Este tipo de post “Imagina” trata de presentar posibles casos de uso de la analítica de recursos humanos. Espero que os resulten interesantes y útiles.
CONTEXTO
Imagina una compañía del sector servicios (tecnológico) (con alta rotación, perfiles complejos, puestos cambiantes, alta presión) con un alto volumen de personas a nivel nacional (más de 5.000). Esta compañía cuenta con un equipo orientado a buscar y aplicar modelos de retención y a analizar las salidas con entrevistas de salida. Últimamente y debido al incremento de rotación, han delegado esta función en los propios equipos de proyectos, pero por diferentes motivos les cuesta mucho sacar conclusiones más allá de la obvias.
Un día el CEO de la compañía llama al Director de RRHH y al responsable de desarrollo y retención y les pregunta acerca del impacto en costes directos, costes indirectos y coste de oportunidad del incremento de rotación. Al ver los números y la reducción de beneficio directo que suponía solicitó un estudio sobre los motivos reales de la rotación y un plan de acción medible y alcanzable para reducirla a niveles anteriores. Adicionalmente, les pidió definir e implantar un proceso que permitiera a la organización no solo entender lo que pasaba sino intentar anticiparlo.
RESPUESTA
El equipo de Analítica de RRHH (compuesto por personas de diferentes áreas tanto interna como externa) recopilaron información segmentada como la edad, salario, puesto, evolución profesional, años en la compañía, años profesionales, bonus, indicadores de rendimiento, formación recibida, últimos 3 proyectos, relación con mandos intermedios y otra serie de datos. La confidencialidad de los datos era crucial por lo que la identificación de los trabajadores se enmascaró con una capa de IDs. Elaboraron un modelo estadístico usando regresión logística siendo la variable categórica para predecir la probabilidad de rotación del empleado. Definido el modelo se comprobó su fiabilidad con nuevos grupos de datos externos a la muestra inicial y en periodos distintos. Aplicaron el modelo sobre los niveles con mayor rotación, se definieron acciones y se tomaron variables y KPIs de control para ver la evolución real.
El modelo aplicado proporcionó una reducción del 20% en la tasa de rotación suponiendo un ahorro en costes para la empresa superior a 1M de € anuales tanto en mejoras de productividad derivada de la gestión activa como en costes de remplazo de personal.
El proyecto comenzó muy lento debido a la complejidad en la captación y agrupación del dato, pero una vez se contaba con los datos el resultado no tardo en obtenerse. En total fueron más de 5 meses.
A partir de ese momento, decidieron hacer una escalación a otros perfiles y áreas de la organización. Así mismo, empezaron a plantear un modelo de captación y gestión del dato que les permitiera contar con la información en tiempo real y poder anticipar no solo la rotación sino en qué proyecto y/o área podía producirse con mayor probabilidad, y sus motivos.
Es cierto que el sistema no es perfecto y que se deberían incluir variables exógenas a la organización como la demanda de determinados perfiles y el grado de GAP con las variables de EVP de la competencia.
La obtención, normalización y modelización de datos fue larga y compleja, y seguro que el volumen y la calidad de estos no es tan buena como sería de desear, pero nos permite contar con una información útil en la toma de decisiones y en la generación de planes de acción.
Así que imaginad y animaos a probar. Como decía Disney “Pregúntate si lo que estás haciendo hoy te acerca al lugar en el que quieres estar mañana”
Un saludo,
Guillermo