People Analytics es el proceso de recopilar, relacionar y analizar datos sobre la plantilla para responder preguntas concretas y mejorar las decisiones de Recursos Humanos. Se utiliza para estudiar cuestiones como la rotación, el absentismo, la contratación, el desempeño, la formación, el clima laboral o las necesidades futuras de personal.
Su utilidad no está en acumular indicadores ni en crear un panel con muchos gráficos. El análisis aporta valor cuando permite detectar un problema, entender qué puede estar ocurriendo, aplicar una medida y comprobar después si ha funcionado. Para conseguirlo necesitas datos fiables, una buena pregunta y personas que sepan interpretar los resultados en el contexto de tu empresa.
Qué es People Analytics y qué aporta a Recursos Humanos
People Analytics, también conocido como analítica de personas, HR Analytics o analítica de RR. HH., consiste en usar métodos descriptivos, visuales y estadísticos para interpretar los datos de la plantilla. El CIPD define People Analytics como el análisis de datos sobre personas orientado a resolver problemas empresariales.
Esto lo diferencia de un informe convencional. Un informe puede indicar que durante el último trimestre se marcharon 18 personas. People Analytics intenta responder preguntas adicionales: en qué equipos se concentran esas salidas, cuánto tiempo llevaban en la empresa, qué características comparte su experiencia laboral y qué actuación podría reducir el problema.
| Nivel de análisis | Pregunta que responde | Ejemplo |
|---|---|---|
| Descriptivo | Qué ha ocurrido? | La rotación voluntaria ha aumentado durante el último trimestre. |
| Diagnóstico | Qué factores pueden explicar el resultado? | Las salidas se concentran entre las nuevas incorporaciones de dos departamentos. |
| Predictivo | Qué podría ocurrir? | Determinados equipos presentan factores asociados con una mayor probabilidad de salida. |
| Prescriptivo | Qué intervención convendría evaluar? | Revisar el onboarding, la carga de trabajo o el acompañamiento de los responsables. |
Una empresa no necesita alcanzar el nivel predictivo para obtener resultados útiles. Un análisis descriptivo bien segmentado puede descubrir que los retrasos en la contratación se producen siempre durante la aprobación de las ofertas o que la mayor parte de la rotación sucede durante los primeros tres meses. El nivel de complejidad debe adaptarse al problema, no al deseo de utilizar una tecnología determinada.
Qué problemas puede resolver People Analytics
La analítica de personas puede aplicarse a numerosas decisiones, pero querer medirlo todo desde el primer día suele acabar en informes imposibles de mantener y sin utilidad clara. Es preferible empezar por un problema que afecte al negocio o a la experiencia de la plantilla y sobre el que la empresa tenga capacidad real de actuación.
| Problema | Pregunta de análisis | Datos necesarios | Decisión posible |
|---|---|---|---|
| Rotación elevada | En qué equipos y momentos se producen más salidas? | Altas, bajas, antigüedad, departamento, puesto y tipo de salida | Revisar el onboarding, el liderazgo, las cargas de trabajo o la política retributiva |
| Absentismo | Dónde se concentran las ausencias y cómo evolucionan? | Horas previstas, ausencias, turnos, centros y periodos | Revisar la organización, la prevención o la cobertura de turnos |
| Contratación lenta | Qué fases retrasan la incorporación? | Fechas de apertura, entrevistas, ofertas, aceptación e incorporación | Modificar fases, responsables o circuitos de aprobación |
| Problemas de desempeño | El resultado está relacionado con objetivos, habilidades o recursos? | Evaluaciones, objetivos, formación, puesto y contexto del equipo | Definir apoyo, formación o cambios en los objetivos |
| Baja participación | Qué colectivos presentan peores resultados de clima? | Encuestas, equipo, antigüedad, centro y evolución temporal | Diseñar una intervención para los colectivos afectados |
| Falta de personal | Qué capacidad necesitará la organización? | Demanda, turnos, productividad, ausencias, rotación y contrataciones previstas | Planificar contrataciones, turnos o movilidad interna |
Los resultados necesitan contexto. Una rotación del 12 % puede ser preocupante en un equipo estable y asumible en una actividad estacional. Dos departamentos con la misma tasa de absentismo tampoco tienen necesariamente el mismo problema si sus horarios, puestos, riesgos o tamaños son diferentes.
