TALENT ANALYTICS P-CHAIN WORK-FORCE LIFE CYCLE HUMAN ... · 2.2. asignaciÓn de la fuerza de trabajo 2.3. sistema de informaciÓn 3. planning short term work force activities 3.1

HUMAN RESOURCES ADVANCED ANALYTICS

TALENT ANALYTICSWORK-FORCE LIFE CYCLEHUMAN RESOURCES TIME-TABLES DYNAMIC WORK-FORCE SCHEDULINGWORK-FORCE TRAINING OPTIMIZATION MOBIL WORK-FORCE PLANNING AND SCHEDULINGWORK FLOW PROCESS & PAYROLL OPTIMIZATION DYNAMIC SCHEDULING OF WORKING TEAMS/CREWS AGGREGATE PLANNING OF PRODUCTION & HUMAN RESOURCES

OPCHAIN-HRA


Ing. Jesus Velásquez-Bermúdez, Dr. Eng.

Chief Scientist

DecisionWare & DO Analytics [email protected]

Bogotá, April 2019

P-CHAINOPTIMIZING THE VALUE CHAIN

mailto:[email protected]

OPCHAIN-HRA - HUMAN RESOURCES ADVANCED ANALYTICS

2

ÍNDICE

1. ADVANCED ANALYTICS

1.1. ADVANCED ANALYTICS FRAMEWORK

1.2. OPCHAIN-SAAM – A COGNITIVE ROBOT

1.3. HUMAN RESOURCES ANALYTICS

2. WORKFORCE/PAYROLL OPTIMIZATION

2.1. OPTIMIZACIÓN DEL TAMAÑO DE LA FUERZA DE TRABAJO

2.2. ASIGNACIÓN DE LA FUERZA DE TRABAJO

2.3. SISTEMA DE INFORMACIÓN

3. PLANNING SHORT TERM WORK FORCE ACTIVITIES

3.1. VIA S&OP PLANNING MODEL

3.2. VIA FUNCIONES DE PRODUCCIÓN

4. MOBIL WORKFORCE PLANNING AND SCHEDULING

4.1. STATIC SCHEDULING OF MOBILE WORKFORCE

4.2. DYNAMIC SCHEDULING OF WORKING TEAMS/CREWS

4.3. HUMAN RESOURCES TIME-TABLES

4.4. WORKFORCE TRAINING

5. WORK-FORCE LIFE CYCLE

5.1. WORK-FORCE LIFE CYCLE IDENTIFICATION

5.2. WORK-FORCE LIFE CYCLE MANAGEMENT

6. TALENT ANALYTICS


3

OPCHAIN-HRA


1. ADVANCED ANALYTICS

1.1. ADVANCED ANALYTICS FRAMEWORK

Desde la publicación del libro "Compitiendo en Analytics", escrito por Tomas Davenport, las aplicaciones

relacionadas con la Investigación de Operaciones, Minería de Datos, Inteligencia Artificial y el Modelaje Probabilístico se han integrado bajo un nuevo nombre: Advanced Analytics (AA), que considera tres

tipos de análisis: descriptivos, predictivos y prescriptivos. En la siguiente imagen presenta el concepto

dado por IBM para los tipos de aplicaciones de AA, en ella se puede notar que todas las aplicaciones relacionadas con la analítica avanzada están relacionadas con lo que anteriormente se denominaba

Investigacion de Operaciones (Operations Research).

1.2. OPCHAIN-SAAM – A COGNITIVE ROBOT

OPCHAIN-SAAM (Stochastic Advanced Analytics Modelling) es un conjunto de modelos (“suite”)

desarrollados DW para soportar aplicaciones de “Predictive Advanced Analytics” en: i) Empresas de consultoría y de producción de software científico,

ii) Departamentos de Analítica y Big Data en las grandes empresas

iii) Aplicaciones de Analítica Avanzada Predictiva en PYMEs en la nube.


4

OPCHAIN-SAAM complementa los servicios ofrecidos por OPTEX Expert Optimization System

(OPTEX) para desarrollar modelos de Analítica Avanzada Prescriptiva integrándolos con modelos genéricos de Analítica Avanzada Predictiva.

Como robot cognitivo OPCHAIN-SAAM: ▪ Tiene una base de datos de modelos de análisis prescriptivo avanzado

▪ Facilita al profesional de Advanced Analytics para incluir nuevos modelos ▪ Carga la base de datos de nuevos modelo de las plantillas de MS Word, MS-Excel y/o CSV archivos

▪ Integra los nuevos modelos con los viejos modelos por medio de una base de datos

▪ Escribe los algoritmos en múltiples lenguajes de computación ▪ Escribe algoritmos utilizando múltiples metodologías matemáticas

▪ Integra modelos en un nuevo algoritmo en un programa de computadora ▪ Genera el modelo de metadatos del sistema de información

▪ Genera automáticamente la interfaz de usuario para consultar los datos del usuario final

▪ Integra múltiples algoritmos para un proceso de análisis avanzado ▪ Genera la conectividad SQL automática a las bases de datos del usuario

Adicionalmente permite generar modelos de optimización matemática específicos para el cliente usuario

de SAAM.

1.3. HUMAN RESOURCES ANALYTICS

Human Resource Analytics (HRA) es un área en el campo de la Analítica Avanzada que se refiere a la

aplicación de procesos analíticos y de optimización para la Vicepresidencia, o para el Departamento, de Recursos Humanos de una organización, con la finalidad de mejorar el desempeño de los empleados

y, por lo tanto, obtener un mejor retorno sobre inversión y un mayor confort de los recursos humanos.

HRA no sólo trata de recopilar datos sobre la eficiencia del empleado; su objetivo es proporcionar la

penetración en cada proceso de recopilación de datos y luego usarlo para tomar decisiones pertinentes sobre cómo mejorar estos procesos.

2. WORKFORCE/PAYROLL OPTIMIZATION)

WorkForce Optimization (WFO) es un modelo desarrollado por DW, para una empresa de consultoría en el área de recursos humanos, orientado a establecer la nómina/”payrooll” óptimo de una empresa.

Resuelve las siguientes preguntas: ▪ Cuantas personas debe tener la empresa para llevar a cabo sus actividades; discriminadas por sitio

y por departamento/división.

▪ Cuales personas de la nómina actual deben mantenerse y cuales deben despedirse.

