Portada » Análisis predictivo en recursos humanos

Análisis predictivo en recursos humanos

by Donal Sandro Noblejas Huaman



Donal-Sandro
noviembre 1, 2021
5:39 pm

Hola mi nombre es donal Sandro Noblejas Huamán de Lima Perú 🇵🇪 hoy vengo con otro artículo de recursos humanos y como siempre y en cada uno de ellos completamente solo y me agrada porque se aprende bueno ahí vamos.

¿Cómo predecir el despido de un empleado valioso? ¿Debería el director de recursos humanos ser un poco matemático, de cuánto personal de big data parte y puede afectar los recursos humanos el desempeño comercial de la empresa? .

El análisis de recursos humanos es el proceso de aplicar métodos de procesamiento de datos y herramientas de inteligencia empresarial a los datos de recursos humanos. Los resultados del uso de métodos de análisis de recursos humanos permiten responder las preguntas más importantes: en qué empleados y en qué decisiones gerenciales o de recursos humanos vale la pena invertir.

“Los beneficios del análisis de recursos humanos son obvios. Cuando comprenda en qué dirección se producirán cambios en su empresa, siempre puede prepararse para ellos con anticipación. Es como un pronóstico del tiempo: la probabilidad de lluvia es alta: se llevó un paraguas y no se mojó. La pregunta principal ahora es cómo construir modelos verdaderamente precisos en los que se pueda confiar. Por el momento, esta es una de las áreas prometedoras del desarrollo de recursos humanos, que nos permitirá resolver una amplia gama de tareas: por ejemplo, cómo atraer talento a la empresa, cómo mantenerlo “.

Según una investigación el 70% de las grandes y medianas empresas en el mundo implementan proyectos destinados a analizar e integrar datos de recursos humanos en el sistema de toma de decisiones empresariales. De mayor interés son las soluciones que optimizan la gestión del talento y contrarrestan la rotación del personal.

El mercado global de servicios de análisis de recursos humanos se está desarrollando rápidamente, y esta ola ya ha llegado a Peru, la demanda de ellos es bastante esperada, Esto se debe al gran interés de las empresas en la digitalización, la automatización de los procesos de recursos humanos, la robótica, el uso de big data, las nuevas tecnologías y herramientas.

Los beneficios económicos del uso de análisis predictivos de recursos humanos son tangibles. Durante mucho tiempo se ha confirmado que la pérdida de rotación equivale a grandes cantidades, que consisten en el costo de seleccionar, adaptar y capacitar a un nuevo empleado, así como la pérdida de productividad en un puesto vacante y el costo de reemplazar a un empleado ausente si alguien lo reemplaza temporalmente. Cuanto mayor sea el nivel de la publicación, mayor será el nivel de dichos gastos. En particular, para los puestos de especialistas y gerentes clave, las pérdidas debidas a la salida de un empleado alcanzan varios salarios anuales, para puestos de trabajo: dos a tres remuneraciones mensuales. Si la tasa de rotación se puede reducir al menos en un 1%, entonces, para una gran empresa, el efecto puede alcanzar millones de soles por año.

El resultado de un proyecto, implementado por XYZ para una de las empresas peruanas, fue un beneficio económico para el cliente por un monto de 900 millones de soles. Estos fondos fueron proporcionados por la optimización del proceso de reclutamiento y la adaptación del personal lineal del cliente, que fue resuelto por XYZ utilizando herramientas de análisis de recursos humanos.

NO PEOR QUE UN VECINO.

Hoy, en Peru, las organizaciones grandes y medianas de más de 500 personas, tanto peruanas como extranjeras, muestran el mayor interés en el análisis predictivo de recursos humanos. Utilizando métodos analíticos, las empresas esperan obtener el perfil de un empleado exitoso, identificar a los mejores empleados, administrar la rotación de personal, determinar qué tipo de empleados vale la pena retener y cuáles no.

La mayoría de las empresas solo quieren probar y ver qué se puede hacer, porque está de moda y permite que los servicios de recursos humanos se destaquen de sus colegas. Esto también determina la escasez de presupuestos que las empresas están dispuestas a gastar en la implementación. Como regla, esto es varios cientos de miles de soles.

“El análisis predictivo de recursos humanos es realmente un tema exagerado y de moda, pero no creo en su supervivencia activa. Estas son herramientas poderosas que requieren una preparación e inversión serias, deben implementarse de acuerdo con las tareas comerciales actuales, y no porque todo el mundo esté hablando de eso ”, también se dice que piensas tu.

