José María Berganza García / Profesor de CMI Higher Education
Durante décadas, muchas decisiones de recursos humanos se han apoyado en la experiencia del directivo, la intuición o indicadores descriptivos básicos. Esa experiencia sigue siendo valiosa, pero hoy las organizaciones disponen de una cantidad de información sobre las personas que permite formular preguntas mucho más precisas: ¿qué factores explican la rotación?, ¿qué perfiles progresan mejor?, ¿qué equipos presentan mayor riesgo de absentismo?, ¿qué formación se relaciona realmente con mejoras en el desempeño? People Analytics surge precisamente de ese cambio: utilizar datos, métodos analíticos y evidencia para comprender mejor el comportamiento de la fuerza de trabajo y mejorar la toma de decisiones.
No se trata simplemente de crear cuadros de mando. Marler y Boudreau (2017) definen el HR Analytics como una práctica orientada a demostrar conexiones entre los datos de personas y los resultados organizativos. En la práctica, puede trabajarse en varios niveles. El análisis descriptivo ayuda a saber qué ha ocurrido; el diagnóstico busca explicar por qué; el predictivo estima qué podría ocurrir, y el prescriptivo intenta orientar qué decisión puede producir un mejor resultado. La diferencia relevante no está en disponer de más datos, sino en convertir una pregunta empresarial en una hipótesis contrastable.
De especialidad técnica a capacidad estratégica
La extensión de estas prácticas es significativa. En un estudio internacional del Chartered Institute of Personnel and Development con 3.852 profesionales, el 75 % de los participantes afirmó utilizar datos de personas para abordar cuestiones de rendimiento y productividad de la plantilla (CIPD, 2018). Esto permite entender por qué People Analytics ha pasado de ser una especialidad técnica a convertirse en una capacidad estratégica. Puede ayudar a identificar patrones de rotación, analizar la efectividad de la selección, estudiar diferencias salariales, evaluar programas de formación o segmentar necesidades de desarrollo. Sin embargo, el salto de la medición a la causalidad exige prudencia: que dos variables estén asociadas no significa que una provoque la otra.
La promesa frente a la evidencia
La literatura científica, de hecho, invita a moderar el entusiasmo tecnológico. Una revisión sistemática de McCartney y Fu (2022), basada en 46 artículos revisados por pares publicados en 26 revistas académicas, identificó una brecha entre la promesa de People Analytics y la evidencia disponible sobre su impacto. Entre los principales problemas aparecen la falta de capacidades analíticas, la dificultad para demostrar valor, la ambigüedad sobre quién debe liderar estas iniciativas y los riesgos éticos y de privacidad. Tursunbayeva, Di Lauro y Pagliari (2018) ya habían señalado que la evidencia publicada sobre muchos beneficios comerciales era todavía limitada.
Por ello, una implantación madura debería empezar por la calidad de las preguntas, no por la herramienta. Antes de construir un modelo para predecir bajas voluntarias, por ejemplo, conviene definir qué decisión se tomará con esa información, con qué nivel de error puede convivir la organización y qué consecuencias tendría clasificar incorrectamente a una persona. Después vienen la calidad de los datos, el diseño analítico y la interpretación. Un algoritmo sofisticado aplicado a datos incompletos, sesgados o mal definidos puede producir una apariencia de objetividad sin mejorar realmente la decisión.
Una dimensión ética inevitable
Los datos de los empleados pueden incluir evaluaciones, interacciones digitales, absentismo, productividad o trayectorias profesionales. La revisión de Tursunbayeva et al. (2021) advierte sobre riesgos relacionados con la privacidad, la transparencia, la vigilancia y los posibles daños derivados de inferencias sobre los trabajadores. La gobernanza, por tanto, debe incluir minimización de datos, propósito legítimo, control de accesos, explicación de los modelos y supervisión humana.
El verdadero valor de People Analytics no consiste en sustituir el criterio directivo por una fórmula, sino en mejorar ese criterio mediante evidencia. La organización que aprende a formular buenas preguntas, distinguir correlación de causalidad, medir con rigor y discutir los resultados con quienes conocen el contexto convierte los datos en conocimiento. En ese punto, Recursos Humanos deja de limitarse a informar sobre lo ocurrido y empieza a participar de manera más sólida en las decisiones sobre el futuro de la organización.
Referencias
- Chartered Institute of Personnel and Development. (2018). People analytics: Driving business performance with people data. CIPD.
- Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR Analytics. The International Journal of Human Resource Management, 28(1), 3–26. https://doi.org/10.1080/09585192.2016.1244699
- McCartney, S., & Fu, N. (2022). Promise versus reality: A systematic review of the ongoing debates in people analytics. Journal of Organizational Effectiveness: People and Performance, 9(2), 281–311. https://doi.org/10.1108/JOEPP-01-2021-0013
- Tursunbayeva, A., Di Lauro, S., & Pagliari, C. (2018). People analytics—A scoping review of conceptual boundaries and value propositions. International Journal of Information Management, 43, 224–247. https://doi.org/10.1016/j.ijinfomgt.2018.08.002
- Tursunbayeva, A., Pagliari, C., Di Lauro, S., & Antonelli, G. (2021). The ethics of people analytics: Risks, opportunities and recommendations. Personnel Review, 51(3), 900–921. https://doi.org/10.1108/PR-12-2019-0680
Sobre el autor
José María Berganza García es profesor de CMI Higher Education en las áreas de gestión empresarial, mejora de procesos y dirección de personas. Desarrolla también actividad docente universitaria y formación ejecutiva, combinando la experiencia académica con una amplia trayectoria profesional como consultor y formador de empresas. Es Lean Six Sigma Master Black Belt y cuenta con formación y certificaciones en gestión de proyectos, metodologías Agile y Scrum, calidad y mejora continua. Sus principales líneas de trabajo e investigación incluyen Lean Six Sigma y excelencia operacional, People Analytics, inteligencia artificial aplicada a la gestión de personas, transformación organizativa, gestión de proyectos y toma de decisiones basada en datos, con especial interés por la conexión entre tecnología, procesos y comportamiento humano. Ver su perfil.
👉 Conoce el Máster en Gestión Humana y Desarrollo Organizacional
