Las empresas aprovechan con éxito el análisis que hacen las áreas de Recursos Humanos para respaldar sus decisiones estratégicas sobre la fuerza laboral.
Los gerentes utilizan evaluaciones, investigaciones externas e información cualitativa para comprender sus necesidades de talento.
Los gerentes utilizan evaluaciones, investigaciones externas e información cualitativa para comprender sus necesidades de talento.
Category
📚
AprendizajeTranscripción
00:00:00Hola y bienvenidos a nuestro webinario
00:00:03Conocer objetivos de estrategia de talento con HR Analytics
00:00:07Soy Martha Mangelsdorf, Directora de Comunicaciones Estratégicas
00:00:12de MIT Sloan School of Management
00:00:14Good Companies, Good Jobs Initiative
00:00:16y seré su moderadora hoy.
00:00:21Este evento será grabado
00:00:23y estará disponible a todos los atendientes
00:00:26aproximadamente 3 a 4 días de negocio
00:00:28después del final del evento en vivo.
00:00:31Además, las imágenes de hoy
00:00:33serán disponibles a los atendientes.
00:00:36Le damos la bienvenida a sus preguntas
00:00:38a nuestro hombre de hoy.
00:00:40Para enviar sus preguntas,
00:00:41por favor, entre en cualquier momento
00:00:43en la caja de comentarios
00:00:44en la esquina inferior de su pantalla.
00:00:47O puede enviar sus preguntas a Twitter
00:00:50usando el hashtag MITSMREvent.
00:00:55Estaremos respondiendo a tantas preguntas
00:00:57como el tiempo nos permita.
00:00:59Si tienes dificultades audio
00:01:01mientras escuchas a través del computador,
00:01:03por favor, llámame a través del teléfono,
00:01:06o mire el enlace de ayuda
00:01:07en la parte superior de tu consola.
00:01:11Nuestro hombre de hoy es David Harcourt,
00:01:13Asociado de Managero de Insights de Empleo
00:01:16de Yum! Brands.
00:01:17Gracias, Scott, a SAS
00:01:19por su patrocinio de este webinario.
00:01:22Y ahora, vamos a nuestra presentación
00:01:24Conocer objetivos de estrategia de talento
00:01:26con Analytics de HR.
00:01:28David, cuéntanos sobre tu experiencia
00:01:30con Analytics de HR en Yum! Brands.
00:01:33Gracias, Martha.
00:01:34Y bienvenidos a todos.
00:01:36Gracias por unirnos hoy.
00:01:38Como dijiste, mi nombre es David.
00:01:40Trabajo en Yum! Brands.
00:01:41Para aquellos de ustedes
00:01:42que no saben qué es Yum! Brands,
00:01:45tenemos tres grandes marcas de restaurantes
00:01:48que probablemente han oído hablar de.
00:01:50KFC, Kentucky Fried Chicken,
00:01:52Pizza Hut y Taco Bell.
00:01:54Con alrededor de 45,000 tiendas
00:01:56a través de 135 países.
00:01:58Así que, bastante grande.
00:02:00Este tema de Analytics de HR
00:02:03es realmente importante.
00:02:05Ha estado alrededor de un décimo o más,
00:02:08pero realmente ha explotado
00:02:09en los últimos años.
00:02:12Y no te voy a contar
00:02:14sobre el estado de la industria
00:02:16o por qué es tan importante.
00:02:18Lo que realmente voy a hablar hoy
00:02:20es cómo se hace.
00:02:22Específicamente, cómo lo hemos hecho
00:02:24en Yum! Brands.
00:02:26Empezamos alrededor de tres años atrás
00:02:29en esta iniciativa.
00:02:31Y, para ser honestos,
00:02:32mirando de vuelta,
00:02:33no sabíamos qué estábamos haciendo.
00:02:35Y no había mucho material ahí afuera.
00:02:39Mucha de la literatura existente
00:02:41era, de nuevo, alrededor de por qué es importante
00:02:45y mucho pensamiento a nivel alto.
00:02:47Pero no había mucho alrededor
00:02:48de cómo hacerlo.
00:02:51Pero hemos aprendido
00:02:52muchas lecciones a lo largo del camino.
00:02:54Y esta presentación es, más o menos,
00:02:56el recurso que deseaba tener
00:02:58cuando empecé.
00:03:00Entonces, empecemos.
00:03:03Primero de todo, los datos.
00:03:04Creo que todos podemos decir
00:03:06que los datos son importantes
00:03:07en cualquier estrategia de analítica.
00:03:08Creo que analítica sin datos
00:03:11es como tratar de ejecutar
00:03:12las Olimpíadas de invierno sin nieve.
00:03:14No puede ser hecho.
00:03:16Y hay muchas fuentes diferentes ahí afuera.
00:03:18Tienes tu sistema HRIS,
00:03:21tu PeopleSoft,
00:03:22tu Workday,
00:03:23donde guardas todo
00:03:24tu datos de laboratorio,
00:03:27tienes tu gestión de talento,
00:03:28donde tienes
00:03:30ratificaciones de performance,
00:03:32objetivos, resultados,
00:03:34esas cosas.
00:03:35Y muchos otros tipos de asesoramientos,
00:03:38datos financieros,
00:03:39algunos gráficos externos
00:03:41y todas esas cosas.
00:03:43Y cada una de estas fuentes de datos
00:03:45probablemente tiene,
00:03:46o al menos se advertiene,
00:03:48alguna forma de capacidad de analítica.
00:03:50Si vas a tu sistema de HRIS,
00:03:52probablemente hay una tabla de analítica
00:03:54donde puedes ejecutar algunos reportes
00:03:55y dashboards.
00:03:56Y estos diferentes vendedores
00:03:58prepararán algunas analíticas para ti.
00:04:01Pero donde creo que puedes
00:04:02realmente hacer una diferencia
00:04:04es traer todas esas fuentes de datos
00:04:06juntos
00:04:07y realmente encontrar
00:04:08algunas relaciones
00:04:09entre las diferentes fuentes
00:04:11de datos.
00:04:13Y mucho de esto
00:04:14va a requerir
00:04:15al principio
00:04:16una construcción de relaciones
00:04:18porque todas estas fuentes de datos
00:04:20son gestionadas
00:04:21por muchas personas diferentes.
00:04:23Tienes tu equipo de IT
00:04:25que gestiona
00:04:26la mayoría de las cosas majores,
00:04:27vendedores externos,
00:04:29algunos de ellos
00:04:30pueden ser incluso
00:04:31carteles en la computadora de alguien.
00:04:32Así que tienes que salir
00:04:33y hablar con la gente,
00:04:35dejarles saber lo que estás haciendo
00:04:36y
00:04:37una vez que empieces
00:04:39a construir esas relaciones,
00:04:40obtener ese dato será más fácil
00:04:42y el proceso en general
00:04:43puede empezar.
00:04:47Algunas otras cosas
00:04:48a pensar
00:04:49cuando estás
00:04:50tratando de datos.
00:04:51Primero de todo,
00:04:52el gobierno de datos.
00:04:53Así que eso es asegurarse
00:04:54de que
00:04:55los datos que estás recogiendo,
00:04:56los datos que estás analizando
00:04:58estén siendo usados responsablemente,
00:05:00asegurándote
00:05:01de que los datos
00:05:02estén acurados
00:05:03y limpios.
00:05:04Y sé que
00:05:05no hay nada
00:05:06tan perfecto
00:05:07como datos limpios,
00:05:08pero tan limpios
00:05:09y acurados como posible.
00:05:12Y también vas a estar
00:05:13tratando de algunas informaciones
00:05:14sensibles,
00:05:16cosas como
00:05:17números de seguridad social
00:05:19y datos de salud y bienestar.
00:05:22Así que
00:05:23quieres asegurarte
00:05:24de que las personas
00:05:25que trabajan con esos datos
00:05:26tengan el entrenamiento adecuado,
00:05:28ya sea el entrenamiento HIPAA
00:05:29o otro tipo de
00:05:31sensibilidad
00:05:32o entrenamiento de gobierno
00:05:34sobre cómo manejar
00:05:36información personal,
00:05:37información sensible
00:05:38como esa.
00:05:40Y también la seguridad de datos.
00:05:42Muchos
00:05:43de
00:05:45los
00:05:46vendedores
00:05:47de análisis de HR
00:05:48y soluciones
00:05:49son basados en cloud ahora.
00:05:51Y
00:05:53tu equipo de IT
00:05:54se siente un poco nervioso
00:05:55cuando empiezas
00:05:56a mover
00:05:57información sensible
00:05:58desde fuera
00:05:59de su firewall
00:06:00hasta la cloud
00:06:01y luego de vuelta.
00:06:03Así que quieres asegurarte
00:06:04de que estén limpios
00:06:05en el proceso también.
00:06:06Asegúrate
00:06:07de que estén cómodos
00:06:08con todas las seguridades
00:06:09de los diferentes vendedores
00:06:11y asegúrate
00:06:12de que no te dejes
00:06:13expuesto.
00:06:16Y muchas de estas
00:06:17mismas protecciones
00:06:18se aplicarían
00:06:19a la mayoría
00:06:20de la práctica de análisis.
