Datos del correo electrónico y calendario ayudan a las empresas a entender cómo funcionan los empleados
Por Michael L. Tushman, Anna Kahn, Mary Elizabeth Porray y Andy Binns
Harvard Business Review
Gestión del cambio
El uso de la ciencia de datos para predecir cómo están cambiando las personas en las empresas puede sonar futurista. Como escribimos recientemente, la gestión del cambio sigue siendo una de las pocas áreas que en gran parte no han sido afectadas por la revolución basada en datos. Pero aunque nunca podamos convertir la gestión del cambio en una "ciencia dura", algunas empresas ya se están beneficiando del potencial que ofrecen estas técnicas basadas en datos.
Uno de los principales facilitadores es el análisis del tráfico de correo electrónico y los metadatos del calendario. Esto nos dice mucho acerca de quién está hablando con quién, en qué departamentos, qué reuniones están sucediendo, qué, y por cuánto tiempo. Estos tipos de análisis están ayudando a EY, donde algunos de nosotros trabajamos, trabajando con Microsoft Workplace Analytics para ayudar a los clientes a predecir la probabilidad de retener a los talentos clave después de una adquisición y desarrollar estrategias para maximizar la retención. Mediante el uso de datos de correo electrónico y calendario, podemos identificar patrones en torno a quién está involucrado con quién, qué partes de la organización están bajo estrés y qué individuos son más activos para alcanzar los límites de la empresa.
Es comprensible que haya preocupaciones de privacidad al examinar el correo electrónico o el calendario de una persona, incluso en un contexto de trabajo. Sin embargo, también puede obtener información de gran alcance utilizando metadatos anónimos, donde se eliminan los nombres individuales y el contenido específico. Es posible analizar los metadatos de los temas de contenido y la frecuencia de contacto entre los departamentos, y correlacionar estos datos con indicadores más tradicionales de la eficacia del proceso, tiempo de ciclo, derecho-primera vez, etc. Lo que esto nos da es información difícil sobre cómo fallan los procesos en la organización. Ya no necesitamos confiar en anécdotas o encuestas de empleados - en lugar de eso, podemos identificar con precisión dónde se producen los desgloses simplemente examinando los datos de los flujos de trabajo diarios. Podemos decir con precisión qué cambio de comportamiento es necesario para que un nuevo proceso funcione y, a continuación, supervisar la mejora en tiempo real.
Un ejemplo temprano viene de una reestructuración de organización en la que hemos estado trabajando. Este tipo de proyectos suelen estar motivados por el deseo de mejorar la ejecución de la estrategia y reducir los costos. Tradicionalmente, sólo el elemento financiero era mensurable, lo que fácilmente podría conducir la toma de decisiones. Para un cliente EY, estamos utilizando la ciencia de datos para tomar decisiones de diseño organizacional que aceleren los objetivos de la estrategia. El cliente quería aumentar la colaboración entre unidades, por ejemplo, entre ventas y desarrollo de productos. Utilizamos un análisis de datos de correo electrónico y calendario anónimos para predecir el impacto que el número de informes directos que un gerente tenía sobre la capacidad de colaboración de equipos específicos. Eso nos ayudó a optimizar el diseño del trabajo para lograr el resultado que el cliente quería.
El potencial de estas técnicas es cambiar la forma en que los gerentes interactúan con los empleados. Hoy en día, la mayoría de los gerentes están haciendo todo lo posible para involucrar y motivar a los empleados. Sin embargo, tenemos que esperar a que se produzcan "desencadenantes formales" antes de que podamos responder, como una encuesta a los empleados o una entrevista personal con un gerente. Analizar la actividad en el tráfico de correo electrónico podría permitirnos intervenir mucho más rápido y averiguar si lo que estamos haciendo realmente funciona. Esto puede convertirse en una especie de "análisis del sentimiento de los empleados en tiempo real" que transformaría la calidad de los administradores de información que tienen a su disposición.