La solución a este problema se obtiene mediante modelos de optimización (programación matemática),

las entidades incluidas en el modelo se presentan a continuación:


5

Estructura Básica

Concepto Descripción Ejemplo

Organización División estructural administrativa. Banco

Departamento Divisiones administrativas que se encuentran en la organización Tesorería

Sitio Lugares físicos en los que se encuentra ubicada la empresa. Monterrey CDMX Santa Fe

Procesos Un conjunto de actividades lógicamente interrelacionadas que se realizan sobre unos insumos, con el propósito de agregarles valor para satisfacer las necesidades de los clientes.

Pago Proveedores

Actividades Cada actividad consta de un determinado número de tareas. Normalmente, estas tareas están a cargo de un individuo o de grupos pequeños. Ellos se encargan de la visión más pequeña del proceso.

Desembolso de pagos

Tareas Una tarea corresponde a un movimiento necesario para la ejecución de una actividad en particular.

Firmar Cheques

Acción Es el puente entre las actividades y los cargos, determinan la cantidad de personas que interviene en las tareas que se deben realizar para realizar la actividad.

Firmador de Cheques

Cargo/Rol Unidad impersonal de trabajo que identifica las actividades específicas, por medio del cual se asignan los roles a un empleado, cada puesto implica el registro de las aptitudes, habilidades, preparación y experiencia de quien lo ocupa.

Tesorero Cajero

Persona Ser humano con identidad propia (Nombre e identificación) Juan Carlos Velandia

Atributo Dimensión de caracterización de los requisitos de un cargo o de las características de una persona.

Sexo

Valor Atributo Valores que puede tomar un atributo. Mujer, Hombre

La determinación de la fuerza de trabajo se define de acuerdo con el siguiente proceso 1. El nivel de actividad (una medida del nivel de producción) afecta a la organización por medio de

actividades que se deben realizar en todos los sitios, distribuidos en múltiples lugares, donde opera

la organización la cual está compuesta por múltiples departamentos. 2. Los departamentos demandan procesos que se deben realizar para cumplir con el nivel de actividad

de la organización. 3. El flujo de trabajo (workflow) se determina como:

▪ Demanda de procesos

▪ Procesos que están integrados por actividades ▪ Actividades que definen tareas

▪ Actividades que determinan acciones para cumplir con las tareas 4. Acciones que pueden ser realizadas por múltiples personas que están asociadas a cargos al interior

de la organización

Operaciones

Procesos

Actividades

Acciones

Personas

5. Los cargos deben cumplir con un perfil del cargo, que puede contratarse en el mercado laboral de

acuerdo con un costo estándar de referencia.


6

6. Las personas que están en la organización se caracterizan, cada una de ellas, por un perfil de la

persona que le permites asociarse a un perfil de cargos que puede realizar.

Tareas Actividades

Ubicación Geográfica

Sitios

Organización AdministrativaDepartamentos

Perfil Cargo

Cargos

Tiempo Consumido

Costos Reales

Demanda Procesos

ORGANIZACION

Procesos

WORKFLOW

Acciones

CATALOGO CARGOS

Personas

Perfil Personas

NOMINA ACTUAL

Cargos

MERCADO LABORALCostos

Estándar

Nivel deActividad

WORKFORCE ASSIGNMENT TO PROJECTS - PAYROLL OPTIMIZATION

El proceso de determinar la nómina óptima (payroll), implica la coordinación de dos modelos principales:

1. Optimización del Tamaño de la Fuerza de Trabajo (OFT): El objetivo del modelo OFT es definir

óptimamente la demanda de cargos que se requieren para cumplir con el nivel de actividad

(operaciones, producción) de cada departamento (filial/división,…) teniendo como referencia el flujo del trabajo y los costos estándar de referencia de los diferentes perfiles de cargos disponibles

en el mercado laboral. 2. Asignación de la Fuerza de Trabajo (AFT) determina para cada persona perteneciente a la

organización si se debe mantener en la organización y, si se mantiene el cargo y el sitio en que

debe ser ubicada. La conectividad de AFT implica que la nómina optima de referencia es una dato de entrada para definir la nómina definitiva.

A continuación, se presentan de manera “semidetallada” la estructura matemática de los dos modelos

principales

2.1. OPTIMIZACIÓN DEL TAMAÑO DE LA FUERZA DE TRABAJO

El objetivo del modelo Optimización del Tamaño de la Fuerza de Trabajo (OFT) es definir óptimamente

la demanda de cargos que se requieren para cumplir con el nivel de operaciones (producción) de cada departamento (filial, división,…) de acuerdo con el nivel de actividad de la organización. Estos cargos

se encuentran especificados de acuerdo con el catálogo de cargos y se deben asignar por

departamento, teniendo como hipótesis que lo “ideal” es que una persona solo ejerce un cargo en un departamento, y solo puede realizar actividades en dicho departamento.

En términos generales el modelo de optimización de la fuerza de trabajo debe establecer el balance

entre demanda de acciones por departamento y la asignación de cargos para ejecutar dichas acciones,

teniendo como referencia minimizar el costo de la nómina bajo las condiciones del mercado laboral.

La demanda de procesos de un departamento (DTPRd,p) se considera conformada por dos partes: ▪ Demanda básica (DBPR,p,d), independiente del nivel de actividad

▪ Demanda variable (DUPRd,p NADEd) , dependiente del nivel de actividad

A partir de la demanda de procesos es posible calcular la demanda de actividades (DTACd,a) y la

demanda de acciones (DTROd,r).


7

Nivel deOperación

NADEd

Ubicación GeográficaSitios

(s)

Organización AdministrativaDepartamentos

(d)

Demanda de Procesos

DTPRd,p= DUPRd,p NADEd + DEPRd,p

ORGANIZACIÓN

Actividades(a)

Procesos(p)

WORKFLOW

Acciones(r)

Demanda de Actividades

DTACd,a = SpPRA(a) DTPRd,p ACPRp,a

Demanda de AccionesDTROd,r = SaARO(r) DTACd,a ROACr,a

Por otro lado, el problema se concentra en determinar la cantidad de cargos asignados por departamento, y la asignación correspondiente de cargos a acciones (NDSc,d) de forma tal de satisfacer

la demanda de acciones (CROd,r,c,). La asignación debe respetar las siguientes restricciones: i) Tiempo

consumido, ii) Personas asignadas, y iii) Cargos contratados previamente, que no serán sujetos de optimización (permanecen fijos antes y después de la optimización (NPCOc,d)

Cargos(c)

Acciones(r)

