MÓDULO 1. ENTENDIENDO PEOPLE ANALYTICS

10 HORAS

** En los últimos años hemos pasado de un entorno VUCA (volátil, incierto, complejo y ambiguo) a un entorno BANI (frágil, ansioso, no lineal e incomprensible) que requiere nuevas formas de enfrentarse a los problemas. Es por ello, que muchas organizaciones se plantean empezar a incorporar técnicas de People Analytics en su gestión de personas.

1.1. ¿Por qué People Analytics?

1.2. Adopción de People Analytics:

1.2.1. Factores de éxito en la adopción de People Analytics.

1.2.2. Beneficios y riesgos de People Analytics.

1.2.3. El cambio de naturaleza en HR.

1.2.4. El futuro del trabajo.

1.3. ¿Qué es People Analytics?

1.3.1. Actividades de la función.

1.4. Analytics con un propósito:

1.4.1. Un modelo para un análisis con propósito.

1.4.2. Patrocinio de proyectos.

1.4.3. ¿Por qué los proyectos de People Analytics fracasan?

1.5. Conceptos básicos de análisis de datos:

1.5.1. Diseño de la investigación.

1.5.2. Objetivos del análisis.

1.5.3. Datos no estructurados.

1.5.4. Estadísticos básicos.

1.5.5. Aspectos legales del análisis de datos en HR.

1.6. Casos de estudio.

MÓDULO 2. CÓMO EMPEZAR…

10 HORAS

** Al empezar la tarea de establecer People Analytics en una organización puede ser difícil saber por dónde empezar. Por ello, es importante establecer las bases del objetivo que se quiere obtener.

2.1. Establece tu dirección:

2.1.1. Tienes la función. ¿Y ahora qué?

2.1.2. Escuchar a los sponsors.

2.1.3. Las siete fuerzas de demanda.

2.1.4. Acordar el alcance de People Analytics.

2.1.5. Desarrollar la visión y la misión.

2.2. Convence a tus participantes principales:

2.2.1. ¿Quiénes son los participantes principales?

2.2.1.1. Funciones atendidas.

2.2.1.2. Funciones impactadas.

2.2.1.3. Funciones con dependencias.

2.2.2. Trabajar eficientemente con tus participantes principales.

2.3. Obtén una victoria rápida:

2.3.1. Identificar proyectos potenciales.

2.3.2. Matriz de complejidad-impacto.

2.3.3. Evaluando la complejidad y el impacto.

MÓDULO 3. CONSTRUYENDO TUS CAPACIDADES

10 HORAS

3.1. Conoce tus datos:

3.1.1. Una visión pragmática de los datos.

3.1.2. Resolviendo problemas de calidad del dato:

3.1.2.1. Datos faltantes.

3.1.2.2. Datos obsoletos.

3.1.2.3. No hay datos disponibles.

3.1.2.4. Distribuciones de datos no normales.

3.1.2.5. Datos atípicos.

3.1.2.6. Definiciones de datos inconsistentes.

3.1.3. Tipos de datos y fuentes.

3.1.4. Gobierno del dato.

3.2. Conoce tu tecnología:

3.2.1. Elementos principales:

3.2.1.1. Sistemas de información de RRHH.

3.2.1.2. HR Data WareHouse.

3.2.1.3. Tecnología de generación de informes.

3.2.1.4. Análisis estadístico y tecnología de aprendizaje automático.

3.2.1.5. Tecnología cognitiva.

3.2.1.6. Tecnología de visualización.

3.2.2. On-premise versus Cloud.

3.2.3. Relación con vendors.

3.3. Construir el equipo de analytics:

3.3.1. Las seis skills necesarias.

3.3.2. Configurando los roles del equipo.

3.4. Estableciendo un modelo operativo:

3.4.1. Estrategia.

3.4.2. Gobierno:

3.4.2.1. Trabajar con datos de RRHH de manera ética y responsable.

3.4.2.2. Optimización de su estructura organizativa.

3.4.2.3. Establecimiento de un enfoque de toma de decisiones.

3.4.3. Implementación:

3.4.3.1. Estructurar el equipo.

3.4.3.2. Clarificación de roles y responsabilidades.

3.4.3.3. Un enfoque de consultoría para la gestión de proyectos.

3.4.4. Responsabilidad:

3.4.4.1. Caso de negocio.

3.4.4.2. Métricas relevantes.

MÓDULO 4. ANALITICA PREDICTIVA EN RRHH

10 HORAS

** Un análisis predictivo en RRHH puede definirse como “la aplicación sistemática de modelos predictivos utilizando estadísticas inferenciales a datos existentes relacionados con personas, para informar de juicios sobre posibles factores causales que impulsan indicadores clave de desempeño relacionados con RRHH”.

El análisis predictivo toma datos sin procesar y sin usar para transformarlos en información aplicable que respalde decisiones comerciales más sabias.

4.1. Cómo la analítica predictiva añade valor.

4.2. Modelo de madurez analítica:

4.2.1. Analítica descriptiva versus analítica predictiva.

4.2.2. Métricas HR.

4.3. IA y Machine Learning:

4.3.1. Principales algoritmos:

4.3.1.1. Árboles de decisión.

4.3.1.2. Redes neuronales.

4.3.1.3. Clustering particional y k-means.

4.3.1.4. Clustering jerárquico.

4.4. Ética E IA.

MÓDULO 5. ESTABLECIENDO UNA CULTURA DE ANÁLISIS

10 HORAS

** Un pensamiento común entre los profesionales de Analytics es que a los profesionales de RRHH les gusta trabajar con personas, no con datos. Por ello, uno de los objetivos de los equipos de People Analytics es permitir que RRHH adopte una mentalidad y un enfoque analíticos.

5.1. Permitiendo el pensamiento analítico:

5.1.1. Perspectivas de RRHH sobre Analytics.

5.1.2. El rol del traductor.

5.1.3. La importancia del líder.

5.2. Vencer la resistencia:

5.2.1. Resistencia a People Analytics:

5.2.1.1. Escepticismo.

5.2.1.2. Prudencia financiera.

5.2.1.3. Vacilación en RRHH.

5.3. ¿Qué es el StoryTelling?

5.3.1. Visualización efectiva.

5.3.2. Conoce a tu audiencia.

5.3.3. Simplicidad.

5.4. El camino por recorrer:

5.4.1. Las nuevas oportunidades para RRHH.

5.4.2. Descubriendo nuevas fuentes de datos.

5.4.3. Considerar nuevas fuentes de datos.

5.4.4. Evolucionando la tecnología.