También hay preguntas que no deberían resolverse únicamente con datos cuantitativos. Una encuesta puede mostrar una caída del compromiso, pero las entrevistas, los grupos de discusión o las conversaciones con los responsables ayudan a entender qué hay detrás del resultado. People Analytics funciona mejor cuando combina datos cuantitativos, información cualitativa, experiencia profesional y conocimiento del negocio.
Métricas de People Analytics que conviene medir
No existe una lista universal de KPI que toda empresa deba seguir. Un indicador solo es útil cuando está vinculado con una pregunta y puede influir en una decisión. Medir veinte variables sin saber qué se hará con ellas aumenta el trabajo administrativo, pero no mejora necesariamente la gestión.
Métricas de rotación, contratación y asistencia
| Métrica | Fórmula orientativa | Qué permite observar | Precaución |
|---|---|---|---|
| Rotación voluntaria | Salidas voluntarias ÷ plantilla media × 100 | Proporción de personas que abandonan la empresa por decisión propia | Separar las salidas voluntarias de las involuntarias |
| Retención | Personas del grupo inicial que permanecen ÷ personas del grupo inicial × 100 | Permanencia de una cohorte durante un periodo | Definir el grupo y las fechas antes de calcular |
| Absentismo | Horas de ausencia ÷ horas laborales previstas × 100 | Peso de las ausencias sobre el tiempo de trabajo previsto | Diferenciar tipos de ausencia y limitar el acceso a información sensible |
| Tiempo de contratación | Días entre la apertura y la aceptación o incorporación | Duración del proceso de selección | Utilizar siempre el mismo punto inicial y final |
| Aceptación de ofertas | Ofertas aceptadas ÷ ofertas realizadas × 100 | Adecuación y atractivo de las propuestas | Segmentar por puesto, ubicación o perfil |
| Movilidad interna | Puestos cubiertos internamente ÷ puestos cubiertos × 100 | Capacidad para cubrir oportunidades con talento interno | No interpretar cualquier traslado como una promoción |
Supongamos que una empresa tenía 120 personas al comenzar el año y 110 al terminarlo. Durante ese periodo se produjeron 18 salidas voluntarias. La plantilla media sería (120 + 110) ÷ 2 = 115 personas. La tasa de rotación voluntaria sería 18 ÷ 115 × 100 = 15,7 %.
El 15,7 % no demuestra por sí solo que exista un problema. Para interpretarlo habría que compararlo con periodos anteriores y segmentarlo por antigüedad, puesto, centro, equipo y motivo de salida. Si 14 de las 18 salidas se produjeron durante los primeros seis meses, el onboarding podría merecer más atención que la rotación general.
Métricas de desempeño, desarrollo y experiencia
Las evaluaciones de desempeño, la movilidad interna, la participación en formación o las encuestas de clima aportan otra parte de la información. Conviene evitar convertir estos datos en puntuaciones aisladas sobre las personas. Una valoración baja puede estar relacionada con objetivos mal definidos, falta de recursos, cambios de responsabilidad o problemas de coordinación, no necesariamente con una falta de capacidad individual.
El eNPS y otras encuestas permiten observar tendencias, pero no explican automáticamente sus causas. Una caída de diez puntos debe conducir a nuevas preguntas: qué colectivos han cambiado su valoración, qué comentarios se repiten y qué ocurrió durante ese periodo. Tampoco conviene cruzar encuestas confidenciales con tantos atributos que resulte posible identificar a quien respondió, especialmente en equipos pequeños.
Cómo implementar People Analytics paso a paso
Un proyecto de analítica de personas debería comenzar por una decisión, no por la compra de una herramienta. La siguiente secuencia permite limitar el alcance y comprobar si el análisis produce un resultado aprovechable.
- Elige una decisión que quieras mejorar. Formula una pregunta concreta, como «por qué aumentan las salidas durante los primeros 90 días?» o «qué fase retrasa la contratación?». Preguntas como «qué podemos hacer con nuestros datos?» tienen un alcance demasiado amplio.
- Define el indicador y la línea de base. Establece la fórmula, el periodo, los colectivos incluidos y el valor inicial. Si cada departamento calcula la rotación de una forma distinta, sus resultados no serán comparables.