CATALOGO CARGOS

Cargos por Departamento

NDSd,c

BALANCE CARGOS – ACCIONESPOR DEPARTAMENTO

Tiempo Consumido (TEROr,c)Costos Estándar

Tiempo Disponible(NPCOd,c+NDSd,c) TMESd,c ≥ SrROC(c)TEROr,c CROd,r,c

Personal DisponibleScCRO(r) CRO d,r,c≥ DTROd,r NROLr,c

Asignación Cargos-AccionesCRO d,r,c

Cargos(c)

NOMINA ACTUAL

Personas Contratadas Previamente

NPCOd,c

NÓMINA ÓPTIMADiferencia

Nomina Actual - Nomina Óptima NDSd,c - CROd,r,c

OFT debe tener en cuenta: ▪ Distribución geográfica de la organización

▪ Organigrama de departamentos/áreas de la organización ▪ Nivel de operaciones de los departamentos (nivel de productividad)

▪ Demanda de procesos por nivel de operación

▪ Formulación de los procesos en términos de actividades ▪ Formulación de las actividades en términos de acciones

▪ Relación de las acciones con los cargos y con los tiempos consumidos ▪ Catálogo de los cargos con que cuenta la organización.

Se debe tener en cuenta que el proceso de determinar la nómina óptima corresponde a un problema multi-criterio en el que los criterios de que es lo “mejor” están enfrentados. Por un lado, una nómina

de bajo costo conlleva altos niveles de fragmentación de personas en múltiples departamentos y de


8

actividades en múltiples personas; si minimiza la fragmentación entonces se aumenta el número de

personas, lo que aumenta el costo de la nómina.

La organización debe pagar por el recurso humano en dos formas:

▪ Costos directos, salarios y todos los costos relacionados, y ▪ Costos indirectos, se derivan de la fragmentación de personas que realizan actividades en

múltiples departamentos y de fragmentación de actividades en múltiples personas, lo va en contra de: i) la especialización, o sea del aumento de productividad (eficiencia y control), y el ii) confort

de los empleados

El punto de equilibrio es el resultado de las políticas que la organización en la toma de las decisiones de estructuración de la nómina (payrroll).

Existen dos soluciones que definen los puntos extremos de una Frontera Pareto Eficiente que

relaciona costos directos de la nómina con el índice de fragmentación:

▪ En un punto extremo se minimiza el costo de la nómina, ▪ En el otro extremo se maximiza (o minimiza) un indicador de la fragmentación total.

La siguiente gráfica presenta el caso en el que el indicador de fragmentación es igual a 1 cuando no existe fragmentación.

COSTO

MÁXIMO

ÍNDICE

FRAGMENTACIÓN

COSTO

NOMINA

+SOLUCIÓN

INEFICIENTE

FRONTERA

EFICIENTE

1

COSTO

MÍNIMO

SOLUCIÓNES

DOMINANTES

SOLUCIÓN IDEAL

NO FACTIBLE

FRONTERA EFICIENTECOSTO NÓMINA VERSUS FRAGMENTACIÓN

Los indicadores de fragmentación más utilizados son:

▪ FTEQ (Full Time Equivalent) corresponde a un indicador que explica cuanto es la cantidad

mínima de personas que se necesitan para realizar una actividad a (o un proceso, o un macroproceso). FTEQa corresponde a un dato de entrada que se puede calcular con base en un

modelo matemático cuyo objetivo es minimizar la cantidad de personas/roles involucradas en una actividad.

▪ Índice de Fragmentación (IFR) es un indicador el cual muestra que tan concentradas están las

funciones de las personas que participan en el proceso, es decir cuantas están dedicadas a cada

actividad. La fragmentación es el resultado de la división entre

1 ≥ IFRa = FTEQa/NPAa

donde NPAa representa la cantidad de personas que participan en la actividad

FTEQa ≤ NPAa

1 ≥ NPAa IFRa = FTEQa


9

La expresión que define el índice de fragmentación es una expresión no-lineal, cuadrática que complica

el problema de optimización, cuando se requiere que el índice de fragmentación sea tenido en cuenta directamente en el modelamiento matemático. Una alternativa es acotar la fragmentación de las

actividades en los diferentes departamento y/o sitios y/o actividades, fijando exógenamente un valor

máximo (IFMXa) para el índice, manteniendo el problema como uno de programación lineal.

IFMXa ≥ FTEQa / NPAa

NPAa IFMXa ≥ FTEQa

Como ya se indicó el proceso de determinar la nómina óptima implica la coordinación de varios modelos:

▪ OFT-S: Orientado a optimizar la nómina por sitio, permitiendo la fragmentación de cargos en los diferentes departamentos

▪ OFT-D: Orientado a optimizar la nómina por departamento, eliminando la fragmentación de cargos

en los diferentes departamentos ▪ MFRD: Minimización de la fragmentación de la nómina a nivel de cargos en los departamentos,

aplica cuando se ha utilizado OFT-S. ▪ MFRA: Minimización de la fragmentación de la nómina a nivel de las actividades

MOFT-SOptimización de laFuerza de Trabajo

Por Sitio

MAFTAsignación de la

Fuerza de Trabajo

Nómina Óptima (Cargos)

AsignaciónCargos <-> Personas

Niveles de Actividad

Procesos

Cargos

Costos

Tiempos

Nómina Real(Personas)

PLANIFICACIÓNESTRATÉGICA

PLANIFICACIÓNTÁCTICA

Mercado Laboral

MOFT-DOptimización de la

Fuerza de Trabajo porDepartamento

MFRDMinimización

FragmentaciónDepartamentos MFRA

MinimizaciónFragmentación

Actividades

OPCHAIN-WFO: INTERCONECTIVIDAD MODELOS

Nómina Mínimo CostoMínima Fragmentación x DepartamentoMínima Fragmentación x Actividad

La siguiente imagen presenta resultados para la cantidad de personas por rol y por sitio.

OFT-S:

Personas Requeridas x Rol x Sitio


10

Se debe tener en cuenta que los modelos que integran OFT son del tipo de programación mixta. Para efectos de eficiencia en el análisis, al comienzo del proceso es posible correr versiones lineales para

aproximarse a la solución entera del proceso.

2.2. ASIGNACIÓN DE LA FUERZA DE TRABAJO

EL modelo de Asignación de la Fuerza de Trabajo (AFT) determina para cada persona perteneciente a

la organización:

▪ Si se debe mantener en la organización ▪ Si se mantiene en la organización, el cargo y el sitio en que debe ser ubicada

Adicionalmente para cada cargo vacante, en cada sitio, determina:

▪ Las personas que deben ejercer dicho cargo

▪ El total de personas que se deben contratar en el mercado laboral ▪ El total de vacantes que se deben mantener, satisfaciendo su demanda con personas contratadas

fuera de nómina.

