nuevas formas de gestionar el desempeño - instare.com · slides adicionales. el negocio nos...
Post on 09-Dec-2018
215 Views
Preview:
TRANSCRIPT
¡Mucho!
• Performance
• Personas
• Productividad
• Modelar (el talento)
• Analytics
• Gestión de Talento
• Tecnología
• Psicología
Algo de Ingeniería, Psicología, Profesorado, Maestría en Cs. Sociales del
Trabajo, Maestría en Data Mining y Knowledge Management, Evaluación
Psicológica, Gestión Humana, Gusto por la Tecnología, Ciencias, Estudio. Hoy
Doctorado (Combinando Cs. Sociales, Gestión Humana y Cs. de la
Computación)
Ni blando, ni duro. ¡Ambos!
Juan
• ¡Muchos Datos!
• Software potente y disponible (incluso gratis!)
• Equipamiento accesible
• Muchos temas para resolver
Una combinación explosiva
+ Administración de Personal
+ Administración de Recursos
Humanos
+ Gestión de Recursos Humanos
+ Gestión de Capital Humano
+ Gestión de Personas
¿Cómo evolucionó GH?
1980: Jac Fitz-Enz – HR tiene que justificar el costo de su existencia
misma.
1984: Cascio – La necesidad de entender que se trata de $
Avances
Algunas frases frecuentes…
• Mis indicadores no me ayudan a tomar decisiones
• Hay cosas que no sé por qué están ocurriendo (rotación,
ausentismo, bajo desempeño, etc.)
• Tenemos muchos datos pero no los usamos
• El negocio me pide que demuestre…
• Queremos poder anticiparnos
• Necesitamos tener seguridad de nuestras decisiones
• Y otras cosas que pensamos pero no decimos…
Los Profesionales de GH
+ Cuali es mejor que cuanti
+ Ciencias Sociales
+“No me gustaba la matemática”
+“Word, Excel, Powerpoint, e-mail,
navegadores… y con eso es
suficiente”
¡Es mucho más!
+ Entender+ Modelar+ Anticipar+ Identificar
+ Comprender+ Evaluar+ Relacionar+ Vincular+ Analizar
Datos analizados
+ 195 Muestras
+ 4 Áreas (Política, Deporte, Espectáculo,
Academia)
+Datos de Desempeño Individual
+ >93% indicaron que…
+ Buen coach
+ Desarrolla el equipo
+ Expresa interés y preocupación
+ Productivo y orientado a
resultados
+ Buen comunicador
+ Ayuda el desarrollo de carrera
+ Visión y estrategia para el equipo
+ Conocimiento técnico para
ayudar o asesorar
• En Moneyball: Sabermetrics
• Talent Analytics
• HR Analytics
• Analítica de Gestión Humana
• People Analytics
Llamalo como prefieras
Disciplina que tiene como objetivo
Extraer “insights” (conocimiento) de los datos (“activos”)
Generar conocimiento para decisiones y estrategias
Analytics
Analytics: ¿Dónde estás parado?
Niveles de Madurez de Bersin
1. Informes operacionales
2. Informes estratégicos
3. Análisis estratégico
4. Análisis predictivo
Lo tra
dic
iona
lD
M
No es que no sirvan pero…
+ ¿Cuánto me dicen?
+ ¿Qué explican?
+ ¿Cuánto me ayudan a resolver?
+ Y más importante aún… ¿qué impacto o
importancia tienen en el negocio?
Mejor saber…
+ Cuál es el desempeño de las personas
que seleccionamos
+ Si las actividades de capacitación tienen
alguna utilidad
Temas que requieren decisiones de manera continua
Tiene que haber tiempo para realizar el análisis
Tiene que poder justificarse la inversión
¿Cuándo usar Analytics?
Definir el problema: si no es apropiada, no se tendrán
respuestas útiles
Reconocer el problema
Revisar hallazgos anteriores
Proceso Analytics (1)
Solucionar el problema
Definir las variables a incluir en el proceso
Recopilar los datos
Analizar la información
Proceso Analytics (2)
Presentar resultados y tomar acciones.
Si no se entienden los datos y conclusiones, no se tomarán
decisiones y menos aún, acciones.
