CITAS
Utiliza en la vida los talentos que poseas: el bosque estaría muy silencioso si sólo cantasen los pájaros que mejor cantan. - Henry Van Dyke

Análisis de RRSS para RRHH

  • – Ganar sin arriesgar, la nueva era del inconformismo.
  • – Artículo de Artificial Expo MBIT School de Maite Martínez – Alumna Máster Data Science para Profesionales de MBIT School y Silvia Santos – Alumna Máster Data Science para Profesionales de MBIT School.
  • – #FEED2018: V Foro del Empleo en la Era Digital que se celebrará en Madrid el 15 y 16 de Noviembre. Si tú también quieres participar como expositor, pincha aqui

Tal vez al pensar en aplicaciones de las técnicas Big Data en el mundo empresarial, el área de Recursos Humanos de una compañía no es la primera en la que suele pensarse.  En general, parece difícil que los departamentos de RRHH de las compañías, incluso de las mayores, produzcan tradicionalmente tanta información como para ser objeto de análisis de cara a obtener más conocimiento de sus empleados.  Por otro lado, el hecho de que en los departamentos de RRHH sea donde se toman muchas decisiones sobre el activo más valorable que compone las organizaciones, las personas,  entronca directamente con el espíritu y mayor valor del Big Data: facilitar una toma de decisiones más informada y ágil.  “People Analytics” es el nombre que recibe la aplicación de las técnicas y tecnologías de Big Data y Ciencia de Datos al área de la gestión y extracción de conocimiento de personas. Es notorio el eco que esta disciplina está teniendo recientemente y que pone de manifiesto la aplicabilidad de estos métodos en aspectos como los procesos de selección, retención de empleados, formación y evaluación, medidas de desempeño, compensación monetaria, etc., todos ellos propios de la labor tradicional de los departamentos de Recursos Humanos.

Una de las tareas habituales a las que se enfrenta un departamento de Recursos Humanos de forma habitual es la búsqueda de candidatos para un cierto puesto de trabajo. Tradicionalmente, la  detección  de  candidato se  realizaba en numerosas ocasiones a través de anuncios en prensa, bases de datos de candidatos construidas a lo largo del tiempo y la explotación de la red de contactos personales del entorno del empleador.  Actualmente estos métodos tradicionales han sido complementados, y algunos dirían que prácticamente sustituidos, por métodos que explotan la información contenida en la Web, teniendo un papel preponderante diversas plataformas o portales Web (InfoJobs, Monster, etc.) y redes sociales (LinkedIn), orientados a la búsqueda de empleo.

Sin embargo, hay mucha más información sobre posibles candidatos, diseminada en fuentes menos estándar, como son las redes sociales de propósito general (Twitter, Facebook, Instagram, etc.). Aquí es donde estas técnicas pueden ser de mucha ayuda,  permitiendo una extracción de conocimiento de la información masiva que dichas redes contienen. No sólo podrían detectarse posibles candidatos para una determinada oferta en cuestión, sino que también aportan información del compromiso de la persona con su actividad, su valoración por parte de otros usuarios, su proactividad, etc.,  factores todos ellos relevantes desde el punto de vista de un reclutador. Dentro de dichas redes sociales, Twitter por ejemplo, puede ser una magnífica fuente de información, gracias al gran número de usuarios que tiene y la facilidad para acceder a la información que atesora.

No obstante, cualquier método que use la información almacenada en Twitter (lo mismo ocurriría para otra red social) para un propósito particular tiene limitaciones. Por un lado, no todas las personas que puedan ser candidatos a la oferta tienen por qué usar Twitter. Por otro, la red impone limitaciones en la cantidad de información a la que deja acceder, y por ello, también es posible que los usuarios pierdan visibilidad en este proceso, porque el contenido publicado por ellos no se encuentre entre el proporcionado por la red social durante el proceso de extracción de datos, o durante el periodo de tiempo analizado.

Dejando de lado estas limitaciones, nos proponemos obtener, a partir de información obtenida de Twitter, una lista de posibles candidatos a una oferta de trabajo, y además ordenar estos candidatos de acuerdo a su relevancia. ¿Cómo deberíamos proceder? Partiremos de la hipótesis de que quien comenta sobre un determinado tema en Twitter tiene conocimientos sobre dicho tema, y nuestro primer paso será entonces descargar mediante una búsqueda por palabras clave a través del API de Twitter una serie de tweets que estén relacionados con el tema de referencia. A continuación, aplicaremos una serie de filtros a todos los tweets recopilados para llegar a nuestra lista de candidatos. De estos filtros, tal vez lo más relevante sea discriminar los tweets que realmente estén relacionados con los conocimientos, o habilidades, que ha de poseer cualquier candidato para la oferta en cuestión descartando aquellos que hablen de otra cosa o que no pueda inferirse de ellos que el autor realmente tenga conocimientos sobre el tema. Una vez preseleccionados los tweets relevantes el siguiente paso es filtrar a los posibles candidatos (autores de dichos tweets), rechazando a empresas, instituciones o bots. Por último habría que ordenar a esos candidatos en función de la relevancia de su actividad en Twitter.

En todos estos pasos, la herramienta fundamental es el procesado del lenguaje natural. La decisión para la elección de los algoritmos a utilizar en cada caso (incluyendo estudio del idioma del tweet, su naturaleza y la selección de usuarios válidos) nos puede llevar a usar modelos supervisados, para lo cual se necesita de una muestra de tweets etiquetados, o bien optar por modelos no supervisados. Si fuese necesario un etiquetado manual de tweets, se debe de tener en cuenta aspectos como cuántas personas involucrar para reducir el error en este proceso de etiquetado.

Otro punto clave es decidir con qué criterios queremos medir la relevancia de un candidato, que es lo que finalmente permite ordenarlos. El éxito de este proceso es conseguir que dicha selección y ordenación de los usuarios aporte valor con un método propio y eficiente para conseguirlo. Dicha relevancia podría, por ejemplo, medirse por una parte el impacto de sus publicaciones (índice h) y, por otra, por la importancia de su participación en la red de usuarios relevantes (modelándola como un grafo y estudiando las medidas de centralidad de cada nodo) que pueden medir, entre otras cosas, la influencia del candidato dentro de la red. El orden final de dicha relevancia podría hacerse en función de un único criterio o con la combinación de varios, siendo decisión del analista los criterios a elegir.

Seguramente la  componente  humana del profesional de RRHH no puede ser sustituida en numerosas circunstancias. Sin embargo, los departamentos de RRHH no deberían mantenerse al margen del cambio que las tecnologías digitales suponen en todos los ámbitos de la actividad humana, adoptando los beneficios que el Big Data y el análisis de datos puede aportarles en la toma de decisiones, idealmente en todos los niveles organizativos. Estos elementos serán un complemento indispensable para los especialistas en recursos humanos en los próximos años.

1 comentario en "Análisis de RRSS para RRHH"

  • comment-avatar
    Ernesto Monfort 26 noviembre, 2018 (5:43 pm)

    Muy interesante!!!

Escribir un comentario

Su email no será publicado