tomar decisiones basadas en datos, podría “dar en la tecla” con las necesidades y ciclos vitales que atraviesan las personas, mejorando la experiencia laboral.

A raíz de lo mencionado en el párrafo anterior, parece prudente hacer una aclaración: se debe contemplar siempre el lado humano. Es decir, que no se pierda de vista que se están gestionando personas, cuyos intereses y necesidades son dinámicas, son seres que piensan y sienten, merecen ser escuchados, más allá de lo que arrojen las predicciones.

Conclusiones

Las tendencias futuras indican que tanto el uso como la precisión de los algoritmos, se incrementan en cada momento, más aún con el entrenamiento que se puede hacer de los algoritmos predictivos. Convertirlos en aliados estratégicos, parece a priori, la mejor alternativa ya que la automatización es parte de nuestras vidas.

Sintetizando, es recomendable aprovechar los beneficios que los análisis predictivos traen consigo, tales como la capacidad de anticipar comportamientos futuros, su manejo de grandes volúmenes de datos y su precisión objetiva. También aplicarlos con atención a las necesidades humanas. Estas parecen ser las bases de un buen equilibrio entre las ventajas disponibles hoy en día.