El modelo AFT genera una configuración óptima de cómo se debe reestructurar el personal dentro de la organización y la contratación de personas en el mercado laboral.

Para este modelo se debe tener en cuenta: ▪ Demanda de cargos por sitio (resultado del modelo OFT).

▪ Atributos requeridos para ocupar los cargos. ▪ Personas actualmente presentes en la nómina de la organización

▪ Atributos de las personas

▪ Costo de despido de las personas ▪ Costo de traslados de las personas

▪ Salario actual de las personas ▪ Ubicación física (sitio) de las personas

▪ Oferta de cargos en el mercado laboral ▪ Costo de contratación de personal

▪ Salarios en el mercado laboral

▪ Costo de dejar vacante un cargo ▪ Relaciones mínimas de contratación entre cargos

▪ Presupuesto disponible para nómina

Perfil Cargo(i,v)

Cargos(c)

NOMINA ÓPTIMA

Personas(e)

Perfil Personas(i,v)

NOMINA ACTUAL

Cargos

MERCADO LABORAL

Demanda de CargosSePCA(c) PECe,c,s+ CONc,s+ NCAc,s= SdDES(s)DECAc,d

Personal Contratado Nomina Actual

PECe,c,s

Personal ContratadoMercado Laboral

CONc,s

Personal Liquidado Nomina Actual

PDEe

Demanda CargosSdDES(s)DECAc,d

Cargos VacantesNCAc,s

Asignación de PersonasScCPE(p) SsSPC(e,c) PECe,c,s+ PDEe= 1

BALANCE CARGOS – CONTRATACIÓNPOR SITIO

AFT: MODELO ASIGNACIÓN FUERZA DE TRABAJO


11

La interacción entre estos dos niveles de planificación, táctico (AFT) y estratégico (OFT) depende

directamente de la nómina óptima, resultado de la fase de optimización de la fuerza de trabajo (OFT-x, MFRx), la cual, teniendo en cuenta el nivel de operaciones establecido para la organización, genera

el listado y la cantidad de cargos necesarios para el cumplimiento de las metas propuestas.

Estos cargos son asignados físicamente, teniendo como referencia la minimización de fragmentación

de personas en múltiples actividades y de actividades en múltiples departamentos. La siguiente imagen, tomada directamente del visualizador de WFO, presenta las decisiones con respecto al personal actual

x sitio: i) 0 – Despedido y ii) 1 – Mantenido

La siguiente imagen presenta dos hojas MS-EXCEL con los siguiente resultados: ▪ Personal Contratado x Sitio

▪ Personal Actual x Cargo

AFT

Personal Contratado x Sitio

AFT

Personal Actual x Cargo


12

2.3. SISTEMA DE INFORMACIÓN

Los datos del sistema de soporte de decisiones WFO se almacenan en un sistema de información

relacional.

ACCIONES

ACCIONES-

CARGOS

ACCIONES-

ACTIVIDAD

DEPARTAMENTOS

DEPARTAMENTOS-

PROCESOS DEPARTAMENTOS-

CARGOS

DEPARTAMENTOS-

PERSONAS

CARGOS/ROLES

CARGOS-

ACCIONES

CARGOS-

PERSONAS

ACTIVIDADES

ACTIVIDADES-

PROCESOS

ACTIVIDADES-

ACTIVIDADES NO CLAVES

ACTIVIDADES-

ACCIONES

3. PLANNING SHORT TERM WORK FORCE ACTIVITIES

Para la planificación agregada de los requerimientos de mano de obra se disponen, al menos, de dos

alternativas: ▪ Modelos matemáticos de planificación agregada del tipo S&OP.

▪ Funciones de producción

3.1. VIA S&OP PLANNING MODEL

El modelo clásico para determinar la composición de la mano de obra de corto plazo es del tipo de

Planificación Agregada de la Producción (Aggregate Production Planning, APP). Para ello se siguen los principios fundamentales establecidos en el libro “Planning Production, Inventories, and Work

Force” escrito por Charlers Holt, Franco Modigliani (Premio Nobel de Economía en 1985), John Muth y Herbert Simon (Premio Nobel de Economía 1978), publicado en 1960. Este trabajo se referenciará como

HMMS Model que resume parte de los trabajos fundamentales (“seminals”) de planificación de la

producción agregada y de prospección (“forecasting”) de ventas, desarrollados en la década de 1950. En la modernidad, dicho trabajo ha dado origen a un importante proceso de negocios conocido como

S&OP, Sales & Operations Planning (S&OP).

Los modelos S&OP se basan en la representación agregada (cada vez más detallada, gracias a la tecnología informática) de cadena de oferta (supply chain) del sistema industrial. En estos modelos se

puede incluir el modelamiento detallado de la mano de obra como uno de los recursos a optimizar en

el modelo matemático.

En el modelo S&OP que se orienta a minimizar los costos de producción, o a maximizar el “revenue”, de la organización. Para esto es necesario proveer información de todos los datos técnicos del sistema

de productos, los cuales se concentran en el consumo de los diferentes tipos de recursos que consume

el sistema industrial y en la cantidad utilizada en el proceso de producción.


13

DEMANDCHAIN

VALUE ADDED CHAIN

SUPPLYCHAIN

Los costos de mano de obra son fundamentales en el problema, principalmente para empresas mano de obra intensivas, por lo tanto, para modelar la mano de obra requiere incluir muchos detalles, como

pueden ser: ▪ Reglamentaciones legales

▪ Tipos de mano de obra ▪ Acuerdos sindicales

▪ Turnos laborables

▪ Costos fijos de turnos normales ▪ Costos hundidos de turnos normales

▪ Horas extras con costo variable ▪ Turnos de horas extras con costo fijo

▪ Costos de enganche de personal (entrenamiento)

▪ Costos directos de despido de personal (indemnizaciones) ▪ Costos de plantilla de supernumerarios (temporales)

Todos los anteriores costos se asociarán a los diferentes tipos de roles en lo que se segmentará la fuerza laboral productiva

La siguiente gráfica presenta varios casos reales de los costos de la mano de obra.

COSTOS DEHORAS TRABAJADAS

COSTOS FIJOSTURNO NORMAL

COSTOS FIJOS TURNO

COSTOS FIJOS TURNO

+COSTOS

VARIABLES

COSTOS HUNDIDOS

TURNO NORMAL

Costo Total

Costo Total

Costo Total

HorasTotales

HorasTotales

HorasTotales

Turno Normal Turno Extra Turno Normal Turno Extra

Turno Normal Turno Extra


14

La siguiente imagen presenta los resultados de un modelo S&OP en el cual se especifican las horas

normales trabajadas en cada línea de producción para cada producto envasado.

