Eleva tus habilidades de liderazgo y negocios

Súmate a más de 52,000 líderes en 90 empresas mejorando habilidades de estrategia, gestión y negocios.


Mejor análisis de personas

Mapee las relaciones de sus empleados para mejorar el rendimiento.
Mejor análisis de personas
Resumen.

Últimamente, la analítica de personas, que utiliza la información estadística de los datos de los empleados para gestionar el talento, ha recibido mucha publicidad e incluso ha ganado la aceptación general. Sin embargo, la mayoría de las empresas no comprenden qué dimensiones del talento impulsan el rendimiento en sus organizaciones. ¿Por qué? Sus análisis examinan solo el atributos de empleados, cuando las personas interacciones son igualmente, si no más, revelador.

Las investigaciones demuestran que gran parte del éxito de los empleados se puede explicar por sus relaciones, algo que es el foco de una nueva disciplina, análisis relacional. La clave está en encontrar «firmas estructurales»: patrones en las redes sociales que predicen quién tendrá buenas ideas, qué empleados tendrán más influencia (no son los altos directivos), qué equipos serán eficientes, cuáles innovarán mejor, dónde existen silos y qué empleados no pueden permitirse perder las empresas.

Este artículo describe qué indicadores hay que tener en cuenta y cómo la mayoría de las empresas ya tienen la materia prima que necesitan para crear modelos de análisis relacionales: el «escape digital» de sus comunicaciones internas.


Idea en resumen

El desafío

Para mejorar el rendimiento del análisis de personas (y en consonancia con el bombo publicitario), las empresas deben hacer más que analizar datos sobre atributos demográficos.

La solución

Emplea el análisis relacional, que examina los datos sobre cómo interactúan las personas, para averiguar quién tiene buenas ideas, quién influye, qué equipos realizarán el trabajo a tiempo y mucho más.

La materia prima

Las empresas pueden extraer su «escape digital» (datos creados por los empleados todos los días en sus transacciones digitales, como correos electrónicos, chats y colaboración de archivos) para obtener información sobre sus empleados.

«Tenemos cuadros y gráficos que nos respalden. Así que f*** off». Los nuevos empleados del departamento de análisis de personas de Google empezaron a recibir una pegatina para laptop con ese eslogan hace unos años, cuando el grupo probablemente sintió que necesitaba defender su trabajo. En aquel entonces, la analítica de personas (el uso de información estadística de los datos de los empleados para tomar decisiones de gestión del talento) seguía siendo una idea provocadora con muchos escépticos que temían que pudiera llevar a las empresas a reducir el número de personas. RRHH recopilaba datos sobre los trabajadores, pero la idea de que podía extraerse activamente para entenderlos y gestionarlos era novedosa y sospechosa.

Hoy no hay necesidad de pegatinas. Más del 70% de empresas ahora dicen que consideran que el análisis de personas es una prioridad alta. El campo incluso ha celebrado estudios de casos, como el de Google Proyecto Oxygen, que descubrió las prácticas de los mejores directivos del gigante tecnológico y luego las utilizó en sesiones de coaching para mejorar el trabajo de los que tienen bajo rendimiento. Otros ejemplos, como los experimentos de Dell para aumentar el éxito de su fuerza de ventas, también apuntan al poder del análisis de personas.

Pero la exageración, como suele ocurrir, ha superado a la realidad. La verdad es que la analítica de personas solo ha progresado modestamente en la última década. Una encuesta de Tata Consultancy Services descubrió que solo el 5% de las inversiones en big data se destinan a RRHH, el grupo que normalmente gestiona el análisis de personas. Y un estudio reciente de Deloitte demostró que, aunque el análisis de personas se ha convertido en algo habitual, solo el 9% de las empresas cree que comprende bien qué dimensiones del talento impulsan el rendimiento en sus organizaciones.

¿Qué da? Si, como dice la pegatina, los equipos de análisis de personas tienen cuadros y gráficos para respaldarlos, ¿por qué no se han seguido los resultados? Creemos que se debe a que la mayoría se basa en un enfoque limitado del análisis de datos: utilizan datos solo sobre personas individuales, cuando los datos sobre la interacción interactúan entre la gente es igual o más importante.

