Skip to main content

Tuve una especie de revelación el otro día. Durante bastante tiempo me he preguntado por qué existe esa falta de interés en los reportes de RRHH por parte del equipo de RRHH en general. No se trata de un caso concreto de un cliente o lugar de trabajo, ha sido una experiencia bastante universal. Un ejemplo de ello fue cuando informé a mi jefe directo que un porcentaje significativo de la responsabilidad por días de descanso de la organización provenía de licencias acumuladas por encima del permiso anual permitido. En pocas palabras, las personas estaban acumulando sus días de vacaciones en vez de tomarlos, lo que equivalía a millones de dólares con los que no habíamos contado en el presupuesto. Me sorprendió bastante que a este directivo sí le interesara el tema. Al final, mi hallazgo llegó a la dirección y el área ejecutiva solicitó un informe al respecto.

Entonces, ¿por qué sucede esto? ¿Por qué los profesionales de RRHH no se interesan en el software de informes de RRHH? Mi conclusión es que no estamos hablando el mismo idioma; RRHH sigue siendo, en gran medida, un negocio de uno a uno. Los profesionales de RRHH tratan con una sola persona a la vez, muchos simplemente no se interesan por los promedios de toda la empresa, ni por las tendencias, etc., salvo que apoyen sus propios Indicadores Clave de Rendimiento (y, en ese caso, se interesan tal vez una vez al mes). Como trabajan con casos individuales, los empleados con bajo rendimiento son individuos, los de alto rendimiento son individuos; los grupos, divisiones o colectivos apenas registran importancia en general. Mientras tanto, la mayoría de los reportes que elaboramos en RRHH son para toda la organización o a nivel de división. Desde la perspectiva de los reportes, a mí no me importa lo que hizo ‘Jane’, me importa lo que hicieron miles de empleados.

Esta es la desconexión: los informes de RRHH se centran en cientos o miles de empleados, pero el trabajo de RRHH se enfoca principalmente en individuos. Salvo el análisis predictivo, que sí puede operar a un nivel granular por empleado, no estoy del todo seguro de cómo debería cambiar mis prácticas de reporte en RRHH para involucrar al resto del área. Y quizá tampoco sea necesario; tal vez solo sea cuestión de promover activamente la analítica predictiva y relegar los informes de RRHH a ser un mero indicador de apoyo para la predictiva.

Sigue leyendo—y sigue liderando de manera más inteligente

Crea una cuenta gratuita para terminar este artículo y unirte a una comunidad de líderes visionarios que están desbloqueando herramientas, guías prácticas e ideas para prosperar en la era de la IA.

Name*
Este campo está oculto cuando se visualiza el formulario
Este campo está oculto cuando se visualiza el formulario
Este campo está oculto cuando se visualiza el formulario
Este campo está oculto cuando se visualiza el formulario
Este campo está oculto cuando se visualiza el formulario
Este campo está oculto cuando se visualiza el formulario
Este campo está oculto cuando se visualiza el formulario
Este campo está oculto cuando se visualiza el formulario
Este campo está oculto cuando se visualiza el formulario
By submitting this form, you agree to receive our newsletter, and occasional emails related to People Managing People. You can unsubscribe at any time. For more details, please review our Privacy Policy

Me encantaría conocer tu perspectiva sobre esto. Como profesional de RRHH, ¿te interesan los informes de RRHH? O, si te dedicas a la analítica de RRHH, ¿también percibes esta desconexión dentro del área?

Brendan Lys

Operando en la intersección de Recursos Humanos y Ciencia de Datos, aprovecho una amplia experiencia especializada en Recursos Humanos junto con las metodologías y enfoques de la Ciencia de Datos. Este enfoque en descubrir conclusiones prácticas a partir de datos se ha aplicado en áreas como: remuneraciones y beneficios, planificación de la fuerza laboral, selección de personal, salud y seguridad, diversidad y formación. Pero, ¿cómo se ve realmente la aplicación de la ciencia de datos a los retos y oportunidades de RRHH? En un entorno de RRHH, los datos con los que trabajamos suelen provenir directamente de nuestro HRMIS; una ventaja de las metodologías de ciencia de datos es que podemos incorporar datos adicionales internos o externos, datos que no serían accesibles únicamente desde el análisis tradicional de RRHH. Por ejemplo, las descripciones de puesto contienen mucha información que a menudo se ignora porque no está en un formato fácilmente analizable. Un proyecto paralelo en el que trabajo actualmente (abril de 2019) utiliza minería de texto en descripciones de puesto para aportar información sobre a qué familia profesional corresponde cada puesto. Los resultados de mi trabajo han sido aprovechados por organizaciones de diversos sectores, incluidos: el gobierno (Australia y Nueva Zelanda), empresas que cotizan en ASX y NZX, servicios públicos, organizaciones sin fines de lucro y educación superior.