La siguiente imagen presenta los resultados para horas ordinarias en la planta de producción y las

horas extras en las líneas de envasado de una cervecería.

Para el lector interesado en conocer más sobre los modelos S&OP se le sugiere consultar:

▪ Advanced Supply Chain Optimization. Traditional & State-of-The-Art Models

https://www.linkedin.com/pulse/supply-chain-optimization-jesus-velasquez/

▪ Enterprise Wide Optimization – Integrated Financial & Industrial Operations Planning

https://www.linkedin.com/pulse/enterprise-wide-optimization-financial-industrial-jesus-velasquez/

https://www.linkedin.com/pulse/supply-chain-optimization-jesus-velasquez/

https://www.linkedin.com/pulse/enterprise-wide-optimization-financial-industrial-jesus-velasquez/


15

3.2. VIA FUNCIONES DE PRODUCCIÓN

Este método es una vía alternativa a los modelos S&OP cuando es complicado formular el modelo por

múltiples razones como la complejidad del modelo que no permitan implementar el modelo S&OP

integrado para una organización.

En economía, la función de producción Cobb-

Douglas (Q), es ampliamente usada para representar las relaciones entre un producto y las

variaciones de los insumos tecnología(T) , trabajo

(W) y capital (K); es aplicable a una economía, un sector productivo, una determinada industria, una

fábrica, … . La siguiente gráfica, tomada de Wikipedia, presenta una típica función Cobb-

Douglas, dependiente de la mano de obra (L) y del capital (K). CAPITAL

($)MANO OBRA

(horas-hombre)

PRODUCCIÓN(Unidades)

L K

Q

La función de los factores de producción (en adelante FP) debe ser en una función de producción

técnico-económicamente razonable, por esa razón se consideran una serie de supuestos que debe satisfacer toda función de producción realista.

Los factores de producción incluyen en casi todos los casos de interés práctico: el capital (K), la fuerza

de trabajo (L) y otros recursos (Ri, tierra, materias primas, recursos naturales, …), estos últimos dependen del tipo de industria que se esté representando. Frecuentemente la FP se simplifica

suponiendo que en muchos sectores sólo interviene el capital y el trabajo, aunque esto puede no ser

adecuado para otros sectores en particular que consumen una cantidad apreciable de otros recursos. En la medida que se ignoran recursos específicos, se espera que el impacto de estos recursos se traslada

al capital.

En ese caso la función de producción FP(K,L,Ri) es una función monótona creciente en las variables

capital (K), trabajo (L) y otros factores de producción (Ri), la producción Q (en unidades económicas o en una unidad de producción de referencia) se define como:

Q = FP(K,L,Ri)

Los supuestos básicos comunes son:

▪ FP(K,L,Ri) = 0 si K × L × Ri = 0 es decir, se asume que sólo es posible obtener algo de producto usando una mínima cantidad de recursos. Esto se puede sustituir limitando el dominio de la función

por un valor mínimo, esto es:

K > Kmin

L > Lmin R > Ri

min

▪ FP’K()>0 , FP’L()>0 , FP’Ri()>0, es decir que las productividades marginales del capital, el

trabajo y los demás recursos son positivas; FP’x() representa la derivada de la función FP() con

respecto a la variable x

▪ FP’’K,K()>0 , FP’’L,L()>0 , FP’’Ri,Ri ()>0,, es decir, las productividades marginales son decrecientes, tal como establece la ley de los rendimientos decrecientes. FP’’x,y() representa la

segunda derivada de la función FP() con respecto a la variable x y a la variable y.

La función FP() puede estimarse por dos vías:

▪ Un método estadístico para identificar las funciones de producción que representen de manera agregada el funcionamiento de la cadena de abastecimiento de la organización a partir de datos

observados.


16

▪ Con base en aproximaciones de FP() obtenidas de un modelo tipo S&OP con base en los planos

cortantes que definen esta función. Para más información de este caso, se invita al lector a consultar The Future: Mathematical Programming 4.0

https://www.linkedin.com/pulse/future-mathematical-programming-jesus-velasquez/

4. MOBIL WORKFORCE PLANNING AND SCHEDULING

Existen muchas industrias en las que buena parte de la fuerza de trabajo debe moverse con alta

frecuencia (horas, días, semanas). En este caso debe diseñarse sistema de soporte de decisiones que

faciliten la planificación y la programación de las fuerzas de trabajo. A continúan se presentarán varios casos típicos.

4.1. STATIC SCHEDULING OF MOBILE WORKFORCE

El problema de gestión de recursos humanos móviles, definido como aquellos que deben desplazarse a diferentes sitios en sus jornadas ordinarias, es bastante frecuente en industrias de tipo comercial

(múltiples puntos de venta); en general la fuerza de trabajo debe relocalizarse en la medida que desplaza (en el tiempo y en el espacio) la demanda de bienes y/o servicios, la cual puede cambiar

estacionalmente con los meses, los días de la semana, los días del mes, … . La su solución a este problema está asociada a resolver las siguientes preguntas:

▪ Cómo operar las sucursales (puntos de atención al público) para maximizar las ganancias de la

organización? ▪ Cómo operar las sucursales para maximizar la calidad del servicio al cliente?

▪ Se debe aumentar o disminuir la planta de personal? ▪ Cómo distribuir óptimamente el personal en las sucursales?

▪ Cuáles funciones debe cumplir cada empleado?

▪ Cómo atender los picos de demanda?

Para este caso, DW ha desarrollado un sistema de soporte de decisiones para la gestión de recursos humanos móviles que está soportado en cinco (5) modelos matemáticos especializados que soportan

a la organización en la toma de decisiones óptimas para la estrategia, la táctica y la operación. Un modelo está orientado al conocimiento del proceso estocástico que rige el comportamiento de la

demanda y cuatro modelos a la planificación de la cadena de oferta (abastecimiento) de productos y/o

servicios. Estos modelos son: ▪ DEM: Caracterización probabilística del comportamiento de la demanda de servicios que deben

atender las sucursales bancarias ▪ LAY: Diseño óptimo de una sucursal, o de un conjuntos sucursales, de acuerdo con la demanda

que debe atender.

▪ PTA: Optimización de la contratación de recursos humanos para el mediano/largo plazo. ▪ POD: Programación de las asignaciones de personal (roles) a las sucursales para atender la

demanda de corto plazo. ▪ APS: Asignación de personas para atender la planificación realizada en el modelo anterior.

