Mejores formas de predecir quién nos va a dejar
Por Brooks Holtom y David Allen
Retención de empleados
Havard Business Review
Las empresas saben que la rotación de empleados es costosa y perjudicial. Y saben que retener a sus mejores y más brillantes empleados les ayuda no solo a ahorrar dinero, sino también a preservar las ventajas competitivas y proteger el capital intelectual.
Sin embargo, la mayoría de los esfuerzos de retención se basan en dos herramientas retrospectivas. Primero, se realizan entrevistas de salida para comprender mejor por qué las personas optaron por irse, aunque en este punto, generalmente es demasiado tarde para quedarse con ellas. En segundo lugar, las encuestas anuales a los empleados se utilizan para evaluar el compromiso. Estos resultados de la encuesta se comparan posteriormente con las personas que abandonaron la organización, con la esperanza de que arrojen predictores relevantes de salidas. El problema es que estos datos no brindan a los gerentes una imagen en tiempo real de quién podría estar considerando irse.
Nuestra última investigación se ha centrado en el uso de algoritmos de big data y de aprendizaje automático para desarrollar un índice de propensión a la rotación de personas, un indicador en tiempo real de quién probablemente esté pensando en dejar de fumar. Fundamentamos el desarrollo de estos modelos predictivos en la investigación académica sobre rotación y luego realizamos una serie de estudios. Nuestros resultados demuestran que es posible desarrollar índices que pronostiquen en tiempo real la probabilidad de que una persona considere una oferta externa y eventualmente dejar la empresa.
Investigaciones anteriores apuntan a dos razones principales por las cuales las personas dejan sus trabajos: choques de rotación y baja inserción laboral. Los choques de rotación son eventos que incitan a las personas a reconsiderar si deben permanecer con la organización. Algunas perturbaciones son organizacionales (por ejemplo, cambio de liderazgo, anuncio de fusiones y adquisiciones) y otras son personales (por ejemplo, recibir una oferta de trabajo externa, el nacimiento de un hijo). La inserción laboral es cuando las personas están profundamente conectadas a una organización. Cuando las personas tienen pocos buenos lazos sociales en el trabajo o en la comunidad, o cuando no sienten que su trabajo se ajusta bien a sus intereses, habilidades y valores, tienen poca inserción laboral y un mayor riesgo de fuga.
Trabajamos con una empresa de inteligencia de talentos para recopilar una gran muestra de datos organizacionales disponibles al público sobre posibles choques de rotación, como cambios en Glassdoor o calificaciones de analistas, variación de precios de acciones, artículos de noticias y acciones regulatorias o legales contra la empresa. También reunimos factores personales vinculados a la integración que estaban en el dominio público, como el número de trabajos anteriores, aniversario y tenencia de empleo, habilidades, educación, género y geografía. Acumulamos estos indicadores de rotación potencial para más de 500,000 personas que trabajan en los EE. UU. En varias organizaciones e industrias.
Según nuestra evaluación de estos factores de rotación, utilizamos el aprendizaje automático para clasificar a cada individuo como poco probable, menos probable, más probable o más receptivo a nuevas oportunidades de trabajo. A cada individuo de nuestra muestra se le dio un puntaje del índice de propensión a la rotación (TPI), y luego realizamos dos estudios para ver qué tan bien este puntaje predijo su apertura a las oportunidades externas y su probabilidad de dejar de fumar.
Primero, queríamos ver qué tan bien el TPI predijo la apertura a los mensajes de reclutamiento. Enviamos invitaciones por correo electrónico a una muestra más pequeña de 2,000 individuos empleados que habían sido identificados por nuestro algoritmo como poco probable, menos probable, más probable o altamente receptivo a una invitación para ver trabajos disponibles adaptados a sus habilidades e intereses específicos. . De estos, 1.473 recibieron el correo electrónico; 161 abrió la invitación; y 40 hicieron clic. Aquellos que fueron calificados como "más propensos" a ser receptivos abrieron la invitación por correo electrónico a más del doble de la tasa de aquellos calificados como menos propensos (5.0% versus 2.4%). Además, entre los que abrieron el correo electrónico, aquellos calificados como "más propensos" a ser receptivos tenían muchas más probabilidades de hacer clic en él. Esto sugiere que el puntaje de TPI podría identificar a los empleados con mayor riesgo de irse. Este hallazgo también sugiere que las empresas pueden apuntar estratégicamente a los mejores talentos que podrían estar más abiertos a una oferta externa: recuerde que todo esto proviene de datos disponibles públicamente.
En segundo lugar, para observar la capacidad del puntaje TPI para predecir la rotación real, utilizamos el resto de la muestra de 500,000 individuos. Durante un período de tres meses, aquellos identificados como "más propensos" a ser receptivos a nuevas oportunidades tenían un 63% más de probabilidades de cambiar de trabajo, en comparación con aquellos que eran "poco probables" de ser receptivos. Los identificados como "más probables" tenían un 40% más de probabilidades de dejar de fumar.