00:06:21Consumo de conocimientos,
00:06:22por ejemplo.
00:06:24Y cuando vas
00:06:25por este camino,
00:06:26es natural
00:06:27pensar
00:06:28de los dos.
00:06:29Consumo de conocimientos
00:06:30y análisis de HR
00:06:31es algo similar.
00:06:33Incluso el título
00:06:34que tengo,
00:06:35conocimientos de empleo,
00:06:36es un juego
00:06:37en el
00:06:38título de conocimientos
00:06:39de consumo.
00:06:41Y creo que es una conexión
00:06:42natural allí.
00:06:46Pero hay algunas
00:06:47distintas
00:06:48que tienen que ser hechas.
00:06:51Primero,
00:06:53no puedes tratar
00:06:54a los empleados
00:06:55de la misma manera
00:06:56que un negocio
00:06:57trata a los consumidores.
00:06:58Esa relación
00:06:59entre negocio
00:07:00y consumidor
00:07:01y empleado
00:07:02y empleador
00:07:03son fundamentalmente
00:07:04diferentes.
00:07:06Los empleados
00:07:07tienen mucho más
00:07:08control
00:07:09sobre la salud,
00:07:10la riqueza
00:07:11y la felicidad
00:07:12de sus empleados
00:07:13que los negocios
00:07:14nunca hacen
00:07:15sobre sus consumidores.
00:07:16Y los empleados
00:07:17van a ser naturalmente
00:07:18cuidadosos
00:07:19de los esfuerzos
00:07:20para recoger
00:07:21datos
00:07:22sobre ellos,
00:07:23para usar datos,
00:07:24para tomar decisiones.
00:07:27Así que tienes que
00:07:28tener cuidado
00:07:29de eso.
00:07:30Entonces,
00:07:31¿cómo
00:07:32navegas
00:07:33esa situación
00:07:34en el futuro?
00:07:36Primero,
00:07:37tienes que ser transparente.
00:07:38No quieres
00:07:39tener la reputación
00:07:40como
00:07:41el NSA
00:07:42de HR.
00:07:45Y para
00:07:46nuestro público internacional,
00:07:47el NSA
00:07:48es esa
00:07:49buena agencia
00:07:50de gobierno
00:07:51en los Estados Unidos
00:07:52que fue descubierta
00:07:53para recoger
00:07:54mucha información
00:07:55alrededor de llamadas
00:07:56de teléfono
00:07:57y otras cosas.
00:07:58Y tiene una reputación
00:07:59muy mala
00:08:00por ser secretivo
00:08:01y no estar
00:08:03de acuerdo
00:08:04con cómo
00:08:05usan los datos.
00:08:07Entonces,
00:08:08cuando vas
00:08:09a los empleados
00:08:10y, digamos,
00:08:11estás realizando
00:08:12un asesoramiento,
00:08:13dilesles,
00:08:14esto es cómo
00:08:15vamos a usar los datos.
00:08:16Aquí es quién va a obtener
00:08:17una copia
00:08:18de los resultados
00:08:19y aquí es cómo
00:08:20va a ser usado.
00:08:21Y luego,
00:08:22mantén eso.
00:08:23Mientras estés
00:08:24al frente
00:08:25con los empleados,
00:08:26obtendrán
00:08:27una mejor
00:08:28comprensión
00:08:29de cómo
00:08:30está siendo usado.
00:08:31Y, además,
00:08:32mostrarles
00:08:33el valor
00:08:34de estos esfuerzos
00:08:35para recoger
00:08:36y analizar datos.
00:08:37Por ejemplo,
00:08:38si estás
00:08:39realizando
00:08:40un asesoramiento
00:08:41de empleados
00:08:42y obtienes
00:08:43los resultados,
00:08:44vuelve a los empleados
00:08:45y digas,
00:08:46aquí es cómo
00:08:47fueron los resultados
00:08:48y aquí es cómo
00:08:49vamos a hacerlo.
00:08:50Dijiste que no te gustó
00:08:51esto sobre el trabajo,
00:08:52así que vamos a hacer
00:08:53esto sobre él.
00:08:54Así que pueden ver
00:08:55que hay
00:08:56implicaciones
00:08:57positivas
00:08:58en todo esto.
00:08:59No es
00:09:00una cosa
00:09:01punitiva.
00:09:02Por ejemplo,
00:09:03si estás
00:09:04realizando
00:09:05un curso
00:09:06de entrenamiento
00:09:07para nuevos
00:09:08asesores
00:09:09y jefes,
00:09:10puedes ir
00:09:11a ellos
00:09:12y decir,
00:09:13mira,
00:09:14estos comportamientos
00:09:15son
00:09:16los más efectivos
00:09:17cuando
00:09:18empiezas
00:09:19como
00:09:20un nuevo
00:09:21jefe
00:09:22o asesor.
00:09:23Y lo sabemos
00:09:24porque
00:09:25desde nuestros datos,
00:09:26los jefes
00:09:27más efectivos
00:09:28hacen X,
00:09:29Z,
00:09:30así que puedes
00:09:31empezar a mostrar
00:09:32el valor
00:09:33y el marketing
00:09:34de estos esfuerzos.
00:09:35Y entonces,
00:09:36cuando sea posible,
00:09:37hazlo en un escenario
00:09:38opt-in,
00:09:39como Facebook.
00:09:40No tienes que
00:09:41unirte a Facebook.
00:09:42No siempre
00:09:43estás
00:09:44100%
00:09:45seguro
00:09:46de lo que
00:09:47están haciendo
00:09:48con tu información,
00:09:49pero
00:09:50por la mayor parte,
00:09:51el
00:09:52beneficio
00:09:53es en ti
00:09:54para
00:09:55el
00:09:56usuario
00:09:57para
00:09:58que
00:09:59el
00:10:00beneficio
00:10:01esté
00:10:02en tu
00:10:03cuenta.
00:10:04Entonces,
00:10:05no tienes
00:10:06que
00:10:07unirte
00:10:08a Facebook
00:10:09para que
00:10:10el
00:10:11beneficio
00:10:12esté
00:10:13en ti
00:10:14para
00:10:15que
00:10:16el
00:10:17beneficio
00:10:18esté
00:10:19en ti
00:10:20para
00:10:21que
00:10:22el
00:10:23beneficio
00:10:24esté
00:10:25en ti
00:10:26para
00:10:27que
00:10:28el
00:10:29beneficio
00:10:30esté
00:10:31en ti
00:10:32para
00:10:33que
00:10:34el
00:10:35beneficio
00:10:36esté
00:10:37en ti
00:10:38para
00:10:39que
00:10:40el
00:10:41beneficio
00:10:42esté
00:10:43en ti
00:10:44para
00:10:45que
00:10:46el
00:10:47beneficio
00:10:48esté
00:10:49en ti
00:10:50para
00:10:51que
00:10:52el
00:10:53beneficio
00:10:54esté
00:10:55en ti
00:10:56para
00:10:57que
00:10:58el
00:10:59beneficio
00:11:00esté
00:11:01en ti
00:11:02para
00:11:03que
00:11:04el
00:11:05beneficio
00:11:06esté
00:11:07en ti
00:11:08para
00:11:09que
00:11:10el
00:11:11beneficio
00:11:12esté
00:11:13en ti
00:11:14para
00:11:15que
00:11:16el
00:11:17beneficio
00:11:18esté
00:11:19en ti
00:11:20para
00:11:21que
00:11:22el
00:11:23beneficio
00:11:24esté
00:11:25en ti
00:11:26para
00:11:27que
00:11:28el
00:11:29beneficio
00:11:30esté
00:11:31en ti
00:11:32para
00:11:33que
00:11:34el
00:11:35beneficio
00:11:36esté
00:11:37en ti
00:11:38para
00:11:39que
00:11:40el
00:11:41beneficio
00:11:42esté
00:11:43en ti
00:11:44para
00:11:45que
00:11:46el
00:11:47beneficio
00:11:48esté
00:11:49en ti
00:11:50para
00:11:51que
00:11:52el
00:11:53beneficio
00:11:54esté
00:11:55en ti
00:11:56para
00:11:57que
00:11:58el
00:11:59beneficio
00:12:00esté
00:12:01en ti
00:12:02para
00:12:03que
00:12:04el
00:12:05beneficio
00:12:06esté
00:12:07en ti
00:12:08para
00:12:09que
00:12:10el
00:12:11beneficio
00:12:12esté
00:12:13en ti
00:12:14para
00:12:15que
00:12:16el
00:12:17beneficio
00:12:18esté
00:12:19en ti
00:12:20para
00:12:21que
00:12:22el
00:12:23beneficio
00:12:24esté
00:12:25en ti
00:12:26para
00:12:27que
00:12:28el
00:12:29beneficio
00:12:30esté
00:12:31en ti
00:12:32para
00:12:33que
00:12:34el
00:12:35beneficio
00:12:36esté
00:12:37en ti
00:12:38para
00:12:39que
00:12:40el
00:12:41beneficio
00:12:42esté
00:12:43en ti
00:12:44para
00:12:45que
00:12:46el
00:12:47beneficio
00:12:48esté
00:12:49en ti
00:12:50para
00:12:51que
00:12:52el
00:12:53beneficio
00:12:54esté
00:12:55en ti
00:12:56para
00:12:57que
00:12:58el
00:12:59beneficio
00:13:00esté
00:13:01en ti
00:13:02para
00:13:03que
00:13:04el
00:13:05beneficio
00:13:06esté
00:13:07en ti
00:13:08para
00:13:09que
00:13:10el
00:13:11beneficio
00:13:12esté
00:13:13en ti
00:13:14para
00:13:15que
00:13:16el
00:13:17beneficio
00:13:18esté
00:13:19en ti
00:13:20para
00:13:21que
00:13:22el
00:13:23beneficio
00:13:24esté
00:13:25en ti
00:13:26para
00:13:27que
00:13:28el
00:13:29beneficio
00:13:30esté
00:13:31en ti
00:13:32para
00:13:33que
00:13:34el
00:13:35beneficio
00:13:36esté
00:13:37en ti
00:13:38para
00:13:39que
00:13:40el
00:13:41beneficio
00:13:42esté
00:13:43en ti
00:13:44para
00:13:45que
00:13:46el
00:13:47beneficio
00:13:48esté
00:13:49en ti
00:13:50y el proyecto, junto con el esfuerzo que requiere para ejecutar ese proyecto.
