🖐La importancia de lograr que el algoritmo se equivoque
📈📉📊People Analytics permite a un departamento de Recursos Humanos obtener conocimientos prácticos basados en datos para tomar decisiones sobre el talento y los procesos de la fuerza laboral que ayuden a optimizar la experiencia de los empleados, aumentar la productividad y crear la mejor estructura organizativa posible.
🤨Si bien estas herramientas hacen uso de los distintos tipos de analítica: descriptiva, prescriptiva, diagnostica y predictiva, cuando hablamos de People Analytics, una de las funciones más demandadas por los departamentos de RRHH son los modelos predictivos, para poder anticipar cualquier evento relacionado con la plantilla.
👉El análisis predictivo de la rotación es un área clave dentro de People Analytics. Actualmente podemos saber el nivel de rotación no deseada en una empresa e, incluso, predecir qué perfiles concretos podrían irse de la empresa en los próximos 12 meses.
✋Pero, ¿para qué sirve exactamente esta información?
✅Muy simple: para poder hacer que el algoritmo se equivoque siempre.
💡Según Nicolás Pedrón, Gerente de Planificación y Reporting en Caixabank.
«El objetivo ideal del algoritmo predictivo de salidas a 12 meses debería ser que falle siempre. Es decir, que debemos conseguir que todos aquellos que tienen riesgo de fuga se queden en la empresa porque hayamos reaccionado a tiempo”.
En concreto, se refiere a los algoritmos que ya son capaces de cruzar datos tanto personales como de clima laboral o el nivel de skills del empleado para determinar cuánta rotación no deseada hay en una empresa. Y cuánta se producirá en los próximos 12 meses, con nombres y apellidos.
⭕La clave
🟢La clave reside en saber dónde poner el foco. En todos estos casos, son la analítica y los algoritmos la que están al servicio de RRHH, y no al revés.
«Los algoritmos no toman decisiones, dan inputs para que las personas las tomen»