![man in a business suit](/_next/image?url=https%3A%2F%2Fimages.prismic.io%2Fthedecisionlab%2Fd694bc29-cd50-4d5e-bfa0-8347c497de71_hunters-race-MYbhN8KaaEc-unsplash.jpg%3Fauto%3Dcompress%2Cformat%26rect%3D0%2C0%2C5066%2C3377%26w%3D5066%26h%3D3377&w=3840&q=75)
Desarrollo del talento organizativo: Por qué los datos son clave para maximizar el rendimiento
Los datos triunfan sobre la intuición
En 2002, el director general de los Oakland A's, Billy Beane, cambió para siempre la forma de construir equipos de béisbol. Tras perder a algunas de sus estrellas en la agencia libre y tener apenas una fracción del tope salarial asignado a equipos de primer nivel como los Yankees de Nueva York, Beane se dio cuenta de que si quería montar un equipo de béisbol competitivo, tendría que hacerlo sin talentos de primer nivel.
Su enfoque revolucionó el mundo del béisbol. Se centraba en el uso de datos -métricas cuantitativas del rendimiento de los jugadores- que le permitían descubrir un valor que todos los demás pasaban por alto. Resulta que los datos fríos y concretos son una mejor guía para comprender el valor de un jugador que la intuición de los ojeadores.
Jugar a "Moneyball" organizativo
Esta historia, popularizada en la taquillera película Moneyball, no es muy diferente de la construcción y gestión de una organización: las empresas tienen la tarea de asignar recursos escasos (talento) de una manera que maximice el valor para la empresa. Las organizaciones pueden imitar la estrategia Moneyball de Beane utilizando los datos para asignar mejor el talento al valor, pero no se trata sólo de qué datos se recopilan. Se trata de cómo utilizarlos.
Las organizaciones tienen ahora la capacidad de recopilar datos tan objetivos como las carreras bateadas. Los indicadores clave de rendimiento (KPI) ofrecen una evaluación de alto nivel del éxito de una empresa, y pueden desglosarse en tareas cada vez más discretas que componen el trabajo productivo de una organización. Los datos sobre cada empleado pueden obtenerse a partir de evaluaciones personales o experimentos de comportamiento que permiten conocer con mayor precisión sus preferencias, intereses y atributos.
Cuando se utilizan eficazmente, los datos pueden crear una mejor alineación entre las funciones de la organización y las habilidades e intereses de los empleados, de modo que todos tengan la oportunidad de prosperar.
Promesas y peligros de las decisiones basadas en datos
Cuando se trata de asignar el talento en una organización, un enfoque basado en datos tiene dos ventajas.
- Tomar mejores decisiones de reasignación del talento
Al evaluar con mayor precisión las competencias de los empleados y clarificar las tareas y responsabilidades de un puesto determinado, es más fácil identificar qué empleados son los más adecuados para funciones específicas. - Movilización más rápida del talento organizativo
Las interrupciones en la mano de obra pueden causar escasez en áreas de habilidades clave o en funciones críticas para la misión. Disponer de métricas de rendimiento actualizadas puede poner de relieve el talento interno más adecuado para cubrir una vacante o asumir responsabilidades clave mientras tanto. Y unas prácticas de reasignación más ágiles han demostrado un beneficio probado en el rendimiento empresarial. Un informe de McKinsey descubrió que las organizaciones que reasignaban rápidamente el talento tenían más del doble de probabilidades de superar a sus competidores que las que lo hacían con lentitud.1
![chart showing frequency of talent acquisition review](/_next/image?url=https%3A%2F%2Fimages.prismic.io%2Fthedecisionlab%2Ffbcd4ef3-ec56-4562-9797-a76655ede016_Images%2Bfor%2BInsights%2B%2528May%2B19%2529%2B-%2BF.png%3Fauto%3Dcompress%2Cformat%26rect%3D0%2C0%2C960%2C540%26w%3D960%26h%3D540&w=1920&q=75)
Pero utilizar un enfoque basado en datos conlleva riesgos. Si el proceso de toma de decisiones o los propios datos están sesgados, el enfoque no aportará el valor previsto. Para tomar decisiones acertadas sobre la reasignación del talento es necesario examinar detenidamente los sesgos cognitivos que afectan a nuestro juicio, que pueden ser más sutiles de lo que pensamos.