00:13:56Entonces, cuando estás pasando, puedes ir adelante y marcar esta cuadrícula aquí.
00:14:00No quieres gastar tu tiempo con los proyectos de alto valor, de alto esfuerzo.
00:14:05Estos son solo un gasto de tiempo.
00:14:07Similarmente, en la esquina oposita, tienes tus proyectos de alto valor,
00:14:12que no toman mucho esfuerzo.
00:14:14Estos son los proyectos que llamo unicornios.
00:14:17Son criaturas raras y hermosas,
00:14:19pero típicamente solo aparecen en estudios de caso académico.
00:14:23Entonces, lo que te resta para usar una terminología de béisbol son
00:14:30bunts, base hits y homeruns.
00:14:33Puedes hacer proyectos pequeños que no toman mucho esfuerzo
00:14:37y no ofrecen mucho valor, o puedes gastar un montón de tiempo
00:14:40tratando de ejecutar gran trabajo.
00:14:44Y cuando empiezas, no necesariamente quieres disparar para la luna.
00:14:49Quieres empezar, quieres tener un impacto,
00:14:53pero no necesitas cambiar el mundo de inmediato.
00:14:59Entonces, ¿qué parece ese primer proyecto correcto?
00:15:03Quieres empezar pequeño.
00:15:06Quieres utilizar las fuentes de datos que ya tienes.
00:15:11Probablemente sabes que la mayor parte de cualquier proyecto de analítica
00:15:16es recoger datos, limpiar datos,
00:15:19asegurarse de que todo esté bien.
00:15:22El proceso actual de hacer el análisis es, a veces,
00:15:26incluso un pensamiento de después.
00:15:28Entonces, una buena manera de obtener una ganancia rápida en la tabla
00:15:32es usar datos que ya tienes.
00:15:35No intentes recoger un montón de datos extra.
00:15:38Y asegúrate de que tu línea de tiempo sea relativamente corta.
00:15:42No quieres ir 6 meses a un año sin resultados grandes.
00:15:49Y como dije, no necesitas cambiar el mundo,
00:15:52pero asegúrate de que el impacto en el negocio sea claro.
00:15:57Entonces, ¿por qué deberíamos empezar pequeño?
00:16:01Bueno, hay algunas buenas razones para eso.
00:16:03Como dije, quieres obtener algunos resultados,
00:16:06quieres obtener ganancias rápidas en la tabla.
00:16:10Esta iniciativa de traer analítica a HR
00:16:13probablemente viene con un inversión de tamaño
00:16:16en la gente, en la tecnología.
00:16:19Mucho dinero se ha gastado en esto.
00:16:22Entonces, las personas que han gastado ese dinero
00:16:25van a querer ver valor más temprano que después.
00:16:28Entonces, si vas a Dark por 6 meses o un año
00:16:31sin resultados grandes,
00:16:34empezarán a tener nervios.
00:16:37También es bueno medir el apetito por la analítica.
00:16:40Es una cosa decir que quieres entrar en este juego,
00:16:45pero es otra cosa obtener los resultados y ejecutarlos.
00:16:49Así que quieres asegurarte de que todos estén en la misma página.
00:16:55Y en tu primer proyecto, harás errores.
00:16:58Es solo la forma en que las cosas van.
00:17:01Quieres hacer pequeños errores en lugar de grandes.
00:17:04Tenemos una frase que dice,
00:17:06falla rápido y aprende de él.
00:17:09No quieres sumar un montón de costos y recursos
00:17:13en un proyecto que no termine funcionando.
00:17:21Y otra cosa sobre el impacto de un proyecto.
00:17:24Es muy importante y parece obvio,
00:17:27pero te sorprenderá.
00:17:30Tengo dos pantalones aquí arriba.
00:17:33Uno es un tracker de vuelo que tienes en tu vuelo
00:17:37cuando vas a través del país o alrededor del mundo.
00:17:42Te muestra todos esos pequeños detalles
00:17:45sobre dónde vas, cuánto rápido vas,
00:17:48cuánto alto estás, cuándo vas a llegar.
00:17:51El otro es una aplicación de rastreo de ruedas en tu teléfono
00:17:54donde te muestra básicamente las mismas cosas.
00:17:57Te muestra cuánto rápido vas, dónde vas,
00:18:00cuánto tiempo te lleva para llegar.
00:18:03Pero te pediría considerar eso
00:18:06desde el punto de vista del público.
00:18:09¿Qué va a hacer tu público con esta información?
00:18:13El público para ese tracker de vuelo
00:18:16es un pasajero en ese avión.
00:18:19Como pasajero en ese avión,
00:18:21no puedo hacer nada con esta información.
00:18:24No puedo ir al piloto
00:18:27y decir que deberíamos ir a 37.000 pies
00:18:30en lugar de 38.000 pies.
00:18:32No puedo hacerlo.
00:18:34Pero cuando miras la aplicación de rastreo de vuelo,
00:18:37como persona que corre,
00:18:39puedo hacer algo con esa información.
00:18:41Puedo ver si mi ritmo es demasiado rápido o demasiado lento
00:18:44y puedo hacer ajustes en el vuelo.
00:18:47Otra cosa a pensar es la vida de la pantalla de la información.
00:18:50¿Cuánta vida de la pantalla de la aplicación de rastreo de vuelo tiene?
00:18:55Una vez que salgo de ese avión
00:18:57y voy a comprar mi bolsa,
00:18:59no pude decir nada sobre la información
00:19:02que vi en ese rastreo de vuelo
00:19:05porque ya no tiene ninguna relevancia
00:19:07en mi vida.
00:19:09Pero en ese rastreo de ruedas,
00:19:11puedo marcar mis ruedas con el tiempo.
00:19:14Puedo ver cómo me he mejorado.
00:19:16Puedo ver dónde están mis puntos de dolor
00:19:18y puedo hacer ajustes basado en eso.
00:19:23Dos bolsas de rastreo que están bien juntas,
00:19:25muestran mucha información.
00:19:27Ambos son interesantes.
00:19:29No quiero decir que no me gusta
00:19:31mirar ese rastreo de vuelo
00:19:33mientras estoy en el avión,
00:19:35pero desde un punto de vista de utilidad,
00:19:38uno claramente es más impactante
00:19:41que el otro.
00:19:44Eso puede parecer obvio.
00:19:46Asegúrate de que puedes hacer algo
00:19:48con tus resultados.
00:19:50Pero este es el modo natural
00:19:52en el que los proyectos de analítica
00:19:54funcionan
00:19:56si no estás cuidadoso.
00:19:58Todos se meten en una habitación
00:20:00y les preguntan muchas preguntas.
00:20:02Dicen, ¿no sería genial si sabiéramos esto?
00:20:06O, me gustaría saber
00:20:08quién está haciendo esto
00:20:10o qué está pasando con eso.
00:20:13Entonces, escribes todas esas preguntas
00:20:15y traes las respuestas
00:20:17y traes una solución.
00:20:20Y luego, una vez que tienes esa solución,
00:20:23empiezas a buscar aplicaciones
00:20:25de esa solución.
00:20:27Empiezas a tratar de encontrar los problemas
00:20:29que esas soluciones
00:20:31solucionarán.
00:20:33Y ese no es el modo más eficiente
00:20:35de hacerlo.
00:20:37De la manera en que deberías hacerlo
00:20:39es entrar con el problema.
00:20:43Estamos perdiendo gente aquí
00:20:45o tenemos un punto de referencia
00:20:47en la organización
00:20:49en el que la gente se pone atrapada a este nivel.
00:20:52Entonces, puedes empezar a preguntar las preguntas
00:20:54de cómo la data
00:20:56responderá a esta pregunta
00:20:58y cómo saber la respuesta
00:21:00a esa pregunta
00:21:02cambiará las cosas.