Tomemos el ejemplo de la reciente orden ejecutiva en los Estados Unidos que impuso una prohibición de viajar a siete países mayormente musulmanes. Esta fue una preocupación importante para muchas empresas tecnológicas que tienen un gran número de empleados en visas H1-B, tanto de los países involucrados como de sus vecinos en Asia y Oriente Medio. Si las empresas estuvieran utilizando una solución de inteligencia artificial que proporcionara información en tiempo real, podrían supervisar el nivel de preocupación en la organización, tal vez incluso anticipar el tipo de preocupaciones que tenían los empleados. Muchos empleadores establecen sesiones de diálogo con los empleados para responder a las preguntas y atender sus preocupaciones. La única evidencia que tenemos sobre el impacto de estas sesiones fue anecdótica. Con un sistema de "sentimiento de los empleados en tiempo real", podríamos decir con precisión y responder en consecuencia, y medir el impacto de esas respuestas.
Siempre necesitaremos de los administradores de cambios profesionales para interpretar estos datos y diseñar las formas adecuadas de trabajar con los empleados durante la transformación o emergencias externas, como la prohibición de viajar. Lo que estas herramientas de ciencias de datos pueden hacer es hacer que nuestras respuestas sean más rápidas y más específicas y nos digan lo que funcionó de una manera más rápida, más confiable y menos invasiva de lo que previamente se podía lograr. En la reestructuración de la organización mencionada anteriormente, tomó sólo tres semanas analizar el valor de un año de datos de comportamiento que se incluirán en el diseño de los procesos y estructura futuros. En el pasado, habríamos confiado en técnicas invasivas, tales como entrevistas y encuestas de empleados, que no sólo toman tiempo sino que también introducen todo tipo de prejuicios. Nuestro consejo para el encargado del cambio del futuro es hacer a datos su amigo; Nunca reorganizar sin ella.
Michael L. Tushman es el Paul R. Lawrence MBA de 1942 profesor de Administración de Empresas en la Escuela de Negocios de Harvard y director de Change Logic, una firma de consultoría especializada en innovación, liderazgo y cambio en Boston. Es co-autor, con Charles O'Reilly, de Lead and Disrupt, (Stanford University Press, 2016). Usted puede seguirlo en Twitter en @ MichaelTushman.
Anna Kahn es Socia en Servicios de Asesoramiento de Personas de EY.
Mary Elizabeth Porray es Socia / Principal en Ernst & Young LLP EY's People Advisory Services.
Andy Binns (andrew.binns@change-logic.com) es el director general de Change Logic, una firma de consultoría con sede en Boston.
Harvard Business Review
Gestión del cambio
El uso de la ciencia de datos para predecir cómo están cambiando las personas en las empresas puede sonar futurista. Como escribimos recientemente, la gestión del cambio sigue siendo una de las pocas áreas que en gran parte no han sido afectadas por la revolución basada en datos. Pero aunque nunca podamos convertir la gestión del cambio en una "ciencia dura", algunas empresas ya se están beneficiando del potencial que ofrecen estas técnicas basadas en datos.
Uno de los principales facilitadores es el análisis del tráfico de correo electrónico y los metadatos del calendario. Esto nos dice mucho acerca de quién está hablando con quién, en qué departamentos, qué reuniones están sucediendo, qué, y por cuánto tiempo. Estos tipos de análisis están ayudando a EY, donde algunos de nosotros trabajamos, trabajando con Microsoft Workplace Analytics para ayudar a los clientes a predecir la probabilidad de retener a los talentos clave después de una adquisición y desarrollar estrategias para maximizar la retención. Mediante el uso de datos de correo electrónico y calendario, podemos identificar patrones en torno a quién está involucrado con quién, qué partes de la organización están bajo estrés y qué individuos son más activos para alcanzar los límites de la empresa.
Es comprensible que haya preocupaciones de privacidad al examinar el correo electrónico o el calendario de una persona, incluso en un contexto de trabajo. Sin embargo, también puede obtener información de gran alcance utilizando metadatos anónimos, donde se eliminan los nombres individuales y el contenido específico. Es posible analizar los metadatos de los temas de contenido y la frecuencia de contacto entre los departamentos, y correlacionar estos datos con indicadores más tradicionales de la eficacia del proceso, tiempo de ciclo, derecho-primera vez, etc. Lo que esto nos da es información difícil sobre cómo fallan los procesos en la organización. Ya no necesitamos confiar en anécdotas o encuestas de empleados - en lugar de eso, podemos identificar con precisión dónde se producen los desgloses simplemente examinando los datos de los flujos de trabajo diarios. Podemos decir con precisión qué cambio de comportamiento es necesario para que un nuevo proceso funcione y, a continuación, supervisar la mejora en tiempo real.
