Los datos no deciden por nosotros

Un panel de indicadores puede mostrarnos que la rotación subió un 12%. No nos dice por qué, y tampoco si se fueron las personas que más nos costaría reemplazar o las que ya estaban en un plan de salida.

People Analytics es valioso cuando nos obliga a mirar donde no queríamos mirar. Se vuelve peligroso cuando lo usamos para justificar una decisión que ya habíamos tomado. Entre esos dos usos hay una diferencia que no depende de la herramienta ni de la calidad del tablero, y que tiene mucho que ver con la pregunta con la que llegamos al dato.

Lo que un 12% esconde

Ese mismo 12% puede significar cosas muy distintas. Puedes tener una zona franca donde la mayor parte de las salidas se concentra en el turno de la noche. También están los nuevos ingresos que se van antes de terminar el período de prueba, lo que apunta más al reclutamiento o a la inducción que al salario. Puede ser un solo supervisor con un equipo que se vacía cada seis meses, o un cierre de operaciones con desvinculaciones planificadas que nadie separó de las renuncias en el reporte. Cada uno de esos escenarios pide una decisión distinta, aunque el número se vea igual en todos.

Antes de la interpretación hay un paso que se salta mucho: ponerse de acuerdo en cómo se calcula. Si una sucursal divide las salidas entre la plantilla promedio y otra entre la plantilla al cierre de mes, o si una cuenta las desvinculaciones y otra no, el tablero compara cosas que no son comparables.

No hace falta certificarse en una norma para aprovechar esa idea. Lo que sí hace falta es que el indicador tenga una definición escrita, que todos usen la misma y que no cambie cada vez que cambia quien prepara el reporte.

El porqué no está en el tablero

Ningún tablero te va a decir por qué una persona renunció. Eso sale de las conversaciones, y muchas veces esas conversaciones no están ocurriendo.

Esa es la información que le falta al 12%. Por eso el dato cuantitativo y la conversación se necesitan: la entrevista de salida, las conversaciones de permanencia con quienes todavía están, el seguimiento a los nuevos ingresos durante el período de prueba y la encuesta de clima leída por equipo y no solo en promedio. El tablero te dice dónde mirar, y lo que encuentras depende de que alguien se siente a hablar con la gente.

“

El dato abre la conversación. El criterio profesional la cierra.

Cuando el dato llega después de la decisión

El uso peligroso es más común de lo que parece, y pocas veces es mala fe. Un gerente ya está convencido de que el problema es salarial y pide un reporte "para sustentar". El reporte se arma, se filtra el período que conviene, se dejan fuera las áreas que no encajan, y la presentación sale impecable. En ese punto el dato ya no está informando nada, solo acompaña una decisión que estaba tomada.

Desde Gestión Humana es fácil caer en eso, porque muchas veces somos quienes preparamos el reporte y también quienes recibimos la presión de que diga algo concreto.

Tom Rasmussen y Dave Ulrich advirtieron sobre algo relacionado en un artículo de 2015 en Organizational Dynamics. Su planteamiento es que la analítica de RR. HH. corre el riesgo de convertirse en otra moda gerencial cuando se hace "de adentro hacia afuera", centrada en los datos que tiene el área y alejada del negocio. Proponen lo contrario: partir de los problemas del negocio y buscar análisis que lleven a una acción concreta.

Me parece que esa idea también protege contra el uso para justificar. Si la pregunta se escribe antes de abrir el reporte, es más difícil acomodar la respuesta después.

Cómo usar los datos sin que decidan por ti

Thomas Davenport, Jeanne Harris y Jeremy Shapiro escribieron en Harvard Business Review en 2010 sobre las empresas que compiten usando analítica de talento. Más de quince años después las herramientas son mucho más accesibles, y la discusión de fondo sigue siendo qué hacemos con lo que vemos. Algunas prácticas que ayudan:

• Empieza por la pregunta de negocio. "¿Por qué estamos perdiendo operadores en los primeros noventa días?" orienta mejor que "veamos la rotación".
• Escribe la definición de cada indicador antes de mirarlo: fórmula, período, si incluye salidas voluntarias e involuntarias.
• Segmenta por área, supervisor, antigüedad, turno y fuente de reclutamiento. El promedio general esconde mucho.
• Anota tu hipótesis antes de ver el resultado, y también qué resultado te haría cambiar de idea.
• Cruza el número con lo cualitativo: entrevistas de salida, conversaciones de permanencia, comentarios abiertos de la encuesta de clima y lo que reportan los supervisores.
• Cuida los equipos pequeños. En un equipo de cinco personas, un 20% de rotación es una persona, y mostrar ese dato puede identificarla.
• Trata con cuidado los datos sensibles. Las licencias médicas son información de salud, y la Ley 172-13 las considera datos especialmente protegidos.
• Deja por escrito la decisión que se tomó y con qué información. Así, cuando se revise el indicador el próximo trimestre, se puede saber si la decisión funcionó.

Un 12% de rotación puede terminar en una revisión salarial, en un cambio de supervisor, en un ajuste al perfil del puesto o en ninguna acción, si resulta que eran salidas planificadas. Elegir entre esas opciones le toca a alguien que conozca el área y a la gente, y que pueda explicar por qué eligió una y no otra.

Fuentes

1. Davenport, T. H., Harris, J. y Shapiro, J. (2010). Competing on Talent Analytics. Harvard Business Review, 88(10).
2. Rasmussen, T. y Ulrich, D. (2015). Learning from practice: how HR analytics avoids being a management fad. Organizational Dynamics, 44(3), 236–242.
3. Tatel, C. y Wigert, B. (2024). 42% of Employee Turnover Is Preventable but Often Ignored. Gallup.
4. ISO (2025). ISO 30414:2025 Human resource management — Requirements and recommendations for human capital reporting and disclosure.
5. República Dominicana (2013). Ley No. 172-13 sobre protección de datos personales.