• el año pasado
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.
Transcripción
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.

Recomendada