zegelipae.edu.

pe
Gestión de Personas I

Sesión #15
Indicador de logro #3: Nuevas tendencias en gestión de personas
Propone soluciones a los principales retos organizacionales considerando las últimas
tendencias en el campo de la gestión de personas.
Tema de la clase: HR Analytics
Al finalizar la sesión, el estudiante identifica retos organizacionales que pueden ser
solucionados a través del análisis de información.
Estructura salarial
Estructura
salarial

http://www.ted.com/talks/anne_milgram_why_s
mart_statistics_are_the_key_to_fighting_crime
Data Analytics
Conceptos
básicos

• Se refiere al análisis de la información con la que

cuenta la organización para descubrir tendencias,
patrones ocultos, correlaciones y otros insights
• Las organizaciones están comenzando a utilizar estas
técnicas para demostrar que la inversión en la gestión
de personas tienen un impacto positivo en los
resultados de negocio
• La automatización de procesos, la digitalización y las
redes sociales favorecen esta tendencia
Clasificación
de data
analytics

Predictiva
Prescriptiva
Descriptiva
Anticiparse a lo que
Simular resultados de
Sacar conclusiones podría ocurrir en base
acciones o decisiones
sobre eventos al análisis de la
antes de ponerlas en
pasados información
práctica
disponible

• Ayer llovió
• Hoy es muy probable que también llueva
• Sería conveniente salir de casa con paraguas
Clasificación
de data
analytics
Clasificación
de data
analytics

• ¿Qué elementos de un plan de capacitación

son los que brindan un mayor impacto en los
Descriptiva resultados de negocio?
• ¿Qué palabras aparecen en el CV de los
Sacar conclusiones colaboradores con mejor desempeño y
sobre eventos potencial?
pasados • ¿Cuál es la correlación entre la antigüedad en
la empresa y el compromiso de los
colaboradores?
Clasificación
de data
analytics

Predictiva

Anticiparse a lo que • ¿Qué factores son los que mejor predicen la

podría ocurrir en base rotación de personal?
al análisis de la • ¿Qué factores son los que mejor predicen el
información desempeño de los colaboradores?
disponible
Clasificación
de data
analytics

Prescriptiva

Simular resultados de • ¿Qué acciones son más convenientes para

acciones o decisiones retener al talento clave de la organización?
antes de ponerlas en
práctica
Características
de un analista
de información
(Data Analyst)
• Conocimientos de estadística
como el análisis regresivo
(predictivo)
• Saber contar historias a
través de los números
• Conocimiento del negocio
• Curiosidad
• Capacidad de colaboración
con otras áreas de la
organización
• Entendimiento de los procesos
de recursos humanos
Ejemplo de análisis de data
Herramientas
de Data
Analytics

Ejemplo de base de dato que puede analizarse

 Datos
descriptivos

Sexo Cantidad
Masculino 882
Femenino 588

Edad máxima 60
Edad mínima 18
 Correlaciones
entre variables
Mide la fuerza y el sentido de la relación lineal que existe
entre dos variable cuantitativas

Rango Tipo de correlación

0.96 – 1 Perfecta
0.85 – 0.95 Fuerte
0.70 – 0.84 Significativa
0.50 – 0.69 Moderada
0.20 – 0.49 Débil
0.10 – 0.19 Muy débil
0.09 – 0 Nula
 Método de
escalafón simple

Total
Number Years
Environm of Relations Since Years
Distance ent Job Job Compani Performa hip Total Training Years In Last With
From Satisfacti Involvem Satisfacti Monthly es nce Satisfacti Working Times Work Life Years At Current Promotio Current
Home Education on ent on Income Worked Rating on Years Last Year Balance Company Role n Manager
Distance From Home 1.000
Education 0.021 1.000
Environment Satisfaction -0.016 -0.027 1.000
Job Involvement 0.009 0.042 -0.008 1.000
Job Satisfaction -0.004 -0.011 -0.007 -0.021 1.000
Monthly Income -0.017 0.095 -0.006 -0.015 -0.007 1.000
Total Number of Companies Worked -0.029 0.126 0.013 0.015 -0.056 0.150 1.000
Performance Rating 0.027 -0.025 -0.030 -0.029 0.002 -0.017 -0.014 1.000
Relationship Satisfaction 0.007 -0.009 0.008 0.034 -0.012 0.026 0.053 -0.031 1.000
Total Working Years 0.005 0.148 -0.003 -0.006 -0.020 0.773 0.238 0.007 0.024 1.000
Training Times Last Year -0.037 -0.025 -0.019 -0.015 -0.006 -0.022 -0.066 -0.016 0.002 -0.036 1.000
Work Life Balance -0.027 0.010 0.028 -0.015 -0.019 0.031 -0.008 0.003 0.020 0.001 0.028 1.000
Years At Company 0.010 0.069 0.001 -0.021 -0.004 0.514 -0.118 0.003 0.019 0.628 0.004 0.012 1.000
Years In Current Role 0.019 0.060 0.018 0.009 -0.002 0.364 -0.091 0.035 -0.015 0.460 -0.006 0.050 0.759 1.000
Years Since Last Promotion 0.010 0.054 0.016 -0.024 -0.018 0.345 -0.037 0.018 0.033 0.405 -0.002 0.009 0.618 0.548 1.000
Years With Current Manager 0.014 0.069 -0.005 0.026 -0.028 0.344 -0.110 0.023 -0.001 0.459 -0.004 0.003 0.769 0.714 0.510 1.000
Herramientas
de Data
Analytics

• Es una herramienta que permite el análisis de

información de cualquier tipo.
• Busca simular el razonamiento humano, plantear
hipótesis y preguntas y realizar análisis de
información mostrando resultados de fácil
comprensión.
• Está disponible al público en general.

https://www.youtube.com/watch?v=WMnASdda1w4
 Método de
categorías
previamente
determinadas

Muestra de análisis que la herramienta puede realizar

 Atributos que predicen la satisfacción laboral:
Método de • No se ha retirado de la empresa
• Menos de un año desde su último ascenso
categorías • Más de 3 capacitaciones en el último año
previamente
determinadas
 Método de
categorías Atributos que predicen el buen desempeño (puntaje máximo):
previamente • Aumento del salario en 19% o más
determinadas
Retos del Data Analysis
 • Edad
Retos del Data • Renuncia
Analysis • Frecuencia de viaje
• Área
• Distancia de casa
• Nivel educativo
• Profesión
• Satisfacción con el ambiente de trabajo
• Sexo
• Pago por hora
• Puesto
• Satisfacción con su puesto de trabajo
• Estado civil
• Pago mensual
• # de empresas en las que ha trabajado
• % de aumento de sueldo
• Nivel de desempeño
• Participación en acciones
• Años de experiencia laboral
• # de capacitaciones al año
• Balance vida/trabajo
• Años en la empresa
• Años en el puesto actual
• Años desde su último ascenso
• Años con el jefe actual
Retos del
Data
Analysis

Predictiva
Prescriptiva
Descriptiva
Anticiparse a lo que
Simular resultados de
Sacar conclusiones podría ocurrir en base
acciones o decisiones
sobre eventos al análisis de la
antes de ponerlas en
pasados información
práctica
disponible
Cierre
Principales
puntos de la
sesión

1. Existen tres niveles en los que se puede analizar la información: a nivel descriptivo,
predictivo y prescriptivo
2. El análisis de información (data analytics) busca demostrar que la inversión de recursos,
tiempo y dinero en la gestión de personas está teniendo un impacto real en el negocio
zegelipae.edu.pe