4.2. DYNAMIC SCHEDULING OF WORKING TEAMS/CREWS

Este problema se presenta cuando hay que prestar servicios eventuales (aleatorios) con base en equipos de trabajo que deben atender el servicio conjuntamente. Estos servicios pueden ser

programados o eventuales. Ejemplos de estos casos son: 1. Servicios eventuales:

▪ Cuadrillas mantenimiento (redes eléctricas, telecomunicaciones, … )

Un caso de éxito importante está relacionado con British Telecommunications plc (BT) que emplea

a miles de ingenieros de campo en el Reino Unido para mantener redes, reparar fallas y proporcionar servicio a sus clientes. Para asignar el trabajo eficientemente, BT desarrolló el Dynamic Work Force

Scheduler (DWFS), un sistema de información que automatiza las comunicaciones con el campo y la

gestión del trabajo; DWFS está soportado en una combinación de modelos matemáticos. Puesto en marcha en 1997, en 1998 DWFS gestionaba las actividades de 20.000 ingenieros y ahorró USD 150

https://www.linkedin.com/pulse/future-mathematical-programming-jesus-velasquez/


17

millones en costos operativos a BT. En 1998, se pensaba que cuando DWFS se implemente para toda

la fuerza de trabajo (40.000 personas) ahorrará un estimado USD 250 millones al año.

DWFS – DYNAMIC WORK FORCE SCHEDULER

WORK FORCE

DECISIONSUPPORT

INFORMATIONSYSTEM

CONTROL & VISUALIZACIÓNENTRADA

CONTROL & VISUALIZACIÓNSALIDA

DWFSDynamic

Work Force Scheduler

ERP - AMS - TMS

INFORMATIONSYSTEM

Mas información se encuentra en los siguiente papers:

▪ “Dynamic Workforce Scheduling for British Telecommunications plc”. Lesaint, D.; Voudouris, C. and Azarmi, N.. January 2000 Interfaces 30(1):45-56

▪ “Engineering Dynamic Scheduler for Work Manager”. Lesaint, D.; Azarmi, N.; Laithwaite,

B.; and Walker, P.. 1998. BT Technology Journal, Vol. 16, No. 3, pp. 16–29.

4.3. HUMAN RESOURCES TIME-TABLES

La planificación de horarios (time-tables) para las actividades de las fuerzas de trabajo es común en

varios tipos de industrias: colegios, universidades, trenes, buses, aerolíneas, … ; la programación debe cumplir con una “gran” cantidad de reglas de negocio. La solución a este problema se basa en modelos

matemáticos que son complejos de resolver dado su carácter combinatorio; ha sido clasificado un problema NP Hard. Esto significa que a medida que las dimensiones del problema aumentan, el tiempo

de solución crece exponencialmente. Sin embargo, la potencia de la informática moderna hace viable

la solución en los computadores y con los algoritmos apropiados.

La experiencia de DW es esta área se basa en el diseño y la implementación de time-tabling para el sector educativo (OPCHAIN-EDO-OHA, en adelante simplemente OHA). A continuación se describe

la estructuración de los modelos para el sector educativo: colegios y universidades.


18

El objetivo es generar una propuesta de horarios óptimos asociados a las entidades centrales del

proceso de programación de clases: profesores, estudiantes, equipos y espacios. La optimalidad de este proceso será definida por el criterio o los criterios, y los “trade off” entre objetivos que se pueden

se pueden clasificar en uno de los siguientes:

1. Económico, busca la asignación óptima de los recursos físicos, esto es: i) Utilizar el menor número de espacios,

ii) Maximizar la carga académica asignada a los profesores de planta, y iii) Utilizar el menor número de profesores catedráticos.

2. Servicio al cliente, busca garantizar la calidad de vida de los estudiantes y de los profesores;

esto se logra por medio de: i) Minimizar la distancia/tiempo gastado por los alumnos y/o por los profesores dentro de los

edificios de las sedes, ii) Aumentar el número de cursos programados para atender requerimientos especiales de los

profesores y/o de los alumnos

El timetabling centrado en la programación de cursos tiene dos versiones:

▪ PostEnrolment Base Course Problem (PE-BCP): los estudiantes determinan que cursos desean tomar para el siguiente periodo académico mientras

▪ Curriculum Base Course Problem (CB-BCP): el conjunto de materias es predefinido por un plan de estudios que determina una serie de materias que el alumno debe tomar.

La versión que se considera en este documento es la CB-BCP.

Para el modelamiento se dividen las restricciones en dos grupo:

i) Core: leyes físicas que se deben cumplir en cualquier caso ii) Reglas del negocio: reglas impuestas por la institución educativa que pueden o no cumplirse

Las reglas se pueden vincular a cursos de acuerdo con su cubrimiento, en lo geográfico y en lo

académico.

Dada la flexibilidad de OPTEX para ensamblar problemas que comparten de manera diferente un grupo de restricciones comunes, los modelos matemáticos se conciben como compuesto por dos capas de

restricciones: las “core”, que son necesarias para representar el sistema académico básico, y no se pueden excluir del modelo matemático; la segunda capa estará compuestas por las restricciones

asociadas a las reglas, las cuales pueden manejarse como restricciones duras (hard rules) o como

restricciones blandas (soft rules).

CORECONSTRAINTS

LEYES FÍSICAS

REGLA1

REGLA2

REGLAn

REGLA…

REGLANR

REGLANR-1

REGLAn+1

REGLA…

ETAPA 2ETAPA 1

CORECONSTRAINTS

LEYES FÍSICAS

ETAPAS DE MODELAMIENTO Y OPTIMIZACIÓN

Teniendo en cuenta que el problema CB-BCP está integrado por dos tipos de restricciones, fuertes

(hard) y blandas (soft), se considera conveniente asumir una estrategia de solución de tres fases:


19

1. Fase 1: se resuelve el problema con las restricciones del modelo “core”. Si no se consigue la

factibilidad en la Fase 1, se debe proceder al análisis de factibilidad detallado, ya que debe existir una solución factible al core del modelo

2. Fase 2: se procede a incluir las restricciones asociadas a las hard rules.

3. Fase 3: Si se consigue la factibilidad en la Fase 2, se procede a incluir las restricciones asociadas a las soft rules; este proceso puede realizarse incluyendo en orden de prioridad una a una cada

restricción blanda, de forma de generar múltiples fases. Ese enfoque, ha sido implementado por DW y facilita la solución de los algoritmos de time-tabling.