00:21:04Una vez que hayas construido ese background,
00:21:06entonces, traer la solución
00:21:08es mucho más fácil.
00:21:10Ya tienes un lugar donde esa solución
00:21:12se encaja.
00:21:17Y mientras estamos hablando
00:21:19de
00:21:21buscar proyectos
00:21:23y trabajar por ellos,
00:21:25me aconsejaría que
00:21:27a veces es mejor ser más sencillo.
00:21:29Ahora,
00:21:31muchos de ustedes probablemente han visto
00:21:33un gráfico como este.
00:21:35Si has leído un solo
00:21:37libro blanco en tu vida,
00:21:39probablemente hayas visto este gráfico
00:21:41donde en un lado
00:21:43tienes analíticas descriptivas.
00:21:45Esas son tus páginas,
00:21:47tus estadísticas de resumen,
00:21:49tus porcentajes
00:21:51de desbordamiento,
00:21:53cosas así.
00:21:55No son tan complicadas y no tienen mucho impacto.
00:21:57Luego tienes tu modelo predictivo
00:21:59donde tienes un variable objetivo
00:22:01que estás tratando de predicar
00:22:03y luego en el futuro
00:22:05basado en
00:22:07varios valores de predicción
00:22:09puedes llegar a un valor
00:22:11predictivo. Y luego el
00:22:13prescriptivo donde puedes
00:22:15ir un paso más adelante y identificar
00:22:17soluciones a problemas basado en la
00:22:19análisis.
00:22:21Entonces, cuando tuve mi inicio,
00:22:23tuve la capacidad
00:22:25de hacer analíticas predictivas.
00:22:27Podría ejecutar regresos logísticos
00:22:29y podría hacer árboles de decisión.
00:22:31Pero eso no significa
00:22:33que es el mejor lugar
00:22:35para empezar.
00:22:37Es como
00:22:39si estuvieras subiendo una escalera.
00:22:41La manera natural
00:22:43de subir una escalera es que pones tu pie
00:22:45en ese primer rango y luego tomas el
00:22:47segundo paso y así sucesivamente. No tomas un
00:22:49paso volante hacia el medio de la escalera
00:22:51para salvar algunos pasos.
00:22:53Y eso es lo que hice al empezar.
00:22:57Entonces, este es
00:22:59uno de los primeros slides de resultados
00:23:01que mostré al equipo de liderazgo.
00:23:03Y los números
00:23:05no son tan importantes, pero
00:23:07pensé que era un árbol de decisión
00:23:09bastante simple, hablando de
00:23:11talento de alto potencial
00:23:13y algunos de los predictores
00:23:15que van a ver si
00:23:17esa persona es
00:23:19de alto potencial en nuestra organización.
00:23:21Entonces, cuando presenté esto,
00:23:23me di cuenta de que nunca
00:23:25había mostrado a nadie
00:23:27un árbol de decisión antes.
00:23:29La gente no era familiar
00:23:31con lo que era un árbol de decisión o lo que
00:23:33lo hizo.
00:23:35Y esa reunión no es
00:23:37la reunión en la que intentas
00:23:39explicar lo que es un árbol de decisión.
00:23:43Y no habíamos hablado
00:23:45de lo que parecería
00:23:47desplegar un modelo
00:23:49predictivo en un proceso existente.
00:23:51Así que no había hecho suficiente trabajo
00:23:53para llevar a la gente
00:23:55para poder presentar algo así.
00:23:59Ahora, vamos a contrastarlo
00:24:01con un enfoque analítico
00:24:03mucho más simple que
00:24:05tuvo un impacto mucho mayor.
00:24:09Entonces, tenemos
00:24:11este asesoría ejecutiva
00:24:13donde
00:24:15los empleados
00:24:17perspectivos que están
00:24:19en el nivel ejecutivo
00:24:21toman este asesorío antes de que los entrevistemos
00:24:23y obtienen resultados
00:24:25sobre cinco competencias diferentes
00:24:27que el asesorío
00:24:29ve y pueden usar
00:24:31esa información para elegir
00:24:33los candidatos correctos para contratar.
00:24:35Entonces, yo miré
00:24:37de esas
00:24:39cinco competencias
00:24:41y yo miré
00:24:43a las personas que contratamos que al final
00:24:45tuvieron un alto potencial, así que al final
00:24:47se promovieron varias veces
00:24:49durante los años
00:24:51contra las personas que
00:24:53contrataron y no realmente
00:24:55promovieron su carrera
00:24:57tan mucho.
00:24:59Y vimos que
00:25:01nuestros líderes con alto potencial estaban
00:25:03ganando más que sus compañeros
00:25:05en estas tres competencias.
00:25:07¿De acuerdo?
00:25:09Simplemente.
00:25:11Entonces, yo volví y miré
00:25:15para los que contratamos contra los que no.
00:25:17Entonces,
00:25:19para esa persona que contratamos
00:25:21¿ganaron
00:25:23lo más alto en su escala de candidatos?
00:25:25Entonces, las otras personas que ganaban por el mismo trabajo.
00:25:27¿Ganaron lo más alto
00:25:29en todas esas competencias?
00:25:31Entonces, ese porcentaje
00:25:33a la izquierda es el porcentaje
00:25:35de las personas que terminamos contratando
00:25:37ganando lo mejor de su escala
00:25:39de candidatos.
00:25:41Ahora recuerden,
00:25:43estos son los que ganamos.
00:25:45Los líderes con alto potencial.
00:25:47Y
00:25:49en
00:25:51dos de las tres competencias,
00:25:53menos del 50% de ellos
00:25:55ganaron lo más alto en esas categorías.
00:25:57Aquí están las personas
00:25:59a las que tratamos de contratar.
00:26:01Las que ganaron más alto en
00:26:03las dos competencias
00:26:05que no eran tan predictivas
00:26:07de alto potencial.
00:26:09Entonces, pudimos tomar este resultado
00:26:11y retomar el asesoramiento
00:26:13y traer este conocimiento a
00:26:15las personas que hicieron esas decisiones
00:26:17y decirles
00:26:19que si quieren líderes con alto potencial
00:26:21deberían enfocarse en
00:26:23las tres competencias primeras
00:26:25cuando están mirando los asesoramientos.
00:26:27Recuerden que no hice
00:26:29ninguna maquinaria de analítica.
00:26:31Hice algunos
00:26:33testos básicos
00:26:35y otros testos estatísticos
00:26:37para demostrar
00:26:39mi punto. Pero lo que hice fue
00:26:41tomar dos fuentes de datos
00:26:43disparadas y
00:26:45los unímos
00:26:47y mirar las cosas
00:26:49un poco de manera diferente
00:26:51de la manera tradicional de mirarlas.
00:26:53Y pudimos obtener
00:26:55un buen resultado al final.
00:26:57Ahora, eso no
00:26:59siempre es
00:27:01el caso.
00:27:03A veces,
00:27:05el método más complejo
00:27:07te dará un mejor resultado.
00:27:09Pero a veces es fácil
00:27:11superar las cosas simples porque
00:27:13cualquiera puede hacerlo.
00:27:15Pero a veces es donde puedes obtener
00:27:17el mejor resultado.
00:27:21Pero un lugar en el que me gusta
00:27:23ir un poco más profundo
00:27:25es alrededor de datos
00:27:27desestructurados y analíticas de texto.
00:27:29Porque estos son
00:27:31fuentes de datos muy ricas.
00:27:33A veces nos metemos
00:27:35en un problema en el que
00:27:37no tenemos los millones
00:27:39o los billones de hileras que
00:27:41otras industrias tienen.
00:27:43Entonces,
00:27:45los datos desestructurados
00:27:47tenden a ir un poco más lento
00:27:49que las otras industrias.
00:27:51Y mucho de la experiencia de empleo
00:27:53es cualitativa
00:27:55versus cuantitativa.
00:27:57Entonces, esto es donde puedes obtener
00:27:59un montón de contexto alrededor
00:28:01de algunos de los problemas
00:28:03alrededor del empleo
00:28:05es a través de lo que la gente
00:28:07en realidad está diciendo.
00:28:09Y encontrará problemas
00:28:11en el formulario abierto
00:28:13para hablar de lo que sea.
00:28:15Tendrán a traer cosas
00:28:17que no sabían.
00:28:19Y lo más importante,
00:28:21responderán las preguntas
00:28:23que no sabían preguntar.
00:28:25Un buen ejemplo de esto
00:28:27fue que estábamos
00:28:29ejecutando un surveyor
00:28:31de acción de empleo
00:28:33hace unos años.
00:28:35Y yo estaba tomando
00:28:37los comentarios anonimados
00:28:39y me causó
00:28:41un poco de miedo.
00:28:43Así que entré y investigué un poco más.
00:28:45Y lo que la gente estaba diciendo
00:28:47era que nos gusta tener
00:28:49lunes y viernes en el verano
00:28:51porque esa era una política existente
00:28:53que en el verano se puede salir de trabajo
00:28:55a las 1 de la mañana.
00:28:57¿Qué si
00:28:59hicieramos una política anual?
00:29:01Y la gente decía
00:29:03que se veía en algunos
00:29:05de los análisis que estaba haciendo.
