Analytics4People-Blog

Tag: Use Case

  • Predicción de rotación de talento en el sector tecnológico

    Empresa tecnológica de 300 personas, crecimiento rápido en los últimos 3 años, fuerte competencia por talento en roles clave, y cierta fatiga organizativa tras varios ciclos intensos de delivery. La rotación está subiendo, especialmente en perfiles técnicos con 1–3 años de antigüedad.

    Objetivo del proyecto

    Anticipar qué personas tienen mayor riesgo de salir de la empresa en los próximos 6 meses, entender los factores asociados y diseñar intervenciones personalizadas que reduzcan la rotación.

    Fase 1: Integración de datos

    Fuentes conectadas:

    • HRIS (Personio): datos de contrato, historial, ausencias, feedback 360, nóminas
    • LMS / Career: formaciones completadas, rutas de crecimiento
    • Jira + GitHub: volumen de actividad, contribuciones, tickets
    • Surveys (Officevibe, Peakon): engagement, relación con manager, clima
    • Calendar / Slack: proxies de desconexión o aislamiento (respetando privacidad)

    Infraestructura: AWS + Power BI

    Fase 2: Análisis exploratorio

    Hallazgos iniciales:

    • Alta rotación en squads con ciclos de entrega más agresivos
    • Más riesgo entre perfiles sin promoción después del primer año
    • Engagement bajo vinculado a cambios de manager frecuentes
    • Red de colaboración débil (personas con menos interacciones cross-team)

    Fase 3: Modelado predictivo

    • Modelos Random Forest y XGBoost (con validación cruzada)
    • Accuracy inicial: 81%, AUC: 0.89
    • Se combinan factores cuantitativos y categóricos
    • Visualización de “drivers de riesgo”

    Fase 4: Activación

    Diseño de intervenciones:

    • Planes 1:1 para personas en riesgo alto: entrevistas, revisión de carrera
    • Propuesta de movilidad interna para perfiles estancados
    • Coaching para managers con equipos de alto riesgo
    • Micro-acciones desde People: reconocimiento, flexibilidad, visibilidad

    Dashboard para People & Leadership:

    • Riesgo por equipo, por rol, por cohortes
    • Evolución mensual

    Fase 5: Medición y mejora

    • Comparativa trimestral entre predicción y rotación real
    • Ajuste del modelo con nuevas variables (eNPS, contribución, etc.)
    • Aprendizaje continuo: qué acciones fidelizan mejor y con quién

    Beneficios para la empresa

    • Reducir rotación no planificada en +20% en 12 meses
    • Mejorar la experiencia de las personas con datos reales
    • Alinear estrategia de talento con realidad operativa
    • Fortalecer el liderazgo basado en datos y cuidado

  • Reduce el tiempo dedicado a informes y cuadros de mando

    Reducción del 80% del tiempo dedicado a tareas repetitivas.

    Los datos no estaban unificados y la gente perdía mucho tiempo elaborando los mismos informes una y otra vez.

    Al iniciar el proyecto, realizamos una encuesta representativa al 20% de la plantilla del cliente con el objetivo de comprender su realidad diaria en relación al uso de datos. Queríamos evaluar cómo interactuaban con la información y detectar barreras, oportunidades y percepciones.

    La encuesta abordó aspectos clave como:

    • Uso de datos en la operativa diaria
    • Impacto percibido de los datos en el negocio
    • Nivel de compromiso con el dato como activo estratégico
    • Dificultades técnicas o funcionales en la manipulación de datos
    • Usabilidad de herramientas actuales
    • Confiabilidad del dato
    • Satisfacción con la tecnología disponible
    • Tiempo dedicado a tareas de extracción y preparación de datos
    • Nivel de automatización e integración entre sistemas
    • Uso de IA y capacidad de tomar decisiones basadas en datos

    Resultados clave:

    • La mayoría del tiempo se destinaba a la búsqueda, limpieza y combinación de datos procedentes de múltiples fuentes.
    • La organización no contaba con una base de datos unificada ni accesible.
    • Parte de la información crítica estaba en manos de terceros, en formatos poco explotables.
    • Los informes se elaboraban manualmente, con bajo grado de automatización y escasa capacidad de análisis en tiempo real.

    Solución implementada

    • Migración al cloud de AWS, con diseño de un modelo de datos orientado al negocio.
    • Integración de múltiples fuentes de datos (incluyendo datos de terceros) en una arquitectura centralizada.
    • Conexión con Power BI, como herramienta de visualización corporativa.
    • Automatización de informes clave, eliminando tareas repetitivas y manuales.
    • Disponibilización de cuadros de mando en tiempo real, accesibles para perfiles no técnicos.

    Impacto obtenido

    • Reducción del 80% en el tiempo dedicado a informes, cuadros de mando y reportería.
    • Acceso inmediato y fiable a la información para todos los niveles del negocio.
    • Mayor autonomía de los equipos, sin dependencia del área técnica para obtener insights.
    • Toma de decisiones más ágil, basada en datos estructurados y actualizados.
    • Escalabilidad y sostenibilidad del sistema para acompañar el crecimiento de la organización.