15 de octubre de 2026
El Papel del People Analytics en la Evolución Estratégica de la Gestión de Personas
Ana Caroline Marçal Rezende; Simone Kunde
DOI: 10.22167/2675-6528-202602352
Artículo derivado de Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.
Resumen
El área de Recursos Humanos ha experimentado transformaciones significativas, impulsadas por la digitalización y los avances tecnológicos de gestión, buscando reposicionarse estratégicamente. En este contexto, People Analytics surgió como un enfoque para fundamentar decisiones con datos y análisis, sustituyendo la intuición. Se analizó cómo el uso de People Analytics contribuye a la evolución del rol de RRHH de una función operativa a estratégica, identificando beneficios y barreras a partir de la percepción de profesionales que actúan en diferentes organizaciones. Se llevó a cabo una investigación aplicada, descriptiva y predominantemente cuantitativa, complementada con análisis cualitativo. Se utilizó un cuestionario estructurado, difundido en redes profesionales y comunidades de RRHH y People Analytics. La muestra no probabilística por conveniencia estuvo compuesta por 127 profesionales de RRHH, People Analytics y gestión de personas, cuyos datos fueron analizados por estadística descriptiva y análisis de contenido. Los resultados indicaron que las empresas de mayor tamaño y los sectores más digitalizados concentraron prácticas más estructuradas de People Analytics, mientras que las organizaciones de tamaño mediano y pequeño permanecieron en fases iniciales. Entre los principales beneficios, destacaron el apoyo al liderazgo en la toma de decisiones y una mayor asertividad en los procesos de reclutamiento y selección. Las barreras más mencionadas involucraron la ausencia de una cultura orientada a datos, la carencia de profesionales capacitados y la falta de integración entre sistemas. Se concluyó que, a pesar de los avances observados, la consolidación de People Analytics sigue estando condicionada a factores culturales, tecnológicos y de liderazgo, esenciales para transformar datos en decisiones estratégicas.
Palabras clave: Análisis de Datos; Estrategia; Gestión de Personas; People Analytics; Recursos Humanos.
1. Introducción
En las últimas décadas, el área de Recursos Humanos (RR. HH.) ha experimentado transformaciones significativas, impulsadas tanto por los avances tecnológicos como por la creciente complejidad de las organizaciones. Tradicionalmente, los RR. HH. eran vistos como una función esencialmente administrativa y operativa, centrada en la ejecución de procesos burocráticos. Este encuadre reforzaba la imagen de los RR. HH. como un área de soporte, con actuación restringida al control de rutinas y distante de la formulación de estrategias organizacionales (Becker et al., 2001). Sin embargo, a medida que el entorno corporativo se volvió más competitivo, globalizado y volátil, surgió la necesidad de reposicionar el área como un socio estratégico, capaz de contribuir a decisiones de alto impacto y al desarrollo sostenible de las empresas (Ulrich, 1997; Ulrich et al., 2009).
Este proceso de transformación no ocurrió de manera inmediata o lineal. Uno de los factores que dificultaron esta transición fue la incapacidad histórica de medir la contribución concreta de RR. HH. a los resultados del negocio. La ausencia de métricas consistentes impedía al área demostrar su valor, resultando en decisiones basadas en la intuición y experiencias individuales, en lugar de fundamentadas en evidencias analíticas (Marler y Boudreau, 2016). En este contexto, surge People Analytics como un enfoque innovador, que utiliza datos y análisis para transformar la gestión de personas y proporcionar legitimidad estratégica a RR. HH.
People Analytics puede definirse como el uso sistemático de métodos estadísticos, algoritmos y herramientas tecnológicas para recopilar, organizar e interpretar datos relacionados con personas en el entorno organizacional. Más que generar informes, la propuesta es transformar datos en insights accionables que ayuden a líderes y gestores a tomar decisiones más precisas, fundamentadas en evidencia y alineadas con la estrategia del negocio (Marler y Boudreau, 2016). Se trata de un movimiento que busca superar la toma de decisiones intuitiva, sustituyéndola por análisis objetivos capaces de anticipar escenarios, reducir riesgos y mejorar la asignación de talentos. La efectividad de People Analytics, sin embargo, depende de un cambio cultural y de mentalidad. Los datos deben ser analizados a partir de las cuestiones estratégicas de la organización, con gobernanza, competencias y propósitos claros y no solo recopilados de forma dispersa (Angrave et al., 2016).