Las interacciones de las personas son el foco de una disciplina emergente que llamamos análisis relacional. Al incorporarlo en sus estrategias de análisis de personal, las empresas pueden identificar mejor a los empleados que son capaces de ayudarles a alcanzar sus objetivos, ya sea para aumentar la innovación, la influencia o la eficiencia. Las empresas también obtendrán información sobre qué actores clave no pueden permitirse perder y dónde existen silos en sus organizaciones.

La mayoría de los equipos de análisis de personas confían en un enfoque limitado del análisis de datos.

Afortunadamente, la materia prima para el análisis relacional ya existe en las empresas. Son los datos creados por los intercambios de correo electrónico, los chats y las transferencias de archivos: el escape digital de una empresa. Al extraerlo, las empresas pueden crear buenos modelos de análisis relacional.

En este artículo presentamos un marco para comprender y aplicar el análisis relacional. Y tenemos los cuadros y gráficos que nos respalden.

Análisis relacional: una definición más profunda

Hasta la fecha, el análisis de personas se ha centrado principalmente en los empleados atributo datos, de los cuales hay dos tipos:

  • Rasgo: datos sobre personas que no cambian, como etnia, género e historial laboral.
  • Estado: datos sobre las personas que sí cambian, como la edad, el nivel de educación, la permanencia de la empresa, el valor de las bonificaciones recibidas, la distancia al trabajo y los días de ausencia.

Los dos tipos de datos a menudo se agregan para identificar las características del grupo, como la composición étnica, la diversidad de género y la compensación media.

El análisis de atributos es necesario pero no suficiente. Los datos de atributos agregados pueden parecer datos relacionales porque involucran a más de una persona, pero no lo son. Los datos relacionales capturan, por ejemplo, las comunicaciones entre dos personas en distintos departamentos en un día. En resumen, la analítica relacional es la ciencia de las redes sociales humanas.

Décadas de investigación demuestran de manera convincente que las relaciones que los empleados mantienen entre sí, junto con sus atributos individuales, pueden explicar el desempeño de su lugar de trabajo. La clave está en encontrar «firmas estructurales»: patrones en los datos que se correlacionan con algún tipo de rendimiento bueno (o malo). Del mismo modo que los neurólogos pueden identificar firmas estructurales en las redes cerebrales que predicen trastorno bipolar y esquizofrenia, y los químicos pueden observar las firmas estructurales de un líquido y predecir su fragilidad cinética, Los líderes de la organización pueden observar las firmas estructurales en las redes sociales de sus empresas y predecir qué tan creativos o eficaces serán los empleados individuales, los equipos o la organización en su conjunto.

Las seis firmas del análisis relacional

Basándonos en nuestra propia investigación y en nuestro trabajo de consultoría con empresas, así como de una gran cantidad de investigaciones de otros académicos, hemos identificado seis firmas estructurales que deberían constituir la base de cualquier estrategia de análisis relacional.

Echemos un vistazo a cada uno por turno.

Ideación

La mayoría de las empresas tratan de identificar a las personas que son buenas en la ideación examinando atributos como los antecedentes educativos, la experiencia, la personalidad y la inteligencia nativa. Esas cosas son importantes, pero no nos ayudan a ver el acceso de las personas a la información de otras personas ni la diversidad de sus fuentes de información, lo cual podría decirse que son aún más importantes. Los generadores de buenas ideas suelen sintetizar información de un equipo con información de otro para desarrollar un nuevo concepto de producto. O utilizan una solución creada en una división para resolver un problema en otra. En otras palabras, ocupan una posición de corretaje en las redes.

El sociólogo Ronald Burt ha desarrollado una medida que indica si alguien está en una posición de corretaje. Conocido como restricción, captura cuán limitada es una persona al recopilar información única. Estudio tras estudio, en poblaciones tan diversas como banqueros, abogados, analistas, ingenieros y desarrolladores de software, han demostrado que los empleados con escasas restricciones —que no están atados por una red pequeña y estrecha de personas— tienen más probabilidades de generar ideas que la gerencia considera novedosas y útiles.

En uno estudio, Burt siguió a los líderes sénior de una gran empresa de electrónica estadounidense mientras aplicaban análisis relacionales para determinar cuál de los más de 600 gerentes de la cadena de suministro tenía más probabilidades de desarrollar ideas que mejoraran la eficiencia. Utilizan una encuesta para solicitar esas ideas a los gerentes y, al mismo tiempo, recopilar información en sus redes. Posteriormente, los altos ejecutivos calificaron cada una de las ideas presentadas por su novedad y valor potencial.

