Nuestros sitios
Ver edición digital Título de la edición actual
Compartir

Analítica de datos para el regreso a las oficinas

En lugar de adivinar cuándo regresar a sus oficinas físicas, las empresas pueden hacer pruebas y tomar decisiones informadas.


Mit Sloan 04 Jun 2021
Analítica de datos para el regreso a las oficinas

Thomas H. Davenport y Thomas C. Redman

Casi todos los líderes y empleados se preguntan cómo serán el trabajo y los negocios después de que termine la pandemia. Ahora que las vacunas covid-19 se están aplicando en todo el mundo, podemos ver algo de luz al final del largo y oscuro camino en el que hemos estado trabajando y viviendo hasta ahora.

Pero ¿cómo será el ambiente laboral pospandémico y con base en qué lo decidiremos? ¿Trabajar desde casa o volver a la oficina? ¿Usar Zoom para llamadas comerciales o seguir viajando por avión? En nuestra opinión, cuestionar los ambientes empresariales, antes y después de la pandemia, es una excelente oportunidad para responder estas preguntas y transformar nuestro concepto de empleo.

Los nuevos ajustes laborales y sus efectos en la productividad, la satisfacción de los trabajadores, la equidad, la colaboración y la responsabilidad social deben ser el foco de atención principal. Es posible que las empresas tengan que reexaminar viejos problemas sistémicos, como la inclusión: si bien algunas organizaciones han logrado avances en esta área durante los últimos años, la pandemia ha tenido un efecto desproporcionado para ciertos grupos laborales (como mujeres y padres de familia); es decir, que las compañías necesitan evaluar sus retrocesos y trabajar para recuperarse, siempre partiendo del progreso que habían logrado antes de la pandemia.

Entonces, tenemos una oportunidad de oro para realizar todo tipo de experimentos en torno a los factores que ha trastocado la pandemia y con ello tomar mejores decisiones comprobadas. Las pruebas no tienen por qué ser engorrosas, mucho menos en momentos tan complicados. De hecho, pueden ocurrir naturalmente y ahora es más común contar con grupos de analítica en recursos humanos u otras áreas, que pueden recopilar y analizar los datos necesarios. Desde el año pasado, varias compañías reunieron suficientes datos relevantes como para tomar decisiones, utilizando como base los ajustes laborales pandémicos; otras no tienen suficientes datos ahora, pero pueden comenzar a realizar experimentos para llenar esos vacíos.

¿Con qué tipo de decisiones vale la pena experimentar?

Una de las cuestiones más importantes es si las empresas deben regresar a un esquema de cinco días a la semana en oficinas. Hemos observado evidencias de que trabajar desde casa ha tenido ciertos beneficios: menos tiempo perdido entre los desplazamientos, menos carbono en la atmósfera y quizás, incluso, una mayor productividad, entre otros.

Según un estudio de Stanford, las preferencias de los empleados, en cuanto al número de días que prefieren acudir a una oficina, oscilan bastante: la respuesta promedio son dos días, pero un 25% de los encuestados prefirió cinco y el 20% se inclinaba por no volver nunca. Algunas empresas ya han tomado posturas radicales, como Skillshare, con sede en Nueva York, que ha cerrado todas sus oficinas físicas. Otras, como Netflix, están dirigidas por un CEO que opina que el teletrabajo “sólo es negativo” y no aporta beneficios. Ninguna de estas políticas extremas parece estar basada en datos o análisis extensos, e involucran posiciones radicales con respecto a todos los trabajadores de cualquier puesto y con todo tipo de situaciones familiares y personales.

No es necesario elaborar políticas generales con información escasa. Facebook, por ejemplo, ha estado cuestionando (previo a la pandemia) si trabajar cerca de un gerente es necesario para obtener buenos resultados y ascensos. El equipo de analítica, dirigido por Alexis Fink, comprobó esta idea, en parte, al observar los resultados de los colaboradores que estaban separados geográficamente de sus equipos y gerentes. Fink nos dijo que, en general, no había sucedido ningún cambio. Al inicio de la pandemia, Facebook llevó a cabo una variedad de estudios internos que analizaban los resultados de sus equipos, los cuales sugieren que laborar a distancia es indiferente o favorable en términos de trabajo y buenos resultados. Con esta información, Facebook anunció en mayo de 2020 que adoptaría un método gradual para cambiar su  modelo laboral a uno remoto.