La adopción de People Analytics se ha consolidado en diversas empresas alrededor del mundo. Marr (2018) muestra que la principal contribución de People Analytics es transformar el RH en un actor relevante en las discusiones estratégicas, legitimando sus decisiones ante la alta dirección. Sin embargo, la implementación de esta práctica no ocurre de forma homogénea. Marler y Boudreau (2016) defienden que People Analytics debe ser comprendido como un espectro de madurez. En el nivel más básico, los análisis son esencialmente descriptivos, restringidos a indicadores como absentismo y rotación de personal. En la etapa intermedia, surgen análisis diagnósticos, capaces de identificar causas para determinados fenómenos. Ya los niveles más avanzados involucran análisis predictivos, que anticipan riesgos y tendencias, y análisis prescriptivos, que sugieren acciones específicas a ser adoptadas. Van den Heuvel y Bondarouk (2017) complementan que la madurez en esta práctica depende de la integración de tres dimensiones: infraestructura tecnológica, cultura orientada a datos y alineamiento con la estrategia organizacional. Otro punto destacado por la literatura es la distinción entre indicadores operacionales y métricas estratégicas. Mientras los primeros miden procesos internos y rutinas administrativas, las métricas estratégicas evalúan el impacto de la Gestión de Personas en los resultados del negocio. Becker et al. (2001) sostienen que la eficacia del RH debe ser medida por su contribución directa al desempeño organizacional. Rasmussen y Ulrich (2015) observan que muchas empresas aún permanecen presas a la medición de actividades, sin explorar plenamente el potencial de los datos para apoyar decisiones estratégicas. Esta limitación refuerza la necesidad de evolucionar hacia indicadores que demuestren impacto real, como costo de la rotación de personal sobre la rentabilidad, correlación entre compromiso e innovación o predicciones de riesgo de despido en áreas críticas.
A pesar de las ventajas, la literatura señala diversos obstáculos para la consolidación del People Analytics. Angrave et al. (2016) identifican que, incluso en organizaciones con gran volumen de datos y acceso a herramientas avanzadas, la ausencia de una cultura orientada a la evidencia puede comprometer el éxito de la práctica. La resistencia de los gerentes a sustituir su experiencia por análisis estadísticos y la falta de confianza en los datos son barreras recurrentes. Otra dificultad es la escasez de profesionales cualificados para transformar información en análisis relevantes. Muchas veces, los profesionales de RRHH no poseen formación estadística o conocimientos técnicos suficientes, lo que limita la capacidad de interpretar los datos de manera estratégica. Davenport et al. (2010) destacan que la presencia de líderes con mentalidad analítica es decisiva para superar estas barreras y transformar el People Analytics en rutina organizacional.
Ante este panorama, el presente estudio buscó contribuir a la literatura académica y, al mismo tiempo, ofrecer subsidios prácticos para gestores y profesionales del área, ampliando la comprensión sobre el papel del uso de datos en la construcción de un RH más alineado a las demandas estratégicas del negocio. El objetivo fue analizar cómo el uso de People Analytics contribuye a la evolución del papel del RH de una función operacional a una actuación estratégica, identificando beneficios, barreras y factores críticos de éxito a partir de la percepción de profesionales de diferentes empresas.
2. Material y Métodos
Este estudio se caracteriza como una investigación aplicada, de naturaleza descriptiva, con un enfoque mixto predominantemente cuantitativo, complementado por análisis cualitativo. La investigación descriptiva buscó detallar las características del uso de People Analytics en la gestión de personas, identificando patrones, prácticas y percepciones de profesionales de diferentes sectores y tamaños organizacionales (Gil, 2019; Lakatos y Marconi, 2017). El enfoque mixto, según Creswell (2014), integró datos numéricos e interpretaciones textuales para una comprensión ampliada del fenómeno, sin configurar un diseño plenamente mixto. El análisis cuantitativo proporcionó un panorama de la adopción de People Analytics, mientras que el cualitativo exploró percepciones subjetivas (Flick, 2009; Bardin, 2011).