GDzth - SuTN(z) LDuzth = 0

GDzth + GHAzth + DEFzth = DEMzth

ENuth - SjL1(u) GTEjuth - SvL2(u) LLvuth = 0

PRE-PROCESSING




POST-PROCESSING

Min St Sj Sh CTt(GTjth)

sujeto a:



ENuth - SjL1(u) GTEjuth

- SvL2(u) LLvuth = 0

Sets & ParametersRead

Sets & ParametersRead & Pre-Calculated

Primal & DualVariables

Sets & ParametersRead & Pre-Calculated

Sets & ParametersPre & Post Calculated


FEASIBLE ?


sujeto a:





YESNO


sujeto a:



ENuth - SjL1(u) GTEjuth

- SvL2(u) LLvuth = 0

FEASIBLE ?

FEASIBLE ?YES

YES

COMMON

DATA MODEL

OPTIMIZATIONINFORMATION

SYSTEM

Más información solicitarla a [email protected]

4.4. WORKFORCE TRAINING

El entrenamiento es una tarea clave para asegurar que los empleados permanecen a un nivel de

productividad requisito indispensable para el logro de los objetivos de la organización.

Sin embargo, el entrenamiento es una inversión muy costosa.

Por lo tanto, los recursos asignados a la formación deben utilizarse óptimamente para equilibrar los

recursos disponibles con los objetivos que se buscan.

Para presentar el concepto, a continuación se analiza un modelo matemático para apoyar una decisión de entrenamiento típico donde la gerencia debe decidir sobre la asignación de empleados en diversos

niveles de la organización a diversos programas de formación; esta decisión debe hacerse con una interrupción mínima de las operaciones de la organización mientras se asegura que los diferentes tipos

de empleados se asignan a programas de capacitación relacionados con sus puestos de trabajo.

Además, hay límites en i) la capacidad de las instalaciones y ii) en el número de instructores, que limita el número de cursos que se pueden ofrecer en cualquier semana del año. La solución es un modelo de

programación lineal que determinar el la elección óptima de alumnos de cada departamento y la asignación óptima de estos alumnos a los diferentes cursos.

A continuación se presenta un modelo simple/sencillo/académico que considera M empleados m elegibles para capacitación; además, hay C cursos c que están disponibles para planes de formación.

La gerencia debe decidir cuántos empleados debe asignar a cualquiera de los cursos de formación en cada semana w del año. La decisión se representa con la variable binaria ALUm,c,w que es igual a 1 si

el empleado m es asignado al curso c durante la semana w, y 0 en caso contrario, ALUm,c,w{0,1}.

Las restricciones modelo son:

mailto:[email protected]


20

▪ Capacidad de la clase determinada por MAXCAPc,w que representa la máxima cantidad de alumnos

en el curso c en la semana w

Sm=[1,M] ALUm,c,w ≤ MAXCAPc,w ; c = [1,C] ; w = [1, 52]

▪ Máxima cantidad de cursos que puede tomar el alumno m durante la semana w, determinada por MAXWEEKm,w (este valor debe ser 0 o 1)

Sc=[1,C] ALUm,c,w ≤ MAXWEEKm,w ; m = [1,M] ; w = [1, 52]

▪ Mínima cantidad de cursos c que debe tomar el alumno m durante la semana w, determinada

por MINCURm,w

Sw=[1,52] ALUm,c,w ≥ MINCURm,w; m = [1,M] ; c = [1, C]

▪ Un curso solo puede ser tomado una vez por el alumno m

Sw=[1,52] ALUm,c,w ≤ 1; m = [1,M] ; c = [1, C]

Determinar el programa de formación puede ser un tema complicado en la gestión de asignación de programas de formación. En algunos casos, el problema simplemente podría ser minimizar el costo

total del programa. Sin embargo, en este caso, los cursos de capacitación ya decididos así como los recursos necesarios para el funcionamiento de los cursos. La pregunta es cómo asegurar que la

asignación de los empleados a los cursos produce mejoras en las operaciones de la organización. En

este caso, la función objetivo va a ser maximizar la suma de los beneficios esperados, BENm,c, para la empresa si el empleado m toma curso c.

Min z = Sm=[1,M] Sc=[1,C] Sw=[1,52] BENm,c ALUm,c,w

Los modelos de “training” aplicados a casos reales pueden llegar a ser muy complejos e integrarlos con

los modelos de planificación tipo S&OP principalmente en lo que se refiere a las nómina vinculada a actividades productivas que deben planificarse con anterioridad para la clasificación de los diferentes

de trabajadores que están disponibles en la medida que se van capacitando, garantizar la asignación apropiada a las labores realizadas.

5. WORK-FORCE LIFE CYCLE

El proceso Work-Force Life Cycle (WFLC) está orientado a establecer la características que definen el comportamiento de la fuerza laboral, a lo largo de su estadía en la empresa. La idea central es utilizar

metodologías de analítica predictiva para segmentar la fuerza de trabajo en grupos que son estudiados

y caracterizados individualmente, para gestionar la relación de la empresa con el empleado.

WFLC resuelve las siguientes preguntas: ▪ Cuáles son las características principales que se deben tener en cuenta en el momento de

contratación de un empleado ?. ▪ Como va cambiando el comportamiento del empleado a lo largo de su estadía en la empresa ?.

Lo anterior sirve de insumo para determinar políticas óptimas de contratación y para estimar el “valor

económico” de un empleado para la organización.

WFLC se realiza por medio de metodologías analíticas para clasificar los diferentes tipos de patrones de empleados a partir de sus características personales/sociales/económicas/técnicas. El objetivo es:

▪ Definir y reconocer patrones de comportamiento a partir de una muestra histórica de las

experiencias vividas en la organización, u en otras organizaciones similares; ▪ Determinar el proceso de transiciones de estado de los empleados a lo largo de su vida en la

organización; y ▪ Determinar las acciones que puede realizar la empresa para influir en ciclo de vida del empleado

de tal forma de maximizar su beneficio económico y el del empleado.


