Sobre análisis prescriptivo según Meta4

De acuerdo con la información de Meta4, desde el boom del Big Data, se ha hablado mucho sobre el análisis descriptivo, predictivo o incluso prescriptivo. Sin embargo, no siempre se conoce cuál es la diferencia entre todos estos conceptos y su aplicación en las organizaciones. Además, nacen otros conceptos relacionados con el ámbito de los RRHH, como el “Big Data HR” y “HR Analytics”. Ambos plantean una cuestión concreta: ¿cómo utilizar estos datos para que Recursos Humanos tenga la capacidad de mejorar su toma de decisiones?

Aplicando la clasificación utilizada en el ámbito del marketing a la hora de manejar y de dar sentido a los datos, al hablar de analíticas en RRHH también podemos distinguir entre tres modelos clave para el análisis:

Análisis descriptivo: consiste en sintetizar toda la información obtenida, analizando su histórico y convirtiéndola en información útil para la toma de decisiones.

Análisis predictivo: esta técnica se basa en tener la capacidad de predecir lo que puede suceder ante una situación concreta, teniendo en cuenta la información que se ha recopilado anteriormente.

Análisis prescriptivo: va más allá de las técnicas anteriores, al sugerir posibles acciones a realizar.

El último modelo está relacionado con el campo del análisis empresarial y busca el mejor enfoque práctico ante una situación dada. Por tanto, es un análisis predictivo pero dirigido a lo concreto y operativo. 

A la hora de tomar una decisión con la máxima garantía de éxito, es necesario analizar la información, para así poder convertirla en resoluciones acertadas y acciones adecuadas a cada situación.

Hasta ahora, RRHH se centraba en procesar y actualizar la información. Estos datos se almacenaban en el sistema, y en muchos casos dependía del profesional del área realizar un análisis exhaustivo y explorar todas las opciones presentadas. Si bien estos indicadores pueden servir de alerta respecto a, por ejemplo, el riesgo de salida de empleados valiosos para la compañía, el departamento de RRHH puede plantear dos opciones: investigar más sobre esta situación o activar una acción para evitar o contrarrestar las consecuencias negativas.

El análisis prescriptivo puede colaborar en la fiabilidad del proceso de gestión de nómina, facilitando así la tarea del administrador de nómina, por ejemplo, a través del uso de cuadros de mando operativos, que facilitan visualizar los posibles errores producidos al ejecutarla, además de las causas y propuesta de soluciones más adecuadas para cada caso.

Además, en el caso de los indicadores de nóminas no calculadas y empleados afectados, también es un claro ejemplo de cómo el análisis prescriptivo es extrapolable. Mientras que anteriormente era el propio responsable el que, al recibir el informe de errores en el cálculo, tenía que investigar y decidir cómo se solucionaba cada caso teniendo que dedicar gran tiempo a esta tarea, actualmente y gracias al análisis prescriptivo incorporado en una solución tecnológica de nómina, será el sistema de información, basándose en los mismos indicadores, el que propondrá dos soluciones:

1. Investigar: averiguar quién ha tramitado el dossier del empleado cuyo salario no ha podido calcularse, cuál es su fecha de alta por si pudiese ser posterior a la fecha en que se lanzó el cálculo, etc. Obteniendo más datos, el propio sistema puede conocer por qué la nómina de cada uno de los empleados no ha podido ser calculada a tiempo.
2. Actuar: en este caso el gestor de nómina podrá realizar el cálculo de forma manual, aunque se detecten incidencias, o excluir al empleado del cálculo de la nómina en caso de resultar necesario.

De este modo, el análisis prescriptivo guía a los especialistas en nómina, permitiendo ahorrar tiempo y focalizar recursos en los ámbitos donde sus conocimientos como expertos resulten de utilidad. En definitiva, el conocimiento y la comprensión de los problemas reales de los profesionales de RRHH son las claves que permiten accionar mejorando la productividad.

10