Chief Data Officer de Nala y el modelo avanzado de análisis de personas y talentos: “Tenemos que buscar que sea interpretable y se puedan tomar acciones”

El Chief Data Officer de Nala participó del webinar People and Talent Advance Analytics: Outsourcing VS modelos inHouse y se refirió a la aplicación de Data Science a la gestión de personas y cómo Nala puede ser un aliado para las organizaciones. 

¿Es más eficiente desarrollar y mantener internamente las herramientas de People y Talent Analytics, o buscar una alianza con un socio experto en el área? Es el gran debate que se abordó en el webinar “People and Talent Advance Analytics: Outsourcing vs Modelos Inhouse” organizado por Nala el día 25 de mayo. 

La instancia fue moderada por la cofounder de Nala, María Fernanda Castillo y los exponentes fueron Gerzo Gallardo, director de Data & Analytics en ​​NTTData y Carlos Castillo, CDO de Nala. Este último habló sobre la aplicación de Data Science a la gestión de personas. En su intervención, Carlos enfatizó en la importancia de utilizar métricas de gestión del talento para medir y evaluar el rendimiento de los empleados en función de sus habilidades y competencias. Asimismo,  destacó la capacidad de los modelos avanzados de análisis para predecir el éxito en el liderazgo y en la gestión del talento.

Para esto, destacó la relevancia de comprender el estado actual de los datos e información dentro de la empresa y la necesidad de actualizaciones continuas. Asimismo enfatizó en lo fundamental que es establecer objetivos claros y el uso de modelos avanzados de análisis. 

Una vez ya implementado el modelo, un punto clave es que este no solo proporcione resultados, sino que también ofrezca explicaciones y recomendaciones para la acción, ya que interpretar los resultados del modelo es crucial para la toma de decisiones efectiva, afirmó Castillo. 

“Si uno no puede tomar decisiones a partir de los resultados del modelo es como si no hubiera hecho nada”, explicó el CDO de Nala.

“En Nala siempre hemos estado muy enfocados en que nuestros modelos tengan algunas recomendaciones para que la gente sepa qué hacer, no es solamente demostrar un modelo que sea perfecto, lo que tenemos que buscar es que el modelo también sea interpretable y que le permita a las personas tomar acciones con base en la información que nosotros que les entregamos”, sostuvo. 

Puedes revisar la intervención de Carlos aquí: https://www.youtube.com/watch?v=NhE7Pj512g0

El webinar completo lo encuentras acá: https://www.youtube.com/watch?v=ISuDglYdMFw&t=998s