Mejores maneras de predecir quién va a renunciar

Las empresas saben que la rotación de los empleados es costosa y disruptivo. Y saben que retener a sus mejores y más brillantes empleados les ayuda no sólo a ahorrar dinero, sino también a preservar ventajas competitivas y proteger capital intelectual.

Sin embargo, la mayoría de los esfuerzos de retención dependen de dos herramientas retrospectivas. En primer lugar, las entrevistas de salida se llevan a cabo para entender mejor por qué la gente decidió irse, aunque para este punto, generalmente es demasiado tarde para mantenerlas. En segundo lugar, se utilizan encuestas anuales de empleados para evaluar el compromiso. Estos resultados de la encuesta se comparan más tarde con las personas que abandonaron la organización, con la esperanza de que darán cualquier predictor relevante de las salidas. El problema es que estos datos no dan a los gerentes una imagen en tiempo real de quién podría estar considerando irse.

Nuestra última investigación se ha centrado en el uso de algoritmos de big data y aprendizaje automático para desarrollar un índice de propensión al rotación para las personas, un indicador en tiempo real de quién está pensando en renunciar. Fundamos el desarrollo de estos modelos predictivos en la investigación académica sobre el rotación y luego realizamos una serie de estudios. Nuestros resultados demuestran que es posible desarrollar índices que predicen en tiempo real la probabilidad de que una persona considere una oferta externa y finalmente abandone la empresa.

Investigaciones anteriores apuntan a dos razones principales por las que las personas abandonan sus puestos de trabajo: los choques de rotación y la baja inserción laboral. Los choques de rotación son eventos que incitan a las personas a reconsiderar si deben permanecer en la organización. Algunos choques son organizacionales (por ejemplo, cambio de liderazgo, anuncio de fusiones y adquisiciones) y otros son personales (por ejemplo, recibir una oferta de trabajo externa, nacimiento de un hijo). La inserción laboral es cuando las personas están profundamente conectadas a una organización. Cuando las personas tienen pocos vínculos sociales buenos en el trabajo o en la comunidad, o cuando no sienten que su trabajo encaja bien con sus intereses, habilidades y valores, tienen un bajo nivel de inserción laboral y un mayor riesgo de fuga.

Trabajamos con una firma de inteligencia de talentos para recopilar una gran muestra de datos organizativos disponibles públicamente sobre posibles perturbaciones en el rotación, tales como cambios en las calificaciones de Glassdoor o analistas, variación en el precio de las acciones, artículos de noticias y acciones legales o legales contra la firma. También reunimos factores personales vinculados a la incrustación que estaban en el dominio público, como el número de puestos de trabajo pasados, el aniversario del empleo y la tenencia, las habilidades, la educación, el género y la geografía. Hemos acumulado estos indicadores potenciales de rotación para más de 500.000 personas que trabajan en los Estados Unidos a través de diversas organizaciones e industrias.

Basándonos en nuestra evaluación de estos factores de rotación, utilizamos el aprendizaje automático para clasificar a cada individuo como poco probable, menos probable, más probable o más probable que sea receptivo a nuevas oportunidades de trabajo. A cada individuo de nuestra muestra se le dio un índice de propensión a la rotación (TPI), y luego realizamos dos estudios para ver qué tan bien esta puntuación predijo su apertura a oportunidades externas y su probabilidad de renunciar.

En primer lugar, queríamos ver qué tan bien el TPI predijo la apertura a los mensajes de reclutamiento. Enviamos invitaciones por correo electrónico a una muestra más pequeña de 2.000 personas empleadas que habían sido identificadas por nuestro algoritmo como poco probable, menos probable, más probable o muy probable de ser receptivas a una invitación para ver puestos disponibles adaptados a sus habilidades e intereses específicos. De ellos, 1.473 recibieron el correo electrónico, 161 abrieron la invitación y 40 hicieron clic. Aquellos que fueron calificados como «más propensos» a ser receptivos abrieron la invitación por correo electrónico a más del doble de la tasa de aquellos calificados como menos probables (5,0% frente a 2,4%). Además, entre los que abrieron el correo electrónico, aquellos calificados como «más propensos» a ser receptivos tenían significativamente más probabilidades de hacer clic a través de él. Esto sugiere que la puntuación del TPI podría identificar a los empleados con mayor riesgo de abandonar el país. Este hallazgo también sugiere que las empresas pueden apuntar estratégicamente a los mejores talentos que podrían estar más abiertos a una oferta externa; recuerde que todo esto proviene de datos disponibles públicamente.

En segundo lugar, para ver la capacidad de la puntuación de TPI para predecir el rotación real, se utilizó el resto de la muestra de 500.000 individuos. Durante un período de tres meses, los identificados como «más propensos» a ser receptivos a nuevas oportunidades tuvieron un 63% más probabilidades de cambiar de trabajo, en comparación con aquellos que eran «improbables» de ser receptivos. Las personas identificadas como «más probables» tenían un 40% más de probabilidades de renunciar.

Nuestro trabajo en esta área está demostrando que mediante el uso de big data, las empresas pueden rastrear los indicadores de propensión a la rotación e identificar a los empleados que pueden estar en un riesgo elevado de abandonar la organización. Esta anticipación proactiva puede permitir a los líderes intervenir para aumentar las probabilidades de retener a los mejores talentos. Además, las organizaciones tienen una gran ventaja sobre los investigadores externos en el desarrollo de su propio TPI utilizando datos internos. Las empresas pueden anticipar choques organizacionales, como litigios o acciones regulatorias. Además de los datos de acceso público, las empresas tienen acceso a otros datos de choque de rotación, como aniversarios de trabajo, nuevas credenciales educativas y anuncios de nacimiento o boda, aunque tienen que tener cuidado de no violar la privacidad de los empleados. Además, las empresas pueden realizar un seguimiento de los factores que indican la incorporación de puestos de trabajo, como la participación en oportunidades de desarrollo profesional, iniciativas de mejora organizacional o programas de reconocimiento de pares.

Las empresas que se comprometan a tomar decisiones basadas en datos tendrán que invertir para recopilar y analizar cuidadosamente los indicadores adecuados para el riesgo de rotación. Entonces sus líderes pueden involucrar de manera proactiva a empleados valiosos en riesgo de irse a través de entrevistas, para entender mejor cómo la empresa puede aumentar las probabilidades de que se queden.

— Brooks Holtom David Allen Via HBR.org