DATA ANALYTICS
People Analytics: Attrition
En esta entrega de Data Analytics, exploraremos una metodología fundamental para el Análisis de los colaboradores de una empresa, y la importancia de implementar estrategias para retener talentos y optimizar los recursos humanos.
¿Qué es Attrition?
El término "attrition" proviene del inglés y se refiere a la tasa de desgaste, desgaste o erosión en diferentes contextos. En el ámbito empresarial y de recursos humanos, específicamente, se refiere a la rotación o pérdida gradual de colaboradores en una organización a lo largo del tiempo.
En términos prácticos, attrition se refiere a la reducción en el número de colaboradores debido a renuncias, jubilaciones, despidos o cualquier otra forma en que el personal abandona la empresa. La tasa de attrition es un indicador importante para las empresas, ya que puede afectar la estabilidad, la continuidad operativa y los costos asociados con la contratación y capacitación de nuevos colaboradores.
Para abordar este fenómeno y sus implicaciones, las empresas comenzaron a implementar análisis más detallados para comprender las causas y los patrones detrás de la rotación de colaboradores. Así, el concepto de attrition evolucionó como un término clave en la gestión de recursos humanos, promoviendo la necesidad de estrategias para retener talento, mejorar la satisfacción laboral y comprender las razones que llevan a la salida de los colaboradores.
Con el avance de las herramientas de análisis de datos y la adopción de enfoques más orientados hacia la gestión del talento, se convirtió en un indicador crítico para las organizaciones, impulsando estrategias proactivas para retener a los colaboradores clave y mejorar la estabilidad laboral dentro de la empresa.
Su aplicación ha ofrecido beneficios sustanciales, incluyendo la identificación temprana de patrones de rotación, mejoras en estrategias de retención y la reducción de costos asociados con la rotación y capacitación de nuevos colaboradores.
¿Cómo hacer un Análisis?
Como punto de partida, un análisis eficiente requiere, por un lado, un modelo de datos que contenga información de distintas dimensiones de todos los colaboradores y procesos clave involucrados, como por ejemplo datos personales, historiales laborales, retroalimentación de colaboradores, métricas de desempeño, encuestas de satisfacción, por nombrar algunos; y por otro lado, la definición de KPIs y métricas esenciales como la tasa de rotación, la antigüedad de cada empleado, la duración promedio del empleo, salario promedio, calificación de cada empleado, satisfacción laboral, participación en programas de capacitación, datos demográficos, entre otros.
En un modelo de datos típico, las tablas de hechos contienen datos cuantitativos o métricas que se pueden analizar, mientras que las tablas de dimensiones suelen contener descripciones textuales o atributos que se utilizan para filtrar, organizar o describir los datos de las tablas de hechos.
Un modelo de datos para realizar un análisis de Attrition podría estar conformado por las siguientes tablas dimensionales y de hechos:
Tablas Dimensionales:- Dimension_Empleado:
- ID_Empleado (Clave primaria)
- Nombre
- Apellido
- Género
- Fecha de nacimiento
- Fecha de ingreso
- Educación
- ID_Rol (Clave Foránea)
- Salario
- ID_Departamento (Clave Foránea)
- Dirección
- Ciudad
- Estado
- Código postal
- Teléfono
- Dimension_Departamento:
- ID_Departamento (Clave primaria)
- Nombre del Departamento
- Ubicación
- Manager
- Dimension_Tiempo:
- ID_Fecha (Clave primaria)
- Fecha
- Año
- Mes
- Trimestre
- Día de la semana
- Dimension_Rol:
- ID_Rol (Clave primaria)
- Título del Puesto
- Nivel de Puesto
- Descripción del Puesto
- Hecho_Attrition:
- PK: ID_Attrition (Identificador único del registro de attrition)
- Fecha_Salida
- Tipo_Salida (Voluntaria, Desvinculación, etc.)
- Causa_Salida
- Métricas_específicas_attrition
- ID_Empleado (FK a DimEmpleado)
- Hecho_Rendimiento:
- ID_Empleado (Clave foránea a DimEmpleado)
- ID_Tiempo (Clave foránea a DimTiempo)
- Evaluación de Desempeño
- Horas de Trabajo
- Número de Proyectos
- Hecho_Beneficios:
- ID_Empleado (Clave foránea a DimEmpleado)
- ID_Tiempo (Clave foránea a DimTiempo)
- Tipo de Beneficio
- Costo del Beneficio
Las claves primarias (PK) son identificadores únicos para cada registro en una tabla, mientras que las claves foráneas (FK) establecen relaciones con las claves primarias de otras tablas, formando un modelo de datos que nos posibilitará un análisis global de los colaboradores y sus interacciones con la empresa, facilitando la identificación de patrones, tendencias, métricas de rotación estacional, factores comunes que llevan a la insatisfacción laboral, identificación de colaboradores de alto riesgo y áreas clave para la implementación efectiva de estrategias de retención y la mejora del ambiente laboral, entre otros.
Con la elección correcta de KPIs y de visualizaciones acordes, obtendremos respuestas a preguntas como:
- ¿Hay algún patrón relacionado entre el salario, el departamento, o el clima laboral?
- ¿Hay relación directa entre el género, edad o nivel de educación?
- ¿Hay meses o épocas del año con mayores salidas?
- ¿Existen cambios significativos en la tasa de attrition a lo largo de los años?
- ¿Cuáles son los perfiles con mayor recambio?
- ¿Hay patrones comunes entre aquellos que deciden irse voluntariamente?
Para responder algunas de estas preguntas podríamos crear algunas de las siguientes visualizaciones:
-
Comparación de attrition por departamento o área: Un gráfico de barras o un gráfico circular sería
útil para comparar las tasas de attrition entre diferentes departamentos o áreas. Esto ayudará a
identificar qué áreas podrían estar experimentando una mayor rotación, lo que podría indicar
problemas de gestión relacionados con el liderazgo o la cultura organizacional de determinada área.
- Tendencias de attrition a lo largo del tiempo: Un gráfico de línea o un gráfico de área podrían ser ideales para representar la evolución de las salidas de colaboradores a lo largo de los meses o años. Esto permitirá identificar patrones estacionales o tendencias a lo largo del tiempo.
-
Distribución de attrition por Nivel de Educación: Un gráfico de barras o un gráfico de dona podría
representar perfiles academicos que abandonan la empresa. Esto daría una idea del perfil a evaluar a
la hora de una búsqueda para cubrir un puesto o ofrecer capacitaciones y estimulos de crecimiento.
- Attrition vs. Evaluación de Desempeño: Un diagrama de dispersión podría ser útil para visualizar si existe alguna correlación entre las evaluaciones de desempeño y las salidas de colaboradores. Un patrón claro podría indicar si los colaboradores con ciertas puntuaciones de evaluación tienen más probabilidades de irse.
-
Attrition y Beneficios por empleado: Gráficos de barras agrupadas o gráficos de líneas podrían
ilustrar cómo los diferentes factoes que podrían estar relacionados con la rotación de personal.
Esto permitirá ver si la disponibilidad o el tipo de beneficios influyen en la retención de
colaboradores.
Estos son algunos ejemplos de visualizaciones que pueden ayudar a revelar patrones, correlaciones y relaciones clave dentro de los datos. La elección específica del gráfico dependerá de los datos disponibles, los objetivos analíticos y las preguntas que buscas responder sobre el attrition en tu organización.
Hasta acá llego nuestro artículo sobre Attrition. Esperamos te haya sido de utilidad.
Te puede interesar
