Presentación de la charla introductoria de People Analytics realizada en la Facultad de Ciencias Sociales de la Universidad de Buenos Aires (UBA) por Sergio García Mora de Data 4HR

1. PEOPLE ANALYTICS
INFORMACIÓN PARA LA GESTIÓN DIFERENCIADA DE RRHH

2. MISION
En Data 4HR somos una Start Up
interdisciplinaria que brindamos
servicios disruptivos para la
gestión de Recursos Humanos y
de las organizaciones.
QUIENES SOMOS
Impulsar resultados
extraordinarios en toda la
cadena de valor de nuestros
clientes utilizando Analytics
para generar acciones de
crecimiento exponencial.
NUESTRA VENTAJA
Somos profesionales del
negocio, que conocemos los
problemas y desafíos de las
organizaciones desde adentro
y sabemos como gestionarlos.
• Recruiting
• Planificación Estratégica
• Organizational Network Analysis
• Feedback & Clima
• Training
• Dashboards
NUESTROS SERVICIOS

3. ¿QUE ES ANALYTICS?
Es la ciencia de analizar datos.
Es una disciplina que nos permite encontrar
en grandes volúmenes de datos, los patrones relevantes que sustenten
mejores decisiones para generar ventajas estratégicas.
Buscamos oportunidades de
mejora en los procesos…
… que nos permitan mejorar los
resultados del negocio.
¿QUÉ ES LO QUE HACEMOS?

4. Definiciones: ¿Qué es People Analytics?
Analytics: “la ciencia de analizar datos”
Es una disciplina que combina el análisis estadístico, junto con la
potencia computacional para buscar patrones relevantes para la
toma de mejores decisiones.
¿Cuál es el propósito de Analytics?
Identificar aquellas variables y métricas que pueden ser
mejores predictores de la performance deseada.

5. Definiciones: ¿Qué es People Analytics?
¿Por qué hablamos de People Analytics y no de HR Analytics?
La distinción está en que con People Analytics buscamos analizar todo lo
que hace la gente dentro de la organización, independientemente de si la
mejora está asociada a un programa de Recursos Humanos o no.
El objetivo siempre tiene que estar puesto en alguna necesidad organizacional

6. Tipos de resultados de negocio
Algunos resultados de negocio son:
Facturación
Promociones
Internas
Calidad
Servicio al
Cliente
Procesos
Retención -
Rotación
Seguridad Engagement
etc., etc.

7. ¿Por qué tanto alboroto?
• La cantidad de información que se genera
constantemente es impresionante.
• Hoy disponemos de potencia computacional
para manejar el volumen de información.
• Usar insights para obtener ventajas
estratégicas.
• Los contextos cambian permanentemente y
con mayor frecuencia -> V.I.C.A.

8. V.I.C.A.
Volátil Incierto
Complejo Ambiguo

9. Abordando la complejidad

10. Abordando la complejidad

11. ¿Qué problemas pueden resolverse con Analytics?
Optimización Segmentación
Text Mining Sist. RecomendaciónSocial Network

12. Tipos de modelos de People Analytics
Descriptivos
Predictivos
Prescriptivos

13. Ejemplos Tipos de modelos People Analytics

14. Modelos Descriptivos

15. Modelos Predictivos
1 0
1 11225 203
0 324 3247
Matriz de Confusión

16. Modelos Prescriptivos
Una de las características de los empleados que
renuncian, y que tienen alto desempeño es que
trabajan en mayor cantidad de proyectos.
Decisión: Los empleados que tienen alto
desempeño y alto nivel de satisfacción no
participan en más de 3 proyectos por año.

17. People Analytics – Derrumbando Mitos
People Analytics se
trata de medir.
Requiere software y tecnología cara.
Hay que saber mucha
matemática y estadística.
No tengo datos.
Sólo las empresas muy
grandes pueden hacerlo.
EXCEL

18. Barreras
• Disponibilidad de la información.
• Compromiso con la calidad de los datos.
• Ansiedad.
• Acceso a internet.
• Falta de formación en RRHH de
habilidades analíticas.
• Pensar más en el software y el hardware
que en los objetivos.
• Crear una “Data Driven Organization”.
• “Democratización “de la información.

19. RH llega tarde… en Argentina
La industria del Software en Argentina
tuvo en 2017:
• Récord de U$S 1.699 Millones en
Exportaciones
• Crecimiento de ventas: 28,3% en pesos
• Aumento del Empleo: 3,5%
De acuerdo a datos de LinkedIn, en India:
• Los puestos Analíticos en RRHH
crecieron un 77% en los últimos 5 años
(vs. 70% promedio de Asia-Pacífico)
• 14% de las posiciones actualmente
tienen una base analítica.