El único atributo que predijo remotamente si un individuo generaría una idea valiosa era la antigüedad en la empresa, y su correlación no era sólida. El uso de la firma de la ideación (baja restricción) era mucho más potente: los gerentes de la cadena de suministro que la exhibían en sus redes tenían muchas más probabilidades de generar buenas ideas que los gerentes con alta restricción.

UNA estudio Paul hizo en una gran empresa de desarrollo de software refuerza este hallazgo. El departamento de I+D de la compañía era un «mundo cavernícola». Aunque empleaba a más de 100 ingenieros, en promedio cada uno hablaba con otras cinco personas. Y esas cinco personas típicamente solo hablaban entre sí. Su contacto con otras «cuevas» era limitado.

Estas redes de alta restricción son bastante comunes en las organizaciones, especialmente en aquellas que realizan trabajos especializados. Pero eso no significa que las personas con poca restricción no se escondan a plena vista. En la empresa de software, el análisis relacional pudo identificar a algunos ingenieros que abarcan varias redes. Posteriormente, la dirección generó un plan para animarlos a hacer aquello a lo que se inclinaba naturalmente y pronto vio un aumento significativo tanto en la cantidad —como en la calidad— de las ideas que proponían para mejorar los productos.

Influencia

Desarrollar una buena idea no garantiza que la gente vaya a utilizarla. Del mismo modo, el hecho de que un ejecutivo emite un decreto para el cambio, no significa que los empleados lo lleven a cabo. Poner en práctica las ideas requiere influencia.

Pero la influencia no funciona de la manera que podríamos suponer. Investigación muestra que los empleados no están más influenciados, positiva o negativamente, por el liderazgo sénior de la empresa. Más bien, son las personas con roles menos formales las que más les guían.

Si ese es el caso, los ejecutivos deberían identificar a los empleados populares y hacer que convenzan a sus compañeros de trabajo para que se incorporen a nuevas iniciativas, ¿verdad? equivocado.

Un gran fabricante de dispositivos médicos con el que trabajó Paul probó este enfoque cuando estaba lanzando nuevas políticas de cumplimiento. Con la esperanza de difundir percepciones positivas sobre ellas, el equipo de gestión del cambio compartió las virtudes de las políticas con los trabajadores que habían sido calificados como influyentes por el mayor número de colegas. Pero seis meses después, los empleados seguían sin seguir los nuevos procedimientos.

¿Por qué? Una visión contraria a la intuición de la analítica relacional ofrece la explicación: los empleados citados como influyentes por un gran número de colegas no siempre son las personas más influyentes. Más bien, los mayores influencers son personas que tienen fuertes conexiones con los demás, aunque solo sea con unas pocas personas. Además, sus fuertes conexiones a su vez tienen fuertes conexiones propias con otras personas. Esto significa que las ideas de los influencers pueden difundirse aún más.

La firma estructural de la influencia se llama prominencia agregada, y se calcula midiendo qué tan bien están conectadas las conexiones de una persona y qué tan bien están conectadas las conexiones de las conexiones. (Los motores de búsqueda utilizan una lógica similar para ordenar los resultados de búsqueda).

Los empleados no están más influenciados por los altos directivos de la empresa.

En cada una de las nueve divisiones del fabricante de dispositivos médicos, el análisis relacional identificó a las cinco personas que obtuvieron las puntuaciones de prominencia agregadas más altas. La compañía les pidió sus opiniones sobre las nuevas políticas. Alrededor de tres cuartas partes los veían favorablemente. La firma proporcionó hechos que disiparían los temores del cambio a ellos, así como a los influencers a los que no les gustaban las políticas, y luego esperó los resultados.

Seis meses después, más del 75% de los empleados de esas nueve divisiones habían adoptado las nuevas políticas de cumplimiento. En cambio, solo el 15% de los empleados las había adoptado en las siete divisiones afectadas restantes, en las que no se había aplicado el análisis relacional.

Eficiencia

Dar personal a un equipo que haga el trabajo de manera eficiente parece que debería ser sencillo. Solo tienes que seleccionar a las personas que tengan las mejores habilidades relevantes.

