Fundamentos de People Analytics
De los datos sobre personas a la evidencia para decidir
Los datos adquieren valor cuando permiten comprender una situación sin perder de vista a las personas.
Un enfoque para convertir información en evidencia
People Analytics es un enfoque sistemático para recopilar, organizar, analizar e interpretar información sobre las personas, el trabajo y la organización, con el propósito de producir evidencia que contribuya a la toma de decisiones.
Su valor no consiste en acumular datos, generar numerosos gráficos o vigilar el comportamiento de las personas. Su utilidad aparece cuando una necesidad organizacional se convierte en una pregunta analítica clara y se examina mediante información pertinente, confiable, contextualizada y utilizada responsablemente.
El enfoque puede utilizar información relacionada con la composición de la fuerza laboral, el reclutamiento, la incorporación, la permanencia, la formación, el desempeño, la movilidad, la compensación, el clima, el ausentismo, el bienestar y la desvinculación. Cada una de estas etapas describe un momento distinto de la trayectoria laboral de una persona dentro de la organización.
Identificar el problema y la decisión necesaria.
Seleccionar, relacionar e interpretar datos.
Considerar el contexto, la equidad y las consecuencias sobre las personas.
People Analytics no comienza preguntando qué datos posee la organización, sino qué necesita comprender, qué evidencia puede utilizar responsablemente y qué decisión pretende mejorar.
La trayectoria laboral como mapa
En lugar de una lista extensa, conviene observar estos momentos como un recorrido continuo. Cada punto puede aportar información distinta según la pregunta que se desee responder.
Construir la ruta analítica
Los seis nodos comienzan desconectados. Incorpóralos paso a paso para observar qué ocurre en cada etapa, qué resultado genera y qué riesgo aparece si se omite.
Necesidad organizacional
Qué ocurre: se reconoce una situación que exige atención. Resultado: un punto de partida con propósito.
Riesgo si se omite: empezar con datos sin conocer el problema.
Pregunta
Qué ocurre: la necesidad se transforma en una pregunta delimitada. Resultado: orientación para saber qué observar.
Riesgo si se omite: reunir información sin dirección.
Datos pertinentes
Qué ocurre: se seleccionan los registros que responden a la pregunta. Resultado: materia prima adecuada al propósito.
Riesgo si se omite: medir algo que no se relaciona con la decisión.
Análisis
Qué ocurre: se relacionan e interpretan los datos. Resultado: patrones y relaciones observadas.
Riesgo si se omite: confundir una cifra con una explicación.
Evidencia
Qué ocurre: la interpretación se contextualiza y se examinan sus límites. Resultado: base razonada para decidir.
Riesgo si se omite: tomar una decisión sin revisar limitaciones.
Decisión
Qué ocurre: la evidencia orienta una acción o intervención. Resultado: una decisión mejor sustentada.
Riesgo si se omite: analizar sin conectar con ninguna decisión.
Cinco finalidades, cinco preguntas distintas
Un mismo enfoque puede describir, explicar, anticipar, orientar o evaluar. Cada finalidad responde a un propósito diferente y ninguna sustituye a las demás.
Describir
Permite conocer qué sucede.
- Distribución del personal
- Vacantes cubiertas
- Rotación
- Participación en formación
- Evaluaciones concluidas
Explicar
Busca identificar factores relacionados con un resultado.
AdvertenciaUna asociación no demuestra causalidad.
Anticipar
Estima escenarios futuros a partir de patrones observados.
AdvertenciaUna estimación no representa una certeza.
Orientar decisiones
Compara alternativas y proporciona evidencia para valorar una intervención.
Evaluar resultados
Permite determinar si una acción produjo el cambio esperado.
Situación: durante el último semestre aumentaron las renuncias del personal con menos de un año de antigüedad.
Selecciona qué deseas conocer. Cada finalidad genera una pregunta analítica distinta.
Lo que People Analytics no representa
Apariencia analítica no es lo mismo que capacidad analítica. Selecciona una situación para revisar por qué no constituye People Analytics, qué práctica sería más adecuada y qué riesgo produce.