00:29:07Así que pude tomar ese punto de datos
00:29:09a los líderes
00:29:11y decir, mira,
00:29:13mucha gente está diciendo esto.
00:29:15Y ya estábamos pensando de esa manera,
00:29:17pero esto hizo que ese argumento
00:29:19fuera un poco más fuerte.
00:29:21Y ahora esa es una política que se ha implementado
00:29:23en todo el mundo.
00:29:25Es una mitad de lunes y viernes anuales.
00:29:27Y es genial.
00:29:33¿Dónde buscan
00:29:35datos desestructurados?
00:29:37Hay una cantidad sorprendente de fuentes
00:29:39de datos desestructurados.
00:29:41Digamos que la atrición es el problema
00:29:43con el que se trata.
00:29:45Puedes mirar los análisis de accidentes.
00:29:47¿Qué dicen las personas
00:29:49en esos análisis de accidentes
00:29:51donde puedes llegar a algunos temas comunes?
00:29:53También con las pruebas,
00:29:55si es una prueba de acción
00:29:57o una prueba de respuesta
00:29:59de 360 grados.
00:30:01Cualquier cosa así.
00:30:03Y también
00:30:05.
00:30:07.
00:30:09.
00:30:11.
00:30:13.
00:30:15.
00:30:17.
00:30:19.
00:30:21.
00:30:23.
00:30:25.
00:30:27.
00:30:29.
00:30:31gravitan hacia la utilización de los medios sociales, pero lo hemos usado un poquito.
00:30:36Hacemos algunos mini-surveys sin realmente survejar a la gente. Le pedimos algunas preguntas
00:30:43de un líder y luego la gente responde a esa pregunta y luego tomamos algunas de esas respuestas
00:30:49para informar algunas decisiones. Así que hay algo de valor en ver eso también. Y luego
00:30:56estas son las técnicas específicas que se usan en la analítica de texto. Obviamente
00:31:02tienes tus cuentos de palabras y las nubes de palabras. Esas son de bajo valor en mi
00:31:08opinión, pero la buena noticia es que cualquiera puede hacerlas. Puedes tener un poco de contexto,
00:31:15pero no va a ser necesariamente revolucionario. Puedes hacer clustering de documentos donde
00:31:21puedes decir, es una manera simple de ir a través y decir, 20% de la gente está hablando
00:31:31de esto cuando le preguntamos esta pregunta y 30% están hablando de eso cuando le preguntamos
00:31:36esta pregunta. Y puedes tener una idea rara de dónde están las personas en las preguntas.
00:31:42Y en la análisis de sentimientos, puedes ver si la gente está diciendo cosas buenas
00:31:46o malas cosas, positivas o negativas. Aunque a veces eso puede ser una especie de sentimiento
00:31:52en la pregunta. Si le preguntamos, ¿qué te gusta de trabajar aquí? Las posibilidades
00:31:56son que la mayoría de ellas van a ser positivas y entonces lo mismo. La que me gusta mucho
00:32:02entender es el tema y la extracción del tema. Es donde tomas un montón de datos y sacas
00:32:08temas. Entonces, palabras que tienden a aparecer juntos en diferentes documentos. Y cuando
00:32:15digo documento, puede ser una carta de cubre, puede ser un comentario dejado por alguien,
00:32:23pero un bloque individual de texto de un autor. Este es un ejemplo de uno que usé. Cuando
00:32:32miramos el feedback de 360 grados, le preguntamos, ¿qué aprecias más de esta persona? Y luego
00:32:40dejan dos o tres sentencias que dicen, esta persona es un buen entrenador para mí, o
00:32:46esta persona siempre tiene buenas ideas, o lo que sea. Y obviamente, anonimizamos la
00:32:53información, pero puedes ir a través y el tool que uso puede sacar estos diferentes
00:33:01tópicos, palabras que todos aparecen juntos, y luego escoge un uno o un cero, si ese comentario
00:33:09contiene ese tema en particular. Y luego eso te permitió hacer algo así. Una de las
00:33:18preguntas que me preguntaron fue, tendríamos un punto de parte en la estructura de la
00:33:24organización, donde la gente parece ser capaz de ser promocionada hasta el nivel 12 o 13,
00:33:32y luego la gente tiende a estagnar un poco allí, mientras que menos gente es capaz de
00:33:37superar eso y ser promocionada a L14 y así. Y en realidad tenemos que traer un montón
00:33:44de talento extranjero a ese nivel executivo senior, porque no tenemos a suficientes personas
00:33:50en la red. Entonces, miré lo que la gente estaba diciendo sobre aquellos que permanecían
00:33:55estables en ese nivel 12 o 13, contra aquellos que fueron capaces de promover más allá
00:34:00y ir más allá de L13. Y puedes ver algunas diferencias significativas entre las dos
00:34:09poblaciones. Puedes ver un estilo de liderazgo inspirador, pensando a través de problemas
00:34:15complejos, creciendo gente, teniendo liderazgo inspirador.
00:34:22Entonces estas no son preguntas que pensamos preguntar. Probablemente preguntamos preguntas
00:34:26similares, pero solo preguntamos la pregunta abierta de, ¿qué es lo que más te gusta
00:34:30de esta persona? O, ¿qué es lo que más aprecias de esta persona? Y luego los respondientes
00:34:37a esa pregunta nos dieron la respuesta y nos miraban directamente a nosotros, solo
00:34:44minando esa información de texto rica y llegando al resultado.
00:34:56El siguiente que quiero hablar sobre es, cuando estás en esa reunión y estás hablando
00:35:00a través de los resultados. Ahora, he hecho una presentación completa sobre
00:35:07comunicarse a los ejecutivos, que probablemente podría ser sumado en este uno de los slides,
00:35:12y básicamente es, no hables sobre el proceso a menos que lo pregunten. Y digo, a menos
00:35:16que lo pregunten, porque nada arroja la credibilidad más que alguien preguntando una pregunta técnica
00:35:20sobre tu trabajo y no poder responderlo. Pero esos son los detalles que no quieres
00:35:26que te arrojen. Y la manera en que pienso sobre esto es, digamos que estás comprando
00:35:29un coche. No estás interesado en la composición de aluminio del cuadro o la fuerza de tensión
00:35:37de los cables usados allí. Estás preocupado sobre, ¿me gusta el coche? ¿Es divertido
00:35:44conducir? ¿Es seguro? ¿Puedo aflojarlo? Esas son las cosas que te preocupan. Y es
00:35:50lo mismo con tu audiencia. No están interesados en, bueno, primero hice esta cuestión para
00:35:58unir estas dos fuentes de datos. Luego, identifique que esta es la variable objetivo. Luego, hice
00:36:03una selección de variables para quitar algunos predictores que no eran tan predictivos. Luego,
00:36:07hice dos regresiones logísticas y un árbol de decisiones. Y la regresión logística
00:36:11pasada, una salió por causa de estas, tienes, a la vez que estás acabado con eso, tienes
00:36:17una habitación llena de gente que está buscando café, intentando quedarse dormido. Entonces,
00:36:22eso no es lo que quieres hacer. Quieres enfocarte en, aquí es por qué estamos perdiendo gente.
00:36:27Son estos tres factores y aquí es lo que tenemos que hacer. Eso les va a llamar la atención,
00:36:32eso los va a mover. Y lo que sea que hagas, no les muestres cosas como esta. Y digo eso
00:36:39porque esta es una de las primeras reuniones que tuve con la liderazgo. Les traje a través
00:36:45de la editora de código y algunas de las actividades de ejecución. Pensé que en ese momento
00:36:50iba a desmantelarlas con mi brillanteza, pero mirando de vuelta, es bastante incómodo.
00:36:57Ahora, tendo a hablar más en las noticias y los sonidos. Y creo que las noticias son
00:37:08muy poderosas. Por ejemplo, esta noticia de los Jóvenes de Nueva York, casi 50 años
00:37:18atrás. Entonces, ¿cuántos cientos de millones, millones de horas de trabajo se dedicaron a
00:37:26asegurarse de que la misión de Apollo 11 saliera sin descanso? Que obtuvimos tres seres
00:37:33humanos de este mundo a otro mundo y de vuelta a salvo. Es incómodo. Pero casi 50 años después,
00:37:42la gente no recuerda las noticias de hacer que ese rocket saliera. Recuerdan esas cuatro
00:37:49palabras, los hombres caminan en la luna. Y eso es lo que una noticia puede hacer para
00:37:54ti. Tu audiencia tomará esas piezas de información, las pondrá en sus cabezas, y luego, cuando
00:38:03se trata de su negocio, usará lo que dijiste para informar sus decisiones. Eso es lo que
00:38:09intento hacer cuando presento esta información. Y finalmente, quieres pensar sobre el futuro.
