Gestión humana en la era del big data

En 2014, Harvard Business School y Visier, la reconocida firma de analítica de negocios, realizaron un estudio sobre cómo las áreas de gestión humana estaban comenzando a vincularse a la “revolución de la analítica”. Concluyeron que el mayor uso de la data en estos departamentos es para informar reactivamente temas puntuales (ej: rotación), pero son datos que no suelen ser actualizados, predictivos u orientados a monitorear temas estratégicos.

Un año después, en otro estudio, preguntaron a CEO y directivos de las demás áreas funcionales: “¿Cuál el mayor obstáculo que tienen los departamentos de gestión humana para tomar decisiones estratégicas eficaces?”. La respuesta fue: “No parece que los directivos de RRHH hablen en el lenguaje del negocio o de la dirección”; “no explican el impacto financiero de sus decisiones”, y “no hacen los números”.

Tomando esto en cuenta, hace pocas semanas, el Centro de Estudios en Dirección del Talento (Cedit) de Inalde Business School organizó su IV Foro Cedit en Medellín y Bogotá, que reunió a 76 directivos de las áreas de gestión humana para discutir el tema.

Luego de analizar un caso sobre cómo Google usa su data interna para diseñar sus estrategias de talento, quedó claro que hablar de HR Analytics es referirse a una herramienta cuya única o principal función debería ser “ayudar a que la toma de decisiones en RRHH sea estratégica y que logre aportar al negocio, en entornos contantemente cambiantes y retadores”.

Esto, sin embargo, sucede poco en los departamentos de gestión humana. Parte de la explicación está en la mencionada encuesta de Harvard, que señala cómo los tres mayores obstáculos para lograr un mejor uso de sus datos, métricas y análisis está en la “data inexacta, inconsistente o difícil de acceder, que requiere mucha manipulación”; “la ausencia de habilidades y conocimientos de analítica entre los profesionales de RRHH” y “la insuficiente inversión en sistemas necesarios de analítica de talento y RRHH”.

¿Qué paradigmas hay detrás de los proyectos de big data & analytics?

  1. Que vale mucho dinero, cuando hay muchas herramientas abiertas, amigables y disponibles en la nube.
  2. Que no se tienen suficientes datos (o son demasiados) y son poco confiables, cuando en realidad no se trata de volumen tanto como de armar los que se requieren para responder a una pregunta relevante, descartando lo irrelevante y cruzando información de múltiples fuentes.
  3. Que la empresa es muy pequeña, cuando solo se requiere un problema acotado y concreto sobre temas de cualquier tipo de negocios.
  4. Que conviene armar proyectos solo para desarrollar competencias de analítica, cuando esto solo ralentiza el proceso y se convierte en una pérdida de tiempo.
  5. Que traer un experto o un técnico sofisticado con un buen software arregla el problema, cuando se requiere comprender el negocio a fondo (junto con su contexto y su cultura) para plantear un problema de interés de la alta dirección.
  6. Que RRHH no tiene las capacidades, cuando puede (y quizá debe) integrarse a un equipo multidisciplinario o multi-área donde sea capaz de aportar una visión diferente.
  7. Que son proyectos inútiles que buscan validar temas que ya se saben por intuición y experiencia de negocio, aunque den seguridad para tomar mejores decisiones sobre problemas reales.

Por el contrario, ¿qué puede facilitar un buen proyecto de analítica de datos? Tener claro el problema y el fin que se pretende; partir de la base de que se tomará una acción alrededor de los resultados; conocer las necesidades de quienes deben aprobar el proyecto para orientarlo a “sus dolores”; contar con apoyo y acompañamiento de la alta dirección; tener clara la estrategia para desplegar el proyecto y llevarlo a término; plantearlo de una forma atractiva y retadora; contar con un plan realista y realizable; tener un conocimiento profundo del negocio; asignar personas y recursos adecuados (con suficiente visión, conocimiento, credibilidad interna e impacto organizacional); y montar un equipo multidisciplinario, en lugar de pretender que sea solo liderado por las áreas de gestión humana.  

Pero tener data o información abundante, aun estando muy organizada, sirve de poco por sí mismo. ¿De qué sirve contar con mucha data si uno no sabe qué hacer con ella? Así lo señalaba el famoso estadístico norteamericano, John W. Tukey cuando afirmaba a comienzos de los años 60: “Es mucho mejor una respuesta aproximada a la pregunta correcta (aunque sea vaga), que una respuesta perfecta a la pregunta incorrecta (aunque sea precisa)”.

Pero hacer preguntas relevantes no es una tarea fácil. Se requiere tener “espíritu de investigador”, más que un software sofisticado, grandes presupuestos y robustos equipos llenos de estadísticos y científicos de datos, si uno no sabe qué hace con ellos. Asimismo, tampoco sirven voluminosos reportes llenos de datos y presentaciones abundantes en gráficas sofisticadas, si los resultados dicen muy poco a la alta dirección respecto de su potencial impacto en el negocio. No se puede olvidar el famoso adagio de “garbage in, garbage out” (si mete basura, saldrá basura), porque la mejor herramienta no puede proveer analítica útil si su punto de partida y el input del proyecto parte de supuestos y fuentes de información equivocados.

¿Qué es lo más difícil de hacer una pregunta de investigación relevante? Los asistentes al Foro Cedit señalaban, entre otros: Solo ver los síntomas y no las causas raíz de los problemas; partir de paradigmas o prejuicios personales; el exceso de ambición desde una pregunta muy amplia, generando un proyecto sin foco claro; encontrar un consenso alrededor de una pregunta que interese responder a múltiples áreas de negocio; formularla de manera ambigua, al punto de dar lugar a múltiples interpretaciones; o manipular caprichosa o inconscientemente la data que entra o se omite, fallando a su vez en el método elegido para buscarle respuestas.

También es un error pensar que la tecnología es la solución para generar un gran proyecto. La mayoría coincide que es una mala idea comenzarlo de manera solitaria, sin el aval y compromiso de la alta dirección, ignorando los procesos y rasgos propios de la cultura organizacional que pueden impactar la consolidación de información o el resultado final, y sin realizar una socialización acertada del proyecto (sea por la selección de la información a divulgar, el medio utilizado o el target al que se quiere comunicar).

Fuente: Revista Dinero