¿A qué escala observar?
El mismo fenómeno puede analizarse a distintos niveles. Selecciona uno para ver su objeto, un ejemplo, el nivel de detalle y la precaución correspondiente.
Cuando una decisión puede tomarse con datos agregados, no es necesario identificar individualmente a las personas.
People, Workforce e Inteligencia de talento
Una introducción breve a tres enfoques relacionados. Cada uno atiende un foco distinto; los contenidos propios de clases posteriores se desarrollarán más adelante.
People Analytics
- Personas
- Experiencias
- Procesos de gestión humana
Workforce Analytics
- Composición
- Capacidad
- Disponibilidad
- Planificación de la fuerza laboral
Inteligencia de talento
- Señales internas y externas
- Competencias
- Disponibilidad de talento
- Decisiones estratégicas
Datos, métricas, indicadores e insights
Cuatro conceptos que suelen confundirse. Cada uno responde una pregunta distinta y ninguno equivale al siguiente.
Registro básico obtenido de una observación, transacción o proceso.
Ejemplos: fecha de ingreso, unidad, calificación, ausencia, fecha de cierre de una vacante.
¿Qué se registró?
Medida calculada a partir de uno o varios datos.
Ejemplos: número de contrataciones, promedio de días, porcentaje de asistencia, tasa de rotación, horas de formación.
¿Cuánto ocurrió?
Medida vinculada con un objetivo, condición o resultado relevante.
Requiere: propósito, definición, fuente, periodicidad, población, responsable y criterio de interpretación.
¿Cómo se comporta un resultado relevante?
Comprensión significativa obtenida al relacionar datos, contexto y evidencia.
Explica qué se descubrió, por qué importa, qué decisión conviene examinar y qué limitaciones posee.
¿Qué patrón importa y qué decisión revisar?
Número absoluto y tasa
Dos unidades, dos maneras de leer las renuncias. Revisa los números antes de calcular las tasas: cada medida responde una pregunta diferente.
| Unidad | Renuncias | Promedio de colaboradores | Tasa |
|---|---|---|---|
| Unidad A | 10 | 200 | — |
| Unidad B | 6 | 60 | — |
Finalización no equivale a eficacia
Una cifra alta puede parecer concluyente. Revisa cada elemento para transformar una lectura superficial en una interpretación más completa.
El 92 % del personal completó una capacitación
Esta es una métrica de finalización. Revisa qué permite y qué no permite concluir.
- El 92 % es una métrica de finalización.
- No demuestra por sí mismo aprendizaje.
- No demuestra aplicación.
- No demuestra impacto en el trabajo.
Fuentes internas y externas
La información puede provenir de dentro o de fuera de la organización. Selecciona una fuente para ver qué aporta, qué limitación presenta, para qué pregunta es pertinente y qué precaución requiere.
Internas
Externas
Datos estructurados y no estructurados
Algunos datos ya vienen organizados; otros requieren interpretación para poder analizarse.
Estructurados
- Fechas
- Códigos
- Calificaciones
- Categorías
- Horas
- Estados de procesos
No estructurados
- Comentarios
- Entrevistas
- Correos
- Narraciones
- Documentos
- Notas
Un comentario cualitativo puede clasificarse en categorías de análisis. Añade categorías de forma manual y observa que clasificar implica criterios de interpretación, sin eliminar el contexto original.
«Entré con muchas ganas, pero durante las primeras semanas nadie me explicó bien mis tareas y no supe a quién preguntar.»
Ocho filtros para una fuente confiable
No toda información disponible es adecuada. Cada filtro plantea una pregunta de control.
Pertinencia
¿Responde a la pregunta?
Calidad
¿Está completo y correctamente registrado?
Consistencia
¿Mantiene la misma definición?
Cobertura
¿Representa a la población?
Temporalidad
¿Corresponde al periodo?
Granularidad
¿Tiene el detalle necesario?
Trazabilidad
¿Se conoce su origen y transformación?
Legitimidad
¿Puede utilizarse para esa finalidad?