El diseño metodológico adoptado fue el survey (encuesta), utilizado para recopilar información de un grupo específico de profesionales en un período determinado (Yin, 2015). El instrumento de recolección fue un cuestionario estructurado, desarrollado a partir de la revisión de la literatura sobre People Analytics y gestión estratégica de Recursos Humanos. El cuestionario se organizó en bloques temáticos: (i) perfil del profesional y características de la organización; (ii) prácticas de uso de datos en la Gestión de Personas; (iii) percepciones sobre los impactos del People Analytics; y (iv) principales barreras y factores críticos de éxito. Al final, se incluyó una pregunta abierta para descripciones de experiencias y recomendaciones.
El instrumento fue elaborado en la plataforma Google Forms y divulgado en línea, principalmente en redes profesionales como LinkedIn y en comunidades de RH y People Analytics. La invitación fue compartida en la red de contactos de la investigadora y en comunidades temáticas, sin recorte previo por sector o tamaño. El proceso de recolección duró 37 días, buscando profesionales activos en RH, People Analytics o gestión de personas en el momento de la investigación.
La muestra estuvo compuesta por 127 encuestados válidos, configurándose como no probabilística por conveniencia, debido a la participación voluntaria y dependiente de la accesibilidad. Aunque no permite generalización estadística, el muestreo fue adecuado a los objetivos descriptivos del estudio (Gil, 2019). La mayor representatividad de segmentos como tecnología, servicios y financiero, y de algunas áreas de actuación en RR.HH., fue consecuencia del canal de divulgación y es reconocida como una limitación del estudio, a pesar de haber ampliado la diversidad de perspectivas.
En relación con los aspectos éticos, se informó a todos los participantes sobre los objetivos de la investigación y se les invitó a aceptar el Consentimiento Informado. El cuestionario explicitó la naturaleza voluntaria de la participación, la garantía de anonimato y confidencialidad, y el uso exclusivo de la información para fines académicos, sin solicitud de datos de identificación personal.
El análisis de los datos se realizó en dos etapas. En primer lugar, el análisis cuantitativo utilizó estadísticas descriptivas, con tablas de frecuencias absolutas y relativas, gráficos de barras y cruces descriptivos entre variables como el tamaño de la empresa, la etapa de adopción de People Analytics, el sector, las áreas de RRHH impactadas, el cargo y la percepción del rol estratégico de RRHH. Esta etapa buscó mapear tendencias y patrones sin recurrir a técnicas inferenciales. A continuación, se realizó el análisis cualitativo mediante la técnica de análisis de contenido (Bardin, 2011), que comprendió una pre-análisis, la exploración del contenido con categorización en ejes temáticos (beneficios, barreras y perspectivas de futuro de People Analytics), y el tratamiento e interpretación, relacionando las categorías con el marco teórico. La articulación entre estadística descriptiva y análisis de contenido permitió cuantificar la etapa de adopción y comprender las interpretaciones de los profesionales sobre los beneficios, desafíos y condiciones de éxito.
3. Resultados y Discusión
La investigación contó con la participación de 127 profesionales de Recursos Humanos, People Analytics y Gestión de Personas, desde especialistas técnicos a líderes, permitiendo una comprensión multifacética de la aplicación y uso de datos, tanto en la operación tradicional de RH como en la emergente especialización en análisis de datos, que reposiciona el área estratégicamente.
Entre los participantes, el 40,9% eran profesionales de RR. HH., el 38,6% especialistas en People Analytics, el 18,1% gerentes o líderes y el 1,6% ejecutivos C-level. Este perfil indicó la incorporación de competencias analíticas en RR. HH., alineado con la visión de Ulrich et al (2009) y Becker et al (2001) sobre la legitimidad de RR. HH. por la influencia en diferentes niveles jerárquicos. El sector tecnológico predominó en la muestra (29,9%), seguido por servicios (18,9%), industria (15,7%) y financiero (8,7%). Profesionales de la tecnología (71%) reportaron uso frecuente de datos para decisiones estratégicas, superando a salud (43%) e industria (51%), lo que sugiere que entornos digitalizados internalizan prácticas analíticas más rápidamente (Marler y Boudreau, 2016). Un encuestado del sector tecnológico mencionó la adopción de dashboards predictivos para mayor precisión en la asignación de talentos. El tamaño organizacional también se mostró relevante, con el 60,6% de los participantes en grandes empresas, y el 18,9% en medianas y pequeñas. Grandes empresas (64%) presentaron mayor adopción estructurada de People Analytics, en contraste con pequeñas (22%) y medianas (28%). Pequeñas empresas (31%) frecuentemente se restringían a indicadores operacionales, y el 17% no utilizaba análisis, corroborando la relación entre madurez analítica y recursos estructurales (Van den Heuvel y Bondarouk, 2017). Un participante de pequeña empresa relató la dificultad de “organizar información básica en hojas de cálculo, sin capacidad de evolucionar hacia algo más predictivo.” El perfil completo de la muestra se detalla en la Tabla 1.