21

Las metodologías analíticas más utilizadas son: 1. Machine Learning

2. Inteligencia Artificial *redes neuronales y lógica difusa)

3. Métodos estadísticos de clasificación 4. Métodos analíticos de agrupación

5. Data Mining 6. Procesos Markovianos

7. Optimización de Procesos Markovianos (Markov Chain Decision Process)

Este proceso es propio de la Analítica Avanzada Predictiva, soportada en las siguientes metodologías

matemáticas: Machine Learning, Artificial Neural Nets y Advanced Probabilistic Models. Para más información se invita al lector a consultar:

▪ Stochastic Advanced Analytics Modeling - OPCHAIN-SAAM

https://www.linkedin.com/pulse/stochastic-advanced-analytics-modeling-opchain-saam-jesus-velasquez/

A continuación se describe brevemente la aplicación de las metodologías de la Analítica Avanzada

Predictiva para apoyar la gestión del personal la organización, la cual en términos generales dos etapas: ▪ Identificación del comportamiento de los empleados

▪ Gestión de personal de la organización.

5.1. WORK-FORCE LIFE CYCLE IDENTIFICATION

La metodología se centra en el modelamiento Markoviano del sistema, para ello se identifican los

potenciales estados en que se puede encontrar un empleado en un periodo t y las probabilidades de

las transiciones que puede realizar en el período t+1. Por ejemplo, en el diagrama siguiente sistema se han definido dos estados de atrape: 8 se va de la organización por razones personales (renuncia) y

7 es despedido de la organización. En los restantes estados el empleado se puede mantener en el estado n (1, 2, 3, 4, 5, 6) , puede ser promovido al estado n+1, puede ser despedido (7) o puede

renunciar (8)

STATE TRANSITION DIAGRAM FOR A MARKOV CHAIN MODEL

STATE TRANSITION MATRIX

DESPIDO

RENUNCIA

TRABAJANDO

Los actividades asociadas al proceso son:

1. Obtención y Análisis de las bases de Datos 2. Diseño del Modelo de Metadatos

3. Carga Bases de Datos i) Base datos relacional

ii) Tablas de trabajo tipo panel

4. Modelamiento de analítica avanzada




22

i) Análisis de anomalías (Anomaly Detection)

ii) Análisis de eficiencia operacional (Data Envelopment Analysis, DEA) iii) Definición segmentos/clusters (Clustering)

iv) Identificación de segmentos (Machine Learning, ML)

▪ Support Vector Machine, SVM ▪ Support Vector Regression, SVR,

▪ Advanced Probabilistic Models, APM v) Identificación Matriz de Transición de Estados Markovianos

vi) Modelo de Clasificación de Nuevos Empleados

5.2. WORK-FORCE LIFE CYCLE MANAGEMENT

El anterior proceso genera un modelo estático en el cual la empresa no puede realizar acciones para

cambiar las probabilidades de transición. Para incorporar las decisiones de la empresa, se puede ajustar

la metodología definiendo un Markov Chain Decision Process (MCDP), hoy en día también conocido como aprendizaje reforzado (Reinforcement Learning), que permite incluir la dinámica de las decisiones

de la empresas para gestionar su planta de empleados, en lo que se refiere a los estados en que considera deben estar sus empleados.

Para presentar los MCDP consideremos el diagrama con tres estados (círculos verdes: S0, S1, S2) y

dos acciones/decisiones (círculos naranja: a0, a1), con dos premios (flechas naranjas). Para cada

decisión se tienen probabilidades de transición y remuneraciones diferentes. El objetivo del modelamiento es implementar un modelo que maximiza a corto/largo plazo los beneficios/ganancias

del decisor, lo que implica establecer la decisión optima (a0 o a1), para cada estado Sx en que se encuentre el empleado. Se tendrán tantos procesos markovianos como segmentos/cluster de

empleados se tengan.

Para mayor información se sugiere al lector consultar: ▪ Simulation-Optimization, Markov Chain and Graph Coloring Approaches to Military

Manpower Modeling and Deployment Sourcing, Mark M. Zais, 2014


23

6. TALENT ANALYTICS

Competing on Talent Analytics

by Thomas H. Davenport, Jeanne Harris, and Jeremy Shapiro

Harvard Business Review, October 2010 •

El siguiente texto ha sido extraído y adaptado de Competing on Talent Analytics

Cada vez más, las empresas de vanguardia están adoptando sofisticados métodos de análisis de datos

de los empleados para mejorar su ventaja competitiva. Google, Best Buy, Cisco y otras empresas líderes están empezando a entender exactamente cómo asegurar la más alta productividad, el compromiso y

retención del mejor talento y luego replicar sus éxitos. Si una empresa desea el mejor rendimiento de sus empleados de más alto nivel, que son tal vez su mayor activo y su costo más grande, hará bien en

favorecer la analítica avanzada sobre los instintos de ejecutivos.

Las empresas han aprendido a emplear análisis para seleccionar a los clientes con mayor potencial de

beneficio y a refinar los precios y los promociones para sus segmentos comerciales objetivo. Las empresas han comenzado a ampliar este enfoque a las decisiones relacionado con el manejo de la

fuerza laboral de más alto nivel, utilizando conocimientos derivados de datos para poner los empleados correctos en los puestos de trabajo correctos y creando modelos que calculen la cantidad óptima de

miembros del personal para tratar con los clientes en la recepción y en otros puntos de servicios.

Hoy en día las empresas utilizan Analytics para tomar conciencia y conocimiento de las cosas que

importan más a su personal, sabiendo que empleados más felices y más saludables crean clientes más satisfechos.

Las empresas que usan Advanced Analytics para gestión de sus empleados pueden crear valor tangible, pero deben evitar ciertos errores:

▪ Hacer de la Analítica la excusa para tratar a los seres humanos como “widgets” intercambiables ▪ Mantener una métrica vivo incluso cuando no tiene motivos claros para tenerla

▪ Depender de unos pocos indicadores para evaluar el desempeño de los empleados, permitiendo que empleados inteligentes pueden juar con el sistema

▪ Insistir en tener datos precisos al 100% antes de re realizar un análisis, lo que conlleva a no decidir

▪ Evaluación de empleados solamente en medidas simples tales como grados y puntajes, que a menudo no logran predecir con precisión el éxito

▪ Utilizar Analytics para contratar a personas de nivel inferior pero no hacerlos al evaluar los directivos ▪ No realizar el seguimiento de los cambios en las prioridades de la organización, creando análisis

irrelevantes, a pesar de ser precisos

▪ Omitir aspectos de rendimiento que no pueden traducirse fácilmente en medidas cuantitativas ▪ Análisis solamente de indicadores de eficiencia de recursos humanos, sin observar los efectos de

la gestión del talento en el desempeño de los negocios

Documents

TALENT ANALYTICS P-CHAIN WORK-FORCE LIFE CYCLE HUMAN ... · 2.2. asignaciÓn de la fuerza de trabajo 2.3. sistema de informaciÓn 3. planning short term work force activities 3.1