COMPAÑIA CONFIDENCIAL. NO DIVULGAR.
HR en números
El Grupo de Servicios Financieros de PNC llevó la automatización y el análisis a Recursos Humanos. JMP® los está ayudando a evaluar el éxito interno, aumentar la equidad, mejorar el desempeño y reducir la rotación de empleados.
_____________________________________________________________________________________
Desafío : En un esfuerzo por reducir la subjetividad en las decisiones de personal, PNC está adoptando un enfoque poco tradicional de Recursos Humanos (RR.HH.): adoptando la analítica y la automatización. Cuando la evaluación comparativa temprana sugirió el verdadero potencial de la analítica de recursos humanos, el liderazgo de PNC buscó una solución más sostenible y rentable para reemplazar a las firmas consultoras de terceros a las que anteriormente habían subcontratado la analítica. Pero llevar el análisis de forma interna requería una herramienta más poderosa que Excel.
Solución : El software de descubrimiento estadístico JMP® ofrece una amplia gama de capacidades con un flujo de trabajo analítico completo que ayuda a los analistas de recursos humanos en PNC a procesar y obtener conocimientos de los datos internos del mercado laboral. Además de las soluciones de gestión de datos del software, su plataforma interactiva de visualización de datos Graph Builder ha sido especialmente útil para encontrar patrones en los datos y comunicar hallazgos que informan las decisiones estratégicas del personal. Con JMP, los analistas de RR.HH. se aseguran de que la remuneración se base en las calificaciones de gestión del riesgo y el desempeño, no en factores de confusión como el género, la raza o la edad.
Resultados : El enfoque analítico de PNC para RR.HH. ha ayudado a la empresa a mejorar las métricas de desempeño, aumentar la equidad y reducir la rotación de empleados. Y, dice Jay Wilkinson, director de métricas y análisis de recursos humanos de PNC y vicepresidente senior, JMP ha sido un factor clave en estos éxitos, además de reducir el presupuesto de subcontratación del equipo: “Las firmas consultoras nos estaban cobrando 250.000 dólares por hacer el tipo de análisis que ahora podemos hacer mejor, o igualmente bien, con JMP. Trajimos [el trabajo] internamente porque sabíamos que JMP podía hacerlo, y no lleva mucho tiempo ".
_____________________________________________________________________________________
Los recursos humanos (RR.HH.) y la analítica pueden no ser una combinación tradicional, pero a medida que la tecnología se integra más estrechamente en todos los aspectos de los negocios, los dos campos se fusionan hacia un matrimonio productivo, aunque inesperado. "Vivimos en un mundo con mucha complejidad, y RR.HH. no es una excepción", dice Jay Wilkinson, vicepresidente senior y director de análisis y métricas de RR.HH. en el Grupo de Servicios Financieros de PNC. Si bien los departamentos de recursos humanos han recopilado durante mucho tiempo datos sobre el desempeño de los empleados y las estructuras de incentivos, explica, en gran medida no han podido ver estos datos para el activo que es. Pero PNC está adoptando un enfoque alternativo.
“Trabajamos en el lenguaje de nuestro negocio principal que, como banco, son las métricas financieras: datos”, dice Wilkinson. "Como resultado, estamos ayudando a ofrecer un éxito de talento fenomenal que incluye una representación creciente". Mirar los datos para sacar a la luz conocimientos en lugar de depender de indicadores de desempeño subjetivos, dice, está haciendo que toda la empresa de recursos humanos sea más objetiva y, en última instancia, impulsando la equidad y la satisfacción laboral en todos los ámbitos. Los enfoques basados en datos para la toma de decisiones del personal ahora ayudan a determinar el salario base de los empleados, rectificar las discrepancias históricas en el pago, recompensar el desempeño excepcional e identificar, comprender e incluso predecir los problemas de retención del personal.
Los esfuerzos de la división de recursos humanos para adoptar la analítica no han pasado desapercibidos, incluso en un gigante de los servicios financieros como PNC, ahora uno de los bancos más grandes de Estados Unidos. El análisis estadístico, dice Wilkinson, le da credibilidad a su equipo cuando informa al liderazgo ejecutivo de la compañía utilizando hechos y evidencia para tener discusiones basadas en el talento. Esa confianza, y los éxitos cuantificables que ha introducido el equipo, se traducen en un crecimiento acelerado de RR.HH.
