¿Por qué se está yendo la gente? ¿Qué perfiles tardamos más en contratar? ¿Qué equipos concentran más rotación? ¿La formación que impartimos está cambiando realmente la forma de trabajar?
Muchas empresas ya tienen datos para responder parte de estas preguntas en Excel, nóminas, ATS, HRIS, encuestas, evaluaciones o plataformas de formación. El problema no siempre es que falten datos: a menudo están dispersos o no se convierten en decisiones.
People Analytics ayuda a ordenar ese proceso. No consiste en acumular métricas sobre empleados, sino en utilizar datos para investigar problemas de personas y negocio, formular hipótesis y medir si las decisiones tomadas funcionan.
¿Qué es People Analytics?
People Analytics es el uso sistemático de datos sobre personas, equipos y procesos de Recursos Humanos para comprender qué está ocurriendo, identificar patrones y apoyar decisiones basadas en evidencia. Puede aplicarse a selección, rotación, absentismo, desempeño, formación, engagement o planificación de talento.
CIPD lo define como el análisis de datos sobre personas para resolver problemas de negocio. Esa idea es importante porque coloca el foco en la pregunta que queremos responder, no en el dashboard.
Un cuadro de mando muestra información. La analítica de personas utiliza esa información para preguntar, segmentar, comparar, formular hipótesis, decidir y volver a medir.
pregunta → datos → análisis → hipótesis → decisión → medición.
¿Para qué sirve People Analytics en RRHH?
Aplicar People Analytics en RRHH permite convertir problemas amplios en preguntas analizables sin sustituir el criterio profesional.
Selección de talento
Podemos analizar candidatos, entrevistas, ofertas, contrataciones, fuentes de captación, abandono y permanencia posterior. La pregunta deja de ser “¿contratamos rápido?” y pasa a ser “¿dónde perdemos candidatos adecuados y qué fuentes generan incorporaciones que después permanecen?”.
Rotación y absentismo
Una tasa global de rotación dice poco por sí sola. Conviene segmentar por departamento, puesto, antigüedad, ubicación o cohorte de entrada. Con absentismo ocurre algo parecido: frecuencia, duración, área y evolución pueden revelar patrones que merecen investigación.
Una correlación señala dónde mirar. No demuestra por sí sola la causa.
Engagement, clima y desempeño
Encuestas, eNPS, feedback cualitativo y evaluaciones permiten estudiar cambios y diferencias entre grupos. Deben interpretarse con contexto: una puntuación o una evaluación no explica por sí sola qué está ocurriendo.
Formación y desarrollo
“40 empleados completaron una formación” mide participación, no aprendizaje ni impacto.
Este enfoque puede conectar una situación previa, una competencia objetivo y uno o varios indicadores posteriores: errores, uso de una herramienta, tiempos, autonomía o calidad. Esto encaja con una estrategia de formación para empleados basada en necesidades reales y seguimiento posterior.
Planificación de talento
También permite comparar competencias actuales con necesidades futuras, detectar dependencias críticas y decidir dónde priorizar upskilling o nuevas incorporaciones.
People Analytics vs HR Analytics: ¿son lo mismo?
Muchas organizaciones utilizan ambos términos como términos intercambiables. CIPD también recoge denominaciones como talent analytics o workforce analytics.
Cuando se establece un matiz, HR Analytics suele asociarse más al análisis de procesos propios de RRHH, mientras que la analítica de personas puede adoptar una perspectiva más amplia sobre equipos y organización.
No es una frontera universal. Para una empresa que empieza, importa más la calidad de la pregunta y del análisis que la etiqueta.
Ejemplos de People Analytics en una empresa
Los ejemplos más útiles empiezan por una pregunta, no por una herramienta.
Rotación
La empresa detecta más bajas y segmenta por departamento, puesto y antigüedad. Descubre que se concentran durante los primeros meses en dos equipos. Eso permite investigar onboarding, expectativas del puesto, selección o gestión, pero todavía no demuestra la causa.
