Creemos que en el arte hay mucho por aprender. Y de los artistas, mucho por escuchar.
Y es por eso que nos parece oportuno compartir esta charla/presentación de Victor Wooten, uno de los más grandes bajistas de la actualidad, quien no solo comparte su arte, sino sus reflexiones sobre el sentido de lo que uno hace. Perdón por los subtítulos, que son los generados automáticamente por Youtube.
Esperamos disfrutes su presentación.
Si querés conversar acerca de cómo Instare puede acompañarte en tu desarrollo profesional, consultanos haciendo click aquí.
Vemos en forma diaria como las empresas tienen dificultades en poder definir buenos tableros para temas de Gestión Humana o Talento.
Según relevamientos, por ej., el 87% de las empresas utilizan "El time to fill" (Tiempo requerido en cubrir una búsqueda) como un KPI (Indicador de desempeño clave). Pero a su vez, la mitad de las empresas estarían disconformes, planteando que no tienen indicadores claros para poder evaluar si mejora la calidad de el pool de candidatos que participan en sus procesos de selección.
Parte del mundo de HR Analytics es definir indicadores útiles para la gestión y toma de decisiones adecuadas (lo que es considerado en el modelo de Bersin como el nivel 1 de madurez de una organización en los aspectos de Analytics), pero es necesario un trabajo que considere diversos aspectos para que los indicadores utilizados sean realmente útiles.
Algunas recomendaciones para que las métricas sirvan:
Si querés conversar acerca de cómo aprovechar los datos para tomar mejores decisiones en Gestión Humana, o temas vinculados, consultanos haciendo click aquí.
Quienes frecuentemente viajan seguramente se quejan frecuentemente de la experiencia de transitar aeropuertos: y especialmente cuando deben tomar vuelos en horarios concurridos, en los cuales se espera para el check in, security check, abordaje y muchas más gestiones que son necesarias. Incluso comprar alguna bebida para la espera a veces es molesto e incómodo.
Pero como comenta un artículo de la revista Wired, el mundo del uso de datos ya está cambiando esto, dando la esperanza de aeropuertos más eficientes al comenzar a aprovechar las técnicas de modelos predictivos y forecasting, pudiendo así estimar la cantidad de pasajeros que llegarán en cada momento, y la conducta de ellos, para así poder coordinar la cantidad de personal, procesos y métodos apropiados en cada momento para así poder ofrecer una experiencia ágil y breve. Ya el JFK en New York está haciendo uso de estas tecnologías, ganando así en eficiencia, pero a su vez experienciara los pasajeros y todas las partes involucradas.
Beontra, nombre del sistema utilizado, utiliza los datos de la operación de vuelos y demoras de los sistemas de datos aeroportuarios, que incluye los datos de pasajeros. Muchas aerolíneas aportan más datos, pero si no lo hacen, el sistema puede igualmente aprovechar información publicada en la web para poder ofrecer mejores conclusiones y sugerencias.
Se utilliza el conocimeitno que existe acerca de la conducta de los pasajeros (por ej. horarios de llegada), tiempos de tránsito en el aeropuerto, como a su vez la demora en cada fase del proceso que deben seguir hasta seguir estar sentados esperando el vuelo.
Sistemas así son implementados para poder planificar los recursos, que no solo gestiona estos aspectos del proceso, sino los otros vinculados (por ej. carga de trabajo requerida para procesar el equipaje), pudiendo dar actualizaciones en tiempo real según lo que vaya variando.
Según Wired, ya más de 30 aeropuertos están utilizando el sistema, que cambia la forma de gestionar datos y utilizar la información de cómo se hacía anteriormente en la industria. Ya no se trata de cuadros, gráficos e indicadores estáticos de lo que se espera normalmente para un día, sino ahora se puede contar con información en tiempo real que es actualizada de forma automática, pudiendo así tomar decisiones continuas de manera eficiente para responder a los cambios que ocurran.
¿Por qué nos parece esto interesante para la comunidad de la Gestión Humana? Porque ilustra de manera sencilla los cambios que se vienen en nuestras prácticas tradicionales gracias al uso de tecnologías, métodos y sistemas de HR Analytics (o People Analytics, si preferís este segundo término). ¿Imaginen sistemas que ofrezcan sugerencias en tiempo real, anticipando qué ocurrirá con empleados o candidatos, entre tantos asuntos que se podrían trabajar?
Si el negocio ya lo utiliza... ¿Por qué no sumarnos?
Si querés conversar acerca de cómo aprovechar los datos para tomar mejores decisiones en tu organización ,sea en Recursos Humanos, o temas vinculados, consultanos haciendo click aquí.
¿Cómo hacer cuando no está de acuerdo con alguien? ¿Cómo encontrar una manera que nos permita poder construir juntos?
Estas son algunas de las preguntas que busca responder Elizabeth Lesser en su charla TED.