MADUREZ DE DATOS

Las principales condiciones para la formación de análisis de recursos humanos en la empresa son la disponibilidad de datos suficientemente “limpios”, cuya calidad está fuera de toda duda, así como los procesos establecidos para recopilar y estandarizar datos. Para que los análisis de recursos humanos se justifiquen y le permitan trabajar de manera más efectiva con el personal, la empresa necesita la habilidad para analizar e interpretar los resultados. El siguiente paso es construir conscientemente una cultura de toma de decisiones basada en datos, en lugar de experiencias personales u opiniones subjetivas,

haber quien se anima a realizar un estudio y realizar un análisis de recursos humanos.

El mercado de Perú va a la zaga del occidental en términos de uso de big data y análisis de recursos humanos, en particular: la cuestión es la falta de disponibilidad de los procesos y sistemas comerciales. Además, algunas empresas todavía están luchando por determinar las métricas de objetivo universal para la investigación y el análisis.aunque poco a poco quiza mejore.

El uso de análisis predictivos de recursos humanos es principalmente un indicador de la madurez de una empresa, la madurez de los datos. Por otro lado, es deseo y visión de oportunidades en esta herramienta. Para cambiar al uso de análisis predictivo, primero debe reconstruir las estadísticas, luego comenzar a usar análisis ordinarios y solo después de ese cambio a análisis predictivo. Todas estas fases deben completarse y vivirse. Esta es una gran experiencia, conocimiento profundo y comprensión de la información que posee RRHH. “No todas las compañías en el mercado han vivido estas etapas, y el uso de herramientas de análisis predictivo de recursos humanos es prematuro para ellas”.

Otro elemento disuasorio importante es la desconfianza en los sistemas de pronóstico. La gente a menudo duda de la precisión de los pronósticos del sistema y confía más en la evaluación “humana”. Por lo tanto, es importante mostrar a los especialistas y gerentes de recursos humanos qué parámetros y criterios se tienen en cuenta para el análisis, cómo funciona el algoritmo y en qué se basa el modelo de análisis, para recopilar esta información y analizarla.

Muchas empresas comienzan aportando datos de manera coherente y estructurada.
El efecto económico se puede obtener ya en esta etapa.

HUMANIDADES Y MATEMÁTICAS

La implementación del sistema de análisis de recursos humanos se ve impedida por el hecho de que muchos de ellos son humanidades y no tienen una capacitación seria en el campo de las matemáticas. Como resultado, les resulta difícil establecer tareas, monitorear y evaluar el trabajo de los analistas: “No puede evaluar la calidad del modelo de pronóstico si no sabe cómo se mide. Lo más probable es que ni siquiera lo pienses. Como resultado, es difícil para un responsable tomar una decisión sobre la implementación de métodos y sistemas matemáticos; son vistos como una “caja negra” incomprensible.

El segundo aspecto: la analítica es un juego de equipo. Necesitamos ir a los negocios, acordar cómo mediremos los resultados, la productividad de los empleados, cómo separaremos el impacto de nuestros proyectos de Recursos Humanos de otros factores. Necesitas estar preparado para tal conversación,

¿CUÁNTO COLGAR EN GRAMOS?

Teóricamente, dicen los expertos, la introducción del análisis predictivo es posible en todas las empresas, pero no todas las necesitan. Cualquier empresa puede usar estas herramientas, si hay una tarea, no una búsqueda de una tendencia. Pero las herramientas serán diferentes. En una pequeña empresa de 20 personas, usted recopila un informe sobre los mejores empleados del departamento de ventas para comprender qué programa de capacitación elegir, y en un centro de llamadas para 2 mil personas, evalúa las conversaciones por redes neuronales.

La implementación de análisis predictivos es un proyecto grande, laborioso y costoso, y las grandes empresas tienen viabilidad económica,Esto se debe, entre otras cosas, al retorno de la inversión en proyectos: el efecto de las mejoras en los procesos generalmente será de varias decenas de por ciento, por lo tanto, para que las inversiones valgan la pena, necesita un campo de actividad más amplio.

El análisis predictivo de recursos humanos es interesante para las empresas que trabajan en un mercado que es escaso en términos de personal, donde existe una gran competencia para los especialistas de clase alta entre los empleadores. Estos son especialistas de TI a nivel de arquitectos, analistas, despachadores, pilotos, especialistas en logística, cualquier empleado clave para el negocio de una empresa en particular, aquellos en quienes invierte la empresa.