Selección
RRHH analiza el funnel candidatos → entrevistas → ofertas → contrataciones → permanencia. Puede encontrar una fuente con mucho volumen pero poca conversión y otra con menos candidatos pero mejores resultados posteriores.
Necesidad de formación
Un proceso acumula errores y dependencia de una persona experta. Antes de comprar un curso, el equipo analiza dónde fallan las tareas y qué conocimientos faltan. La necesidad pasa de “queremos Excel” a “necesitamos resolver estas tres tareas con autonomía”.
Impacto de formación
Se define una línea base, se forma al equipo y después se observan indicadores relacionados. Si algo mejora, todavía hay que considerar otros cambios de proceso, herramientas o volumen antes de atribuir causalidad a la formación.
Los 4 niveles de People Analytics
| Nivel | Pregunta | Ejemplo |
| Descriptiva | ¿Qué ocurrió? | La rotación subió |
| Diagnóstica | ¿Qué patrones aparecen? | El aumento se concentra en ciertas cohortes |
| Predictiva | ¿Qué podría ocurrir? | Estimar probabilidad de eventos |
| Prescriptiva | ¿Qué alternativas evaluar? | Comparar intervenciones |
La analítica diagnóstica no significa “descubrir por qué ocurrió”: asociación y causalidad no son equivalentes. Tampoco la prescriptiva implica dejar que un algoritmo decida sobre personas. Contexto, criterio y supervisión siguen siendo necesarios.
Qué métricas de RRHH debería medir una empresa
No necesitas medir todo. Necesitas medir aquello que ayuda a responder una pregunta relevante.
| Pregunta | Métricas posibles |
| ¿Cómo funciona selección? | Time to Hire, conversión, aceptación de ofertas, fuente |
| ¿Dónde perdemos talento? | Rotación, retención, antigüedad, área |
| ¿Qué ocurre con absentismo? | Frecuencia, duración, evolución |
| ¿Funciona la formación? | Finalización, aprendizaje, aplicación, antes/después |
| ¿Cómo evoluciona el clima? | Encuestas, participación, eNPS, feedback |
| ¿Cómo evoluciona desempeño? | Objetivos, evaluaciones, tendencia |
Las métricas apoyan la pregunta. Si no sabes qué decisión quieres mejorar, otro KPI solo hará el dashboard más grande.
Cómo empezar con People Analytics paso a paso
1. Empieza por una pregunta
Mejor “¿por qué ha aumentado la rotación durante los primeros seis meses?” que “tenemos datos, ¿qué hacemos con ellos?”.
2. Define la decisión
¿Cambiar onboarding? ¿Revisar una fuente de selección? ¿Priorizar formación? Una pregunta sin decisión asociada puede producir análisis interesantes pero poco accionables.
3. Identifica los datos necesarios
Recoge solo las variables útiles para responder la pregunta.
4. Localiza las fuentes
Excel, ATS, HRIS, nóminas, encuestas, LMS o herramientas internas. En muchos proyectos el primer problema es que la información existe, pero está fragmentada.
5. Limpia y estructura
Revisa duplicados, vacíos, fechas, nomenclaturas, categorías y errores. Un dashboard sofisticado construido sobre datos deficientes sigue dando información deficiente.
6. Elige métricas
pregunta → métrica → análisis → decisión.
7. Analiza y segmenta
Los promedios globales pueden ocultar diferencias por área, puesto, antigüedad, cohorte o ubicación.
8. Visualiza
Un gráfico debe facilitar comprensión y decisión, no decorar el análisis.
9. Formula hipótesis
El dato puede indicar dónde investigar. Dato ≠ causa.
10. Actúa y vuelve a medir
El análisis no termina al presentar un informe. Si se modifica un proceso, hay que observar qué ocurre después.
Qué herramientas de People Analytics se utilizan
Las herramientas dependen del volumen, las fuentes y el tipo de análisis.
Excel y Google Sheets pueden bastar para limpiar, segmentar y analizar datos manejables. Power BI o Looker Studio ayudan con reporting recurrente y visualización. SQL permite consultar bases estructuradas. Python aporta capacidad para preparación, estadística y modelos, pero no es requisito para empezar. HRIS, ATS y LMS ya concentran información relevante de personas, selección y formación.