Proceso Analytics
Definir el problema
Análisis del planteo inicial del problema
Análisis de los requerimientos de una solución, de las
restricciones humanas y organizativas
Análisis de los datos disponibles o necesarios
• Involucrarnos en los números que importan al
negocio
• Actuar estratégicamente con la información y
datos que tenemos y podríamos tener
• No repetir métricas, sino pensar cuáles son las
preguntas.
• Repensar la estructura del área y conformación
de nuestros equipos
¿Cuál es tu excusa?
+Todos tienen muchas datos
+ Hay mucho software disponible
+ Muchos problemas que necesitan solución
+ El negocio lo pide
+ La gente lo necesita
+ No hay que empezar por cosas grandes
El hombre razonable se adapta al mundo; el
irrazonable intenta adaptar el mundo a sí
mismo. Así pues, el progreso depende del
hombre irrazonable.
Bernard Shaw
Prof. Mag. Juan M. Bodenheimer
jb@instare.com
Instare – Knowledge Beyond
Intuition
Organizational Development and
Advanced Analytics
Definir el problema
Poner en correspondencia una aplicación con una
pregunta (tarea, herramienta) estadística significativa es
una de las partes más difíciles del análisis de datos:
Muchas veces se resuelve correctamente el problema
equivocado
Es engañosamente fácil aplicar una técnica de análisis
de datos: Conviene evitar las estrategias “rápidas y
furiosas” de apretar botones del software para obtener
algún “resultado”
Definir el problema
• Sin una clara comprensión del problema el resultado del
análisis es por lo general “basura”
• La ausencia de conocimiento de “dominio” o la falta de
un experto de dominio es un handicap severo
• No se debe confundir el problema de negocio con el
problema de análisis (una reformulación del primero)
¿Qué hay de nuevo en HR?
• E-Assessment
• Nuevos Canales Reclutamiento (Redes
Sociales)
• Gamification
• Teletrabajo
Un cambio: de hormigas de los
informes a ninjas del análisis (1) –Hormigas Ninjas
Dedican 75% de su tiempo a producir datos.
Su trabajo es producir informes . El trabajo es extrar
datos, escribir consultas, responder a requerimientos,
y agendar salidas de datos (informes, tableros), etc.
Dedican 75% de su tiempo en generar análisis que
ofrezcan ideas de acciones a implementar.
Usan el lenguaje de los informes o métricas que ya
tienen
Lo que dicen es "lenguaje normal", como por ej.
"debemos disminuir el tamaños de los equipos",
"debemos desarrollar la competencia x", "sugiero
modificar en x aspectos los perfiles que contratamos
para esta posición“.
Reciben indicaciones de ninjas u otros de trabajos
respecto a fuentes y estructuras de los datos y que
trabajen con sistemas para eso.
El trabajo de esta analista es segmentar, separar,
dividir, profundizar, responder preguntas del negocio,
Trabajan con informes standard Evitan los informes standard: Estos "genéricos" no
responden a las necesidades de nadie, y
frecuentemente presentan métricas que no son de
utilidad. No sirven, a pesar del esfuerzo de las
"ardillas" de agregar algún filtro o sumar otra
dimensión.
Utilizan datos sumarizados Van a lo granular. Lo otro no tiene contexto, no hay
análisis específico, no vemos qué pasa dónde y
cómo. Es necesaria la segmentación, que nos
permite identificar los clusters .
Un cambio: de hormigas de los
informes a ninjas del análisis (2)Hormigas Ninjas
Informes: escupir datos o construir “paquetes”. Análisis: cuestionar de manera abierta a los datos,
para obtener "insights" (hallazgos, novedades,
aprendizaje) y no generar "más datos".
Entrega datos Está pensando cómo visualizar (mostrar
efectivamente)
Eliminating Reviews: A Lot of Discussion, but Little Action—Although
trade publications have popularized the elimination of performance
ratings, only 4% of organizations have followed this advice. An
overwhelming 96% of organizations surveyed still use a rating scale to
measure employee performance. Of these, about 5% are considering
eliminating—or are planning to eliminate—their rating scale.
Análisis de datos es la transformación(procesamiento) de
los mismos con algunos de los objetivos siguientes:
“Principal” (exploración y modelización)
Exploratorio/confirmatorio
Descriptivo/inferencial
Auxiliar o soporte (pero no menos importante)
Preprocesamiento (preparación de datos)
Postprocesamiento
Material para ser
utilizado únicamente
en la actividad
indicada
Procesamiento
top related