Mucho se ha dicho que en México, hacen falta personas con talento para desarrollar de manera eficiente su trabajo. Sin embargo, esto no resulta tan real como se plantea ya que el talento existe pero el problema real es que este talento no se sabe identificar. Leopoldo Ocaña, CEO de Fleet, nos afirma que existe talento oculto en las empresas desempeñándose en áreas donde quizás no se aprovecha mucho de su potencial. Como ejemplo nos plantea que puede existir un excelente vendedor laborando en el área de operaciones de la misma compañía.
Es así que surge el core business que consolidaría su actual proyecto, Fleet, una startup mexicana que ofrece insights basados en datos para construir estrategia de talento combinando metodologías de people analytics, modelos predictivos de comportamiento aplicados a recursos humanos.
Fleet tiene su origen en un proyecto anterior llamado Potentor que era liderado por Andrea Vargas, esposa de Leopoldo. Potentor se destacaba como una plataforma de consultoría en recursos humanos y desarrollo organizacional, pero que carecía de cierto factor tecnológico para evolucionar. Es así que Leopoldo Ocaña, partiendo de la base de Potentor, lleva el concepto del negocio más allá aplicando modelos de inteligencia artificial para obtener resultados más precisos en función del desarrollo de talento en las organizaciones.
¿Cómo funciona?
El modelo de People Analytics se refiere a la aplicación de técnicas analíticas y datos para gestionar el capital humano dentro de las organizaciones. Su objetivo es mejorar la toma de decisiones relacionadas con la contratación, el desarrollo, la retención y la productividad de los empleados, basándose en datos cuantificables más que en intuiciones o suposiciones.
El modelo de People Analytics se compone generalmente de varios componentes clave:
-
Recopilación de Datos
El primer paso consiste en reunir la información relevante de los empleados. Estos datos pueden provenir de diversas fuentes, como:
- Sistemas de Recursos Humanos (HRIS): Datos demográficos, historial laboral, desempeño, promociones, etc.
- Encuestas de satisfacción y compromiso: Información sobre el bienestar y la motivación de los empleados.
- Redes sociales internas y plataformas de comunicación: Datos sobre interacciones y colaboración entre empleados.
- Sistemas de gestión del aprendizaje (LMS): Información sobre capacitación, habilidades y desarrollo profesional.
- Datos operacionales: Por ejemplo, horas trabajadas, tareas completadas, etc.
-
Análisis de Datos
Una vez que se recopilan los datos, se utilizan diversas técnicas de análisis para extraer información útil. Las herramientas y métodos utilizados incluyen:
- Análisis descriptivo: Se examinan los datos históricos para entender lo que ha sucedido en el pasado (por ejemplo, tasas de rotación, desempeño).
- Análisis predictivo: Se utilizan algoritmos y modelos estadísticos para prever futuros comportamientos, como la probabilidad de que un empleado deje la empresa o la predicción del rendimiento futuro.
- Análisis prescriptivo: Se sugiere qué acciones tomar para mejorar ciertos aspectos, como incrementar el compromiso de los empleados o reducir la rotación de personal.
- Inteligencia artificial y machine learning: Se aplican para identificar patrones complejos que podrían ser invisibles mediante análisis más tradicionales.
-
Toma de Decisiones
Los resultados del análisis de datos proporcionan a los líderes de recursos humanos y a la alta dirección insights clave para la toma de decisiones estratégicas, tales como:
- Reclutamiento y selección: Ayuda a identificar las características y competencias que correlacionan con el éxito en la organización y facilita la creación de perfiles más acertados para nuevas contrataciones.
- Desarrollo y capacitación: Permite identificar las habilidades y competencias que necesitan ser desarrolladas entre los empleados.
- Compensación y beneficios: Analiza los paquetes salariales y otros beneficios para asegurarse de que sean competitivos y justos.
- Retención de talento: Ayuda a identificar factores que están contribuyendo a la rotación de personal y a crear estrategias de retención más efectivas.
-
Implementación de Estrategias
Una vez que las decisiones basadas en datos se toman, se implementan estrategias que podrían abarcar:
- Mejoras en la experiencia del empleado: Optimización de la cultura organizacional, ambiente de trabajo, reconocimiento, etc.
- Programas de bienestar y salud: Iniciativas para mejorar el bienestar físico y mental de los empleados.
- Planes de sucesión y talento: Creación de un camino claro para el desarrollo y crecimiento dentro de la empresa.
-
Medición y Ajuste
Después de implementar las estrategias, es necesario medir los resultados y realizar ajustes según sea necesario. Esto se realiza mediante un ciclo continuo de retroalimentación, donde el análisis de nuevos datos proporciona información sobre la efectividad de las políticas adoptadas y sugiere áreas de mejora.
Beneficios del People Analytics:
- Mayor eficiencia en la gestión del talento: Identificar rápidamente a los empleados con mejor desempeño y aquellos que pueden necesitar apoyo adicional.
- Decisiones más objetivas: Reducir la dependencia de intuiciones y suposiciones, basándose en datos concretos.
- Mejor experiencia del empleado: Mejorar la satisfacción y el compromiso de los empleados mediante acciones personalizadas y orientadas a sus necesidades.
- Predicción y prevención: Prever problemas como la rotación de empleados o la falta de habilidades críticas y tomar medidas preventivas.