Es aconsejable implementar análisis predictivos para empresas con más de mil personas de la misma categoría. Además, esto no debe ser puestos de oficina y / o no relacionados con ventas individuales, consultas, negociaciones, sino puestos masivos que tienen descripciones de trabajo y algoritmos de trabajo claramente definidos. “La oficina tiene demasiado peso de factores individuales, lo que se llama valor personal. Entonces, una persona tendrá éxito en las negociaciones y la otra no tendrá éxito, y esto es, ceteris paribus, educación, vida y estándares sociales ”.

El análisis predictivo funciona cuando hay una gran cantidad de empleados que, en principio, son similares en perfil a su perfil. En el comercio minorista es difícil reducir el flujo de salida, siempre lo será. Por lo tanto, nos esforzamos por retener a los vendedores de alto rendimiento. En promedio, un empleado alcanza las ventas máximas dos o tres meses después de la contratación y capacitación, y mantener a los vendedores “en su mejor momento” traerá cientos de millones de ingresos adicionales a la empresa.

EL TIEMPO SE ACABA

En promedio, los proyectos de implementación de análisis de recursos humanos toman de dos a tres a 12 meses, pero pueden extenderse a 24 meses, si se crea un equipo interno de analistas de recursos humanos dentro del proyecto.

Para la empresa, existen varias opciones para implementar proyectos: por su cuenta, por contratistas o utilizando productos terminados. La estructura de costos depende de la estrategia elegida. Si la compañía cree que el alcance del análisis predictivo se refiere a sus ventajas competitivas, entonces debe implementar el proyecto por sí solo. Con este enfoque, los principales costos recaerán en especialistas de TI de diversas calificaciones, incluidos analistas y científicos de datos, así como en hardware, especialmente si planea usar big data. En el caso de la compra del producto terminado, los principales gastos se gastarán en el producto en sí y su integración. El caso más común es el uso de módulos de análisis predictivo en sistemas HCM / HRM, por ejemplo, para predecir despidos y evaluar el daño de esto.

CASO 1
Una gran empresa contactó a XYZ, que quería hacer frente al problema de la alta rotación del personal de línea: los indicadores alcanzaron el 190% por año. En la primera etapa, los especialistas del SII construyeron un modelo para el costo del despido, calcularon el costo de la facturación, estimaron el costo del proyecto y el costo de no identificar las causas, Los ahorros potenciales satisfacen al cliente. En la siguiente etapa, los especialistas de XYZ examinaron el ciclo de vida del empleado, realizaron entrevistas con los participantes en el proceso comercial, construyeron un mapa del ciclo de vida y encontraron datos en cada etapa.

Fue posible establecer que las razones de los despidos fueron el resultado de errores en el proceso de contratación y adaptación: enfoque insuficiente en la certificación de nuevos empleados, multas por trabajo de baja calidad, experiencia insuficiente de los empleados en su campo. Como resultado, XYZ implementó un proyecto piloto para introducir un nuevo sistema de adaptación. Se introdujeron tareas individuales para principiantes durante 60 días del período de adaptación, se desarrolló un sistema de lista de verificación para gerentes y mentores. Después del reinicio del proceso y como resultado del “piloto” anual, la rotación de personal en esta empresa disminuyó al 90%. Posteriormente, el nuevo sistema de adaptación se amplió a toda la empresa.

CASO 2
ABC ha utilizado análisis predictivos de recursos humanos para combatir la rotación de empleados. la compañía realizó un estudio a gran escala . En base a sus resultados, se construyó un modelo matemático del mercado laboral, se predijo la necesidad de empleados teniendo en cuenta la rotación del personal, se identificaron los perfiles motivadores de los empleados y su relación con el desempeño, se determinó qué es exactamente lo que el personal retuvo en la empresa. Esto ayudó a establecer prioridades y hacer exactamente lo que traerá a los negocios el mayor efecto. Solo en 2018, la rotación de personal en todas las cadenas minoristas operadas por X5 se redujo en un promedio de 6 puntos porcentuales, mientras que la compañía sigue enfocada en aumentar la productividad laboral y el nivel de servicio.