00:38:19Como dije antes, cuando es tu primer proyecto, quieres usar los datos que ya tienes. No necesitas
00:38:24pasar por un gran proceso de recoger un montón de datos extra. Pero quieres empezar a planear
00:38:31para eso ahora. Si tienes un montón de datos que te gustaría tener, pero no tienes ahora,
00:38:37este es un buen momento para empezar. O tal vez tengas un montón de datos en lugares
00:38:42y quieres tener un proceso más estabilizado para unirlos todos. Entonces, empieza a hablar
00:38:49esa estrategia ahora para hacer que tus proyectos en el futuro sean más fáciles. Y luego, también
00:38:56quieres resolver los problemas para tu compañía de futuro. Creo que Wayne Gretzky, un famoso
00:39:03jugador de hóquing, dijo, yo salto donde va el puco. No salto donde ha estado el puco.
00:39:09Así que es de la misma manera que quieres hacer tu trabajo aquí. No quieres resolver
00:39:13los problemas que tienes ahora mismo. Quieres resolver los problemas de futuro. Por ejemplo,
00:39:19en nuestra compañía, hemos mudado de que el 80% de nuestras tiendas sean propiedad de franqueza
00:39:26a que el 98% de nuestras tiendas sean propiedad de franqueza a finales de este año. Entonces,
00:39:31en un espacio de unos 5 años, hemos hecho esa transformación dramática. Entonces, los
00:39:37criterios que necesitamos en esta compañía van a ser diferentes. No vamos a estar operando
00:39:41restaurantes más. Necesitamos gente que pueda, que pueda comercializar y que pueda mantener
00:39:49esas relaciones de franqueza. Entonces, esa es la diferencia en nuestra organización.
00:39:54La otra diferencia es en la empresa. En menos de 10 años, van a haber gente entrando
00:40:00en la empresa que no recuerda un momento antes de un iPhone o antes de la ubicación de
00:40:07Google para responder a todas las preguntas de la vida o para tener compras de dos días gratis.
00:40:13Van a esperar cosas diferentes de una experiencia de empleo. Van a querer una experiencia más
00:40:20personalizada, más customizada, más diseñada. Y necesitamos estar allí para conocerlos,
00:40:27para mantenerlos involucrados, para mantenerlos motivados. De la otra mano, así que es un
00:40:33es un poco más desafiante. Pero, por otro lado,
00:40:35las generaciones más jóvenes tendrían más voluntad
00:40:39de dar datos por conveniencia
00:40:43o por beneficio mutuo.
00:40:47Más gente está en Facebook o cualquier canal de redes sociales,
00:40:53ellos son más dispuestos a dejar que Google
00:40:57traje sus movimientos para que puedan obtener datos de tráfico.
00:41:01Ese pensamiento está cambiando,
00:41:03así que será un poco más fácil para nosotros
00:41:07como practicantes de analítica obtener ese dato sobre la gente,
00:41:11nuevamente, por beneficio mutuo.
00:41:14Y, obviamente, las técnicas de analítica
00:41:18y la capacidad alrededor de eso continúan evolucionando también.
00:41:25Quiero dar algunos pensamientos finales antes de que lo pongamos en preguntas.
00:41:29Hace 10 años, como dije,
00:41:31solo las empresas más innovadoras
00:41:33estaban trayendo analítica a sus funciones de HR.
00:41:38Ahora mismo, yo lo considero una ventaja competitiva.
00:41:43Todavía las empresas de clase superior
00:41:45tienen un gran papel en la analítica y en la HR.
00:41:50Pero en los próximos 3 a 5 años,
00:41:53va a ser o no va a ser.
00:41:56No va a ser una ventaja competitiva más.
00:41:59Si no lo haces, tus competidores
00:42:02se atractarán mejor,
00:42:04mantendrán y engañarán a sus empleados
00:42:07y afectará a tu línea final.
00:42:11La buena noticia es que nunca ha habido un mejor momento
00:42:13para salir y empezar.
00:42:16Hay muchos recursos,
00:42:18muchos vendedores entienden la importancia de este área
00:42:24y están invirtiendo mucho en ello.
00:42:26Mucha liderazgo entiende la importancia de esto
00:42:32y está dispuesto a hacer esos inversiones.
00:42:39Y con eso, voy a abrirme a las preguntas.
00:42:42Gracias, Martha.
00:42:44Gracias, David.
00:42:46Eso concluye la parte de presentación de nuestro programa de hoy
00:42:49y ahora pasamos a nuestro Q&A.
00:42:52Hemos recibido muchas buenas preguntas
00:42:54y seguiremos tomando vuestras preguntas
00:42:56durante el resto de la hora.
00:42:58Un recuerdo de que pueden enviar sus preguntas
00:43:01entrando en la caja de comentarios
00:43:03en la parte inferior de su consola
00:43:05o en Twitter usando el hashtag
00:43:07MITSMREvent.
00:43:10Y ahora, a nuestra primera pregunta.
00:43:14Un asistente pregunta,
00:43:16¿cómo descubriste patrones
00:43:18a través de un muy grande conjunto de comentarios?
00:43:20Tenemos una herramienta para capturar
00:43:22los sentimientos de los empleados cada día con texto abierto
00:43:24y tenemos una gran organización.
00:43:26¿Presenta un reto de análisis de datos
00:43:29para encontrar patrones significativos?
00:43:31Sí, esa es una buena pregunta.
00:43:34Y si es un conjunto de datos pequeño,
00:43:38típicamente vas a obtener la visión más nuancia
00:43:42simplemente leyéndolos.
00:43:44Pero cuando llegas a 100,
00:43:46o llegas a 400, o llegas a 10,000,
00:43:49simplemente no hay manera de hacerlo
00:43:52consistentemente desde la perspectiva humana.
00:43:55Incluso si has pasado dos semanas
00:43:57leyendo todos los 10,000 comentarios,
00:43:59el cerebro humano no está conectado
00:44:02a aplicar las mismas reglas
00:44:04a la primera comentación que es la 10,000.
00:44:08Es ahí que los programas de minación de texto
00:44:12realmente brillan.
00:44:14Pueden buscar palabras comunes,
00:44:17por ejemplo,
00:44:19SAS no me paga para hacer esto,
00:44:21pero voy a compartir un poco
00:44:23sobre la herramienta que uso,
00:44:25se llama SAS Text Miner,
00:44:27y lo que puede hacer es tomar
00:44:29varios mil,
00:44:31no importa cuántos comentarios tienes,
00:44:34pero irá a través y buscará palabras
00:44:37que estén cerca,
00:44:39que aparezcan en los mismos grupos,
00:44:41que son únicas suficientemente
00:44:43para ser considerados un tema.
00:44:45Y te presentará con, digamos,
00:44:4710 tópicos o 20 tópicos,
00:44:49lo que sea que decidas,
00:44:51y luego puedes ir a través
00:44:53y empezar a entender
00:44:55cómo ciertos comentarios,
00:44:57y si quieres entender
00:44:59un poco más el contexto,
00:45:01puedes mirar y ver
00:45:03algunos de los comentarios
00:45:05que contienen ese tópico
00:45:07y ver, te das un poco más de contexto
00:45:09de esa manera.
00:45:11Esa es típicamente la aproximación que hago.
00:45:13Sí, cuando te encuentras
00:45:15con un gran dataset como ese,
00:45:17simplemente no puedes leer
00:45:19tu camino a través de él
00:45:21y esperar para tener
00:45:23un análisis significativo.
00:45:25Y hay muchas herramientas
00:45:27diferentes que están entrando en eso.
00:45:29De nuevo, Text Analytics
00:45:31no fue muy popular
00:45:335 a 10 años atrás,
00:45:35pero muchas empresas,
00:45:37muchos vendedores
00:45:39están entrando en ese espacio también.
00:45:41Sí, y en realidad has conseguido responder
00:45:43una pregunta que una serie de personas
00:45:45habían preguntado, que es, ¿qué herramienta
00:45:47estás usando para Text Analysis?
00:45:49Muy bien. Otra pregunta de nuestro público,
00:45:51¿qué datos externos agregas,
00:45:53si algunos?
00:45:55Bueno, tenemos
00:45:57algunos de los diferentes
00:45:59vendedores de salud y bienestar
00:46:01que tenemos, a veces agregaré ese dato.
00:46:03Algunas de las evaluaciones
00:46:05que ejecutamos están alzadas
00:46:07por empresas de tercera parte,
00:46:09ya sea una
00:46:11prueba de acción o ese asesoramiento
00:46:13ejecutado por una firma extranjera,
00:46:15así que tengo que hablar con ellos
00:46:17sobre obtener un exporte del sistema.
00:46:19Algunas de esas cosas
00:46:21podemos agregar,
00:46:23a lo largo de que
00:46:25puedas recortarlas a un empleado
00:46:27con alguna forma de identificador,
00:46:29ya sea un ID o un nombre.
00:46:31Puedes conectar
00:46:33todos esos juntos. Pero esos son
00:46:35probablemente los más grandes que
00:46:37personalmente utilizo.
00:46:39Agregamos un poco de datos
00:46:41de satisfacción de clientes,
00:46:43también he hecho un poco de trabajo
00:46:45ayudando a una de las firmas con su
00:46:47nivel de tienda,
00:46:49y sus empleados.
00:46:51Entonces, cualquier
00:46:53dato ejecutado por un vendedor,
00:46:55típicamente tienes que contactar y
00:46:57solicitar ese dato.