Tabla 1. Perfil de la muestra: cargo, sectores y portes
| Carga | % | Sector | % | Tamaño | % |
|---|---|---|---|---|---|
| Profesional de Gestión de Personas/RRHH | 40,9% | Tecnología | 29,9% | Grande (500+ empleados) | 60,6% |
| Profesional de People Analytics | 38,6% | Servicios | 18,9% | Mediana (100-499 empleados) | 18,9% |
| Líder/Gerente | 18,1% | Industria | 15,7% | Pequeña (hasta 99 empleados) | 18,9% |
| C-Level/Ejecutivo | 1,6% | Financiero | 8,7% | No activo en el mercado | 1,6% |
| Otros | 0,8% | Salud | 7,1% | ||
| Educación | 3,1% | ||||
| Comercio minorista | 3,1% | ||||
| Otros (<1% cada) | 13,5% |
Fuente: Resultados originales de la investigación
El análisis de la etapa general de adopción de People Analytics reveló que el 48% de los encuestados utilizaban prácticas estructuradas, el 30,7% las aplicaban de forma inicial o puntual, el 15% se limitaban a indicadores básicos y el 6,3% no utilizaban ningún análisis. Esta heterogeneidad refleja los diferentes niveles de madurez, según el modelo de Davenport, Harris y Shapiro (2010), que describe la progresión de análisis descriptivos a prescriptivos. Mientras que las grandes empresas reportaron el uso de modelos predictivos en Python y la construcción de dashboards, las pequeñas empresas destacaron la dificultad para organizar datos básicos. La Figura 1 ilustra esta distribución.
Figura 1. Etapa de adopción de People Analytics por la muestra de la investigación
Fuente: Resultados originales de la investigación
En cuanto a las herramientas, el 86,6% de los participantes utilizaba Excel o Google Sheets, a pesar de que el 63% también mencionaba Power BI y Tableau. También se mencionaron herramientas de HR Techs (40,9%) y sistemas de BI internos (36,2%). Esta coexistencia de herramientas avanzadas y hojas de cálculo tradicionales evidencia la “paradoja del análisis” (Levenson, 2015), donde la disponibilidad tecnológica no asegura la madurez metodológica. Un encuestado observó que, incluso con licencias de herramientas robustas, Excel todavía dominaba el uso. La Figura 2 detalla las herramientas utilizadas.
Figura 2. Herramientas para extracción y manipulación de datos utilizadas
Fuente: Resultados originales de la investigación
En relación al uso de datos en decisiones estratégicas, el 74% de los encuestados afirmó que los datos de RRHH se utilizan siempre o frecuentemente, el 20,5% ocasionalmente y el 5,5% rara vez o nunca. Estos resultados indican la percepción del valor estratégico de la práctica, alineada con la visión de Ulrich et al (2009) sobre la influencia de RRHH en decisiones críticas. La Figura 3 ilustra esta distribución. Al analizar el cruce entre cargo y uso de datos, los gerentes (82%) y los especialistas en People Analytics (77%) demostraron una mayor percepción de integración, mientras que los profesionales de RRHH en funciones operativas presentaron una menor frecuencia (63%). Sectores como tecnología y financiero superaron el 80% de uso frecuente, mientras que salud quedó por debajo del 45%. La Tabla 2 detalla esta relación. Cualitativamente, los participantes informaron que las decisiones se volvieron más ágiles y fundamentadas, y que RRHH ganó voz estratégica al presentar evidencias, destacando la naturaleza cultural de la transformación.