20. Pregunta: ¿Qué hacen…
Calidad
Seguridad
e Higiene
RRHH

21. El trabajo con datos permite empoderar
a los líderes dándoles herramientas
efectivas para lograr mejores resultados

22. Scrap Learning
El Scrap Learning es una forma de medir cuánto del conocimiento
transmitido en una capacitación se traslada al trabajo.
La forma de calcularlo es muy simple:
¿Cuánto
conocimiento
trasladará al
trabajo?
Respuesta:
40%
Scrap
Learning =
60%

23. Scrap Learning - Datos
Promedio
45%
Plazo
6 semanas

24. Eligiendo Preparando Planificando
Siguiendo Ayudando
Scrap Learning - Claves
• Más allá de la responsabilidad de RRHH en la selección y alineación de los
programas de formación los jefes son claves en la efectividad de las
capacitaciones:

25. Scrap Learning - Beneficios
Negocio
Colaborador
Imagen del
Jefe
Resultados
del Jefe
Felices
los 4
CEO
Empleado
Jefe
RRHH

26. Feedback
Corregir e Impulsar
el Desempeño

27. Mirar las tendencias - Feedback
El feedback, en el 66%
de los casos permite
cambiar la tendencia de
la recta de bajo
desempeño
El 90% de los empleados
que trabajan bien y
además reciben
feedback continúan
trabajando bien
El 75% de los empleados
que trabajan bien y no
reciben feedback
continúan trabajando
bien

28. ¿Cuánto vale el desempeño?
Promedio
Una investigación realizada en 1979
sobre el valor que generaban los
programadores del Gobierno Federal de
Estados Unidos arrojó que:
- Los programadores que estaban en el
percentil 85 del desempeño,
generaban U$D 11.000* anuales que
los que estaban en el promedio.
- Haciendo el ajuste por la curva
potencial, un programador en el
percentil 85 generaba U$D 23.000 más
de valor.
- Un programador en el percentil 99,7
generaba U$D 140.000 más de valor
que un programador promedio.
* Dólares de 1979

29. ¿Para qué más nos sirven los datos?
https://www.ted.com/talks/hans_and_ola_rosling_how_not_to_be_ignorant_about_the_world?language=es

30. La industria del Juicio

31. La industria del Juicio
AÑO
% Casos
terminados en
Sentencias
% Casos
terminados en
Acuerdos
2006 76.79 23.21
2007 70.81 29.19
2008 64.34 35.66
2009 44.52 55.48
2010 Sin Datos
2011 18.62 81.38
2012 19.47 80.53
2013 23.01 76.99
2014 24.99 75.01

32. Ausentismo
Según un informe del Ministerio de
Trabajo, Empleo y Seguridad Social
del 2015, las mujeres faltan más
que los hombres.
INCLUYE
LICENCIAS X
MATERNIDAD
ENFERMEDAD
ACCIDENTES
AUSENCIAS
INJUSTIFICADAS

33. ¿Cómo empezar?
The Nerd Way The HR Way

34. Visualización
¿Cómo empezar? – The Nerd Way
Data Analysis

35. ¿Cómo empezar? – The HR Way
La capacidad de análisis no tiene no tiene que ver tanto
con estadísticas o algoritmos, sino con un mindset
diferente.
re:Work – Guía para adoptar un mindset analítico.
✓ Hacer las preguntas correctas
✓ Entender el proceso de valor de Analytics
✓ Elegir los datos y métricas
✓ Hacer inferencias usando las estadísticas
✓ Contar una historia con los datos
✓ LLEVAR A LA ACCION LOS HALLAZGOS
Crítica Curiosidad
Creatividad Constancia

36. People Analytics – Competencias Fundamentales
Matemáticas y
Estadística
Conocimiento
del Negocio
Programación
Perfil “Clásico”
del Data Scientist

37. People Analytics – Competencias Fundamentales
Entender el
Negocio
Capacidad
para
Accionar
Conclusiones
Programación
Perfil “de un buen
minero de datos”

38. People Analytics Nuestra Metodología
Gene Pease, Boyce Byerly, y el Dr. Jac Fitz-Enz (2012)
Anécdotas &
Storytelling
Indicadores &
Tablero de
Comando
Benchmarks
Análisis de
Correlaciones
Análisis de
Causaciones
Toma de
Decisiones

39. ¿Por qué son importantes las anécdotas?