Una encuesta de clima obtiene un resultado favorable, pero responde únicamente el 28 % del personal. Consulta cada aspecto antes de sacar conclusiones.
Elegir fuentes para una pregunta
Para analizar la rotación del personal de reciente ingreso, selecciona las fuentes que consideres necesarias. Algunas son plausibles, pero no todas son imprescindibles.
De la preocupación a la pregunta analítica
Una preocupación general no se puede analizar. Delimitarla y convertirla en pregunta es lo que hace posible buscar evidencia.
«Tenemos problemas con el personal.»
«Durante el último semestre aumentaron las renuncias del personal con menos de un año de antigüedad.»
«¿Cómo se distribuyen las renuncias del personal con menos de un año de antigüedad según puesto, unidad, etapa de permanencia y condiciones de incorporación durante el último semestre?»
Fenómeno
Selecciona los componentes para construir la pregunta.
Cuatro tipos, cuatro propósitos
Una misma preocupación puede convertirse en cuatro tipos de pregunta. Ninguna es superior; responden propósitos distintos.
¿Relación o causa?
Una asociación describe que dos cosas ocurren juntas. Una relación causal afirma que una produjo la otra. Distinguirlas exige revisar explicaciones alternativas.
Pregunta de asociación
«¿Existe relación entre la participación en formación y los resultados de desempeño?»
Pregunta causal
«¿La formación produjo una mejora en el desempeño?»
Hallazgo: quienes participaron en formación obtuvieron mejores resultados.
Consulta las explicaciones alternativas antes de formular una conclusión.
Detectar problemas en la pregunta
Selecciona cada formulación para identificar qué la hace inadecuada y cómo podría plantearse de forma más neutral y delimitada.
Una secuencia con propósito
Del problema al seguimiento, cada nodo cumple una función. Avanza paso a paso para ver su producto, el riesgo de omitirlo y su relación con el siguiente.
Problema organizacional
Función: reconocer la situación. Producto: foco de atención. Conecta con: la decisión que exige.
Riesgo: analizar sin un problema real.
Decisión necesaria
Función: precisar qué se decidirá. Producto: propósito del análisis. Conecta con: la pregunta.
Riesgo: producir análisis sin destino.
Pregunta analítica
Función: delimitar qué observar. Producto: guía de búsqueda. Conecta con: los datos pertinentes.
Riesgo: reunir datos sin dirección.
Datos pertinentes
Función: reunir la materia prima adecuada. Producto: insumos confiables. Conecta con: el análisis.
Riesgo: medir lo que no importa.
Análisis
Función: relacionar e interpretar. Producto: patrones observados. Conecta con: la evidencia.
Riesgo: confundir cifra con explicación.
Evidencia
Función: contextualizar y examinar límites. Producto: base razonada. Conecta con: la decisión.
Riesgo: decidir sin revisar limitaciones.
Decisión o intervención
Función: actuar con sustento. Producto: acción orientada. Conecta con: el seguimiento.
Riesgo: actuar sin plan de verificación.
Seguimiento
Función: verificar el efecto. Producto: aprendizaje para el ciclo siguiente. Conecta con: un nuevo problema.
Riesgo: no saber si la acción funcionó.
No es lo mismo tener datos que tener evidencia
Datos
- Pueden existir sin pregunta
- Pueden contener errores
- Pueden mostrar una variación
- Pueden proceder de una sola fuente
- No orientan por sí solos una decisión
Evidencia
- Responde a una pregunta
- Examina calidad y limitaciones
- Contextualiza la variación
- Puede integrar fuentes
- Sustenta una interpretación razonada
El tiempo promedio de cobertura disminuyó de 35 a 25 días.
Revela la información adicional antes de interpretar.
Con la información revisada, ¿qué interpretación puede sostenerse? Selecciona una.
Contrastar fuentes, métodos y perspectivas
Triangular consiste en contrastar diferentes fuentes para matizar una interpretación. Ante una disminución en las calificaciones de desempeño, incorpora una fuente por paso.
Incorpora una fuente para observar cómo se matiza la interpretación.