Figura 3. Uso de los datos de RR. HH. en decisiones estratégicas
Fuente: Resultados originales de la investigación
Tabla 2. Cargo x Uso de datos en decisiones estratégicas
| Carga | Siempre o Frecuentemente | En ocasiones | Raramente o Nunca |
|---|---|---|---|
| C-Level/Ejecutivo | 100% | 0% | 0% |
| Líder/Gerente | 82% | 18% | 0% |
| Profesional de People Analytics | 77% | 20% | 3% |
| Profesional de RR. HH. | 63% | 21% | 16% |
| Otros | 100% | 0% | 0% |
Fuente: Resultados originales de la investigación
La percepción sobre el reposicionamiento de RR. HH. también fue significativa. Entre quienes utilizan People Analytics de forma estructurada, el 75,4% afirmó que RR. HH. se ha vuelto más estratégico y participativo. Este porcentaje disminuyó al 38% entre quienes usan solo indicadores básicos y al 12% entre quienes no utilizan datos. Esto sugiere que People Analytics actúa como catalizador en la valoración de RR. HH., transformándolo de una función operativa a estratégica, como discutido por Becker, Huselid y Ulrich (2001). La Figura 4 presenta esta percepción.
Figura 4. Percepción del cambio en el rol de RRHH con el uso de datos
Fuente: Resultados originales de la investigación
Los principales beneficios percibidos incluyeron apoyo al liderazgo en la toma de decisiones (81,1%), mejora en la asertividad de las contrataciones (45,7%), aumento de la productividad (29,9%) y reducción del turnover (26%). Estos hallazgos corroboran a Levenson (2011) sobre la reducción de costos y riesgos mediante análisis de talento. Testimonios cualitativos indicaron que los datos ayudan al liderazgo a enfocarse en áreas críticas y hacen la elección de candidatos más asertiva. La Tabla 3 sintetiza estos beneficios. El análisis cruzado reveló que las grandes empresas priorizaron el apoyo al liderazgo, mientras que las pequeñas y medianas valoraron la asertividad en las contrataciones. El sector tecnológico enfatizó la retención y el compromiso, y la industria, la productividad, demostrando que las ganancias se adaptan a las demandas sectoriales. El análisis de contenido (Bardin, 2011) reforzó que el apoyo al liderazgo está ligado a decisiones rápidas y justificables, y la asertividad en las contrataciones deriva de perfiles basados en evidencia. Las ganancias de productividad y la reducción de turnover se asociaron a la orientación de análisis para la priorización de demandas y la asignación de talentos. Sin embargo, la efectividad de estas ganancias depende de datos fidedignos, claridad estratégica y competencias analíticas.
Tabla 3. Beneficios percibidos de People Analytics
| Beneficio | Porcentaje (%) |
|---|---|
| Apoyo al liderazgo en la toma de decisiones | 81,1% |
| Mejora en la asertividad de las contrataciones | 45,7% |
| Aumento de la productividad | 29,9% |
| Reducción de rotación | 26% |
| No aplica | 3,2% |
| Otros |
Fuente: Resultados originales de la investigación
Las barreras para la adopción de People Analytics fueron significativas, con el 68,5% de los participantes señalando la ausencia de una cultura orientada a los datos. Otros obstáculos incluyeron la escasez de profesionales capacitados (56,7%), la falta de integración entre sistemas (51,2%), la baja calidad de los datos (44,9%), las restricciones presupuestarias (43,3%) y la ausencia de apoyo del liderazgo (35,4%). Estos obstáculos, presentados en la Figura 5, indican que las dificultades son predominantemente culturales y organizacionales, según Angrave et al (2016). Las grandes empresas reportaron más problemas de integración y calidad, mientras que las pequeñas y medianas se centraron en las restricciones presupuestarias. La industria y la salud destacaron la resistencia cultural, y la tecnología, la falta de profesionales cualificados. Los testimonios cualitativos reforzaron la escasez de personas para interpretar datos y la preferencia del liderazgo por decisiones basadas en la experiencia personal. La Tabla 4 detalla las barreras por tamaño y sector.