La herramienta no determina la madurez. Cuando la complejidad crece, entender la diferencia entre Data Analytics y Data Science ayuda a no introducir modelos avanzados antes de tener preguntas, procesos y datos preparados.
Cómo utilizar Inteligencia Artificial en People Analytics
La IA puede apoyar este tipo de análisis, pero no debería convertirse en árbitro de decisiones sobre empleados.
ChatGPT, Claude o Gemini pueden trabajar con documentos y datos estructurados según producto, plan y configuración. Pueden ayudar a resumir feedback, clasificar comentarios, explorar hojas de cálculo, documentar análisis, explicar resultados o proponer hipótesis que después deben revisarse.
Un flujo razonable sería:
datos preparados → pregunta → análisis asistido → revisión → hipótesis → validación humana.
La IA puede detectar relaciones interesantes, pero una correlación sugerida por un modelo tampoco demuestra causalidad.
Cuando estos usos se extienden a otros procesos, la cuestión pasa a ser cómo incorporar la inteligencia artificial en empresas con reglas claras sobre datos, permisos y validación.
Y si una tarea de RRHH es repetitiva, estructurada y basada en reglas, puede tener sentido estudiar una automatización de procesos con IA sin eliminar los puntos que requieren criterio humano.
Ejemplo práctico: de un Excel de RRHH a una decisión
Imaginemos una empresa de 500 empleados que detecta más rotación.
Pregunta: ¿dónde se concentran las bajas?
Datos: departamento, puesto, fecha de entrada, salida y antigüedad.
Análisis: segmentación por áreas y cohortes.
Hallazgo hipotético: una parte relevante de las bajas se concentra durante los primeros meses en dos departamentos.
Hipótesis: onboarding, expectativas, características del puesto o diferencias de gestión.
Investigación: entrevistas de salida, encuestas, revisión del proceso de selección y comparación con otros equipos.
Acción: modificar los puntos del proceso que la evidencia respalde.
Medición: comparar cohortes posteriores.
Ese es el objetivo: usar los datos para formular mejores preguntas y evaluar decisiones, no convertir una hoja de cálculo en una respuesta automática.
Errores frecuentes al empezar con People Analytics
Medir demasiado → genera ruido → empieza por una pregunta.
Empezar por el dashboard → visualizas sin saber qué decidir → define primero el problema.
Correlación = causalidad → conduce a explicaciones no demostradas → formula hipótesis y contrástalas.
Datos inconsistentes → el análisis hereda los errores → limpia y documenta.
No volver a medir → desconoces si la intervención funcionó → establece un antes y un después.
Introducir IA demasiado pronto → automatizas análisis que todavía no entiendes → consolida primero pregunta, datos y criterio.
Privacidad y ética en People Analytics
Trabajar con datos de personas exige especial cuidado. El RGPD obliga a definir finalidad, limitar los datos a lo necesario y proteger su tratamiento. La AEPD recuerda además los derechos frente a decisiones basadas únicamente en tratamiento automatizado cuando producen efectos jurídicos o afectan significativamente.
La precaución aumenta con modelos predictivos sobre empleados, selección, evaluación, promoción o permanencia. El AI Act europeo clasifica determinados sistemas de IA utilizados en empleo y gestión de trabajadores como sistemas de alto riesgo.
En la práctica: minimiza datos, controla accesos, documenta la finalidad, revisa sesgos y evita subir información de empleados a una IA generativa sin comprobar proveedor, plan, configuración, contrato, permisos y políticas internas.
La analítica de personas debe añadir evidencia, no convertir la gestión de personas en vigilancia.
¿Necesitas un equipo de Data para empezar con People Analytics?
No necesariamente.
Para empezar necesitas un problema concreto, datos suficientemente fiables, competencias analíticas básicas y una herramienta adecuada. Una pyme puede comenzar con Excel o Sheets.
