La revolución digital es uno de los retos que lleva ya años marcando la agenda en los departamentos de Recursos Humanos. Es importante comprender que para alcanzar este horizonte la clave reside en la ciencia de datos.
Digitalización, según el Diccionario de la Lengua Española, supone la acción y efecto de digitalizar, siendo digitalizar registrar datos en forma digital o, en su segunda acepción, convertir o codificar en números dígitos datos o informaciones de carácter continuo, como una imagen fotográfica, un documento o un libro.
Para el Dr. Alex Liu, uno de los Data Scientist más reputados del planeta y cuya definición de “qué es la ciencia de datos” toma Wikipedia como más relevante referencia, la ciencia de datos o data science es un campo interdisciplinario que involucra métodos científicos, procesos y sistemas para extraer conocimiento o un mejor entendimiento de datos en sus diferentes formas, ya sea estructurados o no estructurados, lo cual es una continuación de algunos campos de análisis de datos como la estadística, la minería de datos, el aprendizaje automático y la analítica predictiva.
Tomando estas dos definiciones como punto de partida, llama la atención las pocas veces que escuchamos a grandes gurús del Área de Personas hablar sobre la ciencia de datos al disertar sobre cómo afrontar la revolución digital.
Ciencia de Datos para Recursos Humanos
En su amplia mayoría, los profesionales dedicados a trabajar en departamentos de Recursos Humanos suelen tener formación en áreas como derecho, psicología, relaciones laborales o incluso administración y dirección de empresas. Sin embargo, resulta más bien extraño encontrar especialistas en el Área de Personas que provengan de campos como ingeniería informática, telecomunicaciones, matemáticas o física, entre otras.
La presencia del primer grupo tiene su razón de ser: expertos en derecho laboral para garantizar el cumplimiento de la legislación vigente y las relaciones sindicales; profesionales especializados en conducta humana para selección, formación, planes de desarrollo y programas de retención; o generalistas empresariales para la tan necesaria alineación con el negocio. Hasta aquí todo correcto. Sin embargo, la ausencia de profesionales que puedan abarcar los aspectos más técnicos de la cuarta revolución industrial dentro del área que se responsabiliza de la gestión de personas, podría suponer un coste de oportunidad irreparable.
Y mucho ojo, esta reflexión puede hacerse sobre otros muchos espacios profesionales. Sin ir más lejos, en lo que concierne al área de Atracción y Adquisición de Talento, defiendo desde hace tiempo que Recursos Humanos necesita reforzarse con profesionales de Marketing. Aunque este es un debate que nos daría para un artículo propio, y hoy estamos aquí para hablar de datos.
¿Para qué sirven los datos en Recursos Humanos? Para lo mismo que en cualquier otro área: para construir inteligencia
Pongamos un ejemplo práctico. El medio global sobre negocio CNBC publicaba en abril de este mismo año que IBM, a través de la Inteligencia Artificial, ya puede predecir con un 95% de precisión qué trabajadores están a punto de abandonar la empresa. Más de un lector/a podría afirmar que esto es ciencia ficción, pero nada más lejos de la realidad.
Apartándonos del ámbito directo de Recursos Humanos, pero sin alejarnos demasiado, podríamos tomar el ejemplo de Billy Beane en 2001. Beane, hizo historia en la Grandes Ligas de la Major League Baseball en el año 2001 por ser el primero en hacer un uso inteligente de los datos en un deporte tan tradicional como es el béisbol. De hecho, en el año 2011 Bennett Miller llevó esta historia a la gran pantalla dirigiendo una estupenda película, Moneyball, protagonizada por Brad Pitt. A quien quiera poner a prueba sus prejuicios sobre el uso de los datos como base para construir inteligencia, se la recomiendo.
No existe un consenso en el mundo de lo académico sobre qué es la inteligencia, pero siempre me ha gustado la definición de Linda Gottfredson: inteligencia es la capacidad de lidiar con la complejidad.
Respondiendo a la pregunta “¿Para qué sirven los datos en Recursos Humanos?”… los datos sirven para construir inteligencia, la cual nos permite lidiar con la complejidad. Y esto, en un entorno como el actual, no es decir poco.
Con una buena estratégia de datos podríamos, por ejemplo, cruzar los resultados de la encuesta de clima de los últimos 5 años con la inversión en planes de formación y desarrollo, y observar si aparece algún patrón. Podríamos, por ejemplo, cruzar los datos de rotación por región con los datos de antigüedad de los managers, y observar si aparece algún patrón. En general, podríamos comenzar a hacernos preguntas y tratar, poco a poco, de generar respuestas que nos permitan lidiar un poco mejor con la complejidad.
