Mejores formas de predecir quién va a renunciar

Nuestra más reciente investigación se ha enfocado en usar datos masivos y algoritmos de aprendizaje de las máquinas para desarrollar un índice de propensión a la rotación laboral de los individuos – un indicador en tiempo real de quién probablemente está pensando en renunciar a su trabajo. Basamos el desarrollo de estos modelos predictivos en investigaciones académicas sobre la rotación laboral y después relacionamos una serie de estudios.

Las investigaciones previas apuntan a dos grandes razones por las que las personas dejan su trabajo: conmociones de rotación y poca integración laboral. Las conmociones de rotación son eventos que llevan a las personas a reconsiderar si deberían mantenerse en la organización. Algunas conmociones son organizacionales, como las de un cambio del líderes, mientras que otras son personales, como la del nacimiento de un hijo. La integración laboral se refiere a qué tan conectadas están las personas con sus organizaciones. Cuando las personas no sienten que su trabajo se ajusta bien con sus intereses y valores, tienen una baja integración laboral y están en riesgo de irse.

Trabajamos con una firma de inteligencia enfocada en talentos para reunir una gran muestra de datos organizacionales públicamente disponibles sobre potenciales conmociones de rotación, como los cambios en calificaciones de Glassdoor o acciones legales contra la firma. También buscamos en el dominio público factores personales vinculados con la integración, incluyendo el tiempo en el puesto, habilidades, educación, género y ubicación geográfica de los empleados. Reunimos estos indicadores potenciales de rotación laboral para más de 500,000 individuos que trabajan en los Estados Unidos.

VEA TAMBIÉN: Se filtra audio del Banco de Inglaterra, lo que dio ventaja a algunos operadores

A partir de nuestra evaluación de estos factores de rotación, usamos aprendizaje de las máquinas para clasificar a cada individuo en 4 categorías: sin probabilidades, con pocas probabilidades, con altas probabilidades o con muchas probabilidades de ser receptivo ante nuevas ofertas laborales. A cada persona en nuestra muestra se le otorgó una calificación dentro del índice de tendencia a la rotación, o TPI (por sus siglas en inglés). Después realizamos dos estudios para analizar qué tan bien esta calificación predijo la apertura de cada empleado a oportunidades externas y sus probabilidades de renunciar.

Primero, queríamos ver qué tan bien el TPI predecía la apertura a mensajes de reclutamiento. Enviamos invitaciones por correo electrónico a una muestra más pequeña de 2,000 empleados que habían sido identificados por nuestro algoritmo como sin probabilidades, con pocas probabilidades o muchas probabilidades de ser receptivo ante una invitación para ver trabajos que estaban disponibles de acuerdo a sus habilidades específicas. De ellos, 1,473 recibieron el correo electrónico, 161 abrieron la invitación y 40 hicieron click. Aquellos que habían sido identificados como “con muchas probabilidades” de ser receptivos abrieron la invitación del correo electrónico en un porcentaje de más del doble que los calificados como con pocas probabilidades. Esto sugiere que la calificación del TPI podría identificar a los empleados con mayor riesgo de irse. Este hallazgo también sugiere que las compañías pueden dirigirse estratégicamente a los mejores talentos que podrían estar más abiertos a una oferta externa – recuerde, todo esto salió de datos públicamente disponibles.

ADEMÁS: Cuándo confiar en su instinto para una decisión importante

Segundo, para observar la capacidad de la calificación del TPI para predecir la rotación laboral, nos enfocamos en el resto de la muestra de los 500,000 individuos. En un periodo de tres meses, aquellos identificados como “con muchas probabilidades” de ser receptivos a nuevas oportunidades tuvieron 63% más posibilidades de cambiar de trabajo, en comparación con aquellos considerados como “sin probabilidades” de ser receptivos. Los identificados como con “altas probabilidades” tuvieron un 40% más posibilidades de renunciar.

Nuestro trabajo en esta área está demostrando que, al usar datos masivos, las firmas pueden rastrear indicadores de tendencia a la rotación laboral e identificar a los empleados que podrían estar en mayor riesgo de dejar la organización.