- Localiza las fuentes de información. Los datos pueden estar en el software de RR. HH., el ATS, el registro horario, las nóminas, las evaluaciones, las encuestas o distintas hojas de cálculo. Determina qué sistema será la fuente principal para cada variable.
- Limpia y normaliza los datos. Revisa duplicados, fechas incompletas, departamentos escritos de varias formas, bajas sin motivo, cambios de puesto no registrados y valores ausentes. Documenta cualquier corrección para poder repetir el análisis.
- Segmenta y plantea hipótesis. Compara periodos y grupos con características relevantes. Una relación estadística puede sugerir una hipótesis, pero no demuestra que una variable cause la otra.
- Pon en marcha una medida acotada. Modifica un proceso sobre el que la empresa pueda actuar: una fase del onboarding, un circuito de aprobación, una distribución de turnos o un plan de formación.
- Mide el resultado. Compara el valor posterior con la línea de base y revisa factores externos. Si la intervención no produce una mejora suficiente, habrá que ajustarla o pararla.
Ejemplo práctico: rotación durante el onboarding
Una empresa detecta que la rotación es especialmente alta durante los primeros 90 días. En lugar de analizar todas las salidas de la organización, crea cohortes de nuevas incorporaciones y compara departamento, puesto, responsable, modalidad de trabajo, cumplimiento del plan de onboarding y respuestas de las encuestas iniciales.
El análisis muestra que las salidas se concentran en dos equipos donde las reuniones de seguimiento no se realizan con regularidad. La empresa introduce conversaciones estructuradas durante la primera, cuarta y octava semana. Para comprobar el resultado, compara las siguientes cohortes con las anteriores, manteniendo la misma definición de abandono temprano.
Aunque la rotación disminuya, todavía habrá que revisar otros factores: cambios salariales, situación del mercado laboral, volumen de contrataciones o modificaciones en los puestos. El análisis ofrece evidencias para decidir, pero no elimina la necesidad de interpretar el contexto.
Qué herramientas y recursos necesita una empresa
La herramienta adecuada depende del volumen de datos, la frecuencia del análisis y el número de fuentes. Usar un sistema avanzado para una pregunta sencilla solo añade costes y complejidad. Mantener procesos manuales cuando existen miles de registros y varias fuentes también puede generar errores y retrasos.
| Opción | Cuándo puede servir | Limitaciones |
|---|---|---|
| Excel o Google Sheets | Primer análisis con pocos datos, una fuente y una pregunta concreta | Versiones duplicadas, trabajo manual y dificultad para actualizar datos con frecuencia |
| Software de Recursos Humanos | Centralizar procesos y generar informes recurrentes sobre una misma plantilla | Depende de una configuración correcta y de que los procesos se registren de forma consistente |
| Herramienta de Business Intelligence | Relacionar varias fuentes y crear paneles personalizados | Necesita integraciones, mantenimiento y conocimientos técnicos |
| Python, R o modelos de IA | Realizar análisis estadísticos avanzados o trabajar con grandes volúmenes | Requiere datos suficientes, validación, documentación y supervisión especializada |
El coste de People Analytics no se limita a una licencia. También incluye la limpieza inicial, las integraciones, el tiempo de RR. HH. e IT, la formación, la revisión jurídica, el mantenimiento de los indicadores y las intervenciones que se decidan aplicar. Una predicción que nadie puede revisar ni convertir en una acción no compensa el trabajo que cuesta crearla.
Una pyme no necesita fichar de entrada a un científico de datos (data scientist). Puede comenzar con una métrica bien definida, información centralizada y una persona que entienda el proceso analizado. Los perfiles especializados resultan más necesarios cuando se combinan muchas fuentes, se construyen modelos predictivos o se toman decisiones con un impacto elevado sobre la plantilla.
Riesgos, privacidad y límites de People Analytics
Datos incompletos, sesgos y errores de interpretación
Los datos históricos reflejan cómo ha funcionado la empresa, incluidas sus decisiones equivocadas y posibles desigualdades. Un modelo entrenado con contrataciones anteriores podría aprender a favorecer perfiles parecidos a quienes fueron seleccionados en el pasado, aunque esa preferencia no tenga relación con el desempeño futuro.