Un ejemplo ilustrativo: el Principio de Peter
Cuando se trata de asignar el talento dentro de una organización, la sabiduría convencional no siempre es la mejor guía. Tomemos, por ejemplo, el Principio de Peter: postula que en una organización jerárquica cada empleado ascenderá hasta el nivel de su incompetencia.2
La lógica es que un empleado de alto rendimiento será ascendido hasta que se establezca en un puesto subóptimo que no justifique su promoción. Aunque el Principio de Peter se concibió originalmente como un comentario satírico, a muchas empresas les resulta demasiado familiar. Las organizaciones que cometen este error asumen que el empleado con más "talento" o mejor rendimiento es el más adecuado para el ascenso. Esto puede aplicarse en algunos casos, pero cuando un nuevo puesto requiere habilidades y rasgos de personalidad diferentes, el rendimiento del empleado suele resentirse.
Los datos pueden arrojar luz sobre los puntos ciegos de la organización
Los datos no son útiles si alimentan un proceso de toma de decisiones que se basa en suposiciones erróneas. Los datos pueden dar una indicación más precisa de los empleados con mejor rendimiento, pero no siempre son los empleados con mejor rendimiento los mejores candidatos para ascender en la organización.
Para evitar estos puntos ciegos en la toma de decisiones, las empresas pueden aplicar los conocimientos de la ciencia del comportamiento para aprovechar sus datos de forma más eficaz. Para entender mejor los sesgos que influyen en las decisiones de reasignación, es útil desgranar los Principios de Peter con más detalle.
En qué se equivoca el Principio de Peter: el efecto halo
¿Por qué suponemos que el empleado con mejor rendimiento es el más adecuado para un ascenso? Una explicación es el efecto halo, que se produce cuando nuestras percepciones positivas de alguien en un área se aplican erróneamente a otra. El efecto halo puede hacer que el mejor empleado en ventas no sea el mejor director, ni el mejor jugador deportivo el mejor entrenador.
![halo effect illustration](/_next/image?url=https%3A%2F%2Fimages.prismic.io%2Fthedecisionlab%2Fcf66aa99-e19c-4d01-8917-cfbdbfef40f9_unnamed%2B%252813%2529.png%3Fauto%3Dcompress%2Cformat%26rect%3D0%2C0%2C512%2C360%26w%3D512%26h%3D360&w=1080&q=75)
Lo que subyace a este sesgo es la tendencia a atribuir el éxito actual o previsto de una persona a sus características intrínsecas. Pero lo que no tenemos en cuenta es que el rendimiento de una persona -bueno o malo- también depende en gran medida de la situación: el éxito puede tener tanto que ver con el entorno como con la capacidad personal. En otras palabras, el rendimiento de un empleado depende tanto de su talento como de su adecuación al contexto organizativo.
![performance = intrinsic ability x environment](/_next/image?url=https%3A%2F%2Fimages.prismic.io%2Fthedecisionlab%2F4e02485c-b75a-4302-92e8-a1c6fc50786e_Images%2Bfor%2BInsights%2B%2528May%2B19%2529%2B-%2BI.3.png%3Fauto%3Dcompress%2Cformat%26rect%3D0%2C0%2C960%2C540%26w%3D960%26h%3D540&w=1920&q=75)
Esta distinción es crucial porque reconoce que el talento no siempre se refleja en el rendimiento. Puede haber talentos ocultos en una organización que no pueden prosperar en un papel con el que no están alineados o en el que carecen de apoyo.
La clave para los empleadores es utilizar los datos para distinguir las capacidades intrínsecas de los facilitadores del entorno, a fin de comprender mejor en qué aspectos los empleados aportan más valor.