Figura 5. Barreras a la adopción de People Analytics
Fuente: Resultados originales de la investigación
Tabla 4. Tamaño y sector x Barreras
| Barreras | Pequeño (%) | Promedio (%) | Elevado (%) | Tecnología (%) | Servicios (%) | Industria (%) | Salud (%) | Financiero (%) |
|---|---|---|---|---|---|---|---|---|
| Ausencia de cultura orientada a datos | 75% | 68% | 65% | 58% | 70% | 72% | 80% | 55% |
| Profesionales sin capacitación | 58% | 55% | 54% | 66% | 50% | 45% | 56% | 55% |
| Falta de integración entre sistemas | 42% | 49% | 58% | 50% | 48% | 55% | 40% | 45% |
| Baja calidad de los datos | 41% | 47% | 46% | 44% | 43% | 47% | 39% | 41% |
| Restricción presupuestaria | 52% | 46% | 40% | 32% | 38% | 40% | 78% | 46% |
| Ausencia de apoyo de la dirección | 33% | 31% | 36% | 30% | 35% | 38% | 29% | 33% |
Fuente: Resultados originales de la investigación
Los factores críticos de éxito, presentados en la Figura 6, destacaron el liderazgo comprometido con el uso de datos (79,5%), la calidad y confiabilidad de los datos (69,3%) y la cultura organizacional data-driven (63,8%). Esta combinación resalta la importancia del patrocinio ejecutivo y la credibilidad metodológica, según Davenport, Harris y Shapiro (2010) y Minbaeva (2018). Los gerentes valoraron el liderazgo, los especialistas se enfocaron en la calidad de los datos y las grandes empresas priorizaron la cultura y la integración, mientras que las pequeñas y medianas enfatizaron la capacitación de los equipos.
Figura 6. Factores críticos de éxito
Fuente: Resultados originales de la investigación
Las áreas de RR. HH. más impactadas por People Analytics fueron reclutamiento y selección (79,5%), evaluación de desempeño (67,7%), remuneración (62,2%), clima y compromiso (61,4%) y retención de talentos (55,9%). Estos resultados, detallados en la Tabla 5, indican una priorización de funciones que impactan directamente la competitividad organizacional. El cruce sectorial reveló que tecnología priorizó reclutamiento y retención, industria se enfocó en desempeño y productividad, y servicios en compromiso y remuneración, alineado a la observación de Rasmussem y Ulrich (2015) de que People Analytics se consolida en áreas estratégicas. La Tabla 6 presenta esta distribución. El análisis cualitativo (Bardin, 2011) reforzó que RR. HH. ganó voz estratégica y las contrataciones se volvieron más fundamentadas, aunque la resistencia cultural y la dificultad en la consolidación de datos de diferentes sistemas persisten como barreras.
Tabla 5. Áreas de RR. HH. Impactadas
| Área de Impacto | Porcentaje (%) |
|---|---|
| Reclutamiento y Selección | 79,5% |
| Evaluación de Desempeño | 67,7% |
| Remuneración | 62,2% |
| Gestión de Clima/Compromiso | 61,4% |
| Retención de Talentos | 55,9% |
| Entrenamiento y Desarrollo | 49,6% |
| Gestión de Liderazgo | 48% |
| Planificación de Sucesión | 29,9% |
| Ninguna | 2,4% |
| Otras (<1% cada: jornada, salud ocupacional, DP, beneficios y seguridad) | 0,8% |
Fuente: Resultados originales de la investigación
Tabla 6. Sector x Áreas Impactadas
| Área de RRHH Impactada | Tecnología (%) | Servicios (%) | Industria (%) | Financiero (%) | Salud (%) |
|---|---|---|---|---|---|
| Reclutamiento y Selección | 84,2% | 75% | 80% | 72,7% | 77,8% |
| Evaluación de Desempeño | 76,3% | 54,2% | 65% | 90,9% | 66,7% |
| Remuneración | 55,3% | 54,2% | 70% | 72,7% | 55,6% |
| Gestión de Clima/Compromiso | 60,5% | 54,2% | 55% | 81,8% | 55,6% |
| Retención de Talentos | 60,5% | 37,5% | 65% | 81,8% | 55,6% |
| Entrenamiento y Desarrollo | 44,7% | 41,7% | 60,0% | 63,6% | 55,6% |
| Gestión de Liderazgo | 44,7% | 41,7% | 60% | 45,5% | 66,7% |
| Planificación de Sucesión | 23,7% | 16,7% | 45% | 54,5% | 44,4% |
Fuente: Resultados originales de la investigación
En cuanto a las perspectivas futuras, los participantes fueron enfáticos al afirmar que las empresas que no utilicen datos en la gestión de personas se quedarán rezagadas, y que el futuro de RRHH se basará en evidencias, no en intuiciones. Estas percepciones demuestran el reconocimiento del valor actual y futuro de People Analytics para la gestión de personas.