CASO 3
ABC utiliza análisis de recursos humanos para optimizar el desarrollo de los empleados y desarrollar sus carreras. La compañía se encuentra ahora en la fase activa de poner a prueba un proyecto para el desarrollo profesional de los empleados. “En base a la gran cantidad de datos internos que tenemos sobre los empleados, comprendemos cuáles de ellos son más prometedores en la empresa y cuáles nos gustaría promover y ofrecer para reemplazar los puestos clave. Esta herramienta le permite al gerente en una situación de elección difícil descubrir a aquellas personas en las que podría no haber pensado, para llamar su atención sobre algunas cosas importantes sobre los candidatos. Ahora estamos probando esta solución en un pequeño número de empleados. Después de una prueba exitosa, la solución se dosificará para uso comercial. A juzgar por los comentarios de los reclutadores, el modelo tiene muy buenas probabilidades y perspectivas.

CASO 4
Una empresa regional de TI, representante de empresas medianas, necesitaba identificar las razones de la rotación de personal. El modelo creado usando el método de regresión logística mostró que los empleados jóvenes (hasta 30 años) solteras / solteros corren el mayor riesgo de abandonar la empresa, quienes, según los resultados de las encuestas, calificaron las tareas realizadas como poco interesantes y el nivel de remuneración como más bajo o a nivel de mercado. Dichos empleados eran altamente o moderadamente productivos; los primeros tenían más probabilidades de abandonar la empresa, lo que requería atención especial. Al mismo tiempo, el género y el lugar de residencia del empleado no tuvieron un efecto significativo en el nivel de rotación, como se suponía originalmente.

Como resultado, la compañía recibió una herramienta para predecir el riesgo de salida de los empleados y una lista de acciones que ayudan a evitar esto. Aquellos que, según el modelo, cayeron en un grupo de riesgo, exigieron la participación inmediata de especialistas en recursos humanos. La compañía también decidió vincular la remuneración de los empleados con la efectividad de su trabajo y ajustar el nivel de remuneración con el valor promedio de mercado. El departamento de capacitación se encargó de crear trayectorias profesionales para los empleados y desarrollar un plan detallado para su capacitación y rotación. Se introdujeron los controles mensuales: reuniones de gerentes con sus empleados, durante las cuales se discutieron los resultados del trabajo de estos últimos, se evaluó el atractivo de los proyectos para los contratistas y la idoneidad de los recursos.

Debido al hecho de que el cliente ya ha generado casi todos los datos “limpios” necesarios, todo el proyecto se implementó lo antes posible, tres semanas. La rotación de personal en la empresa disminuyó en un 4%, y el compromiso y la satisfacción aumentaron, cada porcentaje de la disminución en la rotación le ahorró al empleador millones de soles al año.

¿CUÁNDO ES EL BOOM?

En Peru en general, los recursos humanos de hoy están en un nivel básico, dicen los expertos encuestados por XYZ. Al mismo tiempo, existe una gran brecha entre las pocas grandes compañías avanzadas en el campo de análisis de recursos humanos y la gran cantidad de empresas que recién comienzan a implementar estas herramientas. “Los primeros a menudo se ríen de los segundos, porque en su mayoría usan Exel. Pero esto no es malo, ya que puede haber herramientas, lo principal es que las conclusiones son correctas y los informes son convenientes y transparentes para los tomadores de decisiones.

Los expertos esperan un avance significativo en esta área dentro de tres a cinco años: durante este tiempo habrá una demanda de análisis de recursos humanos dentro de las empresas y una gran cantidad de servicios externos podrán satisfacerla. Una de las principales direcciones de desarrollo del análisis predictivo de recursos humanos será la cooperación interfuncional de los departamentos de recursos humanos y los equipos de análisis de negocios. Esto afectará principalmente a las empresas para las cuales el tema del análisis de big data es relevante: grandes negocios de TI, organizacions, empresas minoristas y de telecomunicaciones. Tan pronto como los empleadores dominen el análisis de negocios, inevitablemente surgirá la pregunta para el servicio de recursos humanos, pero si puede cambiar a pistas digitales. Luego habrá recursos financieros para tales proyectos, las empresas comenzarán más activamente a capacitar a sus especialistas en RRHH en habilidades estadísticas e invertirán en el desarrollo de sistemas HRIS. Buena cacería.

Atentamente verlista.com

Autor Donal Sandro Noblejas Huaman

Lima Perú 🇦🇹

You may also like

Leave a Comment

Are you sure want to unlock this post?
Unlock left : 0
Are you sure want to cancel subscription?
-
00:00
00:00
Update Required Flash plugin
-
00:00
00:00