En 2020, la compañía de ciencias biológicas Merck encontró patrones consistentes, tanto en opinión de los empleados como en su productividad, cuando pidió al 80% de su fuerza laboral que protegiera su salud trabajando desde casa y al 20% restante que acudiera a la oficina con medidas estrictas de sanidad. Jeremy Shapiro, jefe de analítica de los empleados y uno de los muchos ejecutivos que diseñan nuevas políticas laborales basadas en datos, aseguró que los índices de compromiso entre trabajadores se mantuvieron firmes durante ese momento. Este éxito lo atribuyó a una combinación de liderazgo y apoyo del equipo, y dijo que es probable que se adopten modelos híbridos (oficina/ hogar/otros espacios) en el futuro. Además, señaló que la fuerza laboral de Merck es heterogénea y que no se aplicarán políticas universales para todos.

Sospechamos que muchas organizaciones llegarán a la misma conclusión que Merck; es decir, optar por soluciones variables entre categorías de trabajo, entre equipos e incluso entre individuos.

En un extenso estudio, realizado a principios de la década de 2000, sobre las políticas de los trabajadores del conocimiento, segmentarlos y ofrecerles opciones sobre su espacio laboral surgieron como los dos factores más importantes a la hora de asentar acuerdos de trabajo. Como observó Matt Phelan, cofundador de The Happiness Index, una plataforma de participación para trabajadores: “Algunas personas prefieren laborar desde casa, otras acudir a una oficina, [y] algunas más prefieren un modelo combinado, pero el cien por cien quiere tener la libertad de elegir“. Varios analistas líderes con los que hablamos para escribir este artículo también hicieron hincapié en estos factores, pero planeaban realizar más pruebas y análisis de datos.

Conforme la pandemia vaya disminuyendo, las empresas que carecen de datos prepandémicos podrían crear experimentos en torno a estas opciones. Podrían hacer que algunos grupos trabajen en la oficina diariamente, otros desde casa y el resto con horarios mixtos. Algunos indicadores de resultados (variables dependientes) podrían monitorearse para cada grupo: la productividad, la satisfacción laboral, la frecuencia de trabajo en redes e incluso las horas laboradas, de acuerdo con su actividad en la computadora. Los resultados de estos experimentos podrían ser el referente de políticas laborales más amplias y justas; además, podrían comunicarse y defenderse con base en la analítica de datos, lo cual generaría menos resistencia.

Las variables de ubicación también deberán comprobarse, porque no podemos suponer que las adaptaciones adecuadas para la pandemia se mantendrán en el futuro. Estos experimentos serán importantes para los vendedores, quienes no han podido buscar clientes en persona desde el brote del coronavirus, así como otros profesionales como abogados, consultores y entrenadores personales. De manera similar, las conferencias comerciales y exhibiciones de productos virtuales deberán averiguar si sus clientes se han acostumbrado a las teleconferencias vía Zoom, las cuales suelen ser más breves, o si existe una demanda reprimida por regresar a las reuniones en persona. Deben probar una amplia gama de métodos, idealmente con diferentes costos, con el fin de establecer qué atrae a los clientes que más pagan.

Por último, la lista de temas a experimentar y analizar puede incluir cuestiones relacionadas con las horas de trabajo (por ejemplo, menos días con horarios más largos), formas de supervisión y puestos que determinen sus propios horarios. “Lo cierto es que creemos que el número de días laborales a la semana es un tema listo para investigarse”, nos dijo Jennifer Kurkoski, directora de analítica de personal en Google. “Pero hay mucho mayores oportunidades”. ¿Qué nos hace falta, se preguntó, “para no delimitar el trabajo por horas, sino por resultados? Ya logramos reconocer que existen más incógnitas de las que pensábamos, ahora nos toca atender cuestiones que no se han discutido antes”.