El análisis exploratorio en Graph Builder ayuda a identificar y resolver problemas de precisión de datos
Si bien la automatización y el análisis en RR.HH. no carecen del todo de precedentes, la mayoría de los mejores ejemplos hasta la fecha provienen de estudios académicos de los mercados laborales internos. Entonces, cuando Wilkinson se embarcó por primera vez en su cruzada para infundir pensamiento analítico a la división de recursos humanos de PNC, tenía, en el mejor de los casos, pocos modelos anteriores de los que aprender. Con la expectativa de que su equipo estaría analizando datos categóricos, continuos y de texto, dice Wilkinson, el grupo necesitaba una plataforma que fuera más hábil estadísticamente y más visual que las herramientas disponibles. Así que recurrieron al software de descubrimiento estadístico JMP®.
“JMP respalda nuestro análisis de todos esos tipos de datos, desde el texto de revisión de desempeño hasta los correos electrónicos sobre diversidad y los datos salariales”, explica. “Y lo que también es bueno es que en JMP, podemos vincular datos de RR.HH. a datos comerciales como ventas. JMP es una herramienta realmente excelente y también es fácil de usar ".
Diseñado para contener un flujo de trabajo analítico completo de un extremo a otro, dentro de una plataforma sin código o con código ligero, JMP resuelve una variedad de desafíos de datos, desde el acceso y la preparación hasta el análisis y la generación de informes. Esa variedad es fundamental en un entorno de recursos humanos donde, dice Wilkinson, la gestión de conjuntos de datos desordenados es quizás el mayor obstáculo.
Cuando los datos de RR.HH. son agregados o modificados por contribuyentes individuales, es posible que los analistas no puedan distinguir los cambios significativos de los errores de entrada de datos no intencionales. El equipo de Wilkinson debe, por lo tanto, investigar cualquier variación o sesgo antes de comenzar un análisis sólido. Con su plataforma de visualización interactiva, Graph Builder, JMP ayuda a analizar la complejidad de los problemas de datos a través de la exploración de datos y el análisis de valores atípicos.
"Si considera todos los pasos de la minería de datos, el primero es siempre tomar sus datos y pensar en ellos visualmente", explica Wilkinson. “Asegúrese de comprender las distribuciones. ¿Hay valores atípicos? ¿Cómo se ven los datos reales? Nunca, nunca omita ese paso ". Cuando aparecen valores atípicos, agrega, pueden investigarse y corregirse antes de que desvíen los resultados.
Una vez que los datos se han limpiado y preparado para el análisis, Graph Builder permite que Wilkinson y su equipo experimenten y exploren, generando información cada vez más matizada sobre los problemas clave de recursos humanos. Por ejemplo, explica, el equipo puede preguntar no solo si hay un problema de rotación, sino también qué grupo demográfico de empleados está cambiando, qué tipo de rotación están observando y cómo han cambiado las tendencias de rotación en las últimas semanas o meses. La simplicidad de arrastrar y soltar de Graph Builder fomenta la creatividad y el análisis de una pregunta desde diferentes ángulos. “Lo bueno de JMP es que podemos usar imágenes, gráficos y tablas para desglosar los datos y contar una historia”, dice Wilkinson.
Text Explorer desbloquea información empresarial clave a partir de datos de texto de revisión de rendimiento previamente infrautilizados
Las divisiones de recursos humanos recopilan cantidades increíbles de datos no estructurados durante todo el año en forma de revisiones de desempeño. En muchas empresas, esta información históricamente no se ha utilizado, ya que requiere demasiado tiempo y trabajo para explotar el valor comercial significativo de los datos de texto a escala. Además, un enfoque manual no guiado podría introducir sesgos en los datos de rendimiento, lo que haría inútil cualquier conocimiento. Pero JMP cambia ese cálculo.
La plataforma Text Explorer del software, por ejemplo, crea tablas de frecuencia y nubes de palabras que ayudan a evaluar los datos no estructurados, una herramienta ideal para analizar el texto de respuesta libre de las revisiones de desempeño. Wilkinson explica cómo su equipo ha comenzado a utilizar Text Explorer para extraer información de una manera más reproducible y estadísticamente sólida. Y el valor es claro: “Cuando ayudamos a mejorar la productividad o reducir la rotación, esos son múltiplos significativos de nuestras inversiones”, dice. “Usamos JMP en el análisis de productividad y retención, y también comenzamos a vincularlo con algunos de los análisis de redes sociales que hacemos. Todos ellos tienen un retorno de la inversión muy bueno para la empresa ".
