Iniciar un proyecto de people analytics suele ser el mayor reto para los equipos de recursos humanos. Aprenderás a definir el problema, mapear variables, plantear preguntas de investigación y elegir el nivel de análisis adecuado para responderlas con datos confiables.

Según Gartner, el uso de people analytics y tecnología ocupa las primeras cinco posiciones entre las prioridades estratégicas de recursos humanos, y aun así la mayoría de profesionales no sabe por dónde empezar [1:10].

¿Cómo defines el problema en un proyecto de people analytics?

Definir el problema a resolver es la parte más importante del proyecto, porque de ahí se desprende qué información, qué personas y qué herramientas vas a necesitar [1:35]. Sin un problema claro, no hay manera de saber si tu proyecto fue un éxito.

Piensa en esto como cuando armas un rompecabezas: si no sabes qué imagen estás formando, cualquier pieza parece encajar. Por eso, antes de pedir datos, dedica tiempo a entender qué fenómeno quieres explicar.

¿Qué es people analytics? Es la práctica de aplicar análisis de datos a procesos de recursos humanos para tomar decisiones informadas sobre talento, rotación, liderazgo, desarrollo y cultura organizacional.

¿Cuáles son los pasos para estructurar tu proyecto?

Estos ocho pasos te dan una ruta clara para llevar tu proyecto del planteamiento a la comunicación de resultados [2:00].

1. Define el fenómeno a analizar: ¿es alta rotación en un área específica o algo más amplio como liderazgo y clima?
2. Construye un mapa del fenómeno con variables que inciden y consecuencias positivas o negativas.
3. Elabora preguntas de investigación que teoricen explicaciones posibles.
4. Define el modelo experimental: desde un análisis exploratorio hasta uno predictivo con estadística avanzada.
5. Recoge la información cuidando calidad y confiabilidad, porque ahí también se juega la validez de los resultados.
6. Prepara los datos y analízalos, apoyándote en especialistas en estadística si lo necesitas.
7. Obtén insights y revisa si responden a tu pregunta de investigación.
8. Diseña una estrategia para comunicar resultados, incluso si la conclusión es que la data no fue suficiente.

Cada paso alimenta al siguiente. Si fallas en la recolección, el análisis se cae; si fallas en la pregunta, todo lo demás pierde dirección.

¿Qué niveles de análisis existen en people analytics?

Gartner menciona que el 80% de las organizaciones se queda en los dos primeros niveles y solo un 10% llega a una analítica más profunda capaz de predecir el futuro [4:50]. Conocer estos cuatro niveles te ayuda a saber a qué profundidad puedes y quieres llegar.

¿Qué responde el análisis descriptivo y diagnóstico?

El análisis descriptivo explica el pasado: qué ocurrió. Se apoya en tablas, gráficos de tendencias y descripciones básicas. Una pregunta típica es cuál fue la tasa de rotación por área o cuántos empleados fueron promovidos en los últimos seis meses [5:40].

El análisis diagnóstico explica el presente: por qué está ocurriendo el fenómeno. Aquí entran herramientas como el análisis de correlación y los modelos de regresión. Una pregunta común es cuáles son los principales motivos por los que tus colaboradores abandonan sus puestos [6:20].

¿Cuál es la diferencia entre análisis descriptivo y diagnóstico? El descriptivo te dice qué pasó (por ejemplo, 20% de rotación). El diagnóstico te dice por qué pasó (compensación, liderazgo, falta de desarrollo).

¿Qué aportan el análisis predictivo y prescriptivo?

El análisis predictivo se orienta al futuro y estima probabilidades. Por ejemplo, qué tan probable es que un colaborador se vaya en los próximos seis meses, o qué impacto tendrá una nueva política de compensación. Requiere herramientas avanzadas como machine learning e inteligencia artificial [7:00].

El análisis prescriptivo va un paso más allá: no solo predice, también recomienda qué acciones tomar y cuándo. Responde preguntas como qué hacer para reducir la rotación en un 10% en una ciudad específica. Combina estadística avanzada con algoritmos de recomendación [7:40].

¿Cómo construyes un mapa de conocimiento del fenómeno?

Un mapa de conocimiento te permite visualizar el fenómeno, sus causas y sus consecuencias en un solo plano. Tomemos un caso concreto: alta rotación del 20% en áreas comerciales [8:30].

En el centro colocas el fenómeno con sus datos: porcentaje, rango de tiempo, ciudades. A la izquierda, las causas y antecedentes que identificaste en entrevistas de salida y conversaciones con líderes:

• Compensación con esquemas salariales de base más bajos que la competencia y comisiones poco atractivas.
• Estilo de liderazgo percibido como autoritario y con poco acompañamiento en terreno.
• Oportunidades de desarrollo limitadas, rutas de carrera poco claras y pocos movimientos horizontales.
• Falta de diversidad y una cultura percibida como burocrática y poco ágil.

A la derecha, las consecuencias que validaste con tu equipo y tu cliente interno:

• Aumento en los costos de atracción de talento por reprocesos y uso de aliados externos.
• Impacto negativo en costos de entrenamiento, porque cada nueva contratación toma varios días en volverse productiva.
• Disminución del clima laboral por sobrecargas y horas extras que afectan el balance vida-trabajo.
• Riesgo en el cumplimiento de presupuestos de ventas por la falta de continuidad operativa [11:30].

¿Para qué sirve un mapa de conocimiento? Para estructurar el fenómeno antes de pedir datos. Te ayuda a saber qué variables capturar, qué preguntas hacer y a qué nivel de análisis aspirar.

Con este mapa en la mano, ya puedes definir qué datos necesitas, qué preguntas de investigación priorizar y si tu proyecto se quedará en lo descriptivo o avanzará hacia lo predictivo. ¿Qué fenómeno de tu organización mapearías primero? Cuéntame en los comentarios.