Cuando la rotación de empleados se convierte en un tema —y un gasto— en Estados Unidos, empleadores como Wal-Mart Stores Inc., Credit Suisse Group AG y Box Inc. analizan una amplia variedad de información para determinar quién podría dejar su puesto, señalan Rachel Emma Silverman y Nikki Walleren The Wall Street Journal.
La idea, señalan personas que dirigen equipos de analítica, es darles a los gerentes una alerta temprana para que puedan tomar medidas antes de que los empleados abandonen el barco.
Las compañías toman en cuenta decenas de factores, incluyendo tener un puesto permanente, geografía, evaluaciones de desempeño, encuestas entre trabajadores, patrones de comunicación e incluso tests de personalidad para identificar “riesgos de fuga”, un término que a veces usan los departamentos de recursos humanos para describir a las personas que podrían marcharse.
Los datos suelen revelar un panorama complejo sobre lo que motiva a los trabajadores a quedarse o a buscar un nuevo empleador.
En Box, por ejemplo, el salario de un trabajador o la relación con su jefe importa mucho menos que lo conectado que se siente el empleado con su equipo, según un análisis de recursos humanos de la firma de analítica Culture Amp. En Credit Suisse, el desempeño de los gerentes y el tamaño del equipo resultan ser influencias sorprendentemente importantes, con un pico en renuncias entre empleados que trabajan en equipos grandes con gerentes mal calificados.
La empresa de software de recursos humanos Ultimate Software Group Inc. ULTI -2.00% asigna a los empleados de sus clientes, y a los propios, cifras de “predictor de retención” individual, similares a una calificación de crédito, para indicar la probabilidad de que un trabajador se marche.
En momentos en que el empleo mejora en EE.UU., las empresas se están centrando más en retener trabajadores, en gran medida debido a que reemplazarlos es caro. El costo medio del recambio para la mayoría de los empleos es de alrededor de 21% del salario anual de un empleado, según el Centro para el Progreso Estadounidense, un centro de estudios. Además, contratar un trabajador puede costar, en promedio, alrededor de US$3.341, según la Sociedad de Administración de Recursos Humanos.
William Wolf, director global de contrataciones y desarrollo de personal de Credit Suisse, afirma que una reducción de un punto en las tasas de renuncias no buscadas le ahorra al banco suizo entre US$75 millones y US$100 millones al año.
Ningún dato individual predice si un empleado se quedará o buscará nuevos horizontes, aunque muchos empleadores desearían que así fuera. Los científicos que trabajan con datos crean modelos para predecir qué trabajadores podrían renunciar a una empresa en el futuro cercano, combinando un rango de variables y poniendo a prueba las predicciones con el tiempo. Hasta pueden refinar los cálculos según qué variables son más predictivas para una empresa o un grupo de trabajadores.
“Una de las cosas que la gente quiere saber es ese aspecto clave que está correlacionado con la renuncia de una persona, pero nunca es tan sencillo”, dice Thomas Daglis, científico de datos de Ultimate Software.
A los empleadores quizás no les importe que algunos trabajadores puedan marcharse, aunque las empresas hacen hincapié en que están usando los datos para encontrar formas de mejorar la retención, no impulsar a los empleados a renunciar.
Más allá de eso, los científicos de datos que estudian el tema afirman que han encontrado algunas correlaciones significativas.
VoloMetrix Inc., que analiza información de recursos humanos y datos anónimos de correo electrónico de los empleados, descubrió que podía predecir el riesgo de fuga hasta un año antes para empleados que pasaban menos tiempo interactuando con ciertos colegas o asistiendo a eventos más allá de las reuniones obligatorias. Igualmente, Ultimate Software descubrió una correlación entre los empleados de un cliente que no usaban los beneficios médicos de la empresa y los que renunciaban.
El gran desafío para los empleadores es qué hacer, exactamente, con la información. Algunos no están seguros de qué enfoque adoptar con los empleados que podrían marcharse.
“Nuestra meta es no decir nunca que el único motivo por el que vamos a hablarle al empleado es que nos lo indicó un algoritmo”, reconoce John Callery, director de analítica de personas en AOL Inc., que recientemente comenzó a trabajar con la firma de analítica de fuerza laboral Visier Inc. en un programa para ayudar a predecir las renuncias de forma individual. Callery señala que es demasiado pronto para saber si las cifras de retención de AOL mejorarán, o cuánto, ya que probar un modelo predictivo lleva al menos un año.
En los últimos tres años, Credit Suisse ha estudiado qué sucede con los empleados a lo largo del tiempo, incluyendo aumentos, ascensos y transiciones en la vida personal del empleado, para predecir si elegirán quedarse o dejar el banco el año siguiente. Cambiar de puestos hace que sea más probable que la gente se quede, dice Wolf, quien supervisa el equipo de analítica del banco.
