.svg)
Espanyol - Espanya
Català
Anglès
Portuguès
Francès
Espanyol - Mèxic
L'ús de dades en la presa de decisions ja no és exclusiu d'àrees com màrqueting o finances. El 2026, people analytics s'ha consolidat com una eina clau per professionalitzar la gestió del talent i reduir la presa de decisions basada únicament en la intuïció.
Quan es parla de què és people analytics, no s'està parlant només de dashboards o mètriques aïllades. Es tracta d'utilitzar dades per entendre, predir i optimitzar decisions relacionades amb persones: selecció, rotació, rendiment o estructura d'equips.
Des d'ISPROX, en processos de selecció i avaluació, especialment en posicions estratègiques com les que abordem des de executive search, veiem com cada vegada més empreses busquen incorporar criteris objectius en decisions que abans eren completament subjectives.
Contingut
Definir què és people analytics en recursos humans implica anar més enllà de l'analítica descriptiva.
No és només saber quantes persones hi ha a la plantilla o quina és la rotació. És entendre per què passa el que passa i, sobretot, què passarà si no es prenen decisions.
People analytics combina:
Dades d'empleats
Models analítics
Interpretació de negoci
L'objectiu no és generar informació, sinó millorar la qualitat de les decisions.
Per exemple:
No és el mateix saber que la rotació ha augmentat un 15 %, que identificar quins perfils se'n van, en quin moment i per què.
És aquí on people analytics en recursos humans aporta valor real.
Aplicar people analytics en RRHHno consisteix a tenir més dades, sinó de prendre millors decisions en moments crítics.
En moltes organitzacions, les decisions sobre persones segueixen sent reactives: s'actua quan hi ha rotació, quan baixa el rendiment o quan un procés de selecció falla.
El people analytics canvia aquest enfocament.
Aquest canvi cap a decisions basades en dades en la gestió del talent està alineat amb l' evolució de les habilitats i necessitats del mercat laborala escala global (World Economic Forum).
Per exemple, no és el mateix detectar que hi ha rotació, que saber exactament quins perfils se'n van, en quin moment i sota quines condicions. Aquesta diferència és la que converteix la dada en decisió.
Per veure-ho més clar, aquests són alguns dels usos més rellevants del people analytics en recursos humans:
| Àrea d'aplicació | Què permet analitzar | Quina decisió millora |
|---|---|---|
| Rotació de talent | Quins perfils se'n van, en quin moment i en quines àrees. | Ajustar selecció, lideratge o condicions abans que el problema creixi. |
| Selecció de personal | Quins perfils tenen més probabilitat d'èxit en el lloc. | Reduir errors de contractació i millorar l'encaix. |
| Rendiment | Els factors que impulsen o limiten el rendiment dels equips o rols. | Definir plans de desenvolupament, formació, coaching o millores organitzatives. |
| Estructura organitzativa | Com es distribueix el talent i on hi ha ineficiències. | Optimitzar equips i evitar coll d'ampolla. |
| Experiència de l'empleat | Punts de fricció en el dia a dia (càrrega, lideratge, comunicació). | Prioritzar accions per millorar l'experiència de l'empleat i reduir la rotació. |
| Absentisme | Patrons per àrea, perfil o moment. | Detectar causes i actuar abans que impacti en la productivitat. |
L'important aquí no és la mètrica, sinó la interpretació.
Un exemple molt habitual:
Una empresa detecta que determinats perfils abandonen l'organització abans del primer any. Sense analítica, pot atribuir-ho al mercat o a la falta de compromís.
Amb people analytics, pot descobrir que el problema està en expectatives mal definides en el procés de selecció o en un desajustament entre el perfil i el rol.
Aquest tipus d'insight canvia completament la decisió.
I aquí hi ha un punt clau: el people analytics en RRHH no elimina la necessitat de criteri. La reforça.
Perquè les dades per si soles no expliquen el context. Però ben utilitzades, permeten deixar de decidir “per sensació” i començar a decidir amb una base més sòlida.
Quan es parla d'eines de people analytics, moltes empreses tendeixen a pensar directament en programari avançat o solucions complexes. És un error força habitual.
El valor no està en l'eina en si, sinó en quines preguntes permet respondre i quines decisions ajuda a millorar.
