People Analytics
People Analytics con la metodología a la vista, no solo el número
Convertimos datos de plantilla en una decisión, con la fuente, la muestra y el método siempre a la vista. Si ya usas una plataforma como Visier, actuamos como capa de validación de metodología y gobernanza, no como sustituto.
Qué es People Analytics
People Analytics es RR. HH. basada en evidencia: cada hallazgo sigue una cadena explícita de datos → insight → decisión → acción. Un insight sin una decisión asociada es un dashboard.
HR Analytics no es lo mismo que People Analytics
HR Analytics suele describir informes operativos sobre los propios procesos de RR. HH.: tiempo de cobertura de una vacante, coste por contratación, volumen de headcount. People Analytics es más amplio y trata los datos de plantilla como un activo estratégico conectado a resultados de negocio, más allá de la eficiencia interna del departamento.
Correlación no es causalidad
People analytics es especialmente propenso a hallazgos confundidos. «Las personas de alto desempeño que se marcharon tenían puntuaciones de compromiso más bajas» puede reflejar que el desánimo causó la salida, o que la decisión de marcharse causó después un compromiso más bajo en la encuesta. La dirección importa para saber qué hacer al respecto. Usamos «asociado con», nunca «causa», salvo que el diseño del análisis lo soporte genuinamente.
Calidad y gobierno del dato
Un hallazgo analítico declara su fuente, su tamaño de muestra y su ventana temporal. Sin eso es solo una afirmación. Todo análisis que entregamos declara de qué sistema viene el dato (HRIS, ATS, encuesta), qué cubre y qué deja fuera.
Interpretabilidad de los modelos
Un modelo que no puede explicar por qué produjo una puntuación concreta no es apto para ninguna decisión que afecte de forma material a una persona, independientemente de su precisión. Documentamos qué variables alimentan cualquier puntuación y con qué peso.
Nivel de madurez analítica
La mayoría de las organizaciones, y la mayoría de las herramientas, declaran operar en un escalón más alto del que realmente practican. Aplicamos este marco para diagnosticar dónde está el cliente hoy.
- Descriptivo
- qué ha pasado. La rotación fue del 15 % el trimestre pasado.
- Diagnóstico
- por qué ha pasado. La rotación se concentra en antigüedad de 12–18 meses, asociada a un cambio de manager.
- Predictivo
- qué es probable que pase. Esta persona tiene una puntuación de riesgo de salida elevada, con las variables que la alimentan documentadas.
- Prescriptivo
- qué deberíamos hacer. Intervenir con estas tres acciones, priorizadas por impacto esperado.
- Decision Intelligence
- el escalón que va más allá de lo prescriptivo. Aquí se diseña el propio proceso de decisión: quién decide, con qué información y bajo qué punto de control humano. Es el punto donde la analítica se conecta directamente con el Artículo 22 del RGPD y con el Reglamento Europeo de IA.
Metodología Datalent
Entrada: diagnóstico acotado
Medición de cultura/compromiso, análisis de rotación, o una revisión de sesgo y equidad de un proceso existente, entregado con metodología y linaje de datos a la vista.
Diseño y despliegue: analítica recurrente
Dashboards y, cuando está justificado, un modelo predictivo validado contra una muestra de reserva real, con una fase explícita de auditoría de sesgo antes de que el resultado influya en una decisión real de contratación, promoción o despido.
Retenido: mantenimiento y re-validación
Mantenimiento continuo de dashboards y modelos, y re-validación periódica. La analítica que no se mantiene se degrada en silencio, y esta fase existe para evitar exactamente eso.
Así se ve una divulgación de metodología
Ejemplo ilustrativo de estructura, sin datos reales de ningún cliente. Los corchetes marcan dónde va el dato de cada engagement:
- Fuente
- encuesta de compromiso, sistema HRIS del cliente.
- Muestra
- [n y tasa de respuesta específicos del engagement].
- Método
- análisis de cohortes por antigüedad, con rotación deseada y no deseada separadas.
- Confianza
- [nivel de confianza de la estimación, declarado explícitamente].
Casos de uso
Diagnóstico de cultura y compromiso
Triangulación de datos de encuesta con datos de comportamiento (movilidad, rotación, desempeño), en vez de depender solo de la encuesta anual de compromiso.
Análisis de rotación con metodología
Separación entre rotación deseada y no deseada, y análisis de cohortes por antigüedad, en lugar de una única «tasa de rotación» que oculta la señal real.
Auditoría de sesgo de un proceso o modelo existente
Cribado con la regla del 4/5 sobre un proceso de selección o promoción, y documentación de qué variables alimentan cualquier modelo ya en uso, incluida la validación de un modelo que ya operas en otra plataforma.
KPIs alineados con ISO 30414
Cada indicador se define aquí como concepto de seguimiento. El valor real es siempre específico de cada organización.
- Precisión del modelo
- exactitud, precisión y recall de cualquier modelo predictivo, medidos contra una muestra de reserva genuina, no contra los propios datos de entrenamiento.
- Completitud del dato
- proporción de campos requeridos con datos reales en la población relevante.
- Tiempo hasta el insight
- desde que se plantea la pregunta hasta que se entrega la respuesta.
- Tasa de adopción
- proporción de managers o líderes elegibles que realmente usan los resultados de la analítica en una decisión.
- Conversión de decisión a acción
- proporción de recomendaciones analíticas que terminan en una acción registrada.
- Ratio de impacto dispar
- resultado frente al umbral de la regla del 4/5, seguido de forma recurrente para cualquier modelo que influya en decisiones de personas.
Preguntas frecuentes
¿Qué diferencia hay entre HR Analytics y People Analytics?
HR Analytics suele referirse a informes operativos sobre los propios procesos de RR. HH.: tiempo de cobertura de una vacante, coste por contratación, volumen de headcount. People Analytics es más amplio y trata los datos de plantilla como un activo estratégico conectado a resultados de negocio, con una cadena explícita de datos → insight → decisión → acción.
¿Cómo evitáis confundir correlación con causalidad?
Usamos el lenguaje que corresponde al diseño del análisis: «asociado con», no «causa», salvo que el diseño lo soporte genuinamente, por ejemplo un experimento controlado. Cualquier hallazgo correlacional se presenta como tal, con el tamaño de muestra y las variables de confusión conocidas declaradas explícitamente.
¿Auditáis modelos que ya usamos en otra plataforma, como Visier?
Sí. No competimos con la infraestructura de dashboards de una plataforma ya desplegada. Actuamos como la capa de validación de metodología y gobernanza sobre ella: ¿el modelo supera una auditoría de sesgo?, ¿qué variables lo alimentan y con qué peso?, ¿está clasificado por riesgo bajo el Reglamento Europeo de IA? Ahí está nuestro valor.
¿Cómo gobernáis un modelo predictivo que influye en decisiones de contratación o promoción?
Con auditoría de sesgo obligatoria antes de cualquier uso operativo, documentación de qué variables alimentan el modelo y su peso, y un punto de control humano antes de que el resultado se convierta en decisión, conforme al Artículo 22 del RGPD y al Reglamento Europeo de IA. El tratamiento completo de esa clasificación de riesgo vive en la página de Gobernanza de IA.