A medida que aumentan volumen y complejidad pueden entrar BI, SQL, estadística, Data Analytics o programación. La tecnología debe crecer cuando la pregunta lo exige, no porque este enfoque obligue a utilizar Python.
Qué competencias necesita RRHH para trabajar con datos
La competencia clave es convertir un problema de Recursos Humanos en una pregunta que pueda analizarse con datos.
A partir de ahí resultan útiles data literacy, Excel/Sheets, visualización, estadística básica, Business Intelligence, nociones de IA, pensamiento analítico, comunicación de resultados y criterio sobre privacidad y sesgos.
Un equipo de RRHH no necesita convertirse en un equipo de científicos de datos. Necesita autonomía para trabajar con información, detectar análisis débiles y colaborar con perfiles técnicos cuando haga falta.
Cómo formar a un equipo de RRHH en People Analytics, Data e IA
La formación debería partir de problemas reales: selección, rotación, formación, reporting, planificación o análisis de feedback.
Un itinerario aplicado puede combinar Excel/Sheets, Power BI, interpretación de métricas, fundamentos estadísticos, IA responsable y práctica con casos del propio departamento.
Desarrollar esa autonomía requiere algo más que incorporar software. Los equipos necesitan competencias en datos e IA adaptadas a sus procesos, un enfoque que puede trabajarse mediante formación para empresas diseñada alrededor de necesidades y objetivos concretos.
En CODE SPACE, la oferta B2B incluye actualmente Data Analytics, Power BI, Excel, SQL, IA y automatización, con programas adaptados a empresa.
Diseña una formación adaptada a las necesidades de tu equipo
Si todavía no tienes claro qué competencias priorizar, elige día y hora con Loli y revisamos vuestro caso.
Preguntas frecuentes sobre People Analytics
¿Qué es People Analytics?
La analítica de personas es el análisis sistemático de datos sobre personas, equipos y procesos de RRHH para comprender situaciones, detectar patrones y apoyar decisiones basadas en evidencia. Incluye formular preguntas, analizar, interpretar, actuar y volver a medir.
¿Para qué sirve People Analytics en RRHH?
Sirve para estudiar selección, rotación, absentismo, desempeño, formación, engagement y planificación de talento. People Analytics en RRHH ayuda a localizar dónde ocurre un problema y qué evidencia adicional necesitamos antes de decidir.
¿Cuál es la diferencia entre People Analytics y HR Analytics?
Muchas organizaciones usan ambos términos como sinónimos. Algunos enfoques reservan HR Analytics para procesos de RRHH y utilizan la analítica de personas con una perspectiva más amplia. No existe una frontera universal.
¿Qué herramientas se utilizan en People Analytics?
Las herramientas habituales incluyen Excel, Google Sheets, Power BI, Looker Studio, SQL, Python y sistemas HRIS, ATS o LMS. La elección depende de los datos y del análisis que la empresa necesita hacer.
¿Se puede hacer People Analytics con Excel?
Sí. Excel puede ser suficiente para empezar si los datos son manejables y están bien estructurados. La analítica de personas empieza por una pregunta, no por una plataforma.
¿Se necesita saber programar?
No para empezar. Muchas necesidades descriptivas y diagnósticas pueden resolverse con hojas de cálculo y BI. SQL, Python y estadística avanzada cobran más importancia cuando aumenta la complejidad.
¿Cómo empezar con People Analytics en una pyme?
Elige un problema, formula la pregunta, identifica los datos disponibles, límpialos, selecciona pocas métricas, analiza y vuelve a medir después de actuar. No hace falta crear un departamento de Data para comenzar.
¿Cómo se utiliza IA en People Analytics?
Puede ayudar a estructurar información, explorar datos, clasificar feedback, documentar análisis o sugerir hipótesis. Debe existir revisión humana y especial cuidado con información personal.
¿Qué riesgos tiene People Analytics?
Datos deficientes, sesgos, conclusiones causales incorrectas, monitorización excesiva, falta de transparencia y uso inadecuado de datos personales. Cuanto mayor sea el impacto de una decisión sobre una persona, mayor debe ser el control metodológico y humano.