El análisis de atributos puede ayudar a identificar a las personas cualificadas, pero no garantiza que el trabajo se realice a tiempo. Para ello, necesita un análisis relacional que mida la química del equipo y la capacidad de aprovechar la información y la experiencia externas.

Tenga en cuenta los hallazgos de un estudio de Ray Reagans, Ezra Zuckerman y Bill McEvily, que analizó más de 1.500 equipos de proyectos de una importante firma estadounidense de I+D por contrato. Al plantear la hipótesis de que la capacidad de acceder a una amplia gama de información, perspectivas y recursos mejoraría el rendimiento del equipo, los investigadores compararon el efecto de la diversidad demográfica en los resultados de los equipos con el efecto de las redes sociales de los miembros del equipo. Un problema era que la diversidad en la empresa solo tenía dos variables reales, la tenencia y la función. (Las demás variables (raza, género y educación) se consolidaron dentro de las funciones.) Sin embargo, los resultados mostraron que la diversidad en esas dos áreas tenía poco impacto en el rendimiento.

Un ligero aumento de la densidad interna y del alcance externo ahorraría 2.200 horas.

Sin embargo, recurrir a los datos relacionales ofrecía una mejor visión. Los investigadores encontraron que dos variables sociales se asociaron con un mayor rendimiento. La primera fue densidad interna, la cantidad de interacción e interconexión entre los miembros del equipo. La alta densidad interna es fundamental para generar confianza, asumir riesgos y llegar a un acuerdo sobre cuestiones importantes. El segundo fue el rango externo de los contactos de los miembros del equipo. En un equipo que tiene un alto rango externo, cada miembro puede ponerse en contacto con expertos que son distintos de los contactos de otros miembros. Esto hace que el equipo sea más capaz de obtener información vital y asegurar los recursos que necesita para cumplir con los plazos. La característica estructural de los equipos eficientes es, por lo tanto, una alta densidad interna y un alto rango externo.

En la firma de I+D, los equipos que tenían esta firma completaron proyectos mucho más rápido que los equipos que no lo hicieron. Los investigadores estimaron que si el 30% de los equipos de proyecto de la empresa tuvieran una densidad interna y un rango externo solo una desviación estándar por encima de la media, se ahorrarían más de 2.200 horas de trabajo en 17 días, lo que equivale a completar casi 200 proyectos adicionales.

Innovación

Es muy probable que los equipos con la firma de eficiencia fracasen como unidades de innovación, que se benefician de algunos desacuerdos y conflictos.

¿Qué más hace que un equipo de innovadores tenga éxito? Podrías pensar que juntar a tus empleados con mejor desempeño produciría los mejores resultados, pero las investigaciones sugieren que podría tener efectos negativos en el rendimiento. Y aunque la creencia convencional es que los equipos son más creativos cuando están formados por miembros con diferentes puntos de vista, las investigaciones también indican que la diversidad demográfica no es un buen indicador del éxito de la innovación del equipo. Según nuestra experiencia, incluso dotar a un equipo de innovación con ideadores a menudo no produce un rendimiento mejor que el promedio.

Pero si recurres al análisis relacional, puedes usar las mismas variables que usas para la eficiencia del equipo (densidad interna y rango externo) para crear equipos de innovación prometedores. Sin embargo, la fórmula es un poco diferente: la característica innovadora es un alto rango externo y una baja densidad interna. Es decir, aún quieres que los miembros del equipo con redes sociales amplias y no superpuestas (influyentes, si es posible) obtengan ideas e información diversas. Pero no quieres un equipo muy unido.

¿Por qué? Una mayor interacción dentro de un equipo da como resultado formas de pensar similares y menos discordia. Esto es bueno para la eficiencia pero no para la innovación. Los equipos más innovadores tienen desacuerdos y discusiones, a veces incluso conflicto, que generan la fricción creativa necesaria para producir avances.

El alto rango externo es necesario no solo para aportar ideas, sino también para obtener apoyo y aceptación. Los equipos de innovación tienen que financiar, desarrollar y vender sus ideas, de modo que los contactos externos bien conectados que se conviertan en los campeones de los equipos pueden tener un gran impacto en su éxito.

Durante varios años, Paul trabajó con un automóvil grande con sede en EE. UU. compañía que trataba de mejorar su proceso de desarrollo de productos. Cada uno de sus centros globales de desarrollo de productos contaba con un equipo de expertos en la materia enfocados en ese desafío. El líder del programa señaló: «Somos muy cuidadosos con respecto a quién seleccionamos. Conseguimos a las personas con los antecedentes funcionales adecuados, que han realizado constantemente un trabajo innovador, y nos aseguramos de que haya una combinación de ellos de diferentes orígenes y de que tengan diferentes edades». En otras palabras, los centros utilizaron el análisis de atributos para formar equipos.

Sin embargo, los gerentes de un nuevo centro de la India no podían formar un equipo demográficamente diverso: todos los ingenieros del centro tenían aproximadamente la misma edad, tenían antecedentes similares y tenían aproximadamente el mismo rango. Por lo tanto, el gerente eligió ingenieros que habían trabajado en proyectos con diferentes oficinas y que trabajaban en diferentes áreas del centro, creando un equipo que, naturalmente, tenía un mayor alcance externo.

Dio la casualidad de que un equipo así también mostró una menor densidad interna. Sus miembros se sintieron libres de debatir y realizaron pruebas para resolver las diferencias de opinión. Una vez que encontraron un nuevo procedimiento, volvieron a sus conexiones externas, utilizándolas como influencers que podían persuadir a otros para que validaran su trabajo.

Después de tres años, el equipo del centro de India estaba produciendo más innovaciones de procesos que cualquier otro equipo. Después de cinco años había generado casi el doble que todos los demás equipos combinados. En respuesta, la empresa comenzó a complementar sus análisis de atributos con análisis relacionales para reconfigurar los equipos de innovación en sus otras ubicaciones.

Silos

Todo el mundo odia los silos, pero son naturales e inevitables. A medida que las organizaciones desarrollan profundas áreas de experiencia, es casi inevitable que las funciones, los departamentos y las divisiones sean cada vez menos capaces de trabajar juntos. No hablan el mismo lenguaje técnico ni tienen los mismos objetivos.

Evaluamos el grado de silo de una organización midiendo su modularidad. En pocas palabras, la modularidad es la relación entre la comunicación dentro de un grupo y la comunicación fuera del grupo. Cuando la relación entre la comunicación interna y la externa es superior a 5:1, el grupo queda en silos perjudiciales.

Una de las organizaciones más sorprendentemente agrupadas que hemos encontrado fue un pequeño grupo de defensa del consumidor sin fines de lucro, que quería entender por qué el tráfico en su sitio web había disminuido. Los 60 empleados de su oficina de Chicago se dividieron en cuatro departamentos: desarrollo empresarial, operaciones, marketing y RR.PP. y finanzas. Típico de los silos, cada departamento tenía ideas diferentes sobre lo que estaba pasando.

El análisis mostró que los cuatro departamentos superaron la proporción 5:1 de contactos internos a externos. El caso más extremo fueron las operaciones, con una proporción de 13:1. Por supuesto, las operaciones eran el departamento con el dedo más directamente al pulso de los consumidores que visitaban el sitio. Se basaba en un tesoro de datos sobre cuándo y por qué las personas acudieron al sitio para quejarse o elogiar a las empresas.

Otros departamentos ni siquiera sabían que las operaciones recopilaban esos datos. Y las operaciones no sabían que otros departamentos podrían encontrarlo útil.

Para solucionar el problema, la organización pidió a empleados específicos de cada departamento que se convirtieran en enlaces. Establecieron una reunión semanal en la que los gerentes de todos los departamentos se reunieron para hablar de su trabajo. Cada reunión fue temática, por lo que los empleados de nivel inferior cuyo trabajo relacionado con el tema también se incluyeron en las discusiones.

En resumen, la organización sin fines de lucro incorporó un mayor alcance externo a su personal. Como resultado, las operaciones descubrieron que el marketing y las RR.PP. podían sacar provecho de los hallazgos que vinculaban un creciente volumen de quejas en una industria específica con ciertos patrones climáticos y estaciones. Debido a que los empleados de operaciones aprendieron que esa información sería útil, comenzaron a analizar sus datos de nuevas maneras.

vulnerabilidad

Aunque contar con personas que pueden ayudar a trasladar información y perspectivas de una parte de la organización a otra es saludable, depender demasiado de esas personas puede hacer que una empresa sea vulnerable.