También pueden aparecer errores más sencillos: comparar departamentos de tamaños diferentes mediante cifras absolutas, analizar equipos con muestras demasiado pequeñas o considerar que una correlación demuestra una causa. Otros riesgos habituales son:
- Utilizar una variable fácil de medir como sustituto de un fenómeno más complejo.
- Convertir una probabilidad de salida en una afirmación sobre una persona.
- Ignorar cambios organizativos ocurridos durante el periodo analizado.
- Presentar un gráfico sin explicar su fórmula, fuente o limitaciones.
- Recoger información que no será necesaria para la decisión.
- Confiar más en el resultado porque ha sido generado por un algoritmo.
La revisión humana debe ser real. Una persona necesita entender qué información se ha utilizado, comprobar sus limitaciones y tener autoridad para cuestionar o descartar el resultado. Validar automáticamente la recomendación de un sistema no constituye una supervisión efectiva.
Protección de datos y decisiones automatizadas
Los proyectos de People Analytics suelen tratar datos personales, por lo que deben respetar principios como la limitación de finalidad, la minimización, la exactitud, la conservación limitada y la seguridad. La guía de la Agencia Española de Protección de Datos sobre relaciones laborales ofrece criterios para analizar tratamientos realizados durante la relación de trabajo.
El artículo 22 del Reglamento General de Protección de Datos reconoce el derecho a no quedar sujeto a determinadas decisiones basadas únicamente en tratamientos automatizados cuando producen efectos jurídicos o afectan significativamente a la persona. Esto no prohíbe cualquier análisis automatizado, pero obliga a revisar con cuidado la finalidad, las garantías y el grado de intervención humana.
En España, el artículo 64.4.d del Estatuto de los Trabajadores reconoce el derecho del comité de empresa a ser informado sobre los parámetros, reglas e instrucciones de algoritmos o sistemas de IA que influyan en decisiones relacionadas con las condiciones laborales, el acceso o el mantenimiento del empleo, incluida la elaboración de perfiles.
El Reglamento Europeo de Inteligencia Artificial incluye entre los posibles sistemas de alto riesgo determinados usos relacionados con la selección, la promoción, la asignación de tareas, la terminación de contratos y la evaluación del rendimiento. No todo informe de RR. HH. entra en esta categoría: hay que examinar la tecnología, la finalidad y su influencia sobre la decisión.
La Comisión Europea comunicó en 2026 un calendario que sitúa la aplicación de las reglas específicas para usos de alto riesgo del anexo III, incluido el empleo, en el 2 de diciembre de 2027. Como el marco continúa desarrollándose, las empresas que utilicen IA en decisiones laborales deberían revisar el calendario vigente y contar con asesoramiento especializado para su caso.
Cómo saber si People Analytics está funcionando
Un proyecto no funciona porque el dashboard se consulte con frecuencia. Funciona cuando ayuda a cambiar una decisión o un proceso y el resultado puede evaluarse. Para comprobarlo, define el valor inicial, registra la intervención, mide el indicador posterior, revisa factores externos y calcula el esfuerzo necesario.
Imagina que el tiempo medio de contratación ha pasado de 32 a 45 días. El análisis muestra que el retraso se concentra entre la entrevista final y la aprobación de la oferta. La actuación no consiste en crear otro gráfico, sino en modificar el circuito de aprobación y medir si esa fase se acorta sin aumentar los rechazos, empeorar la calidad de las incorporaciones o generar problemas presupuestarios.
El resultado también puede indicar que la intervención no funciona. Detener una iniciativa que consume recursos y no mejora el indicador es una decisión válida. People Analytics no debería utilizarse para confirmar una medida ya elegida, sino para poner a prueba hipótesis y corregirlas cuando los datos no las respaldan.
Cómo puede Factorial apoyar una estrategia de People Analytics
El mayor obstáculo de People Analytics casi nunca es el análisis, sino la desconexión. Los datos de tu plantilla están repartidos entre herramientas y equipos que no se hablan entre sí, y reunirlos lleva más tiempo que interpretarlos. Una IA genérica tampoco lo arregla: no conoce tu empresa ni puede actuar por ti, y tienes que explicarle el contexto una y otra vez.
