¿DATAFILIA O DATAFOBIA?

 En Dichos populares y conceptos de RRHH

La historia de los hechos o los hechos de la historia

Dice RAFAEL SANCHEZ FERLOSIO en su libro GOD & GUN nos habla que una cosa son los hechos de la historia y otra muy distinta es la historia de los hechos. Y esta diferencia me hizo pensar en la utilización del BIG DATA en el área de Recursos Humanos. Vivimos un fervor infantil por el poder de los datos para hacer políticas y sistemas de Recursos Humanos. Pero este fervor se convierte en furor cuando nos encerramos en los datos sin tener en cuenta el contexto interpretativo. No podemos analizar los hechos de Recursos Humanos sólo como hechos de la historia sino también hay que analizar la historia de estos hechos. Cada hecho no es sólo un dato sino un contexto que condicionará su interpretación (más que hechos son historias que se convierten en hechos).

Esta reflexión cae en una visión estrecha cuando lo que buscas son hipótesis a comprobar pensando que los hechos humanos son hechos físicos. Lo objetivo de lo subjetivo no deja de ser subjetivo. En este sentido, tenemos que buscar análisis complejos de redes de influencias, confluencias y afluencias para analizar los datos. Siempre causa pavor aquellas conclusiones encerradas en explicaciones estadísticas que obnubila la búsqueda de interrelaciones. Buscar causas, efectos, correlaciones, regresiones, covarianzas tiene sentido según las preguntas que se hacen a los datos.

¿Cómo tener inteligencia de datos y no sólo datos? La inteligencia viene de tener una visión más integral de la realidad. Siempre hay cuatro áreas que yo formaría a los responsables de la gestión de personas para utilizar adecuadamente el BIG DATA.

  1. Saber preguntar a la realidad. lo importante no son los datos que obtenemos sino las preguntas que nos hacemos para interpretar los datos. Prestamos más atención a obtener datos, que a saber que datos necesitamos según las preguntas que tenemos que hacer a la realidad. Decía un catedrático de estadística que lo importante no es saber estadística sino dónde podemos aplicar la estadística. De aquí la importancia de saber que buscamos para saber con los datos. Muchas veces ponemos medios y multitud de tecnología cuando la principal habilidad en la relación de datos es cualificar las preguntas a hacerse. Formarse en BIG DATA pasa por saber escrutar los momentos de la Empresa, en este sector, con esta estrategia y una determinada cultura ¿Cuál es la pregunta? Es habitual tener un empacho de datos de la realidad, pero sin saber cual es la interpretación que tenemos que hacer. Hacer pilotaje estratégico, utilizar grupos de control, análisis de la vulnerabilidad de los datos son herramientas correctivas sin tener en cuenta que la pureza de los datos no son la clave sino se hace las preguntas pertinentes. Tener capacidad de preguntar es aumentar el valor de los datos obtenidos.

  2. Visión relacional de los datos. Los datos no son islas aisladas sólo conjuntos interrelacionados entre sí. Si tenemos preguntas adecuadas hay que poner foco en las relaciones entre los datos. Cuando suceda A, a veces sucede B o C pero nunca D es un tipo normal de relación entre hechos humanos. Hay que prever que las relaciones son lo significativo y la proliferación de datos, menos datos con más relaciones es más clara su visión. Esta naturaleza “social” de los datos conlleva a ser cuidadoso con los resultados obtenidos. Es muy habitual que frente a un panel de datos de clima laboral empecemos a sacar conclusiones sin tener en cuenta su relación, hace poco frente a una impecable presentación de conclusiones de una encuesta de compromiso, el tener en cuenta la fecha de recogida de los datos condicionaba la interpretación del mismo. Esta visión de “red neural” de datos nos lleva a poner foco en las relaciones para condicionar su intensidad. Un dato ni es mucho ni es poco, sin tener en cuenta el cuando y el cuánto. Menos datos, pero más relacionados significativamente.

  3. Hipótesis alternativas. Muchas veces nos empecinamos en comprobar nuestra hipótesis porque es lo que consideramos más lógicas. Es la más lógica para ti, como bien dice DANIEL KAHNEMAN los sesgos cognitivos nos influyen a la hora de genera hipótesis. Intentamos comprobar lo que queremos ver. De aquí la importancia de tener diversas hipótesis que se desarrollan en paralelo. Es muy interesante la generación de hipótesis diferentes como salvaguarda a los procesos de autoafirmación de muchos estudios de BIG DATA. No olvidemos que estamos en un contexto organizacional, y lo importante no es el nivel de cientificidad de nuestras hipótesis sino la practicidad de sus consecuencias. No se trata de buscar el fin último científico del comportamiento humano sino lo que pasa en el aquí y ahora de esta empresa en este contexto, con esta estrategia y con su única cultura. Me encanta tener hipótesis sencillas, porque al final lo complejo tiene equifinalidad, que significa que se puede obtener los mismos resultados con distintas causas. Un mal clima tiene muchos padres, pero lo importante no es hacer un test genético sino ponerle un tratamiento adecuado.

  4. Banalidad de los Benchmarking. Durante mucho tiempo hemos trabajado en la realización de estudios de benchmarking para compara realidades diferentes. ¿Tienen valor el benchmarking de datos humanos? Pues ante todo hay que creer en su relatividad. lo humano es socialmente contextual, por tanto, con diferentes marcos sociales (y una organización es, ante todo, una institución social) tenemos datos similares ¿somos comparables? Mi observación es que tenemos datos más comparables. Sin duda los datos salariales tienen una variable numérica intachable (la cantidad percibida), pero hay otros datos poco confiables su comparación como valoración de líderes, de políticas de RRHH o la tan manida comparación de la felicidad en las empresas. La naturaleza subjetiva de estos datos nos lleva a plantear que aquí el benchmarking es banal. No aporta mucho mas que una tendencia que tampoco sabemos si merece la pena considerarlas. El benchmarking es una herramienta florida para vender ideas exógenas, pero no sirve como elemento comparativo en un proyecto de BIG DATA.

El BIG DATA debe tener en cuenta el SMART DATA el dato peculiar, costumizado y especifico de cada relación humana.

Estas cuatro áreas son básicas a la hora de hacer un proceso un proceso de BIG DATA. Saber hacerse las preguntas pertinentes, poner foco en las relaciones entre los datos, crear diversas hipótesis y no dar mucha importancia al benchmarking de los datos humanos.

En fin, que entre los DATAFOBICOS que sólo ven la historia de los datos y predican que en Recursos Humanos los datos no valen y los DATOFÍLICOS que sólo ven los datos de la historia y todo en Recursos Humanos son datos, estamos los DATUM VITAE aquellos que sabemos el gran valor de los datos para nuestra capacidad de intervención pero que tampoco nos creemos que todo lo humano se expresa en datos. Y como decía UNAMUNO, hay que ser recolector de paradojas y lo expresaba en la mejor expresión que yo conozco en este sentido “Soy subjetivo porque soy sujeto, si fuese una piedra, sería objetivo”. Toda conducta humana tiene una posible expresión objetiva, pero necesitamos comprender sus marcos explicativos, que se siempre son subjetivas.

Javier Cantera

23 de octubre de 2019

Recomendados

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Para mayor información revise nuestra política de cookies.

ACEPTAR
Aviso de cookies
La importancia de llamarse NETWORKER para la gestión de personas