Tomemos el caso de un empleado al que llamaremos Arvind, que fue gerente de la división de embalaje de una de las principales empresas de bienes de consumo del mundo. Era un conector que salvó varias divisiones. Hablaba regularmente con sus homólogos y proveedores de todo el mundo. Pero en el organigrama, Arvind no era nadie especial: solo un gerente de nivel medio que era bueno en su trabajo. Las empresas corren el riesgo de perder empleados como Arvind porque ningún atributo obvio indica su importancia, por lo que las empresas no saben lo que tienen hasta que desaparece.

Sin Arvind, la división de embalaje carecería robustez. Las redes son sólidas cuando se pueden mantener las conexiones si se quitan nodos (empleados) de ellas. En este caso, si Arvind dejara la empresa, algunos departamentos perderían toda conexión con otros departamentos y con los proveedores.

No es que Arvind fuera irremplazable. Simplemente no lo estaba respaldado. La empresa no se dio cuenta de que ningún otro nodo estaba realizando las conexiones de red necesarias que él proporcionaba. Eso lo hacía vulnerable: si Arvind estaba enfermo o de vacaciones, el trabajo se ralentizaba. Si Arvind decidió que no le gustaba uno de los proveedores y dejaba de interactuar con él, el trabajo se ralentizaba. Y si Arvind tenía demasiado en su plato y no podía seguir el ritmo de sus muchas conexiones, el trabajo también se ralentizaba.

No es que Arvind fuera irremplazable. Simplemente no estaba respaldado.

El día que Noshir vino a mostrar a la empresa esta vulnerabilidad en la división de envases, entró en una sala de juntas llena de pasteles y dulces. Un alto ejecutivo le dijo felizmente que la firma estaba organizando una fiesta para Arvind. Se iba a retirar. La mandíbula de Noshir cayó. La fiesta continuó, pero después de enterarse de lo importante que era Arvind, la compañía llegó a un acuerdo para retenerlo durante varios años más y, mientras tanto, utilizó análisis relacionales para hacer alguna planificación de sucesión para que varias personas pudieran asumir su papel.

Capture el escape digital de su empresa

Una vez que comprenda las seis firmas estructurales que forman la base del análisis relacional, es relativamente fácil actuar sobre la base de la información que proporcionan. A menudo, las correcciones que sugieren no son complejas: organiza reuniones multifuncionales, habilita a personas influyentes y conserva tus Arvinds.

¿Por qué, entonces, la mayoría de las empresas no utilizan el análisis relacional para la gestión del rendimiento? Hay dos razones. La primera es que muchas empresas de análisis de red son poco más que bonitas imágenes de nodos y bordes. No identifican los patrones que predicen el rendimiento.

La segunda razón es que la mayoría de las organizaciones no cuentan con sistemas de información para capturar datos relacionales. Pero todas las empresas tienen un recurso oculto crucial: su escape digital: los registros, las rutas electrónicas y los contenidos de la actividad digital cotidiana. Cada vez que los empleados se envían correos electrónicos en Outlook, se envían mensajes entre sí en Slack, como publicaciones en Workplace de Facebook, forman equipos en Microsoft Teams o asignan personas a hitos del proyecto en Trello, las plataformas registran las interacciones. Esta información se puede utilizar para crear vistas de redes de empleados, equipos y organizaciones en las que se pueden seleccionar las firmas estructurales que hemos analizado.

Durante varios años hemos estado desarrollando un panel de control que captura el escape digital en tiempo real de estas diversas plataformas y utiliza análisis relacionales para ayudar a los gerentes a encontrar a los empleados adecuados para las tareas, los equipos de personal para la eficiencia y la innovación, e identificar áreas de la organización que están en silos y vulnerable al rotación. Estas son algunas de las cosas que hemos aprendido en el proceso:

La recogida pasiva es más fácil para los empleados.

Para recopilar datos relacionales, las empresas suelen encuestar a los empleados sobre con quién interactúan. Sin embargo, las encuestas llevan tiempo y la precisión de las respuestas puede variar (algunos empleados simplemente están adivinando). Además, para ser realmente útiles, los datos relacionales deben provenir de todos los miembros de la empresa, no solo de unas pocas personas. Como nos dijo un ejecutivo de una gran empresa de servicios financieros: «Si le doy a cada uno de mis 15.000 empleados una encuesta que tarda media hora en realizarse, acabamos de perder un millón de dólares en productividad. ¿Y qué pasa si sus relaciones cambian en un mes? ¿Tendremos que hacerlo de nuevo a un costo de 1 millón de dólares adicionales en horas de trabajo?»