De fet, un dels problemes més freqüents és implantar eines sense tenir clar per a què s'han d'utilitzar. El resultat sol ser el mateix: moltes dades… i poc impacte real.
Abans de pensar en eines, la pregunta clau és:
Quina decisió de negoci volem prendre millor?
A partir d'aquí, té sentit triar la tecnologia.
Per entendre-ho millor, aquestes són algunes de les eines de people analytics més utilitzades i la seva aplicació real:
| Tipus d'eina | Exemples reals | Per a què s'utilitza |
|---|---|---|
| HRIS (sistemes de gestió de RRHH) | Workday, SAP SuccessFactors | Centralitzar dades d'empleats, estructura organitzativa i mètriques bàsiques. |
| Plataformes d'anàlisi de talent | Visier, Tableau | Analitzar patrons de rotació, rendiment o evolució d'equips. |
| Eines d'avaluació de rendiment | Culture Amp, Lattice | Mesurar engagement, feedback i evolució del talent. |
| ATS (seguiment de selecció) | Teamtailor, Greenhouse, Lever | Analitzar processos de selecció, temps i qualitat de contractació. |
Ara bé, tenir aquestes eines no implica estar fent people analytics.
Un exemple molt comú:
Una empresa utilitza un ATS i sap quant triga a cobrir una vacant. Però no analitza quins perfils romanen més temps o quins tenen millor rendiment. Té dades, però no insights.
Aquí està la diferència.
El people analytics en recursos humans comença quan les dades s'utilitzen per respondre preguntes rellevants com:
Quins perfils tenen més probabilitat d'èxit?
On s'està generant rotació evitable?
Quines decisions estan impactant en el rendiment de l'equip?
Sense aquesta capa d'anàlisi, qualsevol eina de people analytics es converteix en un repositori d'informació, però no en un avantatge competitiu.
Per això, l'enfocament correcte no és començar per l'eina. És començar pel criteri.
Un dels àmbits on el people analytics en recursos humans està tenint més impacte és en la selecció.
Tradicionalment, moltes decisions es basaven en:
Intuïció
Experiència prèvia
Afinitat en entrevista
Avui, cada cop més empreses busquen respondre preguntes com:
Quines característiques tenen els perfils que millor funcionen en el lloc?
Quines variables prediuen èxit o rotació?
Quin tipus de trajectòria encaixa millor amb el rol?
A ISPROX entenem que una bona decisió de selecció no depèn únicament d'avaluar un candidat, sinó també de comprendre el mercat laboral en què competeix cada empresa.
Per això, aportem als nostres clients un coneixement profund dels perfils, els sectors i les dinàmiques del mercat del seu territori, fruit de la nostra experiència en centenars de processos de selecció. Aquest enfocament permet prendre decisions més fonamentades i augmentar la taxa d'èxit en les contractacions.
Encara que el concepte està estès, la seva aplicació pràctica presenta dificultats.
Les més habituals:
Excés de dades sense criteri
Falta d'alineació amb el negoci
Interpretació incorrecta de mètriques
Creença que l'eina substitueix l'anàlisi
Un error freqüent és pensar que el people analytics és un projecte tecnològic. En realitat, és un canvi en la forma de prendre decisions.
No és necessari implementar un sistema complex des del principi.
Alguns passos pràctics:
Identificar decisions crítiques en RRHH
Analitzar quines dades ja existeixen
Definir mètriques rellevants
Revisar patrons
Prendre decisions basades en aquesta informació
Per exemple:
Si una empresa té problemes de rotació en perfils concrets, el primer pas no és comprar una eina, sinó analitzar dades bàsiques: antiguitat, tipus de perfil, àrea, responsable, moment de sortida.
Amb això ja es poden detectar patrons.
Un informe real de people analytics segueix aquesta mateixa estructura: pregunta de negoci → dades → metodologia → descobriments → conclusions accionables. La clau no és acumular dades, sinó connectar cada descobriment amb una decisió concreta que RRHH pugui prendre.
Període analitzat: gener 2024 – juny 2026
1. Objectiu de l'anàlisi
Entendre per què 6 dels 24 enginyers de l'equip d'Automatització han causat baixa voluntària en l'últim any, un perfil clau i difícil de reposar (PLC, SCADA, robòtica), i proposar mesures específiques.