Nuestro trabajo en esta área está demostrando que mediante el uso de big data, las empresas pueden rastrear los indicadores de propensión a la rotación e identificar a los empleados que pueden tener un riesgo elevado de abandonar la organización. Esta anticipación proactiva puede permitir que los líderes intervengan para aumentar las probabilidades de retener a los mejores talentos. Además, las organizaciones tienen una gran ventaja sobre los investigadores externos en el desarrollo de su propio TPI utilizando datos internos. Las empresas pueden anticipar choques organizacionales como litigios o acciones regulatorias. Además de los datos disponibles públicamente, las empresas tienen acceso a otros datos de choque de rotación, como aniversarios de trabajo, nuevas credenciales educativas y anuncios de nacimiento o boda, aunque deben tener cuidado de no violar la privacidad de los empleados. Y las empresas pueden rastrear factores que señalan la inserción laboral, como la participación en oportunidades de desarrollo profesional, iniciativas de mejora organizacional o programas de reconocimiento de pares.
Las empresas con un compromiso con la toma de decisiones basada en datos necesitarán invertir en recolectar y analizar cuidadosamente los indicadores correctos para el riesgo de rotación. Luego, sus líderes pueden involucrar de manera proactiva a los empleados valiosos en riesgo de irse a través de entrevistas, para comprender mejor cómo la empresa puede aumentar las probabilidades de que se queden.
Brooks Holtom es profesor de administración y decano asociado sénior en la Universidad de Georgetown. Su investigación ha sido publicada en las principales revistas académicas, incluida la Academy of Management Journal, Journal of Applied Psychology y International Journal of Human Resource Management. Su investigación sobre el tema de la retención de empleados ha sido reconocida por su excelencia con múltiples premios de la Academia de Administración. Trabaja en estrecha colaboración con muchas organizaciones. Por ejemplo, ha capacitado a ejecutivos y consultado con más de 100 organizaciones.
David Allen es profesor de gestión y decano asociado en TCU, profesor distinguido de investigación del entorno en la Warwick Business School; y editor en jefe de la revista Journal of Management. Su galardonada investigación sobre el flujo de capital humano dentro y fuera de las organizaciones ha sido publicada regularmente en las principales revistas académicas. Es autor de un libro que traduce la investigación de rotación para gerentes en ejercicio y regularmente realiza investigación de acción y consulta con organizaciones.
Retención de empleados
Havard Business Review
Las empresas saben que la rotación de empleados es costosa y perjudicial. Y saben que retener a sus mejores y más brillantes empleados les ayuda no solo a ahorrar dinero, sino también a preservar las ventajas competitivas y proteger el capital intelectual.
Sin embargo, la mayoría de los esfuerzos de retención se basan en dos herramientas retrospectivas. Primero, se realizan entrevistas de salida para comprender mejor por qué las personas optaron por irse, aunque en este punto, generalmente es demasiado tarde para quedarse con ellas. En segundo lugar, las encuestas anuales a los empleados se utilizan para evaluar el compromiso. Estos resultados de la encuesta se comparan posteriormente con las personas que abandonaron la organización, con la esperanza de que arrojen predictores relevantes de salidas. El problema es que estos datos no brindan a los gerentes una imagen en tiempo real de quién podría estar considerando irse.
Nuestra última investigación se ha centrado en el uso de algoritmos de big data y de aprendizaje automático para desarrollar un índice de propensión a la rotación de personas, un indicador en tiempo real de quién probablemente esté pensando en dejar de fumar. Fundamentamos el desarrollo de estos modelos predictivos en la investigación académica sobre rotación y luego realizamos una serie de estudios. Nuestros resultados demuestran que es posible desarrollar índices que pronostiquen en tiempo real la probabilidad de que una persona considere una oferta externa y eventualmente dejar la empresa.
Investigaciones anteriores apuntan a dos razones principales por las cuales las personas dejan sus trabajos: choques de rotación y baja inserción laboral. Los choques de rotación son eventos que incitan a las personas a reconsiderar si deben permanecer con la organización. Algunas perturbaciones son organizacionales (por ejemplo, cambio de liderazgo, anuncio de fusiones y adquisiciones) y otras son personales (por ejemplo, recibir una oferta de trabajo externa, el nacimiento de un hijo). La inserción laboral es cuando las personas están profundamente conectadas a una organización. Cuando las personas tienen pocos buenos lazos sociales en el trabajo o en la comunidad, o cuando no sienten que su trabajo se ajusta bien a sus intereses, habilidades y valores, tienen poca inserción laboral y un mayor riesgo de fuga.