00:46:59Genial. Otra persona en el
00:47:01público estaba interesada en
00:47:03tu descripción de proyectos unicornios
00:47:05y le pregunté, ¿Puedes proporcionar
00:47:07algunos ejemplos de proyectos unicornios,
00:47:09que si recuerdo bien,
00:47:11eran de bajo esfuerzo y alto impacto en la práctica?
00:47:13Sí. Por eso les llamo
00:47:15unicornios, porque nunca los ves
00:47:17en el bosque. Típicamente solo
00:47:19existen en estudios de casos,
00:47:21donde alguien no podía
00:47:23hacer mucho
00:47:25y poder producir
00:47:27una salida significativa. El punto que
00:47:29estaba haciendo allí es que,
00:47:31por lo menos,
00:47:33si pones un poco de esfuerzo,
00:47:35vas a obtener un poco de resultado.
00:47:37Y si pones mucho esfuerzo,
00:47:39probablemente, más frecuentemente que no,
00:47:41vas a obtener un resultado
00:47:43de alto impacto. Hay muchas
00:47:45historias
00:47:47sobre
00:47:49las empresas que ponen mucho
00:47:51esfuerzo y se pierden.
00:47:53Obviamente, así es como un proyecto
00:47:55termina, pero no es así como
00:47:57se concebió originalmente.
00:47:59Entonces, esa relación entre
00:48:01esfuerzo y valor es largamente lineal.
00:48:03Es el punto que estaba
00:48:05haciendo allí.
00:48:07Entonces, no vas a
00:48:09encontrar un unicornio.
00:48:11No, no he visto ninguno en el bosque.
00:48:13Si alguien los ve,
00:48:15déjame saber.
00:48:17OK, genial.
00:48:19Aquí hay una gran pregunta.
00:48:21Cuando contratas a empleados de HR,
00:48:23¿qué habilidades deberías buscar
00:48:25si quieres que estos empleados
00:48:27utilicen analíticas de trabajo?
00:48:29Esa es una buena pregunta.
00:48:31No hay muchos de nosotros alrededor.
00:48:33De hecho, para
00:48:35borrar la frase de unicornio
00:48:37de nuevo. Estaba leyendo
00:48:39en la revista ejecutiva de HR.
00:48:41Hablaban de la intersección
00:48:43de las habilidades de analítica
00:48:45y las habilidades de trabajo.
00:48:47Les llaman unicornios
00:48:49azules porque son tan raros para encontrar.
00:48:51Pero eso no significa que necesitarías
00:48:53necesariamente
00:48:55un equipo
00:48:57de expertos de HR que también sean
00:48:59científicos de datos.
00:49:01Muchos de tus
00:49:03practicantes de HR
00:49:05querrían que tuvieran
00:49:07una cierta cantidad de
00:49:09familiaridad con
00:49:11trabajar con datos
00:49:13y tener curiosidad intelectual.
00:49:15Creo que eso es realmente importante.
00:49:17O también
00:49:19puede ser que muchas organizaciones
00:49:21contraten
00:49:23quizás un estatista de nivel de doctorado
00:49:25o un científico de datos
00:49:27para trabajar solamente
00:49:29en la pieza de HR.
00:49:31Y luego los
00:49:33otros practicantes de HR pueden
00:49:35tomar esos resultados, poner
00:49:37un contexto alrededor de ellos y luego presentar
00:49:39los resultados
00:49:41de liderazgo.
00:49:43Puede ir de una
00:49:45de dos maneras.
00:49:47Elegir un estatista
00:49:49de nivel de doctorado
00:49:51o puedes tener un equipo
00:49:53de expertos de HR
00:49:55que presenten una natural
00:49:57curiosidad y propensidad para trabajar
00:49:59con este tipo de cosas.
00:50:01Excelente. Otra pregunta
00:50:03del público. ¿Cuál es el impacto
00:50:05real y cuáles son las capacidades reales
00:50:07de la inteligencia artificial para identificar
00:50:09talento, riesgo y
00:50:11competitividad de un trabajo?
00:50:13Esa es una buena pregunta.
00:50:15Y creo que es una que todavía
00:50:17no estamos ahí.
00:50:19Pero diría que en los próximos
00:50:21cinco años va a ser
00:50:23súper grande.
00:50:25Va a ser caliente.
00:50:27Así que un ejemplo de donde
00:50:29hemos usado la inteligencia artificial
00:50:31en el espacio de HR. No es un
00:50:33ejemplo de talento, pero es
00:50:35un ejemplo de beneficios.
00:50:37Así que cada año,
00:50:39nuevamente para el público internacional,
00:50:41tenemos un periodo
00:50:43llamado enrolamiento abierto donde
00:50:45los empleados
00:50:47elegir
00:50:49sus opciones de beneficios,
00:50:51su insurancia médica, su insurancia dental,
00:50:53su insurancia de vida,
00:50:55todas esas cosas. Hacen esas decisiones
00:50:57y siempre es muy confuso
00:50:59para el usuario
00:51:01medio, para el empleado medio.
00:51:03Y
00:51:05normalmente tienen que hacer muchas preguntas.
00:51:07Y así que
00:51:09formamos un centro de llamadas para ese
00:51:11mes o dos
00:51:13con algunos empleados temporales
00:51:15para responder esas preguntas cuando
00:51:17lleguen. Así que este año
00:51:19revelamos
00:51:21un asistente virtual. Es básicamente
00:51:23como Siri o Alexa o Google
00:51:25donde
00:51:27básicamente te llevaría a las preguntas.
00:51:29Es básicamente, el proceso
00:51:31fue cuando mis padres me pidieron
00:51:33ver sus opciones de beneficios,
00:51:35yo les preguntaba las mismas preguntas.
00:51:37¿Qué van a parecer las
00:51:39insurrancias médicas este año? ¿Tienes alguna
00:51:41prescripción regular o tienes
00:51:43alguna dependencia? Esas
00:51:45tipos de preguntas. Y este asistente virtual
00:51:47estaba preguntando esas mismas preguntas
00:51:49y llevando a la gente a
00:51:51sus opciones de beneficios
00:51:53recomendadas.
00:51:55Así que
00:51:57no solo eso libera
00:52:01algún número de cabeza en nuestro
00:52:03centro de llamadas, pero también
00:52:05empodera
00:52:07a esas personas que tenían algunas preguntas o
00:52:09no estaban muy seguros, pero no lo hicieron
00:52:11hasta el nivel en el que
00:52:13querían llamar y sentarse
00:52:15y ir a todo ese proceso.
00:52:17Pudieron salir en su propio tiempo
00:52:19instantáneamente y obtener
00:52:21esa información. Así que creo que ese fue un gran
00:52:23ganador para nosotros. También he
00:52:25oído de otras empresas
00:52:27traer asistentes virtuales
00:52:29a algunos de los
00:52:31reportes, algunos de los
00:52:33más transaccionales.
00:52:35Por ejemplo,
00:52:37olvido qué compañía es, pero
00:52:39una gran compañía de manufactura que he hablado
00:52:41con, estaban
00:52:43pilotando tener a Alexa en
00:52:45el piso de manufactura, así que
00:52:47el gestor de piso podía decir
00:52:49que me ejecutara mi reporte de absente
00:52:51durante las últimas dos semanas y
00:52:53él o ella obtendría
00:52:55ese reporte en e-mail a ellos y
00:52:57entonces es un tipo de cosa instantánea
00:52:59donde no tienen que navegar
00:53:01a través de menús y cosas para obtener
00:53:03esa información. Hace mucho más fácil
00:53:05para ellos. Entonces pueden tomar
00:53:07decisiones más a la frontera, en lugar de
00:53:09obtener
00:53:11esa información de un
00:53:13lugar centralizado. Así que
00:53:15creo que ahí es donde AI va a
00:53:17realmente jugar y va a reemplazar a muchos de esos
00:53:19transaccionales, esos tareas
00:53:21bajas
00:53:23que muchas personas están haciendo
00:53:25manualmente en este momento.
00:53:27Y no creo que necesariamente va a
00:53:29reemplazar a la gente. En ciertos casos
00:53:31puede ser, pero creo que liberará a muchas
00:53:33personas a pensar más estratégicamente y
00:53:35hacer trabajo de nivel más alto en el espacio
00:53:37de HR y ser menos transaccional.
00:53:39Genial. Tenemos muchas
00:53:41preguntas del público
00:53:43con gente curiosa sobre los
00:53:45herramientas que usas. ¿Puedes decirnos
00:53:47sobre los herramientas que usas para hacer analíticas?
00:53:49Sí. Entonces
00:53:51nuestro gran
00:53:53mercado de datos,
00:53:55nuestro gran sistema de HR es
00:53:57Oracle, HCM.
00:53:59Eso ocupa todo el
00:54:01datos de trabajo,
00:54:03datos de talento,
00:54:05asignaturas, objetivos,
00:54:07todo eso. Es
00:54:09la fuente de datos principal. Y luego miro
00:54:11otras fuentes de datos,
00:54:13tanto de vendedores como de otros databases.