Factorial es la IA para empresas que conecta los procesos de RR. HH., finanzas e IT. Al tener todo el contexto de tu empresa, conoce a tu equipo y tus políticas casi tan bien como tú, y no tienes que repetirle lo mismo 50 veces. Con los datos de ausencias, control horario, estructura organizativa, encuestas y evaluaciones de desempeño en un mismo sitio, puedes crear informes e indicadores, montar paneles personalizados o partir de modelos predefinidos, siempre con definiciones coherentes y sin depender de hojas de cálculo sueltas. Si quieres ir más allá, puedes profundizar en el análisis predictivo aplicado a RR. HH.
Eso sí, Factorial no decide por ti qué indicador priorizar ni qué explicación es la correcta. Para sacarle partido siguen haciendo falta una configuración adecuada, datos actualizados, permisos bien definidos y profesionales que revisen el contexto, la legalidad y las consecuencias de cada decisión.
Empezar con una pregunta pequeña y medible
El primer proyecto de People Analytics no tiene que cubrir todo el ciclo de vida de la plantilla. Con una pregunta concreta, pocos datos fiables y una medida que puedas evaluar, aprendes con menos riesgo y menos coste. Cuando ese proceso sea estable, la empresa podrá añadir nuevas fuentes, automatizar informes o plantear análisis más avanzados sin perder de vista para qué se recopila cada dato.
People Analytics: convierte los datos en mejores decisiones de RR. HH.
Descubre qué es People Analytics, cómo utilizar los datos de tus empleados para mejorar la gestión del talento y qué indicadores debes analizar para reducir la rotación, optimizar la contratación y tomar decisiones más estratégicas.
People Analytics, también conocido como analítica de personas o HR Analytics, es el proceso de recopilar y analizar datos de los empleados para mejorar la toma de decisiones en Recursos Humanos. Permite identificar tendencias, detectar problemas y diseñar estrategias basadas en información objetiva sobre rotación, absentismo, desempeño y satisfacción laboral.
People Analytics ayuda a reducir la rotación de personal, optimizar los procesos de selección, identificar necesidades de formación y mejorar la planificación de la plantilla. También permite detectar problemas organizativos, evaluar el impacto de las políticas de RR. HH. y tomar decisiones más fundamentadas.
Los principales indicadores incluyen la tasa de rotación, el absentismo laboral, el tiempo de contratación, la retención de empleados, la movilidad interna y las evaluaciones de desempeño. También pueden analizarse encuestas de clima laboral, participación en formación y satisfacción de los empleados.
People Analytics utiliza cuatro niveles de análisis: descriptivo, para conocer qué ha ocurrido; diagnóstico, para investigar posibles causas; predictivo, para anticipar tendencias; y prescriptivo, para proponer intervenciones. Cada nivel permite profundizar en los datos y mejorar progresivamente las decisiones de Recursos Humanos.
Para implementar People Analytics es recomendable identificar un problema concreto, definir indicadores medibles y recopilar información fiable. Después, se deben analizar los datos, detectar patrones, aplicar medidas de mejora y evaluar sus resultados. Empezar con un proyecto pequeño facilita comprobar su utilidad antes de ampliarlo.
Las empresas pueden utilizar hojas de cálculo como Excel, programas de Business Intelligence o software especializado en Recursos Humanos. La elección depende del volumen de información, la complejidad del análisis y las necesidades de integración. Las plataformas que centralizan los datos de empleados facilitan la elaboración de informes y el seguimiento de indicadores.
Los principales riesgos son utilizar datos incompletos, interpretar incorrectamente los resultados, reproducir sesgos y comprometer la privacidad de los empleados. Para evitarlos, es necesario cumplir el RGPD, limitar el acceso a la información sensible y garantizar la supervisión humana en las decisiones que afectan a las personas.
Factorial facilita la aplicación de People Analytics mediante una plataforma que centraliza información de Recursos Humanos y permite crear informes, indicadores y paneles personalizados. Las empresas pueden analizar ausencias, control horario, estructura organizativa, encuestas y evaluaciones de desempeño. Esto ayuda a reducir el trabajo manual, detectar tendencias y tomar decisiones estratégicas basadas en datos actualizados.
