Predecir personas es inútil; predecir condiciones es accionable
Los modelos que devuelven una lista de empleados en riesgo generan incomodidad y poca acción. Los que devuelven combinaciones de condiciones —turno, supervisor, distancia al centro de trabajo, antigüedad en el puesto, brecha de compensación contra mercado local, curva de aprendizaje— permiten intervenir sobre la causa y no sobre el síntoma.
Variables que casi siempre explican
En operaciones intensivas en personal, un puñado de variables explica la mayor parte de la varianza.
- Los primeros noventa días: la mayor parte de la rotación se concentra ahí
- Calidad del supervisor directo, medida por rotación de su propio equipo
- Brecha de pago contra el mercado local, no contra el promedio nacional
- Predictibilidad del horario y estabilidad del turno
- Tiempo de traslado y condiciones logísticas del centro de trabajo
Gobierno del dato y del uso
Un modelo de personas exige reglas explícitas: qué variables se excluyen por sesgo o riesgo legal, quién accede al resultado, qué decisiones no puede tomar el modelo por sí solo. Sin ese marco, el proyecto muere en la primera objeción de cumplimiento — con razón.
Del modelo al P&L
La conversión final es económica: costo de reclutamiento, curva de productividad perdida, sobretiempo de cobertura y, en operaciones, disponibilidad de servicio. Cuando el modelo se expresa en esas unidades, deja de ser un proyecto de RRHH y pasa a ser una decisión de negocio.
Qué llevarse
- El valor está en predecir condiciones, no personas.
- El 90-day cliff concentra la mayor parte de la rotación evitable.
- Sin traducción a costo, ningún modelo de personas sobrevive al comité.
Marcos NS y fuentes de referencia
- MIT Sloan Management Review — People analytics practice
- McKinsey — The State of Organizations
- BCG — Predictive workforce analytics
Este artículo desarrolla marcos propios de NS Business Strategy, apoyados en nuestra base de proyectos y en literatura y estudios públicos de la industria, citados arriba. Las cifras son rangos de referencia; cada proyecto se mide con los datos reales del cliente.