Un ejemplo temprano viene de una reestructuración de organización en la que hemos estado trabajando. Este tipo de proyectos suelen estar motivados por el deseo de mejorar la ejecución de la estrategia y reducir los costos. Tradicionalmente, sólo el elemento financiero era mensurable, lo que fácilmente podría conducir la toma de decisiones. Para un cliente EY, estamos utilizando la ciencia de datos para tomar decisiones de diseño organizacional que aceleren los objetivos de la estrategia. El cliente quería aumentar la colaboración entre unidades, por ejemplo, entre ventas y desarrollo de productos. Utilizamos un análisis de datos de correo electrónico y calendario anónimos para predecir el impacto que el número de informes directos que un gerente tenía sobre la capacidad de colaboración de equipos específicos. Eso nos ayudó a optimizar el diseño del trabajo para lograr el resultado que el cliente quería.
El potencial de estas técnicas es cambiar la forma en que los gerentes interactúan con los empleados. Hoy en día, la mayoría de los gerentes están haciendo todo lo posible para involucrar y motivar a los empleados. Sin embargo, tenemos que esperar a que se produzcan "desencadenantes formales" antes de que podamos responder, como una encuesta a los empleados o una entrevista personal con un gerente. Analizar la actividad en el tráfico de correo electrónico podría permitirnos intervenir mucho más rápido y averiguar si lo que estamos haciendo realmente funciona. Esto puede convertirse en una especie de "análisis del sentimiento de los empleados en tiempo real" que transformaría la calidad de los administradores de información que tienen a su disposición.
Tomemos el ejemplo de la reciente orden ejecutiva en los Estados Unidos que impuso una prohibición de viajar a siete países mayormente musulmanes. Esta fue una preocupación importante para muchas empresas tecnológicas que tienen un gran número de empleados en visas H1-B, tanto de los países involucrados como de sus vecinos en Asia y Oriente Medio. Si las empresas estuvieran utilizando una solución de inteligencia artificial que proporcionara información en tiempo real, podrían supervisar el nivel de preocupación en la organización, tal vez incluso anticipar el tipo de preocupaciones que tenían los empleados. Muchos empleadores establecen sesiones de diálogo con los empleados para responder a las preguntas y atender sus preocupaciones. La única evidencia que tenemos sobre el impacto de estas sesiones fue anecdótica. Con un sistema de "sentimiento de los empleados en tiempo real", podríamos decir con precisión y responder en consecuencia, y medir el impacto de esas respuestas.
Siempre necesitaremos de los administradores de cambios profesionales para interpretar estos datos y diseñar las formas adecuadas de trabajar con los empleados durante la transformación o emergencias externas, como la prohibición de viajar. Lo que estas herramientas de ciencias de datos pueden hacer es hacer que nuestras respuestas sean más rápidas y más específicas y nos digan lo que funcionó de una manera más rápida, más confiable y menos invasiva de lo que previamente se podía lograr. En la reestructuración de la organización mencionada anteriormente, tomó sólo tres semanas analizar el valor de un año de datos de comportamiento que se incluirán en el diseño de los procesos y estructura futuros. En el pasado, habríamos confiado en técnicas invasivas, tales como entrevistas y encuestas de empleados, que no sólo toman tiempo sino que también introducen todo tipo de prejuicios. Nuestro consejo para el encargado del cambio del futuro es hacer a datos su amigo; Nunca reorganizar sin ella.
Michael L. Tushman es el Paul R. Lawrence MBA de 1942 profesor de Administración de Empresas en la Escuela de Negocios de Harvard y director de Change Logic, una firma de consultoría especializada en innovación, liderazgo y cambio en Boston. Es co-autor, con Charles O'Reilly, de Lead and Disrupt, (Stanford University Press, 2016). Usted puede seguirlo en Twitter en @ MichaelTushman.
Anna Kahn es Socia en Servicios de Asesoramiento de Personas de EY.
Mary Elizabeth Porray es Socia / Principal en Ernst & Young LLP EY's People Advisory Services.
Andy Binns (andrew.binns@change-logic.com) es el director general de Change Logic, una firma de consultoría con sede en Boston.
No hay comentarios:
Publicar un comentario