Tipos de datos clave en people analytics
Contenido del curso
Luis Ángel Morales Hernández
Ernesto Solano Leon
Leroi Laupichler
Sandra Maribel Ventura Torres
sandra Trejo
Julio Cesar Romero
José Nelson Flores Duran
Óscar Mauricio López
Óscar Mauricio López
Bibiana Rodríguez Acevedo
Yuliana Quiroz Escudero
Albany Hernández Higuerey
Adrian Rivera
MARIA TERESA PANIAGUA RIVERA
Albany Hernández Higuerey
Para implementar un proyecto de People Analytics que permita identificar los tipos de datos relevantes en Recursos Humanos (HR) y definir cómo recopilarlos, se necesita un equipo multidisciplinario, por ejemplo:
Muy interesante, son muchos datos los que se pueden y deben recoger en una estrategia data driven en RRHH. ¿Por qué comúnmente se llama 'rotación' a lo que en realidad se trata de 'fuga' o 'deserción'? ¿Por qué es tan común este eufemismo?
Hola Ernesto! La rotación es el indicador general Se utiliza por su neutralidad o por no adentrarse en los motivos del movimiento (despido, renuncia, etc)
Muy interesante lasrecomendaciones que brinda el ponente, ya que nos facilitará tener una data facil de crear y de manejar.
1. Información debe de estar centralizada.
Para obtener, almacenar y analizar datos en Recursos Humanos, es fundamental seguir un enfoque estructurado. Primero, identifica el tipo de datos relevantes (cuantitativos o cualitativos) y asegúrate de que estén centralizados y digitalizados. Herramientas como Excel son accesibles para análisis básicos. Para almacenamiento, considera bases de datos como SQL o soluciones en la nube. Para análisis avanzado, herramientas como Power BI o Tableau son ideales. Recuerda, la simplicidad y la validez de los datos son clave para obtener insights valiosos.
📘 Ideas principales de la clase: Importancia y tipos de datos en People Analytics
💬 Conclusión: En People Analytics, los datos no solo cuentan historias: las construyen. Tener información de calidad, organizada y relevante es la clave para transformar los recursos humanos en una ventaja competitiva real.
Los datos cuantitativos miden cantidades numéricas sobre las que puedes calcular promedios, mientras que los cualitativos describen cualidades o categorías que no admiten operaciones aritméticas directas.
Pensando en una encuesta de clima laboral, ¿cuál de los dos tipos crees que representan los comentarios abiertos del personal frente a su nota numérica?
¿Por qué es mejor centralizar la información?
Centralizar la información evita los silos de datos y reduce drásticamente el tiempo de preparación para tus análisis. Cuando tienes la información dispersa en múltiples archivos de Excel o sistemas independientes, corres el riesgo de generar duplicados, perder el rastro de las actualizaciones o cometer errores al cruzar variables. La centralización actúa como una única fuente de verdad. Esto significa que si necesitas cruzar el rendimiento de un equipo con su historial de capacitación, no tendrás que rogarle a tres departamentos distintos por sus bases de datos. Simplemente te conectas a tu repositorio principal y extraes lo necesario. Además, al mantener todo en un solo lugar, es mucho más fácil aplicar políticas de seguridad, gestionar los accesos y garantizar que la información sensible de los colaboradores esté protegida bajo los mismos estándares. En la práctica, esto acelera la transición de simplemente recolectar datos a verdaderamente analizar y predecir comportamientos.
¿Cómo defino qué datos recolectar primero?
Todo nace de tu pregunta de investigación o de la hipótesis de negocio que intentas resolver. No caigas en la trampa de recolectar datos solo por tenerlos; esto genera ruido y desgaste. Si el problema de tu empresa es la alta rotación en el equipo de ventas, tu enfoque inicial debe ser recolectar variables directamente relacionadas con ese fenómeno: esquemas de compensación, resultados de eNPS, tiempo en la compañía y motivos de salida. Una excelente práctica es mapear el problema y hacer una lista de las variables que podrían estar influyendo. Luego, clasifica esas variables según su disponibilidad: ¿qué datos ya tienes limpios y listos en el sistema de nómina? ¿Cuáles requieren encuestas nuevas? Empieza siempre por los datos de fácil acceso que aporten mayor valor a tu hipótesis principal. El poder de lo simple radica en resolver un problema específico con la menor cantidad de variables complejas posibles, iterando a medida que descubres nuevos hallazgos.
Hola! Soy muy nueva en tema de Data Driven, por lo que agradezco alguien me pueda aclarar sobre los tipos básicos de datos, que significan en numéricos "enteros" y "reales", y en texto "Caracteres" y "cadenas"... Muchas gracias!
Me encanto la frase del comentario: ''los datos no solo cuentan historias: las construyen.''
De la obtención de los datos no solo vemos realidades, sino que también transformaciones, hitos de un antes y un después en una organización.
No consigo la sección de recursos con esta nueva actualización de feed ¿Alguien podría echarme una mano y decirme donde quedó ubicada?
Deslizando hacia abajo la pantalla, puedes ubicar toda la info, espero y no haber llegado algo tarde a tu respuesta. :)
Gracias
<u>Tipos de datos que podemos recopilar:</u>
Cualitativos o cuantitativos: Identificar correctamente que método se utiliza ya que el uso de herramientas y el éxito dependerá de estos.
· Numéricos: Enteros o reales
· Lógicos: Condicionales Sí/No
· Texto: Caracteres o cadenas de texto.
Recursos humanos recopila datos respeto a:
· Datos demográficos: Edad, género, estado civil, etc.
· Desempeño: Kpi’s / cualitativos o cuantitativos
· Datos de compensación: Salarios, bonos, uso.
· Datos de compromiso y bienestar
· Formación y desarrollo: cantidad de horas que una persona ha sido formada
· Datos de rotación: Identificar el motivo de salida, índice de rotación por área, tiempo promedio que dura el personal.