Cuando se planteen realizar experimentos, los altos mandos deberían preguntarse: “Según superemos la pandemia, ¿desde dónde podemos entender mejor cómo dirigir nuestro negocio en el futuro?”

¿Qué necesitas para experimentar?

Algunas empresas tendrán experiencia en la analítica de la fuerza laboral, pues es un campo emergente pero de rápido crecimiento. Estos grupos suelen tener buenas aptitudes para la metodología de la investigación, las ciencias sociales y la implementación de políticas, de tal suerte que pueden facilitar el esfuerzo de los equipos administrativos en la realización de experimentos y analítica de datos. Otras, pueden aplicar el método de “ensayo y error” al igual que cuando prueban sitios web alternativos, nuevos enfoques de marketing o distintos planes de inversión. El software estándar puede realizar un seguimiento de los grupos de prueba y control y ayudar a interpretar los resultados.

Sin embargo, existen factores a tener en cuenta al diseñar cada prueba. Los empleados, conscientes de que son monitoreados, pueden esforzarse más en su trabajo, un fenómeno llamado “efecto Hawthorne” por los estudios realizados en la planta Western Electric Hawthorne Works en la década de 1920. Algunos de estos factores pueden ser difíciles de registrar, como la sana distancia entre compañeros, pero suelen ser manejables.

Recomendamos a las empresas tomar en cuenta los siguientes consejos para ejecutar estos experimentos sociales con éxito:

  • Determinar claramente los elementos del experimento. Articula las preguntas, las poblaciones y subpoblaciones de interés, las variables dependientes (por ejemplo, productividad o satisfacción de los empleados) y las variables independientes (como el número de días que asistirán a la oficina). Indica claramente el significado de todos los términos clave.
  • Documentar los hallazgos. Registra el proceso de recopilación y almacenamiento de datos.
  • Ampliar las posibilidades con la red analítica. Una vez que empiecen a mirar los datos, es muy posible que aprendan cosas nuevas que no habían considerado durante el planteamiento del experimento.
  • Empezar cuanto antes y de forma gradual. Hay mucho que aprender, ¡pero también tantas cosas que podrían salir mal, sé precavido!

Idealmente, los experimentos relacionados con la covid-19 se convertirán en parte de una metodología de experimentación más amplia. Una cultura de ensayos es un componente importante de la gestión basada en analítica y los resultados de las pruebas deberían convertirse en un componente clave del “entorno empresarial de la nueva normalidad”.

La pandemia por covid -19 presenta una oportunidad única para probar nuevas formas de trabajar. Las compañías pueden ignorar esto y emprender un camino hacia lo desconocido o pueden intentar comprender su nuevo entorno de manera más profunda y trazar un camino más seguro. Quienes opten por este último enfoque tendrán los beneficios de una fuerza laboral más feliz y productiva, una mayor eficiencia y una mayor capacidad para responder ante los cambios fundamentales de sus ecosistemas. Quizá los ajustes laborales adoptados cuando acabe la pandemia persistan durante décadas, por lo que vale la pena hacerlos bien.

SEMBLANZA

Thomas H. Davenport (@tdav)  es el profesor distinguido del presidente de Tecnología y Gestión de la Información en el Babson College, así como miembro de la Iniciativa MIT sobre Economía Digital y asesor principal de IA y analítica en Deloitte. Thomas C. Redman (@thedatadoc1)  es presidente de Data Quality Solutions, una consultora con sede en Rumson, Nueva Jersey, y coautor de The Real Work of Data Science: Turning Data Into Information, Better Decisions, and Stronger Organizations (Wiley, 2019) .

Artículo traducido por Elvira Rosales, a partir de: https://sloanreview.mit.edu/article/experiments-and-data-for-post-covid-19-work-arrangements/

LEE MÁS CONTENIDO
¿QUÉ TEMA TE INTERESA?