2. Fonts de dades
Sistema de gestió de RRHH (altes, baixes, antiguitat, salari, lloc)
Enquestes de clima laboral (2024 i 2025)
Entrevistes de sortida (últims 24 mesos)
Registres de formació i desenvolupament intern
Avaluacions de rendiment
3. Metodologia
S'ha utilitzat un model de regressió logística per estimar el risc de baixa segons antiguitat, certificacions, rendiment i dies de desplaçament a planta. Mostra petita, contrastada amb les entrevistes de sortida.
4. Descobriments clau
La rotació s'ha triplicat: del 8 % (2024) al 25 % (últim any), davant del 9,1 % de la resta de la divisió.
Se'n van els millors, no els pitjors:el 71 % de les baixes tenia avaluació "bona" o "excel·lent", i la majoria tenia una doble certificació tècnica.
El desplaçament és el factor principal:més de 100 dies l'any a la planta del client multiplica per 2,4 el risc de baixa.
El salari base està en mercat, però sense variable per desplaçament, a diferència de dos competidors del sector.
Motiu més citat en la sortida: càrrega de desplaçament sense compensar, per davant de la falta de pla de carrera i d'ofertes externes.
5. Conclusions
S'està perdent el perfil més difícil de substituir (enginyers ja autònoms en obra), i la causa no és el salari, sinó la falta de compensació i reconeixement pel desplaçament. El risc és anticipable: certificació + molts desplaçaments + absència de canvi de rol durant 24 mesos.
6. Mesures
Complement variable per desplaçament (+60 dies/any).
Itinerari formal d'"Enginyer Sènior d'Automatització".
Rotació planificada de projectes entre l'equip.
Indicador de "dies de desplaçament" en el quadre de comandament de RRHH.
Hi ha un punt clau que convé no perdre de vista.
El people analytics no substitueix el criteri professional. El complementa.
Les dades ajuden a entendre tendències, però la interpretació continua sent crítica. Especialment en àrees com selecció, on entren en joc factors qualitatius.
Per això, combinar dades amb experiència en avaluació de talent continua sent fonamental.
El people analytics ha deixat de ser una tendència per convertir-se en una eina necessària en la gestió de persones.
No es tracta de tenir més dades, sinó de prendre millors decisions.
I en un context on el talent és cada vegada més determinant, aquesta diferència és estratègica.
El reporting tradicional descriu el que ha passat (rotació, plantilla, absentisme). El people analytics va un pas més enllà: analitza per què passa i quines decisions es poden prendre per millorar resultats. No és només informació, és interpretació orientada a negoci.
No. De fet, moltes empreses poden començar amb les dades que ja tenen. L'important no és la quantitat, sinó la qualitat i la capacitat d'analitzar-les amb un objectiu clar. Amb informació bàsica ben estructurada ja es poden detectar patrons rellevants.
Principalment decisions relacionades amb selecció, rotació, rendiment i estructura organitzativa. Per exemple, permet identificar quins perfils encaixen millor en determinats llocs o anticipar problemes de fuga de talent abans que ocorreguin.
No. El people analytics complementa el criteri professional, no el reemplaça. Les dades aporten context i tendències, però la interpretació continua sent clau, especialment en àrees com selecció, on intervenen factors qualitatius.
Un dels més habituals és començar per l'eina en lloc de per la necessitat. També és freqüent acumular dades sense un objectiu clar o interpretar mètriques sense context de negoci. Sense un enfocament estratègic, l'impacte és molt limitat.
Permet analitzar quins perfils tenen més probabilitat d'èxit en un lloc, identificar patrons en processos anteriors i millorar la qualitat de contractació. Això redueix errors i millora l'encaix entre candidat i organització.
Busques talent per ampliar el teu equip?
Des d'ISPROX t'ajudem a trobar el perfil adequat, estalviant-te temps i augmentant la teva taxa d'èxit en la contractació.
Essencials per al funcionament bàsic del lloc i la seguretat. Sempre actives.
Guardan tus ajustes como idioma o región.
Ens ajuden a entendre com utilitzes el lloc (per exemple, Google Analytics).
Permeten personalitzar la publicitat i mesurar-ne l'eficàcia (per exemple, Meta/Ads).