00:54:15Los grandes
00:54:17herramientas que uso
00:54:19somos un pequeño equipo
00:54:21aquí, así que no tenemos
00:54:23muchos usuarios
00:54:25de poder. Pero uso
00:54:27el guía de la empresa SAS,
00:54:29que es un tipo de, entro y
00:54:31escribo un poco de código, y
00:54:33soy un poco antiguo de ese modo,
00:54:35y hago algunas analíticas. Y luego
00:54:37uso SAS Enterprise Miner,
00:54:39que puede hacer algunas de esas
00:54:41más poderosas técnicas de minería de datos,
00:54:43ejecutar esos árboles de decisión,
00:54:45esas regresiones logísticas,
00:54:47y es ahí que
00:54:49hace la minería de texto también,
00:54:51el clustering de documentos, el
00:54:53tema y la extracción de tema.
00:54:55Es una pieza de software
00:54:57bastante poderosa.
00:54:59He visto otras áreas
00:55:01que usan
00:55:03algunas más interfaces de punto y clic.
00:55:05Sé que Tableau es
00:55:07súper popular. Sé que
00:55:09SAS tiene una herramienta de
00:55:11analítica visual que
00:55:13hace algo similar, donde tomas
00:55:15muchas fuentes de datos diferentes, y
00:55:17le pones cosas a la pantalla,
00:55:19y puede producir algunas visualizaciones
00:55:21y algunos dashboards que puedes
00:55:23enviar a la gente.
00:55:25Así que si no estás
00:55:27acostumbrado
00:55:29a la codificación y
00:55:31a entrar en los detalles con
00:55:33algunas de estas cosas, puedes
00:55:35usar una de esas herramientas más visuales
00:55:37también. Hay muchas
00:55:39personas
00:55:41entrando en este espacio y maturando
00:55:43también.
00:55:45Una de las otras
00:55:47que he hablado y
00:55:49he aprendido
00:55:51es Vizier, donde
00:55:53es un tipo de servicio de software donde
00:55:55puedes enviar
00:55:57todas tus fuentes de datos diferentes y
00:55:59unirlas, y luego te dan
00:56:01algunas preguntas predefinidas
00:56:03y algunas capacidades para
00:56:05que puedas empezar a
00:56:07ejecutar reportes y obtener
00:56:09algunas analíticas y
00:56:11incluso algunas cosas predictivas también.
00:56:13Genial.
00:56:15Otra pregunta de la audiencia es
00:56:17¿cómo trabajas con ejecutivos en
00:56:19otras partes de la organización para resolver
00:56:21problemas que cruzan las fronteras organizacionales
00:56:23y obtener datos de sus
00:56:25domenios?
00:56:27No he hecho
00:56:29muchas cosas
00:56:31cruzadoras. Obviamente, cuando
00:56:33trabajas con personas, estás hablando
00:56:35de todos a través de la organización.
00:56:37Probablemente la
00:56:39más importante
00:56:41cosa cruzadora que he
00:56:43hecho fue
00:56:45mirar ese nivel de tienda
00:56:47de empleo de restaurante
00:56:49de encuentro.
00:56:51Hablando con los diferentes
00:56:53tiendas y
00:56:55obtener ese dato porque
00:56:57trabajan con un vendedor y
00:56:59también obtener alguna satisfacción
00:57:01cliente que fue alquilada por
00:57:03el equipo de operaciones.
00:57:05Así que es
00:57:07como tienes que construir
00:57:09esas relaciones. Tienes que
00:57:11entender.
00:57:13Tienen que entender
00:57:15lo que haces con los datos y
00:57:17si hay beneficios mutuos
00:57:19o no.
00:57:21Esas son las cosas que tienes que hacer.
00:57:23También hay mucha influencia.
00:57:27Por ejemplo,
00:57:29cuando vamos al
00:57:31equipo de liderazgo de la marca y
00:57:33les decimos, hey, cuando
00:57:35contratas gente, mire estas cosas,
00:57:37básicamente
00:57:39dices, hey, no lo has hecho
00:57:41bien.
00:57:43Tienes que ser un poco más gentil que eso.
00:57:45Pero tienes que
00:57:47hacer ese caso y ser influyente
00:57:49en vez de
00:57:51simplemente poner
00:57:53la ley, si quieres.
00:57:55Esa es una gran parte de
00:57:57esto, comunicar
00:57:59tus resultados para que
00:58:01se pongan en práctica.
00:58:03Creo que
00:58:05cuando llegué, pensé que
00:58:07mi
00:58:09metodología y mi,
00:58:11por un poco de background, vengo de un
00:58:13background actual, así que eso es todo
00:58:15lo que me preocupaba, la metodología y la
00:58:17aproximación y las preguntas que hice.
00:58:19Pensé que si pudieras
00:58:21hacer todas esas cosas bien, entonces
00:58:23¿quién te iría a disagreer?
00:58:27Ese argumento iba a ganar el día.
00:58:29Pero aprendí rápidamente que
00:58:31es un poco más complicado que eso.
00:58:33Tienes que tomar en cuenta
00:58:35las piezas emocionales de eso.
00:58:37Tienes que tomar en cuenta
00:58:39la intuición.
00:58:41No creo que
00:58:43una buena decisión de HR sea hecha
00:58:45solo con datos. Creo que tiene que
00:58:47venir con la intuición también.
00:58:49Esa es una respuesta
00:58:51muy larga a la pregunta, pero hay
00:58:53mucho que considerar, y esa es
00:58:55una gran parte de eso,
00:58:57esa comunicación y la influencia.
00:59:01Genial. Tenemos tiempo para una última pregunta.
00:59:03Tenemos un número de preguntas de la audiencia
00:59:05relacionadas con las preocupaciones de la privacidad.
00:59:07Una de ellas es
00:59:09¿cómo balanceas las preocupaciones de la privacidad
00:59:11y cuáles son los datos nuevos que tienes que recoger?
00:59:13¿Cómo haces el caso
00:59:15de que estos datos necesitan ser recogidos?
00:59:19Creo que tienes que hacer
00:59:21ese caso con los empleados.
00:59:23Tienes que comunicarte
00:59:25con ellos. Tienes que ser transparente.
00:59:27Tienen que saber que
00:59:29cuando te confian
00:59:31con estos datos
00:59:33sobre ellos mismos,
00:59:35¿qué va a ser útil
00:59:37y cómo va a beneficiarme?
00:59:39Como dije en la presentación,
00:59:41comunicar ese valor
00:59:43a ellos,
00:59:45también va un largo camino
00:59:47para aliviar algunas de esas preocupaciones.
00:59:49No es una medida punitiva.
00:59:51No estamos
00:59:53poniéndonos en tu recuerdo permanente
00:59:55para darnos una buena razón
00:59:57para encargarte.
00:59:59Queremos que estés feliz, que estés
01:00:01involucrado, que estés con nosotros
01:00:03durante mucho tiempo,
01:00:05y queremos asegurarnos de que estamos haciendo
01:00:07las cosas correctas para hacer
01:00:09que todo eso suceda.
01:00:11No importa si te da recursos,
01:00:13si respondes a la convocatoria de empleados,
01:00:15o
01:00:17si ofrece cursos sobre
01:00:19cosas que sabemos que son verdades
01:00:21sobre cómo se promueven.
01:00:23Sabemos mucho sobre quién se promueve aquí.
01:00:25Sabemos qué
01:00:27separa a esas personas
01:00:29de otras.
01:00:31Así que poder venir adelante
01:00:33con ese tipo de información también
01:00:35creo que va un largo camino
01:00:37para hacer que las personas
01:00:39se sientan cómodas con la idea.
01:00:41Y también, obviamente,
01:00:43la gente
01:00:45sabe mucho
01:00:47de ti.
01:00:49Sólo por ese acuerdo de empleo
01:00:51hay ciertas cosas que tú agregas
01:00:53para que las hagas.
01:00:55Tú trabajas
01:00:57en un computador de una empresa.
01:00:59No usas tu computador personal.
01:01:01Escanas
01:01:03en la mesa con tu badges.
01:01:05Y ellos saben cuándo lo haces y cuándo no.
01:01:07Así que creo que hay una expectativa
01:01:09de un nivel determinado. Pero cuando vas a buscar
01:01:11cosas nuevas, tienes que ser muy claro
01:01:13con los empleados sobre
01:01:15qué vas a hacer con eso y cómo les beneficia.
01:01:17Creo que esa es la pieza clave.
01:01:19Es simplemente ser transparente.
01:01:21Excelente. Bueno, eso es todo el tiempo
01:01:23que tenemos para la sesión de hoy.
01:01:25Durante los próximos días,
01:01:27por favor, miren el survey de respuesta
01:01:29que enviaremos a través de e-mail.
01:01:31Les agradezco muchísimo sus pensamientos
01:01:33y opiniones. Un recuerdo
01:01:35de que una grabación de este programa
01:01:37y las páginas de presentación
01:01:39estarán disponibles en 3 a 4
01:01:41días de negocio. Y eso
01:01:43concluye nuestro programa. Gracias por asistir
01:01:45y gracias nuevamente a nuestro presentador
01:01:47David Harcourt y a nuestro sponsor,
01:01:49SAS.