Los datos del correo electrónico y el calendario ayudan a las empresas a entender cómo trabajan los empleados

Usar la ciencia de datos para predecir cómo cambian las personas en las empresas puede parecer futurista. Como escribimos hace poco, La gestión del cambio sigue siendo una de las pocas áreas que prácticamente no ha sido afectada por la revolución impulsada por los datos. Pero si bien es posible que nunca convertiremos la gestión del cambio en una «ciencia sólida», algunas empresas ya se están beneficiando del potencial que ofrecen estas técnicas basadas en los datos.

Uno de los principales factores es el análisis del tráfico del correo electrónico y los metadatos del calendario. Esto nos dice mucho sobre quién habla con quién, en qué departamentos, qué reuniones se celebran, sobre qué y durante cuánto tiempo. Este tipo de análisis ayudan a EY, donde algunos de nosotros trabajamos, al trabajar con Análisis del lugar de trabajo de Microsoft para ayudar a los clientes a predecir la probabilidad de retener el talento clave tras una adquisición y a desarrollar estrategias para maximizar la retención. Con los datos del correo electrónico y el calendario, podemos identificar los patrones en torno a quién interactúa con quién, qué partes de la organización están bajo estrés y qué personas son más activas a la hora de traspasar los límites de la empresa.

Es comprensible que haya problemas de privacidad al examinar el correo electrónico o el calendario de una persona, incluso en un contexto laboral. Sin embargo, también puede obtener información valiosa mediante metadatos anónimos, en los que se eliminan los nombres individuales y el contenido específico. Es posible analizar los metadatos del contenido, los temas y la frecuencia de contacto entre los departamentos y correlacionar estos datos con los indicadores más tradicionales de la eficacia de los procesos, la duración del ciclo, el primer acierto, etc. Lo que esto nos da son datos sólidos sobre cómo fallan los procesos en la organización. Ya no necesitamos basarnos en anécdotas o encuestas a los empleados, sino que podemos determinar con precisión dónde se producen las averías simplemente examinando los datos de los flujos de trabajo diarios. Podemos decir con precisión qué cambio de comportamiento se necesita para que un nuevo proceso funcione y, a continuación, supervisar la mejora en tiempo real.

Uno de los primeros ejemplos es la reestructuración de una organización en la que hemos estado trabajando. Este tipo de proyectos suelen estar motivados por el deseo de mejorar la ejecución de la estrategia y reducir los costes. Tradicionalmente, solo se podía medir el elemento financiero, lo que podía impulsar fácilmente la toma de decisiones. Para un cliente de EY, utilizamos la ciencia de datos para tomar decisiones de diseño organizacional que aceleren los objetivos estratégicos. El cliente quería aumentar la colaboración entre las unidades, por ejemplo, entre las ventas y el desarrollo de productos. Utilizamos un análisis de los datos anónimos del correo electrónico y el calendario para predecir el impacto del número de subordinados directos de un gerente en la capacidad de colaboración de equipos específicos. Eso nos ayudó a optimizar el diseño del trabajo para lograr el resultado que el cliente quería.

El potencial de estas técnicas es cambiar la forma en que los gerentes interactúan con los empleados. Hoy en día, la mayoría de los directivos hacen todo lo posible para atraer y motivar a los empleados. Sin embargo, tenemos que esperar a que los «factores desencadenantes formales» puedan responder, como una encuesta a los empleados o una reunión individual con un gerente. Analizar la actividad del tráfico de correo electrónico podría permitirnos intervenir mucho más rápido y averiguar si lo que estamos haciendo realmente funciona. Esto puede convertirse en una especie de «análisis del sentimiento de los empleados en tiempo real» que transformaría la calidad de la información que los gerentes tienen a su disposición.

Tomemos el ejemplo de la reciente orden ejecutiva en los Estados Unidos que impuso una prohibición de viajar en siete países en su mayoría musulmanes. Esto era una preocupación importante para muchas empresas de tecnología que tienen un gran número de empleados con visados H1-B, tanto de los países involucrados como de sus vecinos de Asia y Oriente Medio. Si las empresas utilizaran una solución de inteligencia artificial que proporcionara información en tiempo real, podrían monitorizar el nivel de preocupación de la organización y quizás incluso anticiparse al tipo de problemas que tienen los empleados. Muchos empleadores organizan sesiones de diálogo con los empleados para responder a las preguntas y atender sus inquietudes. Las únicas pruebas que tenemos sobre el impacto de estas sesiones son anecdóticas. Con un sistema de «opinión de los empleados en tiempo real», podríamos decir con precisión y responder en consecuencia, y medir el impacto de esas respuestas.

Siempre necesitaremos gestores de cambios profesionales para interpretar estos datos y diseñar las formas correctas de trabajar con los empleados durante la transformación o las emergencias externas, como la prohibición de viajar. Lo que pueden hacer estas herramientas de ciencia de datos es hacer que nuestras respuestas sean más rápidas y específicas y decirnos qué funcionó de una manera más rápida, fiable y menos invasiva de lo que se podía lograr antes. En la reestructuración de la organización a la que se hace referencia anteriormente, solo se necesitaron tres semanas para analizar los datos de comportamiento de un año para incluirlos en el diseño de los procesos y la estructura futuros. En el pasado, nos habríamos basado en técnicas invasivas, como las entrevistas y las encuestas a los empleados, que no solo ocupan tiempo sino que también introducen todo tipo de sesgos. Nuestro consejo para el gestor de cambios del futuro es que haga de los datos sus amigos y que nunca se reorganice sin ellos.