En resumen, People Analytics se encuentra en fase de consolidación, con madurez variable entre organizaciones, siendo más avanzada en grandes empresas y en el sector tecnológico. Los beneficios tangibles incluyen apoyo al liderazgo en la toma de decisiones y mayor asertividad en contrataciones, además de ganancias en productividad y reducción de rotación de personal. Sin embargo, barreras como la ausencia de cultura orientada a datos, carencia de profesionales capacitados, falta de integración de sistemas y restricciones presupuestarias aún son desafíos, especialmente en organizaciones menores y sectores tradicionales. Los factores críticos de éxito señalados fueron el liderazgo comprometido, la calidad y confiabilidad de los datos y la construcción de una cultura data-driven. Los resultados indican que People Analytics es percibido como un diferencial competitivo y una tendencia irreversible para alinear la gestión de personas a las estrategias de negocio, contribuyendo significativamente al reposicionamiento estratégico de RRHH, a pesar de las barreras culturales y estructurales persistentes.
4. Conclusión
El presente estudio buscó analizar cómo el uso de People Analytics contribuye a la evolución del rol de RRHH de una función operativa a una actuación estratégica. Se verificó que la adopción de People Analytics se encuentra en proceso de consolidación, con niveles de madurez desiguales entre las organizaciones. Se observó que las grandes empresas y el sector tecnológico presentaron prácticas más estructuradas, mientras que organizaciones de menor tamaño y sectores más tradicionales aún se encuentran en fases iniciales o restringidas a indicadores básicos. Entre los principales hallazgos, se identificó que People Analytics ofrece apoyo significativo al liderazgo en la toma de decisiones y mejora la asertividad en procesos de reclutamiento y selección. Adicionalmente, se constataron ganancias en productividad y reducción del turnover, lo que refuerza la percepción de que la práctica fortalece la legitimidad de RRHH y amplía su participación en decisiones críticas del negocio.
Sin embargo, la investigación reveló barreras importantes para la plena consolidación del People Analytics, destacándose la ausencia de una cultura organizacional orientada a datos, la carencia de profesionales capacitados y la falta de integración entre sistemas. Tales desafíos, predominantemente culturales y organizacionales, son más acentuados en empresas menores y sectores tradicionales. En contrapartida, los factores críticos de éxito señalados incluyeron el liderazgo comprometido con el uso de datos, la calidad y confiabilidad de la información y la construcción de una cultura data-driven. El estudio contribuye al mapear el escenario actual de la adopción del People Analytics y al ofrecer subsidios prácticos para gestores. Se reconocen como limitaciones la naturaleza no probabilística de la muestra, la dependencia de datos autorreportados y la ausencia de un seguimiento longitudinal. Se sugiere, para estudios futuros, la ampliación de investigaciones sobre el tema y el estímulo a prácticas que fortalezcan la gestión de personas orientada por evidencias, incluyendo investigaciones longitudinales para evaluar la evolución de la madurez analítica.
Referencias Bibliográficas
Angrave, D.; Charlwood, A.; Kirkpatrick, I.; Lawrence, M.; Stuart, M. 2016. HR and analytics: why HR is set to fail the big data challenge. Human Resource Management Journal 26(1): 1-11.
Aqui está a lista bibliográfica final, gerada de acordo com as regras especificadas:
Becker, B.E.; Huselid, M.A.; Ulrich, D. 2001. The HR scorecard: linking people, strategy, and performance. Harvard Business School Press, Boston, MA, EUA. Disponível em: https://traicie.com/app/uploads/2022/10/The-HR-Scorecard -Linking-People-Strategy-and-Performance-PDFDrive-.pdf. Acesso em: 23 set. 2025.
M
Marler, J.H.; Boudreau, J.W. 2016. An Evidence-Based Review of HR Analytics. The International Journal of Human Resource Management 28(1): 3-26.
Ulrich, D. 1997. Human resource champions: the next agenda for adding value and delivering results. Harvard Business Press, Boston, MA, United States.
Ulrich, D.; Brockbank, W.; Younger, J.; Nyman, M.; Allen, J. 2009. HR Transformation: Building Human Resources from the Outside In. McGraw-Hill, New York, NY, EUA.
Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Gestión de Personas del MBA USP/Esalq
Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy