{"id":111861,"date":"2022-02-25T08:00:00","date_gmt":"2022-02-25T07:00:00","guid":{"rendered":"http:\/\/e3mag.com\/?p=111861"},"modified":"2025-04-22T11:51:36","modified_gmt":"2025-04-22T09:51:36","slug":"mas-conocimiento-mejor-planificacion","status":"publish","type":"post","link":"https:\/\/e3mag.com\/es\/mas-conocimiento-mejor-planificacion\/","title":{"rendered":"Saber m\u00e1s, planificar mejor"},"content":{"rendered":"

A menudo se olvida que la batalla por los trabajadores cualificados no s\u00f3lo se libra en el mercado laboral, sino dentro de las propias empresas. Aquellas que consiguen retener a sus empleados cualificados se aseguran permanentemente su caudal de experiencia y su propia competitividad. Esta es la conclusi\u00f3n de un proyecto piloto sobre el tema del aprendizaje autom\u00e1tico que el Grupo Windhoff llev\u00f3 a cabo junto con la Asociaci\u00f3n Alemana de Seguros de Pensiones (DRV Bund). <\/p>\n\n\n\n

\"En DRV Bund, la cuesti\u00f3n de la planificaci\u00f3n estrat\u00e9gica de personal ser\u00e1 m\u00e1s importante que nunca en los pr\u00f3ximos a\u00f1os. Debido a la estructura por edades de Alemania, nos encontramos ante un doble dilema demogr\u00e1fico: por un lado, el n\u00famero de pensionistas aumenta el n\u00famero de solicitudes y, por tanto, nuestras necesidades de personal. Por otro, un gran n\u00famero de empleados nos dejar\u00e1 a medio plazo debido a su edad, lo que reducir\u00e1 nuestra plantilla. Adem\u00e1s, la guerra por el talento es cada vez m\u00e1s intensa y el mundo laboral m\u00e1s din\u00e1mico\", explica el Dr. Michael Tekieli, responsable de People Analytics en DRV Bund.<\/p>\n\n\n\n

Cambio de prioridades<\/h3>\n\n\n\n

Hasta ahora, la rotaci\u00f3n de personal no ha sido un punto problem\u00e1tico, pero en un futuro pr\u00f3ximo ser\u00e1 sin duda m\u00e1s relevante, prosigue el Dr. Tekieli: \"Para evitar que la rotaci\u00f3n de personal se convierta en un punto problem\u00e1tico, necesitamos soluciones espec\u00edficas. \u00c9stas deber\u00edan permitirnos, al menos, anticiparnos a los cambios en el panorama del personal con antelaci\u00f3n y precisi\u00f3n y, en el mejor de los casos, utilizar nuestros conocimientos para contrarrestar de forma proactiva y eficaz las salidas que son cr\u00edticas para el \u00e9xito.\" <\/p>\n\n\n\n

En este contexto, se formularon dos preguntas para el proyecto piloto: \u00bfEn qu\u00e9 medida puede contribuir el aprendizaje autom\u00e1tico a identificar los riesgos de fluctuaci\u00f3n? \u00bfEs capaz la Inteligencia Artificial Explicable (XAI) de comprender las razones de una fluctuaci\u00f3n no relacionada con la edad? Para dar respuesta a estas preguntas, los responsables del proyecto decidieron utilizar Smart Predict junto con SAP Analytics Cloud. <\/p>\n\n\n\n

En el primer paso, era importante crear una base de datos coherente a partir de fuentes internas (sistemas ERP y de RRHH) y externas. En la pr\u00e1ctica, esto significaba que los datos personales y profesionales de un empleado se complementaban con aspectos del entorno de la empresa. En total, se codificaron 40 atributos descriptivos. A continuaci\u00f3n, se identificaron los factores de influencia m\u00e1s importantes: La edad, la edad del hijo menor, el tiempo de trabajo real sin absentismo, la antig\u00fcedad en meses, el aumento salarial absoluto en los \u00faltimos doce meses y la gravedad de las restricciones debidas a las medidas durante la pandemia en comparaci\u00f3n con el \u00cdndice de Rigidez de Covid.<\/p>\n\n\n\n

En la b\u00fasqueda de variables descriptivas adecuadas se consultaron publicaciones cient\u00edficas, as\u00ed como la creatividad de todo el equipo del proyecto. Diferentes horizontes temporales de un cese no relacionado con la edad en los pr\u00f3ximos meses (1\/3\/6\/12) surgieron como variables objetivo. Los atributos capturados se recogieron para cada uno de los m\u00e1s de 25.000 empleados mensualmente durante los a\u00f1os 2018 a 2020. El resultado fue un conjunto de datos de 650.000 filas o 230 megabytes.<\/p>\n\n\n\n

Predicci\u00f3n inteligente<\/h3>\n\n\n\n

Smart Predict permite realizar el an\u00e1lisis de los datos recopilados en el departamento como autoservicio. Los argumentos decisivos para el uso de SAC fueron la r\u00e1pida elaboraci\u00f3n de resultados mediante aprendizaje autom\u00e1tico automatizado, resultados transparentes gracias a XAI y una alta calidad de predicci\u00f3n de los potentes algoritmos de aprendizaje autom\u00e1tico. El an\u00e1lisis funciona de forma intuitiva y puede llevarse a cabo sin conocimientos de programaci\u00f3n, por lo que no son necesarios ni expertos en TI ni recursos de ciencia de datos.<\/p>\n\n\n\n

Para contrarrestar las reservas sobre la aceptaci\u00f3n, se llev\u00f3 a cabo la denominada prueba fuera de muestra. Entre otras cosas, el proyecto demostr\u00f3 que un algoritmo entrenado con los datos antes de junio de 2020 tambi\u00e9n habr\u00eda detectado retrospectivamente a los empleados que se marcharan en el segundo semestre de 2020 con un porcentaje de aciertos del 12,5%. La prueba tambi\u00e9n demostr\u00f3 que las correlaciones aprendidas eran \"robustas\", es decir, transferibles al futuro. En conjunto, el aprendizaje autom\u00e1tico detect\u00f3 m\u00e1s del 50% de las fluctuaciones no relacionadas con la edad. <\/p>\n\n\n\n

Otro m\u00e9todo para aumentar la aceptaci\u00f3n fue la comprobaci\u00f3n de la verosimilitud de los patrones encontrados, que el modelo de an\u00e1lisis predictivo utiliza para generar previsiones. Los patrones encontrados siguieron siendo un medio importante para comprender qu\u00e9 empleado podr\u00eda abandonar la empresa y por qu\u00e9 motivos. Sin embargo, los algoritmos modernos de aprendizaje autom\u00e1tico son tan complejos que no se puede comprender directamente el efecto de los factores que influyen en la probabilidad de abandono. Es lo que se denomina un fen\u00f3meno de caja negra. En los \u00faltimos a\u00f1os, se han creado enfoques en el campo de investigaci\u00f3n de la XAI para explicar sucesivamente la caja negra. <\/p>\n\n\n\n

Por ejemplo, SAC utiliza los valores SHAP desde el tercer trimestre de 2021. Esto permite explicar el significado y la influencia de varios atributos a nivel local, es decir, en relaci\u00f3n con el empleado individual. Esto permite una comprobaci\u00f3n de plausibilidad y causalidad por parte de expertos en la materia y la extracci\u00f3n de nuevos conocimientos. Adem\u00e1s de la evaluaci\u00f3n individual de cada empleado, tambi\u00e9n se realizaron an\u00e1lisis de ejemplos protot\u00edpicos utilizando m\u00e9todos de agrupaci\u00f3n automatizados (agrupaci\u00f3n inteligente). El v\u00ednculo con la planificaci\u00f3n de personal existente para la fluctuaci\u00f3n relacionada con la edad se realiza mediante la agregaci\u00f3n de los valores esperados en varias dimensiones. Esto permite reconocer qu\u00e9 departamentos y puestos pueden verse especialmente afectados por la fluctuaci\u00f3n no relacionada con la edad. El Dr. Tekieli a\u00f1ade: \"Para nosotros, como organizaci\u00f3n, s\u00f3lo cabe una evaluaci\u00f3n y presentaci\u00f3n a nivel agregado. De este modo, creamos por tanto un sano equilibrio entre la mejora de las condiciones marco operativas para nuestros empleados, teniendo en cuenta la diversidad de necesidades y garantizando al mismo tiempo la protecci\u00f3n de los datos personales de conformidad con el GDPR en todo momento.\"<\/p>\n\n\n\n

Resultados convincentes<\/h3>\n\n\n\n

Queda por decir: Con las tecnolog\u00edas modernas, se pueden extraer respuestas objetivas de los datos hist\u00f3ricos de RRHH. Esto significa que las fluctuaciones pueden anticiparse con meses de antelaci\u00f3n e incluso las probabilidades pueden cuantificarse de forma pron\u00f3stica. En consecuencia, se pueden iniciar medidas activas de retenci\u00f3n de RRHH (por ejemplo, oportunidades de desarrollo espec\u00edficas) para mantener a grupos de empleados en la empresa. <\/p>\n\n\n\n

\"Al principio era muy esc\u00e9ptico sobre el uso del aprendizaje autom\u00e1tico, ya que el paso supuestamente importante de la hiperparametrizaci\u00f3n ya no es necesario. La calidad de las predicciones me sorprendi\u00f3 gratamente. La calidad de los datos es sin duda un factor importante para el \u00e9xito del aprendizaje autom\u00e1tico. Si se dejan todos los pasos en manos de la m\u00e1quina, la calidad de los datos de entrenamiento adquiere a\u00fan m\u00e1s importancia. Por tanto, el tema de la integridad de los datos, bastante impopular y \u00e1rido, deber\u00eda ser al menos tan importante para las organizaciones como un cuadro de mandos de aprendizaje autom\u00e1tico uniforme y claro\", afirma el Dr. Tekieli.<\/p>\n\n\n\n

\"Grupo<\/a><\/figure>","protected":false},"excerpt":{"rendered":"

Est\u00e1 surgiendo una herramienta prometedora para el desarrollo de los recursos humanos. El uso de la planificaci\u00f3n predictiva de la plantilla de RR.HH. con SAP Analytics Cloud puede contrarrestar el factor de riesgo de la rotaci\u00f3n de empleados. <\/p>","protected":false},"author":2518,"featured_media":111949,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","footnotes":""},"categories":[40330],"tags":[1104,840,39816],"coauthors":[40405],"class_list":["post-111861","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-mag-22-02","tag-hr","tag-human-resources","tag-windhoff-group","pmpro-has-access"],"acf":[],"featured_image_urls_v2":{"full":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",1000,450,false],"thumbnail":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header-150x150.jpg",150,150,true],"medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",400,180,false],"medium_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header-768x346.jpg",768,346,true],"large":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",1000,450,false],"image-100":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header-100x45.jpg",100,45,true],"image-480":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header-480x216.jpg",480,216,true],"image-640":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header-640x288.jpg",640,288,true],"image-720":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header-720x324.jpg",720,324,true],"image-960":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header-960x432.jpg",960,432,true],"image-1168":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",1000,450,false],"image-1440":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",1000,450,false],"image-1920":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",1000,450,false],"1536x1536":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",1000,450,false],"2048x2048":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",1000,450,false],"trp-custom-language-flag":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",18,8,false],"bricks_large_16x9":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",1000,450,false],"bricks_large":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",1000,450,false],"bricks_large_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",1000,450,false],"bricks_medium":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",600,270,false],"bricks_medium_square":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header.jpg",600,270,false],"profile_24":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header-24x24.jpg",24,24,true],"profile_48":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header-48x48.jpg",48,48,true],"profile_96":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header-96x96.jpg",96,96,true],"profile_150":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header-150x150.jpg",150,150,true],"profile_300":["https:\/\/e3mag.com\/wp-content\/uploads\/2022\/03\/2202-mehr-wissen-header-300x300.jpg",300,300,true]},"post_excerpt_stackable_v2":"

F\u00fcr die Personalentwicklung zeichnet sich ein vielversprechendes Werkzeug ab. Durch den Einsatz von Predictive HR Workforce Planning mit SAP Analytics Cloud l\u00e4sst sich dem Risikofaktor Mitarbeiterfluktuation entegegenwirken. <\/p>\n","category_list_v2":"MAG 22-02<\/a>","author_info_v2":{"name":"Ansgar Heidemann, Grupo Windhoff","url":"https:\/\/e3mag.com\/es\/author\/ansgar-heidemann\/"},"comments_num_v2":"0 comentarios","_links":{"self":[{"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/posts\/111861","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/users\/2518"}],"replies":[{"embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/comments?post=111861"}],"version-history":[{"count":2,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/posts\/111861\/revisions"}],"predecessor-version":[{"id":150529,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/posts\/111861\/revisions\/150529"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/media\/111949"}],"wp:attachment":[{"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/media?parent=111861"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/categories?post=111861"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/tags?post=111861"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/e3mag.com\/es\/wp-json\/wp\/v2\/coauthors?post=111861"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}