Después de trabajar en estrecha colaboración con el personal técnico de JMP para identificar y validar nuevas formas de aplicar análisis de texto en el entorno de recursos humanos, Wilkinson dice que planea expandir el uso de datos no estructurados de la compañía en el futuro. Para acelerar el impacto, recientemente tomó la decisión de actualizar a JMP Pro por sus capacidades de análisis de texto más sólidas.
Una estrategia basada en datos alinea los planes de incentivos con las calificaciones de gestión de riesgo y desempeño
Pero la minería de texto es solo la punta del iceberg. Wilkinson dice que analizar los datos continuos de salarios e incentivos ayuda a definir un enfoque estratégico para uno de los desafíos de recursos humanos más complejos de la empresa: determinar la compensación de los empleados y garantizar que los salarios se distribuyan de manera equitativa. Los planes de incentivos anuales discrecionales están diseñados para aumentar la productividad y, explica, en teoría deberían estar alineados con las calificaciones de gestión de riesgo y desempeño, aunque la relación entre los dos ha sido históricamente difícil de medir de manera cuantitativa.
Una vez que Wilkinson y sus colegas comenzaron a usar JMP, sin embargo, pudieron visualizar las distribuciones salariales para cada nivel de desempeño para asegurarse de que los medios fueran diferentes. También segmentaron los datos según una variedad de variables demográficas y de desempeño, como el título del trabajo y el nivel de carrera, para garantizar que se mantuviera la misma relación en cada categoría. De manera abrumadora, dice, el equipo descubrió que los niveles de rendimiento más altos de hecho condujeron a un salario más alto, un indicador que se puede monitorear para validar la equidad en las prácticas de recursos humanos a lo largo del tiempo.
Estos resultados también son fundamentales para la documentación que el departamento debe proporcionar a las autoridades reguladoras como la Comisión de Igualdad de Oportunidades en el Empleo (EEOC), que exige la revisión de datos y la validación de estructuras de pago equitativo. Wilkinson explica cómo, con los resultados de JMP, su equipo pudo informar fácilmente sobre el cumplimiento de PNC a reguladores como la EEOC, que otorga un gran valor a los enfoques estadísticos sólidos. “Es un enfoque muy basado en la evidencia para tener un entregable conciso con un mapa realmente bueno y visuales viscerales para mostrar la relación entre los reguladores [pago / desempeño]”, agrega.
Con JMP, PNC ha eliminado a los intermediarios y ha reducido los costos al llevar la analítica interna
Además de aportar más valor intangible, como la retención de empleados y más representación, a PNC, Wilkinson dice que proporcionar JMP a su equipo de recursos humanos también ha ayudado a reducir el gasto de la división en contratos externos. Mientras que anteriormente la división de RR.HH. subcontrataba gran parte de sus análisis a empresas consultoras externas, explica, JMP permite, en cambio, llevar el análisis de forma interna. Esta decisión ha dado sus frutos, reduciendo costos y fortaleciendo el enfoque de RR.HH. en soluciones basadas en datos.
“Las firmas consultoras nos estaban cobrando 250.000 dólares por hacer el tipo de análisis que ahora podemos hacer igualmente bien, o mejor, con JMP”, dice. "Trajimos [el trabajo] internamente porque sabíamos que JMP podía hacerlo, y no lleva mucho tiempo".
La interfaz fácil de usar del software, junto con los recursos de aprendizaje ampliamente disponibles, lo convierten en una alternativa fácil para un equipo que carecía de experiencia estadística previa. Incluso los usuarios que no utilizan JMP de forma regular se benefician de las visualizaciones dinámicas que ofrece. Wilkinson y su equipo utilizan esta historia visual para presentar los resultados a las partes interesadas. “[Los ejecutivos] no están tan interesados en entrar en los números, quieren una imagen”, dice Wilkinson, y agrega que PNC se beneficia de una herramienta que convierte los datos sin procesar en información digerible. JMP nivela el campo de juego para que todos en la sala tomen juntos decisiones basadas en datos, y esa velocidad y visibilidad pueden ser muy poderosas para cerrar la brecha entre los analistas de datos y la administración.
“En PNC, nuestro grupo de recursos humanos se trata de trabajar en servicio para hacer crecer el talento y ayudar a nuestras empresas a lograr sus resultados comerciales”, concluye Wilkinson. “Ya se trate de talento, diversidad, reclutamiento, todo eso es posible con evidencia y hechos. Eso es lo que estamos tratando de hacer en la PNC ”.