Trabajamos con una empresa de inteligencia de talentos para recopilar una gran muestra de datos organizacionales disponibles al público sobre posibles choques de rotación, como cambios en Glassdoor o calificaciones de analistas, variación de precios de acciones, artículos de noticias y acciones regulatorias o legales contra la empresa. También reunimos factores personales vinculados a la integración que estaban en el dominio público, como el número de trabajos anteriores, aniversario y tenencia de empleo, habilidades, educación, género y geografía. Acumulamos estos indicadores de rotación potencial para más de 500,000 personas que trabajan en los EE. UU. En varias organizaciones e industrias.
Según nuestra evaluación de estos factores de rotación, utilizamos el aprendizaje automático para clasificar a cada individuo como poco probable, menos probable, más probable o más receptivo a nuevas oportunidades de trabajo. A cada individuo de nuestra muestra se le dio un puntaje del índice de propensión a la rotación (TPI), y luego realizamos dos estudios para ver qué tan bien este puntaje predijo su apertura a las oportunidades externas y su probabilidad de dejar de fumar.
Primero, queríamos ver qué tan bien el TPI predijo la apertura a los mensajes de reclutamiento. Enviamos invitaciones por correo electrónico a una muestra más pequeña de 2,000 individuos empleados que habían sido identificados por nuestro algoritmo como poco probable, menos probable, más probable o altamente receptivo a una invitación para ver trabajos disponibles adaptados a sus habilidades e intereses específicos. . De estos, 1.473 recibieron el correo electrónico; 161 abrió la invitación; y 40 hicieron clic. Aquellos que fueron calificados como "más propensos" a ser receptivos abrieron la invitación por correo electrónico a más del doble de la tasa de aquellos calificados como menos propensos (5.0% versus 2.4%). Además, entre los que abrieron el correo electrónico, aquellos calificados como "más propensos" a ser receptivos tenían muchas más probabilidades de hacer clic en él. Esto sugiere que el puntaje de TPI podría identificar a los empleados con mayor riesgo de irse. Este hallazgo también sugiere que las empresas pueden apuntar estratégicamente a los mejores talentos que podrían estar más abiertos a una oferta externa: recuerde que todo esto proviene de datos disponibles públicamente.
En segundo lugar, para observar la capacidad del puntaje TPI para predecir la rotación real, utilizamos el resto de la muestra de 500,000 individuos. Durante un período de tres meses, aquellos identificados como "más propensos" a ser receptivos a nuevas oportunidades tenían un 63% más de probabilidades de cambiar de trabajo, en comparación con aquellos que eran "poco probables" de ser receptivos. Los identificados como "más probables" tenían un 40% más de probabilidades de dejar de fumar.
Nuestro trabajo en esta área está demostrando que mediante el uso de big data, las empresas pueden rastrear los indicadores de propensión a la rotación e identificar a los empleados que pueden tener un riesgo elevado de abandonar la organización. Esta anticipación proactiva puede permitir que los líderes intervengan para aumentar las probabilidades de retener a los mejores talentos. Además, las organizaciones tienen una gran ventaja sobre los investigadores externos en el desarrollo de su propio TPI utilizando datos internos. Las empresas pueden anticipar choques organizacionales como litigios o acciones regulatorias. Además de los datos disponibles públicamente, las empresas tienen acceso a otros datos de choque de rotación, como aniversarios de trabajo, nuevas credenciales educativas y anuncios de nacimiento o boda, aunque deben tener cuidado de no violar la privacidad de los empleados. Y las empresas pueden rastrear factores que señalan la inserción laboral, como la participación en oportunidades de desarrollo profesional, iniciativas de mejora organizacional o programas de reconocimiento de pares.
Las empresas con un compromiso con la toma de decisiones basada en datos necesitarán invertir en recolectar y analizar cuidadosamente los indicadores correctos para el riesgo de rotación. Luego, sus líderes pueden involucrar de manera proactiva a los empleados valiosos en riesgo de irse a través de entrevistas, para comprender mejor cómo la empresa puede aumentar las probabilidades de que se queden.
Brooks Holtom es profesor de administración y decano asociado sénior en la Universidad de Georgetown. Su investigación ha sido publicada en las principales revistas académicas, incluida la Academy of Management Journal, Journal of Applied Psychology y International Journal of Human Resource Management. Su investigación sobre el tema de la retención de empleados ha sido reconocida por su excelencia con múltiples premios de la Academia de Administración. Trabaja en estrecha colaboración con muchas organizaciones. Por ejemplo, ha capacitado a ejecutivos y consultado con más de 100 organizaciones.
David Allen es profesor de gestión y decano asociado en TCU, profesor distinguido de investigación del entorno en la Warwick Business School; y editor en jefe de la revista Journal of Management. Su galardonada investigación sobre el flujo de capital humano dentro y fuera de las organizaciones ha sido publicada regularmente en las principales revistas académicas. Es autor de un libro que traduce la investigación de rotación para gerentes en ejercicio y regularmente realiza investigación de acción y consulta con organizaciones.
No hay comentarios:
Publicar un comentario