Analítica de recursos humanos: Bestseller creía tener 12.000 empleados y descubrió que eran 20.000
Analítica de recursos humanos: Bestseller creía tener 12.000 empleados y eran 20.000. Así unificó sus datos para decidir con una sola cifra y anticiparse.
Bestseller creía tener unos 12.000 empleados. Cuando por fin juntó todos sus datos, la cifra real rondaba los 20.000. Esa brecha de casi 8.000 personas es el mejor argumento a favor de la analítica de recursos humanos bien construida, y también una advertencia: ningún dato era falso y ningún sistema había fallado. Simplemente cada sistema contaba a su manera.
La historia la cuenta Kristoffer Buur, responsable de iniciativas globales de RR. HH. y tecnología de personas en el grupo danés de moda. Hoy Bestseller reúne más de 50 marcas, unos 30.000 colegas en alrededor de 45 países y vende en unas 2.800 tiendas propias y cerca de 16.000 multimarca y grandes almacenes. Para ordenar ese universo, la compañía eligió SAP SuccessFactors HCM como su «sistema de personas» y, encima, People Intelligence dentro de SAP Business Data Cloud. Su idea, según Buur: «Todos quieren hablar de IA y modelos predictivos. Es como construir una casa: la mayoría quiere empezar por el techo. Nosotros elegimos empezar por los cimientos».
Tres capas para pasar de datos dispersos a decisiones
El problema de fondo no era técnico, era de confianza. Cuando dos líderes miran la misma pregunta y obtienen dos respuestas, advierte Buur, «la reunión se convierte en una decisión sobre los números, no sobre qué hacer». Bestseller resolvió esto con una arquitectura de tres capas:
Cada líder ve en una sola página plantilla, horas trabajadas, contrataciones, bajas y vacantes, comparadas con el mes anterior y con el mismo mes del año previo. La estacionalidad del negocio ahora se ve venir: «Nuestros líderes podían ver esos picos y planificarlos en lugar de explicarlos después».
Donde más impacto tuvo fue en la rotación de personal. Bestseller emplea a muchos jóvenes y espera movimiento, pero una cosa es suponer que la rotación es alta por esa razón y otra ver dónde y por qué ocurre. La vista de salidas tempranas sigue las bajas de quienes llevan menos de tres, de tres a seis y de seis a nueve meses, separa las voluntarias de las involuntarias y colorea la tasa de cada país. Un líder detecta un problema en segundos. Si un mercado crece un tercio o más en un año, o hace una gran campaña de contratación en un mes, la misma vista responde a la pregunta siguiente: ¿esos nuevos empleados se quedan?
El cambio, resumido por Buur, es concreto. Antes, las reuniones arrancaban con «¿qué número es el correcto?», RR. HH. producía informes y la rotación se explicaba cuando ya había ocurrido. Ahora la pregunta es «¿qué acciones tomamos?». Hay además un efecto secundario valioso: los errores de calidad de datos afloran rápido, porque los líderes que confían en las cifras no quieren presentar números incorrectos y los corrigen.
Conviene precisar que SAP no publica cifras de ahorro ni de retorno, y que Bestseller fue uno de los primeros clientes de People Intelligence, así que es un caso temprano y no un estándar probado. El próximo paso de la compañía es un informe de ausentismo sobre la misma base.
Cómo aplicar la analítica de recursos humanos en tu empresa
La lección no depende de la herramienta de SAP. Estas son las acciones que se desprenden del caso:
1. Haz una auditoría de «una sola cifra». Pide a tres áreas la plantilla actual, la tasa de bajas y las vacantes abiertas. Si las respuestas difieren, tu prioridad no es un modelo predictivo.
2. Define una vez, aplica en todas partes. Documenta qué cuenta como empleado, qué es una baja temprana y cómo se miden las horas. Codifica esas reglas en una capa central, no en hojas de cálculo locales.
3. Diseña vistas por rol. Un gerente de tienda, un director de país y un líder de marca necesitan cortes distintos, pero sobre la misma verdad.
4. Mide la confianza, no solo el uso. Un buen indicador es cuánto tiempo de reunión se dedica a discutir números frente a decidir.
5. Escala de lo descriptivo a lo preventivo. Primero qué pasó, luego por qué y después la acción anticipada, como hace Bestseller con la estacionalidad y las salidas tempranas.
6. Arma un equipo mixto. Buur atribuye el avance a un solo equipo que entendía negocio, datos y tecnología, con SAP Consulting y Effective People, en lugar de «tres partes hablando tres idiomas».
El error a evitar es saltarse los cimientos. Es una de las causas habituales detrás de los proyectos de IA que se abandonan. Y si tu problema es de datos heterogéneos, otros casos muestran caminos distintos, como el de Indegene con reglas de calidad de datos bajo supervisión humana o el de IskayPet, que unificó su conocimiento corporativo disperso.
La pregunta para tu próximo comité no es qué modelo de IA contratar, sino algo más incómodo: ¿cuántas personas trabajan realmente en tu empresa y todos están de acuerdo en la respuesta? Si no lo están, la analítica de recursos humanos empieza por ahí, y el techo puede esperar.
Preguntas frecuentes
¿Qué problema resolvió Bestseller con su analítica de recursos humanos?
Bestseller tenía datos de plantilla dispersos en varios sistemas que contaban de forma distinta: creía tener unos 12.000 empleados y la cifra real rondaba los 20.000. Unificó todo en SAP SuccessFactors HCM y aplicó definiciones únicas con People Intelligence, para que todos los líderes trabajen con los mismos números.
¿Qué es People Intelligence de SAP y cómo funciona?
Es una capa analítica dentro de SAP Business Data Cloud que se conecta a SuccessFactors HCM. Codifica una sola vez las definiciones, reglas y la lógica de negocio, como horas semanales o jerarquías de tiendas, y ofrece vistas por rol a líderes de país, marca y retail con datos gobernados y consistentes.
¿Qué resultados obtuvo Bestseller al controlar mejor la rotación de personal?
Bestseller no publicó cifras de ahorro o ROI. Sí reporta cambios cualitativos: sus líderes ven las salidas tempranas por país, anticipan los picos estacionales de contratación y detectan problemas en segundos. Las reuniones pasaron de discutir qué número es correcto a decidir qué acciones tomar.