Explorar un resultado por segmentos
Segmentar revela diferencias ocultas, pero también puede generar grupos demasiado pequeños e interpretaciones inestables. Selecciona un criterio.
Cuando un grupo resulta demasiado pequeño, no se presentan resultados individuales: la interpretación sería inestable y podría permitir identificar a una persona. La razón es proteger a las personas y sostener conclusiones sólidas, no aplicar un umbral fijo inventado.
Construir una ficha de recomendación
A partir de un ejemplo breve, completa la ficha paso a paso. La evidencia puede justificar examinar una intervención sin convertirla en una solución inevitable.
Ocho principios para usar datos sobre personas
La disponibilidad técnica de un dato no significa que su utilización sea necesaria, proporcional o legítima.
01Finalidad definida
Utilizar la información solo para un propósito claro y declarado.
¿Para qué se utilizará exactamente?
Usos indefinidos o desviados.
Medir finalización de una formación, no perfilar personas.
02Minimización
Utilizar únicamente los datos necesarios para la finalidad.
¿Cada dato es imprescindible?
Recolección excesiva.
Unidad y estado bastan; el nombre completo no siempre.
03Proporcionalidad
Ajustar el nivel de detalle a la importancia de la decisión.
¿El detalle guarda relación con el propósito?
Intrusión desmedida.
Datos agregados cuando la decisión es grupal.
04Transparencia
Que las personas sepan qué información se utiliza y con qué fin.
¿Se ha comunicado con claridad?
Desconfianza y usos ocultos.
Explicar el propósito de una encuesta de clima.
05Confidencialidad
Proteger la información frente a accesos indebidos.
¿Quién puede acceder y por qué?
Exposición de datos sensibles.
Restringir el acceso a resultados individuales.
06Equidad
Evitar que el análisis reproduzca o amplifique desigualdades.
¿Podría afectar de forma desproporcionada a un grupo?
Sesgos y trato injusto.
Revisar diferencias de registro entre grupos.
07Supervisión humana
Mantener el criterio profesional sobre cualquier resultado automático.
¿Quién revisa e interpreta el resultado?
Decisiones automáticas sin criterio.
Revisar excepciones antes de actuar.
08Conservación y eliminación
Mantener la información solo el tiempo necesario.
¿Cuándo deja de ser necesaria?
Acumulación indefinida.
Eliminar registros que ya no cumplen su finalidad.
¿Qué información utilizar?
Se necesita conocer el porcentaje de finalización de una capacitación por unidad. Selecciona qué información utilizar y confirma para revisar su pertinencia.
Agregados, seudonimizados y anonimizados
Presentan resultados grupales.
Sustituyen identificadores, pero permiten restablecerlos.
Han sido tratados para impedir razonablemente la identificación.
Este registro no tiene nombre. Activa y desactiva campos para observar cómo su combinación puede facilitar la identificación de una persona dentro de un grupo pequeño.
Ningún campo activo: el registro no permite identificar a nadie.
- Eliminar el nombre no siempre anonimiza.
- La combinación de variables puede revelar identidad.
- El nivel de detalle debe ser proporcional a la finalidad.
Los datos históricos pueden reflejar desigualdades
Selecciona un aspecto para revisar cómo puede introducirse un sesgo. Ninguna conclusión señala a grupos reales.
Eliminar una característica sensible no elimina automáticamente el sesgo: otras variables pueden funcionar como sustitutos. Desactiva la característica sensible y observa qué ocurre.
Tres formas de revisar una recomendación
Una recomendación automática sugiere concentrar la formación en dos unidades con mayor rotación. Explora las consecuencias de cada forma de revisión.
Una probabilidad grupal no describe a cada persona
Un segmento registra una mayor tasa de rotación. Compara dos usos posibles de ese hallazgo.
Seis preguntas para cada análisis
Revela una pregunta por vez. Son la síntesis del recorrido, del dato a la evidencia.
Pulsa «Siguiente pregunta» para comenzar.
People Analytics transforma información sobre personas y trabajo en evidencia para comprender problemas, orientar decisiones y evaluar resultados sin perder de vista sus límites y consecuencias humanas.