Sin embargo, los datos relacionales recopilados por la empresa crean nuevos desafíos. Aunque la mayoría de los contratos laborales otorgan a las empresas el derecho de registrar y supervisar las actividades realizadas en los sistemas de la empresa, algunos empleados consideran que la recopilación pasiva de datos relacionales constituye una invasión de la privacidad. Esta no es una preocupación trivial. Las empresas necesitan políticas claras de RRHH sobre la recopilación y el análisis del escape digital que ayuden a los empleados a entenderlo y sentirse cómodos con él.

Los datos de comportamiento reflejan mejor la realidad.

Como hemos señalado, el escape digital es menos sesgado que los datos recopilados a través de encuestas. Por ejemplo, en las encuestas, las personas pueden enumerar conexiones con las que creen que deben interactuar, en lugar de aquellas con las que realmente interactúan. Y como cada empleado estará en al menos varias plataformas de comunicación, las empresas pueden mapear redes que representan a toda la fuerza laboral, lo que hace que el análisis sea más preciso.

Además, no todos los comportamientos son iguales. Dar me gusta a la publicación de alguien es diferente a trabajar en equipo con alguien durante dos años. Copiar a alguien en un correo electrónico no indica una relación sólida. La forma en que se ponderan y combinan todos esos comportamientos individuales es importante. Aquí es donde los algoritmos de aprendizaje automático y los modelos de simulación resultan útiles. Con un poco de conocimiento técnico (y con una comprensión de qué firmas estructurales predicen qué resultados de rendimiento), configurar esos sistemas no es difícil de hacer.

Es necesaria una actualización constante.

Las relaciones son dinámicas. Las personas y los proyectos van y vienen. Para ser útiles, los datos relacionales deben ser oportunos. El uso del escape digital en un modelo de análisis relacional responde a esa necesidad.

Además, la recopilación de datos relacionales a lo largo del tiempo ofrece a los analistas más opciones sobre qué examinar. Por ejemplo, si una empleada estuvo de baja por maternidad durante varios meses, un analista puede excluir ese período de tiempo de los datos o decidir agregar una mayor cantidad de datos. Si se adquirió una empresa en un año determinado, un analista puede comparar los datos relacionales anteriores y posteriores a la operación para trazar cómo pueden haber cambiado las vulnerabilidades de la empresa.

Los análisis deben estar cerca de los responsables de la toma de decisiones.

La mayoría de las empresas confían en los científicos de datos para recopilar información relacionada con la gestión del talento y el rendimiento. Esto suele crear un cuello de botella, porque no hay suficientes científicos de datos para abordar todas las consultas de gestión de manera oportuna. Además, los científicos de datos no conocen a qué empleados están realizando los análisis, por lo que no pueden poner los resultados en contexto.

Los cuadros de mando son clave.

Un sistema que identifica las firmas estructurales y las resalta visualmente acerca los conocimientos analíticos a los gerentes que los necesitan. Como nos dijo un ejecutivo de una empresa de chips semiconductores: «Quiero que mis gerentes tengan los datos necesarios para tomar buenas decisiones sobre cómo utilizar a sus empleados. Y quiero que puedan hacerlo cuando se produzcan esos puntos de decisión, no más tarde».

CONCLUSIÓN

El análisis de personas es una nueva forma de tomar decisiones basadas en evidencias que mejoran las organizaciones. Pero en estos primeros días, la mayoría de las empresas se han centrado en los atributos de las personas, más que en sus relaciones con otros empleados. Mirar los atributos llevará a las empresas solo hasta cierto punto. Sin embargo, si aprovechan el análisis relacional, pueden estimar la probabilidad de que un empleado, un equipo o toda una organización logren un objetivo de rendimiento. También pueden utilizar algoritmos para adaptar las asignaciones de personal a los cambios en las redes de empleados o a una necesidad administrativa concreta. Por supuesto, las mejores firmas utilizarán el análisis relacional para aumentar sus propios criterios de decisión y crear organizaciones más saludables, felices y productivas.


Eleva tus habilidades de liderazgo y negocios

Súmate a más de 52,000 líderes en 90 empresas mejorando habilidades de estrategia, gestión y negocios.