Luego de proponer la coexistencia de dos posiciones "el místico" y el "guerrero", Lesser nos propone acciones y abordajes para buscar una conversación profunda que permita comprender al otro, reconocerlo y poder encontrar maneras de construir en conjunto. Responder preguntas como por ej. "¿qué es lo preocupa profundamente al otro?" o "¿qué es lo que has querido preguntarle a la otra parte?" son solo una parte de este camino.
Creemos que este video puede ser una ayuda en el camino en encontrar diálogos productivos con otros.
Seguramente podemos encontrar alguna solución para las necesidades que tenés en estos y otros temas. Desde Instare nos dedicamos a ayudar a organizaciones con nuestras herramientas y servicios en Analytics, Capacitación y Desarrollo, entre otros asuntos.
Ponete en contacto con nosotros haciendo click aquí para conversar acerca de tus necesidades.
"La totalidad es más que la suma de las partes", cita atribuída a Aristóteles fue la inspiración para el equipo de People Analytics de Google, quienes saltaron a la fama de esta disciplina con el Proyecto Oxígeno, el cual permitió comprender qué características diferenciaban a los grandes gerentes de la compañía. 
Y es así como decidió titular "Proyecto Aristóteles" a la iniciativa de aplicar el mismo método al encontrar las características claves para la efectividad de los equipos de Google.
Continuando lo que proponemos como parte clave de todo proyecto de HR Analytics, que parte de revisar el estado del arte del asunto a estudiar, el Proyecto Aristóteles comenzó revisando medio siglo de los estudios e investigaciones sobre cómo funcionan los equipos. ¿Se tratan de construirlos con personas de mismos intereses? ¿O mismas moticaciones? Los estudios inspiraron a los expertos de Google a estudiar cuánto socializaban los empleados de Google fuera de la oficina, intereses personales, formación previa, y otros factores. A su vez comenzaron a señalar a los equipos con resultados diferenciales, particularidades de equipos que permanecieron unidos durante períodos prolongados, y otras tantas variables. El trabajo tenía dificultades en encontrar patrones, trabajo que incluyó 180 equipos de toda la compañía. Algunos equipos de grandes resultados eran amigos con mucha actividad social fuera de la oficina, otros eran compuestos entre extraños, otros tenían gerentes fuertes, y así seguían apareciendo características diferentes.
En la revisión bibliográfica apareció el concepto de "normas de grrupos", tradiciones o estandares de conducta, que indican cómo debe comportarse cada equipo. Y así el trabajo comenzó a centrarse en ver qué aspectos se encontraban vinculados a esos factores. Los investigadores concluyeron que comprender e influenciar las normas de los equipos era clave para mejorar los equipos en Google. La pregunta a responder cambiaba ahora: ¿cuáles eran las normas más importantes? En la primera fase posterior de trabajo muchas veces la información parecía contradictoria respecto a las conductas claves.
Un trabajo de investigadores de Carnegie Mellon comenzó en el 2008 a quere responder una pregunta similar. Para hacerlo reclutaron casi 700 personas que dividieron en pequeños grupos y asignaron tareas que requerían diversos tipos de cooperación. ¿Eran igual de efectivos los equipos en las diversas tareas que se les asignaban? El trabajo comenzó a encontrar que los equipo más efectivos diferían de los otros en cómo los miembros se trataban entre ellos. "Buenas normas" aumentaban el desempeño de los equipos. Dos asuntos llamaron la atención de los mejores equipos: parecía distribuirse de maneras iguales la cantidad de tiempo que cada miembro hablaba, y que todos integrantes tenían una "sensibilidad social" similar (los miembros de los mejores equipos tenían mejores resultados en tests en los que debían evaluar los sentimientos de un tercero viendo una fotografía). La combinación de estos dos fenómenos fue denominado por Edmonson, profesora de Harvard Business School, "Seguridad psicológica": una sensación de confianza de que un miembro de un equipo no avergonzará, rechazará o castigará al otro por su opinión.
Encontrar este concepto generó al equipo de Google sentido de la información recolectada. Aquí estaba una norma clave para el éxito de los equipos. En el 2014 el equipo comenzó a compartir sus hallazgos con equipos dentro de la compañía, luego de ya tener 3 años de datos. Era hora de comenzar a sumar a otros en cómo implementar y desarrollar estas normas que no parecían de fácil utilización para el desarrollo. La colaboración inicial en la utilización de estos insights por equipos liderados por personas que tenían especial interés en el tema fueron positivas, comenzando a mostrar el impacto de estos hallazgos, incentivando cambios en los equipos para desarrollar las normas necesarias para el éxito.
El trabajo con datos y evidencia es el camino para que poder así desarrollar prácticas e instrumentos que generen auténticos resultados las las personas y organizaciones.
Si te interesa leer información en detalle sobre este asunto, podés acceder a la nota publicada en el New York Times al respecto haciendo click aquí.
Si querés conversar acerca de cómo aprovechar los datos para tomar mejores decisiones en Gestión Humana, o temas vinculados, consultanos haciendo click aquí.