En la práctica: Pasos concretos para ir más allá de la correlación
- Identificar las lagunas en el rendimiento de los empleados
El primer paso para asignar talento a valor es identificar las lagunas en el rendimiento de los empleados. Esto puede medirse mediante KPI y OKR (objetivos y resultados clave) personalizados, que especifican dónde un empleado o equipo tiene dificultades y dónde destaca. Además, los datos generados a partir de las encuestas de opinión de los empleados pueden indicar dónde tienen dificultades y orientar las estrategias de intervención para apoyarles mejor. - Identificar los factores causales
El siguiente paso es utilizar los datos para obtener información sobre los factores causales que subyacen a un déficit de rendimiento. Esto puede hacerse aprovechando los KPI longitudinales y los datos de opinión de los empleados, que pueden procesarse posteriormente mediante modelos de aprendizaje automático para comprender cómo afectan los cambios del entorno a un resultado deseado. Un modelo causal puede responder a preguntas como "¿cómo afecta un cambio drástico en el volumen de trabajo a los niveles de estrés de los empleados?". O "¿cómo se ve afectado el compromiso de los empleados tras implantar un nuevo sistema de gestión?". - Poner en práctica los conocimientos
El objetivo del análisis causal es identificar los factores clave que aumentan o disminuyen el rendimiento de un empleado. Esta información puede utilizarse para adaptar su función y su entorno en consecuencia. Los datos también pueden utilizarse para evaluar y mejorar de forma iterativa las intervenciones que abordan la causa principal de las deficiencias de rendimiento.
Al distinguir entre los factores personales y ambientales que influyen en el rendimiento, las organizaciones pueden tomar decisiones más precisas sobre la reasignación del talento y crear funciones más personalizadas que aprovechen los puntos fuertes de cada empleado.
Asignar talento a valor para vencer el efecto halo
Asignar talento a valor es clave para el éxito de una organización y los datos pueden ser esenciales para que estas decisiones sean más precisas y ágiles. Pero las decisiones basadas en datos siguen siendo propensas a sesgos cognitivos como el efecto halo. Al tener una comprensión más matizada de los factores causales que influyen en el rendimiento, las empresas pueden tomar decisiones más objetivas y basadas en pruebas que maximicen el valor del talento organizativo.
The Decision Lab es una consultoría orientada a la investigación que utiliza la ciencia del comportamiento para promover el bien social. Trabajamos con algunas de las mayores organizaciones del mundo para impulsar el cambio y abordar problemas sociales difíciles. La toma de decisiones basada en datos es clave para eliminar los prejuicios en el lugar de trabajo y aprovechar al máximo el talento con el que ya cuentan las organizaciones. Si quieres que abordemos juntos esta cuestión en tu propio lugar de trabajo, ponte en contacto con nosotros.
References
- Barriere, M., Owens, M., & Pobereskin, S. (2018). Vinculando el talento al valor. McKinsey & Company. Obtenido el 5 de mayo de 2022, del sitio Web: https://www.mckinsey.com/business-functions/people-and-organizational-performance/our-insights/linking-talent-to-value.
- Peter, L. J., y Hull, R. (1970). El principio de Peter. New York: Bantam.
About the Authors
Ryan McPhedrain
Ryan está realizando su doctorado en neurociencia en la Universidad McGill, centrándose en los mecanismos moleculares y celulares de la plasticidad neuronal en el cerebro en desarrollo. Su principal interés es aplicar marcos conductuales para orientar intervenciones que mejoren la salud mental y el bienestar. Defensor acérrimo de las soluciones basadas en datos, trata de aprovechar la ciencia de los datos y las herramientas de aprendizaje automático para mejorar los resultados conductuales en la salud digital y las finanzas. También ha participado en campañas de divulgación científica afiliadas a McGill, haciendo presentaciones sobre temas de neurociencia para estudiantes de secundaria y respondiendo a preguntas de neurociencia de fuentes públicas. En su tiempo libre, Ryan puede disfrutar de un buen libro, practicar varios deportes como hockey, voleibol y tenis, o simplemente perderse en la naturaleza.