David Garrote HR Marketing & Talent Acquisition Expert Lidl España | HR AFTERWORK Co-Founder & Head Of Community | Profesor Asociado.
Cierto director académico, muy cercano a mi, siempre me plantea el mismo dilema cuando hablamos de datos: no es lo mismo lo complicado que lo complejo. Algo complicado es algo que, aunque difícil, puedes llegar a comprenderlo por medio de la razón: reglas, métodos, cálculos, procedimientos, etc. Lo complejo no. Lo complejo es todo aquello en lo que una mínima variación de cualquier variable tiene resultados impredecibles. Y la conducta humana es un buen ejemplo de problema complejo, por lo que a través de los datos únicamente podremos ir, poco a poco, dando respuesta a problema complicados que nos permitan lidiar con la incertidumbre de lo complejo.
Siguiendo el ejemplo de antes, podríamos cruzar los datos de rotación regional con la antigüedad de los managers y, quizá, podríamos encontrar que los managers con menor rotación tienden a tener una mayor antigüedad. Pero esto no implica que no puedas tener a un manager con menor antigüedad y espectacular en gestión de equipos. O yendo un paso más allá, que sea desastroso pero en su región el paro sea muy elevado y por ello no exista fuga de talento. Todas estas preguntas son complejas y, por ende, no tienen una respuesta única. Pero un correcto manejo de la información puede ayudarnos a tomar decisiones con, al menos, una menor incertidumbre respecto a las tendencias.
Sin embargo, hay otras preguntas que son complicadas y no complejas, sobre las que podemos trabajar la capa de datos para automatizar respuestas. Por ejemplo: ¿cuánto cuesta un proceso de selección?. Si mides cada tarea dentro de un proceso de selección (número y duración de llamadas telefónicas, tiempo dedicado a entrevistas presenciales, etc.) y lo cruzas con el coste por hora de las personas implicadas, puedes tener una foto 100% fiable de esta pregunta. ¿Para qué nos sirve este dato? Pues por ejemplo, para decidir cuándo compensa externalizar un proceso o cuando ejecutarlo dentro de la casa. Esta pregunta, la del coste de un proceso de selección, puede resultar relativamente sencilla si haces, por poner un ejemplo, 5 contrataciones al año. Pero, ¿y si tu empresa es una multinacional que hace miles de contratos al año? Entonces, este problema posiblemente es complicado aunque no complejo.
Si lo tengo todo patas arriba… ¿cómo puedo empezar a resolver preguntas?
Decía Victor Hugo que las inteligencias poco capaces se interesan en lo extraordinario y las inteligencias poderosas, en las cosas ordinarias. Bajo esta premisa, cualquier proyecto de análisis de datos debería regirse por estas 5 etapas iniciales:
1. Antes de empezar a crear, hay que estudiar las necesidades concretas a las que pretendemos dar una respuesta.
2. Una vez detectadas las necesidades, es necesario definirlas de una manera cuantificable: qué vamos a mejorar y cómo lo vamos a medir.
3. Llegados a este punto, ideamos la tesis que pretendemos demostrar con razonamientos.
4. Una vez tengamos clara la tesis, diseñamos un ejercicio piloto para comprobar si se cumple.
5. Por último, evaluamos los resultados del piloto. Si la tesis se cumple, podemos pasar a escalar. Si no se cumple, analizamos dónde hemos errado y volvemos al tercer punto.
Estos cinco puntos responden básicamente al método científico que tantas y tantas veces hemos estudiando a lo largo de la educación primaria, secundaria, bachillerato y formación superior. La Ciencia de Datos, en aceptación última, no deja sino de ser la aplicación del método científico utilizando (más) datos para cosas nuevas. Siguiendo esta línea, la pregunta que cabe hacerse es… ¿cuántas cosas nos estamos dejando por descubrir por no aplicar la Ciencia de Datos en Recursos Humanos?
SOBRE DAVID GARROTE
HR Marketing & Talent Acquisition Expert para Lidl España y co-fundador de HR AFTERWORK, la mayor comunidad alternativa de Recursos Humanos. Es considerado uno de los mayores exponentes españoles en las áreas de Talent Acquisition y Employer Branding por diferentes organismos, entidades y medios especializados. Entre diferentes reconocimientos, su proyecto New Way of Branding ha sido galardonado con el ‘Premio Cegos con Equipos & Talento 2018 a las mejores prácticas en RRHH en la categoría de Selección e Integración’ y con el ‘Premio diario EL MUNDO con Adecco 2018 en la categoría de Selección e Integración’. Además es co-autor del libro Rendimiento Grupal en Emprendedor (Lulú Press Inc., 2014).
Veces visto
2
All copyrights for this article are reserved to Observatoriohr