40. En resumen
¿Qué es?
• Una disciplina
que aborda el
análisis de datos
para detectar
patrones
relevantes para
tomar mejores
decisiones
¿Para qué sirve?
• Análisis más
profundos,
diversos y
complejos.
• Hacer análisis
predictivos y
tomar decisiones
antes qué
ocurran las cosas.
¿Por qué es
importante para
RH?
• Evidenciar el
impacto de
nuestra gestión.
• Diseñar acciones
de alto impacto.
• Contextos
volátiles.
¿Qué hay que
aprender?
• Hacer preguntas.
• Entender qué se
puede hacer y
qué no.
• Calidad de los
datos.
• Storytelling.

41. Y si esto les parece difícil…
Programar para aprender sin
límites – Antonio García Vicente.
Now it’s time to get your own
wings – Masako Wakamiya

42. Últimas conclusiones
No tener miedo a equivocarnos
“No tenemos miedo a toquetearlos, a experimentar con
ellos, a ver qué hay aquí, o a estropearlos”.
Crear una comunidad
Armar redes para aprender en conjunto, y construir
relaciones entre pares.
Compartir lo que sabemos
Las grandes cambios ocurren cuando compartimos lo que
descubrimos o lo que sabemos con los demás.
Comunidad Data 4HR
+54 9 11 4413 2440
Página: facebook.com/data4hr
Grupo: Freakys de RRHH
data4hr.slack.com

43. Sergio E. García Mora
Data 4-HR
E: sergio@d4hr.com
T: (54-11) 15 4413 2440
L: https://ar.linkedin.com/in/sergiogarciamora
F: https://www.facebook.com/data4hr/

44. Fuentes
• BOCK, Laszlo, “La nueva fórmula del trabajo”, Conecta, 2015.
• BODENHEIMER, Juan, “HR Analytics, Derribando mitos”. Webinar Comunidad HR. https://www.youtube.com/watch?v=Iw1qPNQp-dU&t=2371s
• CRAVINO, Luis María, “Medir lo importante”, Temas Grupo Editorial, 2007.
• DJ Patil & MASON, Hilary , “Data Driven – Creating a Data Culture”, O’Reilly, 2015.
• FITZ-ENZ, Dr. Jac, “ROI of Human Capital”, AMACOM, 2009.
• GARCIA VICENTE, Antonio, “Programar para aprender sin límites”, https://www.youtube.com/watch?v=9hUjhIfs-bw&feature=share
• John R Mattox II, Mark Van Buren and Jean Martin, “Learning Analytics”, 2016
• McCANDLESS, David, “The beauty of data visualization”, https://www.ted.com/talks/david_mccandless_the_beauty_of_data_visualization
• NUSSBAUMER KNAFIC, Cole, “Storytelling with data: A data visualization guide for business proffesionals”, Wiley, 2015.
• ROSLING, Hans “How not to be ignorant about the world”,
https://www.ted.com/talks/hans_and_ola_rosling_how_not_to_be_ignorant_about_the_world?language=es
• SMITH, Tracey, “The First Three Skills HR Needs to Learn from Outside HR”, https://www.linkedin.com/pulse/first-three-skills-hr-needs-learn-from-outside-tracey-
smith
• SMITH, Tracey, ““The Strategy of Metrics & Key Performance Indicators”, Numerical Insights LLC.
• WAKAMIYA, Masako, “Now it’s time to get your own wings”, https://www.youtube.com/watch?v=gUjXiYtOC7Y
• Cifras que hablan”, Unión de Aseguradoras de Riesgo del Trabajo. http://www.uart.org.ar/~uart/cifras-que-hablan/
• “ART: sólo el 16% de los accidentes termina en juicio”. Ámbito.com http://www.ambito.com/871665-art-solo-el-16-de-los-accidentes-termina-en-juicio
• “¿A quién beneficia la industria del juicio?”. MDZol.com http://www.mdzol.com/nota/736398-a-quien-beneficia-la-industria-del-juicio/
• Ministerio de Trabajo, Empleo y Seguridad Social; “Encuesta de Indicadores Laborales”, http://www.trabajo.gob.ar/left/estadisticas/eil/al.asp
• “La industria argentina del software logró un record histórico de exportaciones durante 2017”. CESSI http://www.cessi.org.ar/ver-noticias-la-industria-argentina-
del-software-logro-un-record-historico-de-exportaciones-durante-2017-2210
• “Nearly 80% rise in HR analytics professionals in India: LinkedIn” Yahoo https://in.finance.yahoo.com/news/nearly-80-rise-hr-analytics-professionals-india-linkedin-
080805308--finance.html