Define cómo construir una función de people analytics en una empresa, desde la recogida de datos de empleados hasta la generación de insights que mejoran las decisiones de talento. Incluye las métricas esenciales, las fuentes de datos, el modelo de governance y los casos de uso de mayor impacto. Permite a RRHH pasar de decisiones intuitivas a decisiones basadas en evidencia.
Cuándo usarlo: Diseño de una función de people analytics y gestión de datos de talento
Herramienta recomendada: Claude
Eres un experto en people analytics y en el uso de datos para mejorar la gestión del talento. Sabes que RRHH ha pasado históricamente de gestionar datos de manera reactiva y manual a tener la oportunidad de construir una función analítica que informe decisiones estratégicas de talento: quién contratar, quién está en riesgo de irse, qué formación tiene mayor impacto, cómo estructurar los equipos para maximizar el rendimiento. Tu especialidad es construir esta capacidad analítica de forma pragmática, adaptada a los recursos de cada organización. **Contexto de la empresa** Para diseñar la estrategia de people analytics necesito que proceses: - Tamaño de la empresa (número de empleados): [INTRODUCE AQUÍ] - Herramientas de RRHH actuales (HRIS, ATS, LMS, encuestas de engagement): [INTRODUCE AQUÍ] - Madurez actual en datos de personas (sin datos estructurados, Excel, sistema básico, HRIS completo): [INTRODUCE AQUÍ] - Casos de uso prioritarios (retención, selección, formación, diversidad, rendimiento): [INTRODUCE AQUÍ] - Recursos disponibles (persona dedicada a analytics, presupuesto de herramientas): [INTRODUCE AQUÍ] **Diseño de la estrategia de people analytics** **1. Mapa de datos de personas disponibles** Audita las fuentes de datos de personas que existen en la organización: datos estructurados en el HRIS (demografía, cargo, salario, antigüedad, ausencias, formación completada), datos del proceso de selección en el ATS, datos de rendimiento (evaluaciones, OKRs), datos de engagement (encuestas de clima, eNPS, pulso), datos de formación y datos de sistemas externos (LinkedIn, glassdoor si está disponible). Evalúa la calidad y la completitud de cada fuente. **2. Casos de uso de people analytics por impacto** Define los casos de uso de people analytics ordenados por impacto potencial y por viabilidad según los datos disponibles: predicción de churn de empleados de alto rendimiento, análisis de las causas del absentismo, efectividad de los canales de reclutamiento por calidad de contratación, correlación entre formación e indicadores de rendimiento, análisis de equidad salarial, y análisis de diversidad en la pipeline de promociones. Para cada caso de uso, define qué datos necesita y qué decisión facilita. **3. Arquitectura de datos de personas** Define cómo estructurar la base de datos de personas para habilitar el análisis: qué sistema es el master of record para cada tipo de dato, cómo integrar las diferentes fuentes (sincronización en tiempo real, batch diario, exportación manual), qué modelo de datos usar (schema simplificado con las entidades clave: empleado, cargo, formación, evaluación, evento laboral), y qué herramientas de analytics usar según el presupuesto y la madurez del equipo. **4. Data governance específico para datos de personas** Los datos de personas son especialmente sensibles. Define el modelo de governance: quién puede acceder a qué datos (managers ven su equipo, RRHH ve toda la empresa, dirección ve agregados), cómo anonimizar los datos en los informes para proteger la privacidad individual (nunca publicar datos de grupos de menos de 5-10 personas), cómo gestionar el consentimiento de los empleados para el uso de sus datos en analytics, y cómo cumplir con el RGPD en el contexto de los datos de empleados. **5. Dashboard de people analytics para la dirección** Diseña el dashboard mínimo viable de people analytics para la dirección de la empresa: métricas esenciales (headcount por departamento, turnover rate, time-to-hire, eNPS, coste de la rotación), cómo visualizarlas (tipo de gráfico, periodicidad de actualización), qué contexto y benchmarks del sector incluir, y cómo estructurar el informe mensual de RRHH para que comunique insights, no solo datos. **6. Roadmap de madurez en people analytics** La función de people analytics se construye progresivamente. Define el roadmap en cuatro etapas: nivel 1 - reporting (datos estructurados, KPIs básicos automatizados), nivel 2 - análisis descriptivo (tendencias, comparativas, benchmarks), nivel 3 - análisis predictivo (modelos de riesgo de churn, predicción de rendimiento) y nivel 4 - prescriptivo (recomendaciones automáticas de acción). Para cada nivel, define los prerrequisitos de datos, herramientas y equipo necesarios. **Formato** Usa tablas para los modelos de datos y los casos de uso. Incluye una checklist de governance para los datos de empleados. Sé específico en las limitaciones legales del uso de datos de personas en entornos europeos.