Kronos impulsa Big Data como habilitador de productividad y competitividad de las empresas

Ciudad de México a 2 de abril de 2013 —Kronos Latinoamérica, señaló que existe un enorme potencial de aprovechamiento empresarial entorno a Big Data a través de una estrategia que crea oportunidades para transformar la información existente sobre el comportamiento de los empleados de una empresa en un valor comercial; esto significa que el modelo antiguo de aprovechar la eficiencia de la tecnología no va a resolver los desafíos de Big Data, ya que se requiere además de un enfoque diferente y estratégico que lo haga eficiente.

Datos y Noticias
· Unaestrategia de Big Data permite a las empresas transformar grandes cantidades de su propia información laboral en un valor comercial importante. Al igual que las mejoras en cualquier aspecto de la fabricación, esta transformación se inicia con la comprensión del proceso, lo cual puede representarse con una ecuación: Datos + Análisis + Acción = Ganancia.
· La información (materia prima para la toma de decisiones) tiene gran impacto en la ganancia del negocio y, al igual que cualquier materia prima, el reto es reducir su costo mientras se garantiza la calidad del producto final al cliente.
· La precisión de Big Data está determinada por el nivel de detalle de la información recopilada y la frecuencia con que se actualiza; esto depende de la naturaleza de los datos y su uso final.
· Con base en la información requerida, la información laboral se debe recolectar en cuatro formas, cada una de las cuales proporciona un nivel diferente de precisión y representa diferentes costos:
o Recolección de datos inferidos, es una comparación objetiva entre la cantidad de mano de obra asociada con un producto y la cantidad que se hace del producto. Es la forma más fácil y de menor costo de recolectar datos, pero en última instancia, puede ser la más cara en términos de costos ocultos, riesgos de cumplimiento laboral, y pérdida de oportunidades para mejorar la productividad.
o Recolección de datos promediados o estimados, proporciona una vista más detallada de los costos laborales. Un supervisor calcula las horas trabajadas por un equipo y luego distribuye ese tiempo a lo largo de una línea de producción. El resultado es una mejora en la precisión y la exactitud, pero también mayores costos de recolección.
o Recolección de tiempo basado en excepciones, se usa donde se asume que el trabajo se realiza a un ritmo constante, excepto por los cambios ocasionales. Por ejemplo, un empleado puede recibir su pago de acuerdo con un cronograma de trabajo con ajustes para los días de enfermedad o vacaciones.Este enfoque también es una mejora con respecto a recolección de datos inferidos, pero sólo ofrece aproximaciones.
o Seguimiento en tiempo real, mide valores reales, como los tiempos de entrada/salida de empleadosindividuales, sus horas de descanso y almuerzo, o las horas que dedican a trabajar en tareas de producción específicas. Este enfoque de recolección de datos proporciona información muy precisa y exacta, pero es el más caro en términos de costos de recolección.
· Las empresas deben buscar soluciones de Big Data que integren su información en lugar de separarla. Esto impulsará una toma de decisiones basada en información que es fácil de ordenar.
· Big Data cambia la forma en que la información es analizada y utilizada para tomar medidas. Tradicionalmente, la información se reportaba para resolver objetivos específicos, pero con los terabytes de datos ahora disponibles, las empresas pueden hacer frente a los desafíos globales que están menos definidos.

Nuevo perfil de empleados y oportunidades de Big Data
· Dado que las empresas utilizan Big Data para cumplir con esos desafíos, necesitan empleados con un nuevo perfil de habilidades que incluye: Fuertes habilidades analíticas, Perspectivade la visión global y Capacidad de contar una historia, para poner sus conclusiones en contexto.
· Asimismo, las empresas están en posibilidades de encontrar información crítica para su negocio a través de estrategias que no requieren grandes inversiones. Por ejemplo:
o Cambio de una sola variable. Uno de los usos más simples de Big Data es medir una única variable, tales como el ausentismo o los registros horariostempranos/tardíos. La captura de esta información permite a los gerentes tener visibilidad y oportunidades de crear soluciones más eficaces.
o Búsqueda de datos. Big Data se adapta muy bien a la identificación de una relación entre dos o más variables. Esto a menudo es un problema que las soluciones tradicionales no pueden resolver; como el manejo de horas extras que es constantemente un problema para las empresas ya que son una respuesta a muchos escenarios (aumento de la demanda, equipos de bajo rendimiento, etc.), y que a menudo su causa es difícil de determinar.
o Evitar la tortura (Mejora continua). Las metodologías de mejora han reducido la disminución de las ganancias de las operaciones, pero el rendimiento todavía no es como debería ser. Muchos retrasos pequeños no detectados se suman a otros más grandes llevando a un efecto acumulativo imposible de resolver si no se modela estadísticamente con Big Data sobre el trabajo y la producción.
o Modelado predictivo. Los gerentes pueden utilizar Big Data para diseñar programas con anticipación que tengan en cuenta las habilidades, ausencias previstas, cambios estacionales de la demanda, y predecir el ausentismo de los empleados, resultado de inteligencia empresarial apoyada de experiencias de lo que ha funcionado en el pasado.